Intelligente Dokumentenplattform

Von jedem Dokument zu einer geprüften Entscheidung.

Cogneris ist eine Extraktions-API für document AI. Klassifizieren Sie das Dokument, analysieren Sie jede Seite und extrahieren Sie die Felder, die Sie festlegen – jeder Wert wird gegen Ihre Regeln geprüft und mit der Seite verknüpft, von der er stammt.

Antwort im Median 150 ms · API-p95 321 ms Verschlüsselung pro tenant Prüfungsbereit

400 kostenlose Credits erhalten Quickstart lesen

Keine Kreditkarte. 400 Credits für 14 Tage. Oder mit unserem Team sprechen.

Compliance, mit angehängten Nachweisen · jede Aussage verweist auf das Dokument dahinter · Nachweise ansehen →

Katalog der Dokumenten-APIs

Beginnen Sie beim Dokument. Folgen Sie dem Ablauf.

Erfassen Sie gängige Geschäftsunterlagen, extrahieren Sie komplexe Akten und prüfen Sie Identität oder Schadennachweise. Jeder Link öffnet die API-Seite für diesen Dokumenttyp.

Erfassen

Verwandeln Sie operative Dokumente in hoher Stückzahl in strukturierte Datensätze.

RechnungenBeliebt BelegeBeliebt Bestellungen Schecks KontoauszügeGefragt Frachtbriefe Liefernachweis

Extrahieren

Lesen Sie lange, wechselnde und mehrteilige Dateien mit Nachweis an der Quelle.

Lohnabrechnung und W-2 Steuererklärungen Verträge ACORD-Formulare Leistungsabrechnungen Hypothekenakten Finanzanalyse

Prüfen

Gleichen Sie Identität, Anspruch, Adresse und Schadennachweise ab.

KYC-DokumenteGefragt Ausweise und Reisepässe Adressnachweis Krankenversicherungskarten Versicherungsansprüche Schadenbearbeitung

Modulare Lösungen

Kombinieren Sie Produkte für Ihren Ablauf — ein maßgeschneiderter Dokumenten-Stack.

Intelligente Extraktion

Erkennt Kennungen, Daten, Summen und Tabellen — mit Kontext statt regulärer Ausdrücke. Pro tenant konfigurierbare Klassifizierung und Zero-Shot-Extraktion.

Fragen Sie Ihre Dokumente

Natürliche Unterhaltung mit PDFs, Verträgen und Berichten. Dokument-Fragen und -Antworten sind begrenzt verfügbar; die Abdeckung der Quellenangaben schwankt je nach Ablauf und Antwort.

Automatisierte Abläufe

Lösen Sie webhooks aus, reihen Sie Aufträge ein und schieben Sie extrahierte Felder direkt in Ihr ERP, CRM oder Data Warehouse.

Dokumenten-Hub

Ein einziges Repository mit Versionierung, semantischer Suche und feingranularen Rechten je Team oder Kunde.

Ausprobieren

Lesen Sie die Ausgabe, bevor Sie mit irgendjemandem sprechen.

Vier Dokumente durch die Extraktions-API, mit der Antwort, die wir zurückgeben — jedes Feld mit eigener Konfidenz auf einer Skala von 0–100 und, wo der Wert lokalisiert wurde, mit Seite und Begrenzungsrahmen seiner Herkunft.

vendor_name Acme Industries Ltd. 98
invoice_number INV-2026-0417 99
invoice_date 2026-04-17 97
total_amount 12,480.50 USD 99

