LONDON (IT BOLTWISE) – Alibaba hat OvisOCR2 als Open-Source-OCR veröffentlicht und damit ein Ende der klassischen, mehrstufigen Verarbeitungsketten in den Raum gestellt. Das Modell übersetzt Dokumentseiten direkt in Markdown und bleibt dabei laut Benchmark auf hohem Qualitätsniveau. Auch Baidu liefert mit Unlimited-OCR einen Ansatz, der speziell hochauflösende Bilder und mehrseitige PDFs adressiert. Parallel treiben Branchenanbieter OCR und Banking-Workflows weiter, während sich mit dem Model Context Protocol (MCP) die Integration standardisiert.
Dokumentenverarbeitung gilt seit Jahren als einer der größten Kostentreiber in Backoffices: Wo bisher OCR-Engine, Layout-Parsing, Textextraktion, Strukturierung und anschließende Validierung aufeinanderfolgen, läuft künftig zunehmend ein einzelnes KI-Modell als durchgängige Pipeline. Genau in diese Richtung argumentieren gleich mehrere Teams aus der KI-Ökonomie. Alibaba stellte am 24. Juli das Open-Source-Modell OvisOCR2 vor und positioniert es ausdrücklich gegen die klassische mehrstufige Verarbeitungskette, bei der einzelne Module typischerweise die Lesereihenfolge, Tabellen und Formeln nur indirekt abbilden. Für Unternehmen ist das mehr als ein technisches Detail: Wenn ein Modell Dokumentseiten direkt in ein Ziel-Format wie Markdown überführt, sinken nicht nur operative Aufwände, sondern auch die Zahl der Schnittstellen und damit die Fehlerfläche im Produktionsbetrieb.
Technisch betrachtet basiert OvisOCR2 auf der Qwen3.5-0.8B-Architektur und kommt auf 0,8 Milliarden Parameter. Auffällig ist der konkrete Benchmark-Verweis: Bei OmniDocBench v1.6 erreichte das System 96,58 Punkte. Entscheidend ist die Aussage, dass OvisOCR2 als erstes durchgängiges OCR-Modell die Ergebnisse traditioneller, mehrstufiger Verarbeitungsketten übertrifft. Das Ziel-Output ist dabei nicht nur “Text”, sondern Markdown inklusive Struktur: Das System soll die originale Lesereihenfolge bewahren, Tabellen rekonstruieren und auch komplexe Formeln im Dokumentkontext korrekt abbilden. In der Praxis heißt das, dass nachgelagerte Systeme nicht mehr nur mit flachem Text arbeiten müssen, sondern mit einer wiederverwendbaren, maschinenlesbaren Dokumentrepräsentation, die sich leichter in Suchindizes, Workflows und Dokumentenmanagement-Systeme integrieren lässt.
Für die Deployments-Realität ist der Open-Source-Aspekt besonders relevant. Alibaba stellt die Gewichte unter der Apache-2.0-Lizenz bereit und verteilt sie über Plattformen wie Hugging Face, was die Einstiegshürde für Integratoren senkt. In der Unternehmensumsetzung verschiebt sich dadurch der Fokus von “Wie bekommen wir irgendein OCR hin?” hin zu “Wie bringen wir die OCR-Qualität in unseren Prozess und halten sie stabil?”. Gerade bei heterogenen Dokumenten – etwa Rechnungen mit uneinheitlichen Layouts oder mehrseitige Verträge – werden Datenpipeline, Preprocessing und Inferenz-Strategie zum Erfolgsfaktor. OvisOCR2 liefert dafür einen konkreten Ausgangspunkt, aber die Abstimmung bleibt: Welche Dokumentauflösung, welche Bildvorverarbeitung und welche Fehlerstrategie bei Grenzfällen werden im jeweiligen Setup gebraucht?
Nicht nur Alibaba liefert neue OCR-Ansätze. Parallel veröffentlichte Baidu technische Details zu Unlimited-OCR, ausgelegt für hochauflösende Bilder und mehrseitige PDF-Dateien. Das Modell arbeitet mit einem kachelbasierten Ansatz, also einer Zerlegung der Eingabeseite in handhabbarere Teilbereiche, um Struktur und Inhalte auch über Seiten hinweg konsistent zu halten. Das ist besonders dann wichtig, wenn Tabellen über Seitenumbrüche verteilt sind oder wenn Formularfelder in einem Dokumentlayout klar aneinandergekoppelt bleiben müssen. Während kachelbasierte Strategien in der Vergangenheit häufig einzelne OCR-Teile wieder zusammenführen mussten, geht es bei Unlimited-OCR um die robuste Verarbeitung komplexer Dokumentstrukturen als Ganzes. Für Teams, die heute mit PDF-Parsing-Libraries, OCR-Engines und manuellen Korrekturschleifen arbeiten, ist das ein Signal: Die Grenzen zwischen “Dokument verstehen” und “Text extrahieren” werden mit KI-Modellen zunehmend fließender.
