Advancements in ML-Enabled Intelligent Document Processing and How to Overcome Adoption Challenges in Enterprises

Tomasz Janasz; Peter Mortensen; Christian Reisswig; Tobias Weller; Maximilian Herrmann; Ivona Crnoja; Johannes Höhne

doi:10.5771/0042-059X-2021-3-340

Contents
- Chapter Expand | CollapseAuthorsPage
- Titelei/Inhaltsverzeichnis
- 319–323 Editorial 319–323
  - Machine Learning Methods as Components of Existing Business Models Johannes Kriebel, Andreas Pfingsten Johannes Kriebel, Andreas Pfingsten
- 324–431 Artikel 324–431
  - 324–339 Artificial Intelligence and Business Model Innovation in Incumbent Firms: A Cross-Industry Case Study Dennis Renee Metzler, Nicole Neuss, Jan Muntermann Dennis Renee Metzler, Nicole Neuss, Jan Muntermann 324–339
  - 340–358 Advancements in ML-Enabled Intelligent Document Processing and How to Overcome Adoption Challenges in Enterprises Tomasz Janasz, Peter Mortensen, Christian Reisswig, Tobias Weller, Maximilian Herrmann, Ivona Crnoja, Johannes Höhne Tomasz Janasz, Peter Mortensen, Christian Reisswig, Tobias Weller, Maximilian Herrmann, Ivona Crnoja, Johannes Höhne 340–358
  - 359–375 Künstliche Intelligenz im Marketing: Möglichkeiten und Herausforderungen Gioia Volkmar, Sven Reinecke, Peter Mathias Fischer Gioia Volkmar, Sven Reinecke, Peter Mathias Fischer 359–375
  - 376–396 Predictive Modeling in Marketing: Ensemble Methods for Response Modeling Gabriela Alves Werb, Martin Schmidberger Gabriela Alves Werb, Martin Schmidberger 376–396
  - 397–410 Robo Advisory Customer Groups: Who Requires Advice? Justus Blaschke, Johannes Kriebel Justus Blaschke, Johannes Kriebel 397–410
  - 411–431 Machine Learning in Automated Asset Management Processes 4.1 Marcus Becker, Mikhail Beketov, Manuel Wittke Marcus Becker, Mikhail Beketov, Manuel Wittke 411–431
- 432–460 Freier Beitrag 432–460
  - AI and its Opportunities for Decision-Making in Organizations: A Systematic Review of the Influencing Factors on the Intention to use AI Mario Richard Smeets, Peter Gordon Roetzel, Ralf Juergen Ostendorf Mario Richard Smeets, Peter Gordon Roetzel, Ralf Juergen Ostendorf
- 461–466 Zukünftige Hefte 461–466
  - 461–463 Call for Papers 3/2022 461–463
  - 464–466 Call for Papers 4/2022 464–466
Durchsuchen Sie das Werk
Geben Sie ein Keyword in die Suchleiste ein
No access

Die Unternehmung , page 340 - 358

Advancements in ML-Enabled Intelligent Document Processing and How to Overcome Adoption Challenges in Enterprises

Autoren

Tomasz Janasz Peter Mortensen Christian Reisswig Tobias Weller Maximilian Herrmann Ivona Crnoja Johannes Höhne

DOI
- doi.org/10.5771/0042-059X-2021-3-340
- ISSN: 0042-059X
- ISSN online: 2942-318X
Zusammenfassung

Die Möglichkeit, Informationen aus Geschäftsdokumenten automatisch zu extrahieren und zu verarbeiten, ist für viele Geschäftsprozesse von entscheidender Bedeutung. Mit leistungsstarken Machine-Learning-Systemen, die speziell durch Deep Learning, Big Data und heutige Rechenressourcen ermöglicht werden, können Dokumentenverarbeitungsaufgaben mithilfe auf künstlicher Intelligenz basierender Technologien automatisiert werden. Auch wenn die KI-basierte Verarbeitung von Geschäftsdokumenten ein wichtiger Faktor für die digitale Transformation von Unternehmen sein kann, wird deren Einführung und Nutzung als eher gering angesehen. Diese Publikation stellt neue Ansätze für die Verarbeitung von Geschäftsdokumenten auf der Grundlage von KI sowie Geschäftsszenarien vor, die von deren Anwendung profitieren könnten. Außerdem bietet sie eine ganzheitliche Sicht auf die Herausforderungen, mit denen sich sowohl Lieferanten als auch Käufer von ML-Anwendungen konfrontiert sehen. Wir leiten eine Reihe kritischer Erfolgsfaktoren ab und diskutieren die Wechselbeziehungen zwischen ihnen im Kontext von ML.

Abstract

The ability to automatically extract and process information from business documents is crucial to many business processes. With the advent of powerful machine learning systems, specifically triggered by deep learning, big data, and today’s computing resources, it has become possible to automate document processing tasks. Although AI-enabled business document processing can be an important driver in the digital transformation of businesses, the adoption by enterprises is considered rather low. This paper presents new advancements in business document processing based on machine learning and introduces business scenarios which benefit from its application. It also offers a holistic view on challenges faced by suppliers and buyers of ML applications. We derive a range of critical success factors and discuss the interrelationship between them in the context of ML.
Share