Willkommen zur Abschlussberichtsprüfung

Dieses System unterstützt Sie bei der automatisierten Analyse und Prüfung von Jahresabschlüssen von Sparkassen. Durch den Einsatz von OCR-Technologie und KI-gestützten Sprachmodellen werden Bilanzen, Gewinn- und Verlustrechnungen sowie Anlage- und Lageberichte strukturiert erfasst und analysiert.

Workflow-Übersicht

1
PDF-Upload & Splitting
Laden Sie die Geschäftsberichte des aktuellen und Vorjahres hoch. Das System splittet die PDFs automatisch in Abschnitte: Deckblatt, Aktiva, Passiva, GuV, Bilanzanhang und Lagebericht.
2
OCR-Verarbeitung
Bei minderer PDF-Qualität werden die eingebetteten Bilder extrahiert und mit OCR neu gescannt. Es entstehen optimierte, maschinenlesbare PDFs für Aktiva, Passiva und GuV.
3
Strukturierte Datenextraktion
Ein Auslese-Modell (LLM) konvertiert die GuV, Aktiva und Passiva beider Jahre in strukturierte JSON-Formate zur weiteren Analyse.
4
Analyse & Prüfung
Vergleichen Sie die Zahlen, prüfen Sie Vorjahresabweichungen und führen Sie verschiedene Analysen mit konfigurierbaren Tasks durch.

Hinweis: Alle PDFs und JSON-Daten werden user-spezifisch auf dem Server gespeichert und bleiben erhalten, bis neue Dokumente hochgeladen werden. Die Daten sind nur für den jeweiligen Benutzer zugänglich.

Systemfunktionen

Hochladen

Upload der Geschäftsberichte (aktuelles Jahr und Vorjahr), PDF-Splitting und OCR-Verarbeitung. Extraktion der Bilanzdaten in strukturierte JSON-Formate.

Zahlenabgleich

Vergleich der Aktiva, Passiva und GuV zwischen aktuellem Jahr und Vorjahr. Überprüfung der Konsistenz der Vorjahreswerte mit den Angaben im aktuellen Bericht.

Analysen

Durchführung verschiedener Analysetasks mittels KI-gestütztem Analyse-Modell. Jeder Task verwendet vordefinierte Prompts und erhält PDF- und/oder JSON-Daten.

Einstellungen

Konfiguration des Auslese-Modells (für JSON-Extraktion) und des Analyse-Modells (für freidefinierbare Tasks) für den aktuellen Benutzer.

Technische Details

  • PDF-Splitting: Automatische Erkennung und Trennung der Dokumentabschnitte
  • OCR-Optimierung: Bildextraktion und Texterkennung bei schlechter PDF-Qualität
  • Auslese-Modell: LLM-basierte Extraktion strukturierter Finanzdaten
  • Analyse-Modell: KI-gestützte Durchführung vordefinierter Prüfungsaufgaben
  • Datenpersistenz: User-spezifische Speicherung aller Dokumente und Extraktionen

Erste Schritte