{
  "data": {
    "id": "9d8a7c6e-1b2f-4a3d-9e8f-7c6d5b4a3210",
    "metadata": {
      "vendor_name": {
        "value": "Acme Industries Ltd.",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.13,
          0.14,
          0.67,
          0.17
        ],
        "bbox_confidence": 92
      },
      "invoice_number": {
        "value": "INV-2026-0417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.7,
          0.15,
          0.92,
          0.17
        ],
        "bbox_confidence": 95
      },
      "invoice_date": {
        "value": "2026-04-17",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.18,
          0.92,
          0.21
        ],
        "bbox_confidence": 90
      },
      "total_amount": {
        "value": 12480.5,
        "currency": "USD",
        "confidence": 99,
        "page": 3,
        "bbox": [
          0.7,
          0.82,
          0.92,
          0.85
        ],
        "bbox_confidence": 96
      },
      "line_items": [
        {
          "description": {
            "value": "Annual platform subscription",
            "confidence": 97,
            "page": 2,
            "bbox": [
              0.1,
              0.39,
              1.16,
              0.42
            ],
            "bbox_confidence": 94
          },
          "quantity": {
            "value": 12,
            "confidence": 94
          },
          "unit_price": {
            "value": 249.0,
            "currency": "USD",
            "confidence": 96
          }
        }
      ]
    },
    "createdDate": "2026-05-19T13:42:11Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

account_holder Northwind Trading LLC 98
account_number_masked ••••4417 99
period_end 2026-03-31 99
closing_balance 48,210.75 USD 96

{
  "data": {
    "id": "6f1d4b20-7a8e-4c93-b6f2-1d5a8e9c3047",
    "metadata": {
      "account_holder": {
        "value": "Northwind Trading LLC",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.12,
          0.63,
          0.15
        ],
        "bbox_confidence": 91
      },
      "account_number_masked": {
        "value": "****4417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.16,
          0.38,
          0.19
        ],
        "bbox_confidence": 92
      },
      "period_end": {
        "value": "2026-03-31",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.2,
          0.38,
          0.22
        ],
        "bbox_confidence": 91
      },
      "closing_balance": {
        "value": 48210.75,
        "currency": "USD",
        "confidence": 96,
        "page": 6,
        "bbox": [
          0.62,
          0.78,
          0.92,
          0.81
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:44:08Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

employee_name J. Okafor 96
employer_name Cascade Legal Services 98
pay_period_end 2026-04-30 99
gross_pay 5,980.00 USD 94
net_pay 4,312.08 USD 97

{
  "data": {
    "id": "1e7c9a34-5b62-4f80-a1d9-3c6e7b2a4058",
    "metadata": {
      "employee_name": {
        "value": "J. Okafor",
        "confidence": 96,
        "page": 1,
        "bbox": [
          0.1,
          0.18,
          0.44,
          0.2
        ],
        "bbox_confidence": 90
      },
      "employer_name": {
        "value": "Cascade Legal Services",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.11,
          0.56,
          0.14
        ],
        "bbox_confidence": 93
      },
      "pay_period_end": {
        "value": "2026-04-30",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.26,
          0.42,
          0.28
        ],
        "bbox_confidence": 93
      },
      "gross_pay": {
        "value": 5980.0,
        "currency": "USD",
        "confidence": 94,
        "page": 1,
        "bbox": [
          0.7,
          0.51,
          0.92,
          0.54
        ],
        "bbox_confidence": 89
      },
      "net_pay": {
        "value": 4312.08,
        "currency": "USD",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.56,
          0.92,
          0.59
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:45:31Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

full_name MARIA T. ALVES 97
document_number X1234567 95
date_of_birth 1991-08-14low confidence 71
expiry_date 2031-02-28 93

{
  "data": {
    "id": "4a2f8c16-9d73-4b50-a6e1-2c7d5f8b3094",
    "metadata": {
      "full_name": {
        "value": "MARIA T. ALVES",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.16,
          0.16,
          0.56,
          0.19
        ],
        "bbox_confidence": 93
      },
      "document_number": {
        "value": "X1234567",
        "confidence": 95,
        "page": 1,
        "bbox": [
          0.16,
          0.21,
          0.41,
          0.24
        ],
        "bbox_confidence": 89
      },
      "date_of_birth": {
        "value": "1991-08-14",
        "confidence": 71,
        "page": 1,
        "bbox": [
          0.16,
          0.26,
          0.38,
          0.29
        ],
        "bbox_confidence": 66
      },
      "expiry_date": {
        "value": "2031-02-28",
        "confidence": 93,
        "page": 1,
        "bbox": [
          0.16,
          0.31,
          0.38,
          0.34
        ],
        "bbox_confidence": 85
      }
    },
    "createdDate": "2026-05-19T13:47:02Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

