Glossar

Unstrukturierte Daten

Was ist Unstrukturierte Daten?

Unstrukturierte Daten folgen keinem festen Tabellenschema: E-Mails, Verträge, Handbücher, Webseiten, Präsentationen, Bilder oder Audioaufnahmen. Sie machen einen großen Teil des Unternehmenswissens aus, ließen sich aber lange nur schwer automatisch auswerten. Sprachmodelle können solche Inhalte lesen, durchsuchen und in strukturierte Angaben überführen – etwa Fristen und Beträge aus einem Vertrag als Tabelle.

So hilft KI.ordo

In KI.ordo lassen sich Text, PDFs mit Textebene, Word-Dateien und Webseiten als Wissen hinterlegen, das Agenten dann mit Quellenangabe nutzen.

Mehr erfahren →

Themen

Daten
Dokumente
Wissen

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Strukturierte Daten

Strukturierte Daten folgen einem festen Schema mit klar benannten Feldern, etwa Tabellen, Datenbanken oder JSON-Objekte mit Angaben wie Name, Preis und Datum. Maschinen können sie zuverlässig lesen, filtern und weiterverarbeiten – anders als freie Texte oder Bilder. Auf Webseiten beschreibt Markup nach schema.org zum Beispiel Produkte, Veranstaltungen oder FAQ so, dass Suchmaschinen und KI-Systeme die Inhalte eindeutig verstehen. KI kann zudem aus unstrukturierten Texten strukturierte Daten gewinnen.

Daten
JSON
+1

Intelligente Dokumentenverarbeitung (IDP)

Intelligente Dokumentenverarbeitung (Intelligent Document Processing, IDP) liest Dokumente wie Rechnungen, Verträge oder Formulare automatisch aus, erkennt ihre Art und überführt relevante Angaben in strukturierte Daten. Dazu kombiniert sie Texterkennung bei Scans, Sprachverarbeitung und Prüfregeln. Unternehmen sparen so manuelle Erfassung und beschleunigen Abläufe wie den Rechnungs- oder Posteingang. Unsichere Felder sollten von Menschen kontrolliert werden.

Dokumente
Datenextraktion
+1

Vorlage

Data Mining

Data Mining bezeichnet das systematische Durchsuchen großer Datenbestände nach Mustern, Zusammenhängen und Auffälligkeiten. Dabei kommen statistische Verfahren und Methoden des maschinellen Lernens zum Einsatz, etwa Clustering, Klassifikation oder Assoziationsanalyse. Ein klassisches Beispiel ist die Warenkorbanalyse im Handel, die zeigt, welche Produkte häufig zusammen gekauft werden – eine Grundlage für Sortiment, Platzierung und Empfehlungen.

Datenanalyse
Mustererkennung
+1