Die Lösung basiert auf einer Kombination aus Optical Character Recognition (OCR), lokalen Sprachmodellen (LLM) und Embedding-Technologien. Das System liest Bestelldokumente ein, extrahiert relevante Informationen wie Kundennummern, Artikel oder Lieferadressen, prüft diese gegen ERP-Stammdaten und stellt die Ergebnisse in einer benutzerfreundlichen Oberfläche bereit. Dabei nutzt es ein trainiertes Modell, das aus historischen Daten gelernt hat, „implizites Erfahrungswissen“, beispielsweise typische Artikelzuordnungen, maschinell nachzubilden.
Das Projekt wurde initiiert, weil das Unternehmen vor der Herausforderung stand, dass Kundenbestellungen überwiegend als unstrukturierte PDF-Dateien in unterschiedlichen Layouts, Sprachen und Qualitätsstufen eingingen. Diese mussten bislang manuell verarbeitet werden, welches einen fehleranfälligen, zeitintensiven und personenabhängigen Prozess darstellte, der die Skalierbarkeit in Spitzenzeiten einschränkte.