Dies sind vorverarbeitete Beispieldokumente, kein Live-Upload — die Werte und Konfidenzen oben sind fest. Um eigene Dokumente zu verarbeiten, nutzen Sie den Schnellstart oder sprechen Sie mit unserem Team. Die Antworthülle ist die unter Extraktion dokumentierte.

Durchlauf

Derselbe Lauf, von Anfang bis Ende aufgezeichnet.

Die Beispiele oben sind fest. Der Durchlauf ist eine Bildschirmaufzeichnung des Produkts bei der Arbeit an einem echten Dokument — samt dem Feld, bei dem es unsicher war, also genau dem Teil, den eine gescriptete Demo weglässt.

Die Aufzeichnung ist noch nicht veröffentlicht, hier gibt es also nichts abzuspielen. Wir lassen die Fläche lieber leer, als sie mit einem Film zu füllen, der nicht das Produkt ist.

Hochladen — eine echte Rechnung oder ein echter Kontoauszug, in der Geschwindigkeit, in der die Plattform ihn tatsächlich verarbeitet.
JSON-Ausgabe — die Antworthülle, mit dem Begrenzungsrahmen jedes Werts zurück auf die Quellseite gezeichnet.
Konfidenz — die Werte je Feld, einschließlich des einen Felds, bei dem das Modell gezögert hat.
Markiertes Feld — der unsichere Wert an Ort und Stelle markiert, mit dem hervorgehobenen Bereich, aus dem er gelesen wurde.
Menschliche Prüfung — dasselbe Dokument wartet in der Prüfwarteschlange eines Workflows, eine prüfende Person korrigiert den markierten Wert, und die Änderung wird ihr zugeschrieben.
Webhook — die signierte Zustellung trifft ein und trägt die Dokumentkennung aus dem ersten Schritt.

Für Entwickler

Ein POST, eine Datei, strukturiertes JSON zurück.

Der Extraktionsendpunkt nimmt multipart/form-data und einen Bearer-Schlüssel entgegen. Es wird kein SDK benötigt und kein Schema deklariert — die Plattform wählt die Vorlage anhand des Dokuments selbst. Die Beispiele je Sprache unten sind eine freiwillige Erleichterung, keine Abhängigkeit.

Endpunkte antworten im Median in 150 ms, im p95 in 300 ms, gemessen von 2026-10-29T14:35:00Z bis 2026-10-30T14:30:00Z über 19 Komponenten, nur in der EU-Produktionsregion. Das ist die Antwortzeit des Endpunkts, nicht die Dauer einer Extraktion — die Dokumentverarbeitung richtet sich nach Größe und Profil. Wie gemessen wird →

               POST /Document/extraction
              
            

export COGNERIS_API_KEY="xtkt_live_…"
export COGNERIS_BASE_URL="https://api-eu.cogneris.ai"

curl -X POST "$COGNERIS_BASE_URL/Document/extraction" \
  -H "Authorization: Bearer $COGNERIS_API_KEY" \
  -F "file=@./invoice.pdf"
            

import os
import requests

with open("invoice.pdf", "rb") as document:
    response = requests.post(
        f'{os.environ["COGNERIS_BASE_URL"]}/Document/extraction',
        headers={"Authorization": f'Bearer {os.environ["COGNERIS_API_KEY"]}'},
        files={"file": document},
        timeout=60,
    )

response.raise_for_status()
print(response.json())
            

import fs from "node:fs/promises";

const form = new FormData();
form.append("file", new Blob([await fs.readFile("./invoice.pdf")]), "invoice.pdf");

const response = await fetch(`${process.env.COGNERIS_BASE_URL}/Document/extraction`, {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.COGNERIS_API_KEY}` },
  body: form
});

console.log(await response.json());
            

Die Antworthülle — data, meta und eine Konfidenz je Feld — ist die in der Beispielausgabe oben gezeigte. Vollständiger Durchlauf im Schnellstart; jeder Endpunkt und Statuscode in der OpenAPI-Spezifikation.

