Banken, Versicherungen & Kanzleien

Computer Vision im Finanzwesen: Scans, Belege und Ausweise auswerten

Gescannte Kontoauszüge, eingereichte Rechnungen, Ausweiskopien und Schadensfotos landen in Banken, Versicherungen und Finanzbehörden täglich zu Tausenden im Posteingang. In diesem Tagesseminar mit Python-Übungen lernen Data Scientists, Analysten sowie Fach- und IT-Verantwortliche, solche Bilddaten mit Computer Vision zu lesen, zu klassifizieren und auf Auffälligkeiten zu prüfen. Jeder Abschnitt endet mit einer Praxisübung, vom Erkennen eines Formulars bis zum Entwurf einer Prozesskette aus OCR und Klassifikation.

Für wen

Data Scientists, Analystinnen und Analysten sowie Fach- und IT-Verantwortliche aus Banken, Versicherungen und Finanzbehörden, die Bilddaten, gescannte Unterlagen und andere visuelle Inhalte automatisiert auswerten und in Geschäftsprozesse einbinden wollen.

KI-Tagesseminar · 1 Tag

Texterkennung, Dokumentenklassifikation und Anomalieerkennung mit Python umsetzen

Das nehmen Sie mit

  • Sie bereiten Scans und PDFs so vor, dass OCR mit Tesseract oder EasyOCR verlässlicher erkennt.
  • Sie haben einen Klassifikator für Formularbilder trainiert und kennen den Modellaufbau mit Scikit-learn oder Keras.
  • Sie verstehen, wie CNN verdächtige Dokumente und fehlerhafte Scans aufspüren.
  • Sie haben eine durchgängige Prozesskette von der Erfassung bis zur Weiterleitung in DMS oder CRM entworfen.

Ablauf

  1. Teil 1

    Modul 1 – Grundlagen: Computer Vision und visuelle Finanzdaten

    • Computer Vision: Grundbegriffe und wie ein Rechner Bildinhalte erfasst
    • Wo im Finanzwesen Bilddaten anfallen: Ausweise, Kontoauszüge, Schadensfotos aus der Kfz-Regulierung
    • Wie sich Bildanalyse von NLP und der Verarbeitung strukturierter Tabellendaten
    • Praxisübung: In Scan-Daten automatisch erkennen, wo ein Formular vorliegt
  2. Teil 2

    Modul 2 – Eingangsdaten: Formate, Bildqualität, Vorverarbeitung

    • Typische Eingänge: PDFs, Scans, Ausweise und Formulare aus Post und Kundenportal
    • Schwierigkeiten mit der Datenqualität, etwa schiefe Scans, Stempel oder Faxreste
    • Unterschiedliche Bildauflösungen, Dateiformate und Layouts zuverlässig handhaben
    • Dokumente für die OCR vorverarbeiten
    • Praxisübung: Bild-Metadaten auslesen und grafisch darstellen
  3. Teil 3

    Modul 3 – Texterkennung: OCR auf Finanzdokumenten

    • OCR (Optical Character Recognition) mit Tesseract und EasyOCR im Vergleich
    • Einsatz auf Kontoauszügen, Rechnungen und Vertragsunterlagen
    • Erkennungsrate durch Preprocessing wie Entzerren, Kontrastanpassung und Rauschentfernung steigern
    • Nutzen für digitale Archivierung und automatische Erfassung eingehender Dokumente
    • Praxisübung: Gescannte Kontoauszüge per OCR in auswertbaren Text überführen
  4. Teil 4

    Modul 4 – Klassifikation und Anomalien: Dokumente sortieren und prüfen

    • Belege, Formulare und Anträge mit ML-Verfahren automatisch einer Klasse zuordnen
    • Modellaufbau mit Scikit-learn oder Keras
    • Kredit- und Versicherungsanträge anhand der Klasse automatisch an die zuständige Stelle routen
    • Praxisübung: Einen Klassifikator mit Formularbildern trainieren
    • Verdächtige Dokumente und fehlerhafte Scans aufspüren, Einstieg in CNN (Convolutional Neural Networks)
    • Betrugsprävention bei eingereichten Belegen, etwa manipulierten Rechnungen zu einem Schaden
    • Praxisübung: Auffällige Muster in gescannten Ausweisen erkennen
  5. Teil 5

    Modul 5 – Integration: Bildanalyse in Geschäftsprozesse einbinden

    • API-gestützte Verarbeitung und Weiterleitung der Ergebnisse, etwa in DMS oder CRM
    • Projektstruktur planen: Datenflüsse, Monitoring und Schnittstellen
    • CV-Modulen einen festen Platz in Workflows geben, zum Beispiel im Claims-Management
    • Praxisübung: Eine End-to-End-Prozesskette aus OCR und Klassifikation entwerfen

VoraussetzungenSie bringen Grundkenntnisse in Python mit. Erfahrung mit NumPy, Pandas oder scikit-learn erleichtert die Übungen, ist aber keine Pflicht.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen