Xiaomi-OCR-0: Open-Source-KI erkennt Texte, Tabellen und Formeln in Dokumenten

Dieser Artikel wurde bereits 20x gelesen...

Der chinesische Technologiekonzern Xiaomi stellt mit Xiaomi-OCR-0 ein kompaktes Open-Source-KI-Modell zur intelligenten Dokumentenerkennung bereit. Das Modell verfügt über lediglich 800 Millionen Parameter und kann gescannte Dokumente, Tabellen, Formulare und mathematische Formeln automatisiert auswerten.

Im Gegensatz zu herkömmlicher OCR-Software erkennt Xiaomi-OCR-0 nicht nur einzelne Texte, sondern kann auch Dokumentenstrukturen analysieren und Informationen gezielt extrahieren.

• Dokumentenanalyse: Umwandlung gescannter Dokumente in strukturierte Markdown-Texte.
• Tabellenerkennung: Erfassung von Tabellen und deren Aufbau.
• Formelerkennung: Ausgabe mathematischer Formeln im LaTeX-Format.
• Datenauswertung: Extraktion von Informationen aus Rechnungen und Formularen als JSON.
• KI-Fragen: Beantwortung inhaltlicher Fragen zu eingelesenen Dokumenten.

Ein Vorteil ist die vergleichsweise geringe Modellgröße. Xiaomi-OCR-0 lässt sich grundsätzlich auf eigener Infrastruktur betreiben. Damit könnten Kommunen Dokumente innerhalb ihrer eigenen IT-Umgebung verarbeiten, ohne diese an externe Cloud-Dienste übertragen zu müssen.

Modellgewichte und Programmcode stehen unter der Apache-2.0-Lizenz zur Verfügung. Xiaomi bietet außerdem eine Online-Demonstration sowie Integrationsmöglichkeiten für KI-Agenten über MCP an.

Xiaomi-OCR-0 zeigt, dass leistungsfähige KI-gestützte Dokumentenerkennung zunehmend auch mit kleineren, lokal betreibbaren Modellen möglich wird. Für Kommunen eröffnet dies interessante Perspektiven bei der Digitalisierung und Automatisierung dokumentenbasierter Verwaltungsprozesse.

Weitere Informationen:
Bericht über Xiaomi-OCR-0
GitHub – Quellcode
Hugging Face – Modellgewichte