Umgang mit niedrigen Konfidenzwerten in Document AI und Power Platform

Von Mirko Peters · 2026-09-18

Erfahren Sie, wie Sie niedrige Konfidenzwerte in Document AI und Power Platform mit Validierungsregeln, Nachverfolgung in Dataverse und Prüfungen von Ausnahmen in Power Apps handhaben.

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Der Umgang mit niedrigen Konfidenzwerten in Document AI und Power Platform erfordert eine bewusste Strategie, die KI-Extraktion mit einer Prüfung durch Menschen im Prozess (Human-in-the-Loop) kombiniert. Dieser Leitfaden zeigt, wie Sie Validierungsregeln festlegen, die Nachverfolgung in Dataverse konfigurieren und Power Apps-Oberflächen für Ausnahmen aufbauen. So stellen Sie sicher, dass automatisierte Dokumentworkflows nicht unbemerkt fehlschlagen, wenn die Genauigkeit der Extraktion nachlässt.

Das Wichtigste in Kürze

• Konfidenzwerte messen die Sicherheit der KI für einzelne Felder, nicht die Genauigkeit des gesamten Dokuments.
• Kritische Datenpunkte wie Rechnungsbeträge und Zahlungsanweisungen erfordern strikte Validierung nach Geschäftsregeln, selbst wenn die KI sehr sicher ist.
• Power Automate fungiert als Routing-Engine und leitet Felder mit niedriger Konfidenz an festgelegte Ausnahmewarteschlangen weiter.
• Dataverse führt einen vollständigen Prüfverlauf aller Extraktionen, Prüfungen und Korrekturen zur Einhaltung von Compliance-Vorgaben.
• Power Apps stellt Prüfbildschirme mit Gegenüberstellung bereit, in denen manuelle Prüfer unsichere Felder schnell korrigieren können.

Die Konfidenzwerte von Document AI verstehen

Wenn Organisationen Microsoft Content Understanding und AI Builder einführen, behandeln Teams Konfidenzwerte oft als binäres Ja oder Nein für das gesamte Dokument. Konfidenzwerte gelten jedoch feldbezogen. Ein sauber maschinell gedruckter Lieferantenname kann mit 99 % Konfidenz erkannt werden, während eine Rechnungsnummer, die auf einem dunklen Hintergrund steht oder an einer Falzkante liegt, nur mit 65 % Konfidenz erkannt wird. Wenn Sie sich bei einer ganzen PDF-Datei auf einen einzigen Gesamtwert verlassen, blockieren Sie entweder zu viele gute Dateien oder gefährliche Fehler rutschen durch.

Um eine belastbare Cloud-Architektur aufzubauen, müssen Administratoren über das Gesamtdokument hinausblicken und das Risikoprofil einzelner Felder bewerten. Felder mit geringem Risiko können niedrigere Schwellenwerte tolerieren, kritische Finanz- und Rechtsdaten erfordern dagegen eine gründliche Prüfung. Zu erkennen, dass Konfidenzschätzungen probabilistische Vorhersagen und keine absoluten Garantien sind, ist der erste Schritt zu einer vertrauenswürdigen Automatisierungspipeline.

Die Täuschung durch saubere Formatierung

Saubere Formatierung kann leicht ein falsches Sicherheitsgefühl erzeugen. Ein Rechnungsbetrag mit 98 % Konfidenz wirkt beruhigend, doch numerische Genauigkeit garantiert keine geschäftliche Gültigkeit. Wenn der extrahierte Betrag nicht der Summe der Positionen plus Steuer entspricht oder der Lieferantenname nicht in Ihrer genehmigten Lieferantenliste steht, bedeutet hohe Konfidenz nichts. Die KI liest die Zeichen auf der Seite, doch nachgelagerte Validierungsprüfungen müssen klären, ob diese Zahlen im größeren Kontext Ihrer Unternehmensanwendungen Sinn ergeben.

Aufbau des Ausnahme-Routing-Musters in Power Automate

Sobald Content Understanding die benötigten Felder extrahiert hat, übernimmt Power Automate als Prozessmotor. Wenn ein Dokument niedrige Konfidenzwerte liefert oder Validierungsprüfungen nicht besteht, darf der Automatisierungsworkflow die Daten nicht einfach weiterleiten, nur um die Warteschlange am Laufen zu halten. Stattdessen sollte der Flow abhängig von vordefinierten Geschäftsschwellenwerten verzweigen.

Stellen Sie sich einen eingehenden Vertrag vor, bei dem das Ablaufdatum mit hoher Konfidenz extrahiert wurde, der Name des Vertragsverantwortlichen jedoch mehrdeutig ist. Ein gut gestalteter Power Automate-Flow bewertet den Score jedes Pflichtfelds. Liegt ein kritisches Feld unter dem akzeptablen Schwellenwert, stoppt der Flow die automatische Datensatzerstellung und leitet die Datei in eine eigene Überprüfungswarteschlange weiter. So gelangen keine fehlerhaften Daten in Ihre zentralen Unternehmenssysteme, und menschliches Eingreifen bleibt strikt auf die Ausnahmefälle beschränkt.

