OCR maakt tekst in scans machineleesbaar. Documentclassificatie herkent het type document, extractie haalt afgesproken gegevens op en verrijking voegt metadata of externe context toe. De meeste waarde ontstaat wanneer deze stappen worden gecombineerd met kwaliteitscontrole en duidelijke uitzonderingsroutes.
OCR, classificatie, extractie en verrijking
1. OCR
Optical Character Recognition zet tekst in scans en afbeeldingen om in doorzoekbare, digitaal verwerkbare tekst.
2. Classificatie
Het systeem herkent bijvoorbeeld een factuur, contract, brief, identiteitsdocument of dossierstuk.
3. Extractie
Relevante velden zoals datum, dossiernummer, onderwerp of bedrag worden als gestructureerde data vastgelegd.
4. Verrijking
De informatie krijgt extra labels, relaties of context, zodat zoeken, routeren en hergebruik eenvoudiger worden.
Deze stappen zijn afzonderlijk inzetbaar, maar versterken elkaar. Classificatie bepaalt welke extractieregels nodig zijn; verrijking gebruikt vervolgens de juiste kenmerken voor het dossier of proces.
Zo werkt een betrouwbare documentstraat
- Inname. Bestanden worden gecontroleerd op type, kwaliteit, dubbele documenten en technische fouten.
- Voorbewerking. Pagina’s worden rechtgezet, opgeschoond en waar nodig gesplitst of samengevoegd.
- OCR. Tekst en vaak ook lay-out, tabellen en selectievakjes worden herkend.
- Classificatie en extractie. Het documenttype en de afgesproken gegevens worden bepaald.
- Verrijking en routering. Metadata, labels en relaties worden toegevoegd en de output gaat naar het juiste dossier of proces.
- Kwaliteitscontrole. Zekerheidsscores, bedrijfsregels en menselijke beoordeling vangen twijfelgevallen af.
Waar kwaliteit wordt gewonnen of verloren
Een hoge OCR-score zegt nog niet dat de hele keten betrouwbaar is. Het gaat om de velden en beslissingen die voor uw proces werkelijk belangrijk zijn.
Meet per kritieke stap
- Leesbaarheid per documenttype en taal
- Juiste classificatie, inclusief onbekende categorieën
- Nauwkeurigheid van kritieke velden
- Aantal en aard van uitzonderingen
- Doorlooptijd en benodigde menselijke correctie
- Volledigheid van logging en herleidbaarheid
Gebruik representatieve documenten: heldere digitale PDF’s én scheve scans, handgeschreven toevoegingen, afwijkende sjablonen en onvolledige dossiers. Alleen dan laat een proef zien wat in productie nodig is.
Concrete toepassingen
- Inkomende post: herken documenttype, afzender en dossier en routeer automatisch.
- Archiefmigratie: maak scans doorzoekbaar en voeg consistente metadata toe.
- Contracten: extraheer partijen, data, looptijd en belangrijke bepalingen voor controle.
- Facturen en formulieren: zet relevante velden om naar gestructureerde gegevens.
- Kennisomgevingen: maak betrouwbare documenttekst beschikbaar voor zoeken of een afgeschermde AI-toepassing.
Bevat de bron gevoelige informatie, voeg dan vóór hergebruik een gecontroleerde schoningsstap toe. Lees daarvoor documenten anonimiseren en veilig weglakken.
Begin met een goede proefset
Kies niet alleen de mooiste documenten. Een bruikbare proef bevat verschillende periodes, leveranciers, sjablonen, talen en kwaliteitsniveaus. Leg vooraf vast welke uitkomst goed genoeg is.
Definieer per documenttype welke velden kritisch zijn, welke foutmarge acceptabel is, wanneer menselijke beoordeling nodig is en hoe de output in het bestaande systeem terechtkomt.
