Vertiefende Analyse · Etwa 3 Min. Lesezeit
Foundrys Konfidenzleitfaden trennt Prüfpriorität von Automatisierungserlaubnis
Der Text vom 14. Oktober erklärt Belege und Kalibrierung: 41% weniger gezielt ausgewählte Werte bedeuten nicht 41% weniger Personalzeit.
- Datum der Quelle
- Hier veröffentlicht
- Quelle geprüft
Microsoft erklärt anhand einer Versicherung, wie extrahierte Felder Belege erhalten und priorisiert werden. Der Bericht vom 14. Oktober nennt Vorteile, aber Menschen prüften weiterhin jedes Feld. Konfidenz lenkte Aufmerksamkeit, nicht die Freigabe sensibler Verarbeitung ohne Menschen.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Die gesamte Kundenauswertung umfasste über 22.000 Werte und über 1.000 Produktionsdokumente. Auf einem separaten zurückgehaltenen Testsatz wählte die gezielte Prüfung 41% weniger Werte aus und erfasste weiterhin über 80% der bekannten Extraktionsfehler.
- Konfidenz stammt aus einem separaten gemeinsamen Modell, nicht LLM-Selbsteinschätzung. Kundenkalibrierung trainiert es nicht neu.
- Das öffentliche Labor nutzt 1.000 CORD-v2-Belege: 800 zur Kalibrierung, 200 zur Bewertung. Das sind nicht die Versicherungsresultate.
Beleg und Konfidenz unterscheiden
Grounding verbindet den Wert mit Dokumentbelegen für Prüfung und Audit. Prüfbar bedeutet nicht wahr. Konfidenz ist ein gelerntes Feldsignal von 0 bis 1, das ein separates Modell aus Belegen, Kontext und Diagnostik erzeugt. Microsoft nennt bis zu 28% weniger durchschnittliche Inferenztoken und bis zu 14% verbesserte Konfidenzqualität nach AUROC. Letzteres heißt nicht 14 Prozentpunkte mehr Extraktionsgenauigkeit. Es sind Anbieterangaben, keine eigenen Messungen.
Kalibrierung ändert Regeln, nicht das Modell
Laut Microsoft wird das gemeinsame Modell mit Microsoft-kuratierten, nicht Kundendaten trainiert. Kundenbeispiele zeigen, ob Scores Fehler im eigenen Ablauf trennen. Schwellen brauchen Dokumentfamilie, Version, Quelle und Feld sowie zurückgehaltene Prüfung. Leerwerte benötigen eigene Regeln, da echtes Fehlen und übersehene Extraktion ähnlich wirken. Globaler Score oder gefühlter Grenzwert reicht nicht. Kalibrierung gilt nur für geprüfte Dokumente, Analyzer, Schema und Modell, nicht beliebige neue Formulare.
Was beim Versicherer gezählt wurde
Der Kunde klassifiziert und segmentiert, erkennt Formularversion und extrahiert. Zwei Klassifikationsebenen nutzen Segmentierung nur zuerst. Content Understanding v1 liefert keine Klassifikationskonfidenz, daher bleibt menschliche Prüfung. Auch jedes sensible Feld wurde weiter geprüft; Labels priorisierten ohne Durchlaufautomatik. Im zurückgehaltenen Satz enthalten 41% weniger gezielte Werte über 80% bekannter Fehler; einige fehlen trotzdem. Das sind nicht 41% weniger Arbeitsstunden oder Fehlerfreiheit. Die einleitenden fast 50% weniger Aufwand, 75% schnelleres Formular-Onboarding und 97%+ Klassifikationsgenauigkeit sind andere Maße.
Das öffentliche Labor ist getrennt
Ohne Kundendokumente nutzt das Labor 1.000 CORD-v2-Belege, 800 zum Regelbau und 200 zurückgehalten. Manche Diagramme zeigen Kalibrierungsbeispiele, keine Kundenresultate oder Zukunftsgarantien. Ergebnis ist eine Routingtabelle, kein weiterer Modellaufruf oder Neutraining. Anpassung und unabhängige Bewertung sind zu trennen statt schöne Schwellen zu kopieren. Hohe Durchschnittsgenauigkeit zeigt nicht, ob der Score wichtige Fehler erkennt.
Die Prüfregel braucht laufendes Feedback
Empfohlen werden repräsentative menschlich geprüfte Produktionsdaten, explizites Fehlerabdeckungsziel und unbekannte Validierungsdaten. Ohne trennfähiges Signal bleibt das Feld in Prüfung. Auch nicht markierte Werte sind zu beproben; Scoreverteilungen allein zeigen keine Korrektheit. Änderungen an Version, Quelle, Schema, Analyzer oder LLM verlangen Revalidierung und mögliche Neukalibrierung. Erlaubnis folgt Belegen und gemessenem Risiko, nicht guter Note. Eine Regel ist begrenzte Geschäftsentscheidung mit Pflegepflicht, kein dauerhaftes Zertifikat.
Warum es wichtig ist
Grounding zeigt Belege, Konfidenz verteilt Aufmerksamkeit. Erfasste und verpasste Fehler bei gemessener Prüflast sind getrennt von Zeit und Kosten zu vergleichen, auch bei Vollprüfung. AISubHub hat keine Kundendokumente verarbeitet oder die Auswertung reproduziert.
Grenzen und Verfügbarkeit
Gelesen wurde der vollständige Leitfaden, nicht Notebook, interaktive Erklärung oder Links. Keine allgemeine Genauigkeits-, Gratis-API- oder Privatabozusage. Aussagen zu Trainingsdaten betreffen nur das Konfidenzmodell, nicht jede Datenrichtlinie des Dienstes.
Quellen und Belege
Datum der Quelle: 14.10.2026 · Quelle geprüft: 20.10.2026
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.