API- und webhook-Beispiele

Eigenständige Beispiele zum Einfügen in ein Projekt, neben den veröffentlichten SDKs für TypeScript, Python, .NET und Java — wir liefern nur das aus, was wir auch pflegen.

Sprachunterstützung, gemessen

Jede Sprache funktioniert heute — schlichtes HTTP mit mehrteiligen Uploads und einem Bearer-Schlüssel, nichts Technologiespezifisches.
Veröffentlichte Pakete — SDKs auf npm und PyPI (0.2.0) sowie auf NuGet.org und Maven Central (0.1.0); nichts auf pkg.go.dev oder pub.dev.
Erzeugen Sie Ihren eigenen Client — vier Generierungsbefehle gegen unsere Spezifikation ausgeführt und die Ausgabe kompiliert.
Keine mobile Clientbibliothek — halten Sie Uploads serverseitig und rufen Sie den REST-Endpunkt aus Ihrem Backend auf.

Die vollständige Matrix der Sprachunterstützung lesen →

Lieber ein fertig importierbarer Arbeitsbereich? Laden Sie die Postman-Sammlung herunter oder durchsuchen Sie das öffentliche Beispiel-Repository.

Eine andere Technologie? Die API ist schlichtes HTTP mit mehrteiligen Uploads — die OpenAPI-Spezifikation erzeugt einen Client in jeder Sprache, die Sie ohnehin nutzen.

Model Context Protocol

Übergeben Sie Ihre Dokumente einem Agenten.

Cogneris betreibt einen MCP-Server. Richten Sie Claude Desktop, Cursor oder Ihren eigenen Client darauf, und ein Agent kann Extraktionsvorlagen auflisten, ein PDF hochladen, einen Füllauftrag starten und die Nutzung lesen — über denselben tenant, dasselbe Kontingent und denselben Prüfpfad wie die REST-API.

53 Werkzeuge, 5 Bereiche — 21 lesend, 10 schreibend, 22 mit eigenem Bereich, bei jedem Aufruf durchgesetzt
OAuth 2.1 mit PKCE — kein langlebiger Schlüssel in einer Konfigurationsdatei
Regionale Hosts — mcp-eu und mcp-us, passend zu Ihrem tenant

Den MCP-Leitfaden lesen

.cursor/mcp.json

{
  "mcpServers": {
    "cogneris": {
      "url": "https://mcp-eu.cogneris.ai/"
    }
  }
}

ReAct-Architektur

Agenten, die denken, bevor sie handeln.

Statt eines einzigen monolithischen Modells orchestriert Cogneris spezialisierte Agenten in einer ReAct-Schleife (Reason + Act). Jeder Agent hat einen klaren Umfang, eigene Werkzeuge und schrittweise Prüfpfade — entscheidend in regulierten Branchen.

Vollständige Nachvollziehbarkeit je Dokument
Feingranulare Neuverarbeitung je Schritt
Prüfbare Kosten je Lauf

cogneris.agents.pipeline

Orchestrator

nimmt das Dokument entgegen

Klassifizierungsagent

erkennt den Typ

Extraktionsagent

strukturiert die Daten

Prüfagent

kontrolliert die Regeln

Betrugsagent

bewertet das Risiko

Ausgabe

JSON + Bewertung + webhook

Wer Cogneris nutzt

Gebaut für Teams, die sich keine falsche Extraktion leisten können.

Cogneris läuft produktiv bei Banken, Steuerkanzleien, Immobilienplattformen und Embedded-Finance-Produkten — überall dort, wo ein Fehler an einem Dokument in Prüfungsfeststellungen, Bußgeldern oder entgangenem Umsatz bezahlt wird und nicht nur in Entwicklungszeit.

