Eigene Technologie zur Analyse von Kassenbelegfotos
Kassenbelege sind in vielen unterschiedlichen Layouts gestaltet. Dadurch ist es erforderlich eine Technologie einzusetzen, die unabhängig vom Design des Kassenbeleges arbeitet. Denn für den prüfsicheren Nachweis von Essenzuschüssen ist die vollständige Erkennung und Klassifizierung der Belege unabdingbar.
Mit der von uns entwickelten Technologie bieten wir eine hochwertige optische und semantische Erkennung von Kassenbelegfotos – unabhängig vom Layout der Belege.
Optical Character Recognition (OCR)
Entgegen der Marketingaussagen der Anbieter von optischen Analyse-Services (OCR) ist die Fehlerrate der Texterkennung bei fotografierten Kassenbelegen erstaunlich hoch.
Mit unserer Technologie zur Auswertung der OCR-Daten können wir die Analyseergebnisse entscheidend verbessern!
Dies hat erhebliche Auswirkung auf die Qualität der semantischen Erkennung.
Semantische Analyse
Viele Anbieter semantischer Analyseverfahren fokussieren sich auf einige ausgewählte Parameter, wie z. B. Belegaussteller, Belegdatum, Belegsumme, MwSt-Sätze und -Summen. Die Erkennungsrate und Klassifizierung ist dabei bereits häufig unzureichend. Die zur Prüfung der Zuschussfähigkeit bei Essenszuschüssen erforderlichen Belegpositionen fehlen entweder völlig oder werden nur sehr fehlerhaft erkannt.
Unsere Technologie zur komplexen semantischen Analyse liefert hochwertig klassifizierte Ergebnisse – bis hin zu Einzelpositionen.
Durch den Einsatz von Machine Learning Methoden/Künstlicher Intelligenz wird das System durch die Nutzung immer besser. Erkenntnisse aus vergangenen Analysen werden dabei für die Bewertung neuer Daten herangezogen, um Elemente mit höherer Sicherheit zuordnen zu können und somit auch die Fehlerquoten bei schlechter OCR-Qualität deutlich zu steigern.
Klassifizierung der Belegpositionen
Steuerrechtlich vorgegeben ist, dass nur für Lebensmittel und den dazu üblichen nicht-alkoholischen Getränke Essenszuschüsse gewährt werden dürfen. Um diese Vorgabe zu erfüllen, ist das Auslesen und die Bewertung der Einzelpositionen unabdingbar.
Praktisches Beispiel:
Einkauf bei einem Bäcker
| Pos | Produkt | Preis |
|---|---|---|
| 1 | Belegtes Brötchen | € 2,50 |
| 2 | Erfrischungsgetränk | € 1,50 |
| 3 | Pfand | € 0,50 |
In diesem Fall ist es zwingend erforderlich, die Position „Pfand“ bei der Berechnung der Essenszuschüsse nicht zu berücksichtigen. Anderenfalls werden die steuerrechtlichen Vorgaben nicht erfüllt und Lohnsteuer sowie Sozialversicherung nicht korrekt abgeführt.
Mit dem Einsatz von künstlicher Intelligenz bewertet unsere Technologie die Zuschussfähigkeit jeder Belegposition vollautomatisch.
Auch bei der Bewertung der Einzelpositionen wird das System mit dem Einsatz von Machine Learning Methoden/Künstlicher Intelligenz immer besser. Erkenntnisse aus vergangenen Analysen werden dabei für die Bewertung neuer Daten herangezogen, um Elemente mit höherer Sicherheit zuordnen zu können.
Interesse an unserer Technologie?
Interesse an unserer Technologie?
Haben Sie Anwendungsfälle für eine hochwertige semantische Analyse von digitalisierten Belegen oder Dokumenten? Wir freuen uns auf Ihre Kontaktaufnahme.
