Vom Papierantrag zur Prüfung: fünf Verfahren im Vergleich

Die Strecke sieht in jedem Haus gleich aus: Der Umschlag kommt an, wird geöffnet, gescannt, und danach tippt jemand ab. Wer KI einsetzen will, muss zuerst wissen, welcher Schritt welche Technik braucht. Die meisten brauchen keine.

Die sechs Schritte

Schritt	Was passiert	Technik	Sprachmodell nötig?
1 Eingang	Umschlag öffnen, scannen, Posteingang anlegen	Scanner, Dokumentenmanagement	nein
2 Klassifikation	Welcher Vordruck, welche Anlagen, wie viele Seiten?	Regeln auf Barcode, Seitenzahl, Kopfzeile; sonst Modell	nur ohne Barcode
3 Feldextraktion	Werte aus den Feldern lesen	hier entscheidet sich alles	ja
4 Prüfung	Vollständig? Plausibel? Prüfziffer korrekt?	Regeln, kein Modell	nein
5 Nachforderung	Was fehlt, in einem Satz je Position	Textbaustein plus Modell	ja, klein
6 Übergabe	Strukturierter Datensatz ins Fachverfahren	Schnittstelle oder vorbereiteter Eintrag	nein

Vier von sechs Schritten kosten keine Token. Wer eine Antragsstrecke als „ein großer KI-Aufruf" baut, zahlt für Arbeit, die ein if erledigt. Siehe Was ein Vorgang kostet.

Die fünf Verfahren für Schritt 3

Verfahren	Trefferquote (Handschrift)	s/Seite	Braucht	Stärke	Schwäche
Klassisches OCR (Tesseract)	21 %	0,3	nichts	extrem schnell, läuft überall, kostenlos	liest Handschrift praktisch nicht, erkennt keine Ankreuzkästchen
Reines OCR-Modell (1 Mrd.)	68 %	41	GPU oder Dienst	liest Handschrift grob, klein und günstig	nimmt keine Feldliste an, liefert Rohtext ohne Zuordnung
Layout-OCR plus Sprachmodell	89 %	75	zwei Komponenten	sehr gut bei gedruckten Anlagen, reiner Textpfad	Fehler der OCR sind unsichtbar, das Modell glättet sie plausibel weg; hoher Tokenverbrauch
Vision-Modell, Vollseite	88 %	26	Vision-Modell	kein registriertes Formular nötig, schnellster guter Weg	Seitenbild kostet Eingabe-Token
Vision-Modell, Feldzuschnitt	89 %	87	bekannte Feldkoordinaten	bestes Ergebnis, Konfidenz je Feld	nur bei registrierten Vordrucken, viele Einzelaufrufe

Zahlen aus dem Handschrift-Benchmark 09/2026.

Welches Verfahren wofür

Gedruckte Anlagen (Mietvertrag, Gehaltsnachweis, Bescheid einer anderen Behörde): klassisches OCR oder Layout-OCR. Schnell, billig, zuverlässig. Ein Vision-Modell ist hier Verschwendung.

Handschriftlicher Vordruck, viele Fälle, gleiches Formular: Feldzuschnitt. Der Aufwand, die Koordinaten einmal festzulegen, rechnet sich ab einigen tausend Fällen im Jahr, und man bekommt je Feld eine Konfidenz.

Handschriftlicher Vordruck, wechselnde Formulare: Vision-Modell auf der Vollseite. Kein Registrieren, kein Nachpflegen bei Formularänderungen.

Freie Anschreiben und Widersprüche: Vision-Modell auf der Vollseite, danach Klassifikation. Zuschnitt scheidet aus, weil es keine Felder gibt.

Ohne Netz, im eigenen Haus: lokales Vision-Modell für Schritt 2 und 5, Schritt 3 nur als Vorschlag mit Sichtprüfung.

Die Prüfschicht, die den Unterschied macht

Die Fehler der Modelle sind vorhersehbar: Ziffern ohne Kontext, also Beträge, IBAN, Telefonnummern, auf schlechten Scans. Genau dort greifen Regeln, die kein Modell brauchen:

Regel	Fängt ab
IBAN-Prüfziffer nach ISO 13616 rechnen	fast jeden IBAN-Lesefehler
BIC-Format prüfen (8 oder 11 Zeichen, Positionen)	Verwechslung 8 gegen B, 0 gegen O
Betrag gegen Plausibilitätsband (Miete 100 bis 3.000 Euro)	1.181,50 gelesen als 14.000,00
Summenzeile gegen Einzelpositionen rechnen	stumm verlorene oder erfundene Zeilen
Datum auf Gültigkeit und Reihenfolge prüfen	Zahlendreher im Geburtsdatum
Postleitzahl gegen Ortsverzeichnis	08523 gelesen als 08525

Diese Schicht ist wichtiger als die Modellwahl. Die Selbsteinschätzung der Modelle ist als Filter unbrauchbar: Nur eines der getesteten Modelle erkannte bei einer Schwelle von 0,90 überhaupt Fehler, die anderen waren durchgehend überzeugt, auch wenn sie falsch lagen.

Was zuerst zu verbessern ist

1. Scanqualität. 300 dpi, gerade eingelegt, Kontrast geprüft. Zwischen guten und schlechten Scans liegen 12 bis 17 Prozentpunkte, quer über alle Verfahren. Ein Einzugsscanner kostet weniger als ein Monat Modellbetrieb.
2. Vorverarbeitung. Geraderichten und Kontrastanpassung vor der Erkennung, nicht danach.
3. Prüfregeln. Siehe oben. Billig, deterministisch, in jedem Audit erklärbar.
4. Zuschnitt des Vorgangs. Nicht „der Antrag wird gelesen", sondern „das System sagt, was fehlt". Die Vollständigkeitserkennung liegt bei 99 bis 100 Prozent und ist rechtlich unkritisch, weil kein Verwaltungsakt entsteht. Siehe Vollautomatisierung.
5. Dann erst Modellwahl. Und dort das mittlere Modell, nicht das größte: Im Test lag ein Modell mit 397 Milliarden Parametern unter einem mit 27 Milliarden, bei vierfacher Laufzeit.