Banken und Kredit

Kreditanträge, KYC-Akten, Kontoauszüge und Steuerformulare — extrahiert und gegengeprüft für die Kreditentscheidung. An SOC 2 und GLBA ausgerichtete Kontrollen. Banken →

Buchhaltung und Steuern

1040-Quelldokumente, Rechnungen, Belege und Kontoauszüge, ausgelesen für Steuererstellung, Kreditorenautomatisierung und Monatsabstimmung. Buchhaltung →

Immobilien

Abschlussakten, Titelzusagen, Urkunden und Gutachten — jedes Feld mit vollständiger Herkunft erfasst, für Prüfung und Abschluss. Immobilien →

Embedded Finance

Händler-KYC, Prüfung anhand von Auszügen und Beurteilung von Gegenparteirisiken — im großen Maßstab an die Entscheidungsmaschinen der Plattform angebunden. Embedded Finance →

Geprüfte Ausgabe

Kann ein Modell eine Zahl erfinden?

Ja. Die Ausgabe eines Modells ist von Natur aus nicht deterministisch, deshalb behandelt Cogneris einen erzeugten Wert nicht schon deshalb als vertrauenswürdig, weil er plausibel aussieht. Jedes Feld trägt eine Konfidenz und kann einen Nachweis- und Kontrollweg durchlaufen, bevor Ihr Ablauf es annimmt.

Konfidenz auf Feldebene — eine unsichere Summe lässt sich prüfen, ohne jedes verlässliche Feld des Dokuments zu blockieren.
Das Dokument bleibt angehängt — Quellseite und Bereichsangaben erlauben es einer Person oder einem System nachzusehen, woher ein Wert stammt.
Die Annahme ist konfigurierbar — deterministische Regeln, Übereinstimmung mehrerer Modelle und ein manueller Prüfschritt können verlangt werden, bevor ein kritischer Wert akzeptiert wird.

Die Architektur gegen Halluzinationen lesen →

Kandidatenwert

8.420,00 USD

Konfidenz 0,94

01Quellenangabe
Seite 2 · Bereich des fälligen Betrags
02Deterministische Prüfung
Währung, Zwischensumme, Steuer und Summe stimmen überein
03Konsens mehrerer Modelle
Die konfigurierten Modelle liefern denselben Wert
04Menschliche Prüfung
Ein Schritt, den Sie in den Workflow einbauen; der Lauf wartet in einer Prüfwarteschlange
05Prüfpfad
Hält Modellversion, Prompt- und Antwort-Hashes, Kontrollen und Prüfer in manipulationssicheren Prüfmetadaten fest, mit vertragsspezifischer, pro tenant konfigurierbarer Aufbewahrung

Compliance

Jede Aussage, mit angehängtem Nachweis.

Cogneris ist bislang nach keinem Standard zertifiziert, und wir werden nichts anderes andeuten. Was wir heute zeigen können, ist veröffentlicht, vertraglich oder in Arbeit — und jedes Abzeichen unten öffnet das Dokument, das es belegt, keine weitere Seite darüber, wie wichtig uns das ist.

Zertifiziert — bislang nichts
Veröffentlicht — das Dokument liegt auf dieser Seite
Vertraglich — eine Klausel der Vereinbarung
Ungeprüft — Compliance-Prüfung ausstehend

Veröffentlicht

Offenlegung der Unterauftragnehmer

Jeder Dritte, der Kundendaten berührt — namentlich, mit Zweck, Rechtsträger und Verarbeitungsort. Kunden werden 30 Tage vor jeder Ergänzung informiert und haben ein Widerspruchsrecht.

Datenschutz §2 → Vertraglich

DSGVO — DPA und EU-Standardvertragsklauseln

Cogneris verarbeitet als Auftragsverarbeiter nach Art. 28 — der DPA bindet die EU-Standardvertragsklauseln für Übermittlungen aus dem EWR ein und verpflichtet jeden Unterauftragnehmer auf gleichwertige Bedingungen.

