1. Hilfe-Center
  2. Dokumentenverarbeitung
  3. Dokumente buchhalterisch vervollständigen

Wie lernt die künstliche Intelligenz von Finmatics die Vorhersage von Sachkonto, Kostenstellen etc.?

Finmatics lernt basierend auf Auto-Machine Learning (Auto ML), Belege zu kontieren sowie Sachkonten und andere Felder vorherzusagen

Finmatics lernt aus der Buchungshistorie und weist den Dokumenten automatisch Sachkonto, Sachbearbeiter, Kostenstellen und viele weitere Informationen zu. Das geschieht über einen Auto-Machine Learning Ansatz. Die Modelle sind sofort nach Aktivierung für Sie einsatzbereit. 

Was ist Auto Machine Learning und wie wird es für die Vorhersage von Sachkonten, Kostenstellen oder Workflow User eingesetzt? 

Sobald Finmatics aktiviert wird, synchronisiert Finmatics aus Ihrem Buchhaltungs- oder ERP-System Buchungsdatensätze und für einige Systeme auch Belege für einen definierten Trainingszeitraum (typischerweise 1 Jahr). Sobald die Daten zwischen Ihrem Buchhaltungsystem/ ERP-System und Finmatics synchronisiert wurden, trainiert Finmatics die Modelle zur Vorhersage automatisiert. Da das automatisch passiert, keine Regeln eingegeben werden müssen und kein Datenwissenschaftler manuell ein Modell erstellt, nennt man das auch Auto ML - Automatic Machine Learning. 

Ist das Lernen pro Unternehmen/ Mandant oder global? 

Im Unterschied zum Auslesen von Dokumenten (mehr dazu in folgendem Artikel), erfolgt das Lernen der Zuordnung von Sachkonten, Kostenstellen, Workflow User etc. pro Mandant/ Unternehmen (unternehmensspezifisches Lernen). Das hat folgenden Grund: Jedes Unternehmen  hat eigene Sachkonten. Die Zusammenhänge müssen daher pro Unternehmen gelernt werden. 

Wie funktioniert das Lernen Sachkonten, Kostenstellen, Workflow User etc.? 

Stellen Sie sich das wie einen Entscheidungsbaum vor, der pro Mandant gelernt wird. Über Deep Learning Technologien erfasst Finmatics Beleginformationen und weist diese den Lieferanten zu. Anschließend wird ein Entscheidungsbaum pro Mandant gelernt, um die richtigen Konten, Kostenstellen, Workflow User etc. zuzuordnen. Insbesondere werden neben Informationen aus dem Beleg wie Beträge, Kreditor, IBAN, UID Nummer auch Positionstexte verwendet, um die richtige Kategorie (Sachkonto, Kostenstellen, Workflow User...) zuzuordnen. 

 

Welche Felder können über Auto-ML vorhergesagt werden? 

 

Feldname Technologie Kommentar  
Sachkonto (für Rechnungen ohne Bestellbezug) Auto-ML oder Customized ML Aktiv per Default 
Label Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Kostenstelle Kategorie 1 Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Kostenstelle Kategorie 2 Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Kostenstelle Kategorie 3 Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Kostenstelle Kategorie 4 Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Kostenstelle Kategorie 5 Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
Workflow User Auto-ML oder Customized ML Inaktiv per default, für Aktivierung bitte Support kontaktieren (support@finmatics.com)
RV Code - -
   

Wie erfolgt die Aktivierung? 

Vorhersagen für das Sachkonto sind per Default aktiviert. Für die Aktivierung der Auto-ML Modelle für die übrigen Felder melden Sie sich bitte beim unserem technischen Support (support@finmatics.com)

Was ist der Unterschied zwischen Customized ML und Auto-ML?

Wie hier im Artikel beschrieben lernt Auto-ML automatisiert die Vorhersage der Felder und ist somit sofort, ohne manuellen Aufwand für Sie verfügbar und lernt laufend mit. Die Modelle sind optmiert, möglichst viele Vorfälle richtig vorherzusagen und generell sehr gut. Für spezielle Felder kann es in Ausnahmefällen sinnvoll sein, eigene Modelle zu erstellen. Dann setzt sich ein Datenwissenschaftler mit dem Problem auseinander und optimiert für Sie das Modell. Das Resultat ist ein spezifisches Modell mit noch höherer Trefferquote, das für ihren Fall angepasst wurde.