text-extract-api
FastAPI-Dienst zur Konvertierung von Dokumenten in strukturiertes JSON oder Markdown unter Verwendung lokaler Vision-Modelle und zur Entfernung von PII.
Extrahieren Sie Tabellen, Text und JSON aus Versicherungsdokumenten mithilfe lokaler Vision-LLMs und PyTorch OCR.
Dieses Tool ist ein selbst gehosteter API-Dienst zum Extrahieren strukturierter Daten und zum Entfernen von PII aus gescannten Dokumenten und PDFs. Technische Teams im Versicherungsbereich können Schadensfälle, Rechnungen und Krankenakten vollständig vor Ort (on-premise) mit Ollama- und PyTorch-Vision-Modellen verarbeiten. Es bietet eine auf Warteschlangen basierende Architektur für Backend-Automatisierung mit hohem Durchsatz.
Was es ist
Es konvertiert PDFs, Bilder und Office-Dateien in sauberes Markdown- oder JSON-Format und verarbeitet dabei tabellarische Daten und spezielle Formulare. Der Kerndienst kombiniert EasyOCR oder lokale Vision-LLMs mit Celery-Workern und Redis-Caching, um Extraktionspipelines auszuführen, ohne sensible Daten außerhalb Ihres Netzwerks zu senden.
Für wen
Es richtet sich an Versicherungsentwickler und Data Engineers, die sensible Schadensformulare parsen und Kundendatensätze auf lokaler Hardware anonymisieren müssen. Es ist nicht geeignet für nicht-technische Teams, die eine sofort einsatzbereite grafische Benutzeroberfläche suchen.
Wichtige Funktionen
Lokale Vision-OCR-Verarbeitung
Führt PyTorch-OCR-Modelle und lokale LLMs über Ollama aus, um sensible Versicherungsdatensätze in Ihrer Umgebung zu halten.
Automatisierte PII-Schwärzung
Extrahiert Dokumententext und identifiziert sowie entfernt dabei persönlich identifizierbare Informationen vor der nachgelagerten Speicherung.
Asynchrone Warteschlange mit Celery
Nutzt Celery-Worker und Redis-Caching, um große Dokumentenstapel gleichzeitig zu verarbeiten.
Flexible Ausgabe-Parsierung
Konvertiert komplexe Tabellen, Rechnungen und Berichte in formatiertes Markdown oder strukturierte JSON-Schemas.
Integration von Remote-Engines
Unterstützt externe OCR-Wrapper wie Marker-pdf über API-Endpunkte für komplexe mehrsprachige Layouts.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Keine externen Cloud-Abhängigkeiten halten sensible Schadensfalldateien streng auf der lokalen Infrastruktur.
- Redis-Caching verhindert redundante Verarbeitung bei wiederkehrenden LLM-Extraktionsaufgaben.
- Unterstützt sowohl Standard-OCR-Engines als auch vision-fähige LLMs wie Llama 3.2 Vision und MiniCPM-V.
- Enthält eine dedizierte Befehlszeilenschnittstelle zum Testen von Prompt-Dateien gegen komplexe Dokumente.
Schwächen
- Erfordert dedizierte Hardware- oder GPU-Ressourcen, um Vision-LLMs mit akzeptabler Leistung auszuführen.
- Das Einrichten von Workern, Redis und Ollama-Modellen erfordert erhebliche DevOps- und Python-Kenntnisse.
- Die Verwendung von GPL-lizenzierten OCR-Engines wie Marker erfordert eine separate Serverbereitstellung, um eine Lizenzkontamination zu vermeiden.
- Die Strategie von Llama 3.2 Vision kann bei der Verarbeitung großer mehrseitiger Dokumentenstapel sehr langsam sein.
Preise & Lizenz
Die Software ist unter der MIT-Lizenz kostenlos nutzbar. Die einzigen Kosten entstehen durch den Betrieb der Rechenserver und lokalen GPU-Ressourcen, die zur Verarbeitung der Dokumente erforderlich sind.
Stellen für Deutschsprachige
880 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Nutze es, oder lass es uns einrichten
FAQ
Kann ich dies ausführen, ohne Daten an externe Cloud-Anbieter zu senden?
Ja, die gesamte Pipeline einschließlich PyTorch OCR, Ollama-Modellen, Redis und FastAPI läuft vollständig auf Ihrem eigenen lokalen Computer oder privaten Server.
Wie entfernt das Tool sensible Kundendaten?
Sie können während der Übermittlung benutzerdefinierte Prompt-Dateien übergeben, um das integrierte LLM anzuweisen, persönlich identifizierbare Informationen zu bereinigen, bevor die JSON-Ausgabe zurückgegeben wird.
Kann es komplexe Tabellen in Medizin- oder Schadensberichten parsen?
Ja, die zugrundeliegenden Vision-Modelle und OCR-Strategien konvertieren komplexe tabellarische Daten in strukturiertes Markdown oder JSON.