Datenschutz §1 → Vertraglich

CCPA / CPRA — Dienstleister

Dienstleister nach Cal. Civ. Code §1798.140(ag) — die acht von §1798.140(ag)(1) verlangten Zusagen sind auf dieser Seite vollständig veröffentlicht, nicht zu einem Logo zusammengefasst.

Datenschutz §1.4 → Veröffentlicht

Betroffenenanfragen

Ein Weg, den Sie wirklich nutzen können — Auskunft, Löschung, Berichtigung und Übertragbarkeit, mit einem SLA von 30 Tagen. Gehören die Daten einem Kunden, leiten wir die Anfrage an diesen Verantwortlichen zurück.

Formular für Datenschutzanfragen → Veröffentlicht

Gemessene Verfügbarkeit

Gemessen, nicht behauptet — die Zahl wird per Skript aus dem öffentlichen Status-Feed erzeugt, im Repository versioniert, und eine Build-Prüfung schlägt fehl, wenn Seite und Messung auseinandergehen. Es ist Historie, nicht das vertragliche SLA.

Wie die Zahl entsteht → Veröffentlicht

Kontrollverzeichnis

Die Kontrollbezeichnungen, die unser Programm verfolgt — nach Kategorie im Trust Center veröffentlicht. Status und Nachweise je Kontrolle gehen unter NDA über den Berichtsanfrageweg an Großkunden.

Kontrollen im Trust Center → In Arbeit · ungeprüft

SOC 2-Vorbereitung

Die Vorbereitungsarbeiten laufen — wir behaupten hier keinen ausgestellten Bericht. Die Formulierung des Status muss von der Leitung unseres Compliance-Programms bestätigt werden, bevor sie als endgültig gilt.

Fahrplan des Trust Center →

Nichts auf dieser Seite ist eine Zertifizierung. Zu Verschlüsselung, Isolation pro tenant und Reaktion auf Vorfälle lesen Sie den Sicherheitsüberblick; für die vollständige Unterauftragnehmertabelle, das Kontrollverzeichnis und Nachweisanfragen nutzen Sie das Trust Center.

Nachweise im Kontext

Illustrative Szenarien.

Diese illustrativen Szenarien beschreiben mögliche Workflow-Entwürfe. Sie sind keine Benchmarks oder produktionsweiten Leistungsversprechen.

Cascade Legal

Ein Szenario zur Prüfung von Unterlagen für Rechtsdienstleistungen mit einem nachvollziehbaren Extraktionspfad.

Meridian Credit

Ein Szenario zur Strukturierung von Kreditunterlagen vor der nachgelagerten Prüfung.

Northwind Health

Ein Szenario zur Organisation von Vorabgenehmigungsunterlagen für einen Versorgungsworkflow.

Kapazität auf einen Blick: die Anwendungsoberfläche wird in 15 Sprachen ausgeliefert, und die öffentlichen synchronen Extraktionsendpunkte nehmen Dateien bis 10 MB an. Dokumenttypen, Extraktionsfelder, Währungen und Seitengrenzen hängen vom tenant-Schema und vom Verarbeitungsweg ab. Zur belegten Abdeckungsmatrix.

Aus der Cogneris-Bibliothek

Recherchieren Sie, bevor Sie eine Auswahl treffen.

Beginnen Sie mit der Kategorie, vergleichen Sie die Alternativen und rechnen Sie dann die Wirtschaftlichkeit durch. Das sind die Leitfäden, mit denen Käufer von der Recherche zu einer belastbaren Entscheidung kommen.

Einkaufsleitfaden

Was ist intelligente Dokumentenverarbeitung?

Ein praktischer Leitfaden zu IDP, OCR, Extraktionsgenauigkeit, Integrationen, Preisen und Anbieterauswahl.

Den Leitfaden lesen → Marktbericht

Stand von Document AI 2026

Marktumfeld, Einführungsmuster, Genauigkeitsvergleiche und die Verschiebungen, die document AI 2026 prägen.