Prozesshistorie in Dataverse nachverfolgen

Nicht verwaltete Ausnahmewarteschlangen werden schnell zu digitalen Parkplätzen, auf denen Dokumente unbegrenzt liegen bleiben, während jedes Teammitglied davon ausgeht, dass sich jemand anderes darum kümmert. Wenn Dokumentdatensätze in Microsoft Dataverse abgelegt werden, schaffen Organisationen eine einzige Quelle der Wahrheit für jeden Inhalt, der in die Pipeline gelangt. Dataverse speichert nicht nur die extrahierten Felder und Konfidenzwerte, sondern den gesamten Audit-Trail: wann die Datei eingegangen ist, welches Extraktionsmodell gelaufen ist, wer die Ausnahme geprüft hat, welche Korrekturen vorgenommen wurden und wohin das Dokument anschließend gelangt ist.

Menschliche Überprüfungsoberflächen mit Power Apps gestalten

Wenn ein KI-Modell auf einen mehrdeutigen Wert oder einen niedrigen Konfidenzwert stößt, ist menschliche Beurteilung erforderlich. Wenn Prüfer E-Mail-Ketten durchsuchen, Rohdaten-PDF-Anhänge öffnen und Backend-Systeme manuell aktualisieren müssen, wird der Zweck der Automatisierung verfehlt. Power Apps löst dieses Problem mit maßgeschneiderten Prüfansichten, die speziell für die Ausnahmebehandlung entwickelt wurden.

Eine effektive Überprüfungs-App zeigt das Originaldokument oder -bild nebeneinander mit den extrahierten Formularfeldern an. Prüfer sehen sofort, welches konkrete Feld die Warnung wegen niedriger Konfidenz ausgelöst hat, können den ursprünglichen Quelltext prüfen, Korrekturen eingeben und das Element zurück in den aktiven Workflow übermitteln. Damit wird die Überprüfung durch Menschen im Prozess (Human-in-the-Loop) von einem umständlichen Umweg zu einem nahtlosen, schnellen Bestandteil des gesamten Geschäftsprozesses.

Fazit

Document AI und Microsoft Content Understanding können die manuelle Dateneingabe deutlich reduzieren, doch Technologie allein ersetzt kein sauberes Prozessdesign. Wenn Sie Konfidenzwerte als detaillierte Warnhinweise statt als absolute Wahrheiten behandeln, robuste Validierungsprüfungen implementieren und Power Automate, Dataverse und Power Apps für die Ausnahmebehandlung nutzen, wird aus einer unübersichtlichen Dokumentenerfassung ein zuverlässiger automatisierter Workflow. Die grundlegenden Konzepte der Dokumentenextraktion und Cloud-Automatisierung erklärt die vollständige Episode. Abonnieren Sie außerdem M365 FM für weitere Experteneinblicke zu Microsoft 365, Power Platform und KI.

Häufige Fragen

Was bedeutet ein Konfidenzwert in Document AI eigentlich?

Ein Konfidenzwert ist eine statistische Schätzung des KI-Modells, die angibt, wie sicher es sich bei einem bestimmten extrahierten Feld ist, etwa bei einem Rechnungsdatum oder einem Gesamtbetrag. Er misst die Wahrscheinlichkeit einer korrekten Extraktion auf Basis visueller und textlicher Muster, garantiert jedoch nicht, dass die Geschäftsdaten richtig oder gültig sind.

Wie sollte Power Automate Extraktionen mit niedriger Konfidenz behandeln?

Power Automate sollte die Konfidenzwerte kritischer Felder anhand vordefinierter Geschäftsschwellenwerte prüfen. Liegt ein Wert unter dem erforderlichen Niveau, sollte der Flow die automatische Datensatzerstellung überspringen und das Dokument an eine festgelegte manuelle Überprüfungswarteschlange oder einen Prozess zur Ausnahmebehandlung weiterleiten.

Warum ist Dataverse für Dokumentenverarbeitungs-Workflows wichtig?

Dataverse dient als zentrale Geschäftsdatenbank für Ihre Dokumentprozesse und speichert strukturierte Datensätze, Konfidenzmetriken und die Verarbeitungshistorie. Es verhindert, dass Dateien und Metadaten in verstreuten E-Mail-Postfächern verloren gehen, und sorgt für klare Verantwortlichkeiten und Nachvollziehbarkeit bei jedem Dokument.

Welche Rolle spielt Power Apps bei der Behandlung von Dokumentenausnahmen?

Power Apps bietet eine eigene Benutzeroberfläche, über die menschliche Prüfer Originaldokumente zusammen mit den von der KI extrahierten Feldern einsehen, unsichere oder fehlende Angaben korrigieren und validierte Datensätze nahtlos zurück in den automatisierten Workflow übergeben können.