In der Umsetzung rückt damit auch die Branchen-Spezialisierung in den Vordergrund. Die thailändische SCBX stellte am 23. Juli ihre hauseigene KI-Plattform CORA vor, die auf thailändische Finanzdokumente wie das Formular 56-1 zugeschnitten ist. Der Anspruch ist klar: Bearbeitungszeit von Stunden auf Sekunden reduzieren. Möglich macht das laut Beschreibung eine Kombination aus Multi-Hop-Analyse und Tabellenextraktion – also ein Ansatz, der nicht nur einzelne Zeilen liest, sondern die Bedeutung über mehrere Schritte hinweg ableitet und dabei Tabellen als strukturiertes Datenobjekt behandelt. Ergänzend dazu zeigte Genpact ebenfalls am 23. Juli die Banking Analyst Suite. Im Zentrum steht ein Transaction Monitoring Analyst für Geldwäschebekämpfung, wobei Genpact 80 Prozent schnellere Prüfzeiten und 40 Prozent geringere Gesamtbetriebskosten nennt. Solche Kennzahlen sollte man im Projektkontext immer gegen eigene Daten, Prüfroutinen und Compliance-Workflows validieren; dennoch ist die Richtung eindeutig: KI soll nicht nur Dokumente OCRen, sondern Entscheidungen und Prüfungen in Fachprozessen beschleunigen.
Parallel wächst die Modellklasse, die Dokumente nicht nur ausliest, sondern große Kontextmengen versteht. Upstage veröffentlichte am 23. Juli Solar Open 2, ein Mixture-of-Experts-Modell mit 250 Milliarden Gesamtparametern, wobei 15 Milliarden in der Inferenz aktiv werden. Besonders relevant für Dokument-Szenarien ist das Kontextfenster von einer Million Token: Damit kann ein System riesige Dokumentensammlungen auf einmal analysieren, statt sie in viele getrennte Teilanfragen zu zergliedern. Für Unternehmen bedeutet das weniger “Chunking” und weniger Konsistenzprobleme zwischen Teilantworten – gleichzeitig steigt der Druck auf Monitoring, Kostenkontrolle und Qualitätsbewertung, weil große Kontexte auch größere Fehlertoleranz erfordern können. Ein weiteres Integrationssignal kommt aus dem Produktivumfeld: Solar Open 2 ist bereits im südkoreanischen Daum-Portal integriert, was die Geschwindigkeit zwischen Modellveröffentlichung und Distribution unterstreicht.
Während sich die KI-Funktionalität verfeinert, standardisieren Anbieter zugleich die Art, wie diese Systeme in bestehende Unternehmenslandschaften eingebunden werden. Als besonders praxisnah wird das Model Context Protocol (MCP) beschrieben, über das sich Fähigkeiten und Datenquellen in KI-Workflows konsistenter verfügbar machen lassen. Claranova brachte dafür eine PDF-API für Claude als MCP-Connector auf den Markt, die über 15 PDF-Funktionen in KI-Workflows integriert. Nur acht Tage später folgte Joinable Labs mit Propagator, einer “Knowledge Foundry”, die unstrukturierte Daten in “gouvernierte Datenkarten” für KI-Agenten umwandelt. Für Backoffices ist das ein Schritt Richtung Standardisierung: Statt proprietärer Konnektoren entsteht eher ein wiederverwendbares Integrationsmuster, bei dem Dokumente nicht nur extrahiert, sondern als verwaltete Wissenseinheiten für Agenten zugänglich werden.
Mit der Ausbreitung von KI in immer mehr Unternehmensbereiche rückt zudem der rechtliche Rahmen stärker in den Fokus. Im Kontext der EU-KI-Verordnung gibt der vorliegende Bericht einen Einstiegspunkt: Es geht um die Einordnung, welche KI-Systeme als Hochrisiko gelten, und welche konkreten Pflichten daraus für Unternehmen entstehen. Auch wenn Details im Text nicht ausgeführt werden, wird ein typisches Muster deutlich: Dokumenten- und Monitoring-Workflows sind nicht nur technische Projekte, sondern müssen Governance, Verantwortlichkeiten und Nachweise in der Organisation abbilden. Zusätzlich werden die Anforderungen in gelebten Geschäftsfeldern sichtbar, etwa in China, wo Qichacha und NetEase Youdao mit LobsterAI zusammenarbeiten, um selbst bei komplexen Tabellen und langen Dokumenten hochpräzise Erkennung zu erreichen. Laut Beschreibung findet das bereits Einsatz bei Bankkonteneröffnungen und Kreditprüfungen – gerade dort, wo OCR-Fehler teuer werden können.
Unterm Strich verschiebt sich der Markt von isolierten OCR-Komponenten hin zu KI-gestützter Dokumentverständnis-Software, die Struktur, Lesereihenfolge und semantische Einbettung mitliefert. OvisOCR2 steht dabei exemplarisch für den Trend zum direkten Ziel-Format wie Markdown, Unlimited-OCR für robuste PDF-Workflows mit kachelbasierter Verarbeitung, und spezialisierte Plattformen wie CORA oder Banking Analyst Suite zeigen die Branchenanschlussfähigkeit. Für Entscheider heißt das: Die Auswahlkriterien sollten nicht bei “Genauigkeit” enden. Entscheidend sind die Modellarchitektur im Kontext eurer Dokumentmuster, die Integrationsfähigkeit in bestehende Pipelines, die Stabilität bei Grenzfällen sowie die Betriebssicht auf Latenz, Kosten und Governance. Wer jetzt Dokumentenverarbeitung neu aufsetzt, kann die nächste Welle nutzen – aber nur, wenn technische Evaluation, Datenstrategie und Prozessdesign als zusammenhängendes Projekt verstanden werden.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "OvisOCR2 & Unlimited-OCR: Neue KI-Modelle für OCR, Tabellen und PDFs" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "OvisOCR2 & Unlimited-OCR: Neue KI-Modelle für OCR, Tabellen und PDFs" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »OvisOCR2 & Unlimited-OCR: Neue KI-Modelle für OCR, Tabellen und PDFs« bei Google Deutschland suchen, bei Bing oder Google News!