Den Bericht lesen → Vergleich

Cogneris im Vergleich zu AWS Textract

Vergleichen Sie OCR, Formulare, Tabellen, Prüfung, Ablaufautomatisierung, Preise und Anforderungen an den Prüfpfad.

Optionen vergleichen → Vergleich

Cogneris im Vergleich zu Veryfi

Bewerten Sie Beleg- und Rechnungsextraktion, Kontoauszüge, Betrugsprüfungen, Ablaufsteuerung und Preise.

Optionen vergleichen → Preise

Preisvergleich für document AI

Sehen Sie, wie Seitenpreise, Mindestmengen, Zusatzleistungen und Prüfkosten den tatsächlichen Preis eines Extraktionsablaufs beeinflussen.

Preise vergleichen → Wirtschaftlichkeit

ROI-Rechner für Dokumentenautomatisierung

Schätzen Sie monatliche Einsparungen, Amortisationsdauer und die Wirtschaftlichkeit über 3 Jahre anhand Ihres Dokumentenvolumens und Prüfaufwands.

Ihren ROI berechnen →

FAQ

Häufige Fragen.

Worin unterscheidet sich Cogneris von generischen document AI-APIs?

Generische document AI-APIs liefern Text oder Felder. Cogneris liefert strukturierte Datensätze mit Konfidenz je Feld, dokumentübergreifender Prüfung, einem Prüfpfad (Modellversion, Prompt-Hash, Prüfer-ID) und einem Berechtigungsmodell auf tenant-Ebene. Gebaut für Abläufe, in denen eine falsche Extraktion in Prüfungsfeststellungen oder Umsatzverlust bezahlt wird, nicht in Entwicklungszeit.

Welche Dokumenttypen werden von Haus aus unterstützt?

Cogneris unterstützt eine pro tenant konfigurierbare Klassifizierung und Zero-Shot-Extraktion. Teams definieren die Dokumentklassen und Felder, die ihre Abläufe brauchen, und prüfen das Ergebnis vor dem Produktiveinsatz an eigenen repräsentativen Dokumenten.

Wie funktioniert die Preisgestaltung?

Credits zu veröffentlichten Sätzen. Jede Operation verbraucht Credits aus einem gemeinsamen Guthaben: Ein klassifiziertes und extrahiertes Dokument mit 1 Seite verbraucht 4,2 Credits. Free bietet 400 Credits für 14 Tage ohne Karte, Pro kostet 99 €/Monat für 5.000 Credits. Enterprise-Verträge enthalten verhandelte Sätze, die das zugesagte Volumen abbilden. Zur vollständigen Preisliste oder nutzen Sie den ROI-Rechner, um die Ausgaben bei Ihrem Volumen zu schätzen.

Wie lange dauert die Integration?

Cogneris stellt REST-APIs und signierte webhook-Aufrufe bereit, die sich für eigene Integrationen mit führenden Systemen eignen. Die Produktivzeitpläne hängen vom Dokumentenmix, den Prüfregeln, dem Freigabeprozess und der nachgelagerten Integration ab.

Wo erfahre ich mehr über die Kategorie document AI?

Beginnen Sie mit dem IDP-Einkaufsleitfaden — eine Lektüre von 14 Minuten zu Genauigkeit, Preisen, Anbieterauswahl und Integrationsmustern. Der Bericht zum Stand von Document AI 2026 behandelt Marktgröße, Verbreitung nach Branche und Genauigkeitsvergleiche. Das Glossar zu document AI erklärt die Begriffe — IDP, OCR, HITL, ReAct, Prüfpfad, Unterauftragnehmer und den Rest.

Loslegen

Weniger Tabellen. Mehr Daten.

Buchen Sie eine 30-minütige Demo. Wir zeigen Ihnen die Plattform bei der Verarbeitung Ihrer eigenen Dokumente.

Demo buchen Preise ansehen