IDP-Software Markt 2025 und multimodale LLM

Optical Charakter Recognition (OCR) stand für viele Jahre und steht bis heute noch für viele Anwender als Synonym für Intelligent Document Processing (IDP) Software. In diesem IDP-Markt bin ich selbst beruflich seit vielen Jahren tätig und möchte vorwegstellen, dass dieser Beitrag subjektive Komponenten beinhaltet.

Die reine Texterkennung, Optical Character Recognition, ist nur noch ein kleiner Teilaspekt der Wertschöpfung heutiger OCR und ein noch kleinerer Teil des IDP-Marktes. Wenn man den OCR-Preis von ABBYY vor 20 Jahren mit dem Preis von Microsoft Azure Read vergleicht, ist der Preis pro Seite um 99 % auf 0,001 EUR gefallen, obwohl der Funktionsumfang gestiegen ist.

Der Funktionsumfang von OCR-Software umfasst heute etwa Page Segmentation in Form von der Erkennung von Checkboxen (Optical Markup Recognition), Tabellen, Überschriften oder Listen und damit mehr als reine Erkennung von Text oder Handschrift (Handwritten Text Recognition, kurz HTR)).

Trotz des medialen Interesses, mit LLM Dokumente zu verarbeiten, verwenden die meisten großen Sprachmodelle eine vorgelagerte OCR arxiv.org ↗. Ob traditionelle OCR bereits vollständig von generativer KI abgelöst werden kann, ist strittig. Planet AI kommt zu dem Schluss deep-analysis.net ↗, dass dies 2027 der Fall sein könnte. Andere Analysen¹ kommen zu der Schlussfolgerung, dass dies schon der Fall ist. Unstrittig ist, dass die Preise stark gefallen sind, z. B. auf 6.379 Seiten je Dollar². Selbst der Browser Chrome bietet nun OCR direkt an.

Große Sprachmodelle arbeiten bisher größtenteils auf der Textrepräsentation oder der HTML-ähnlichen Sprache Markdown und nicht auf dem optischen Scan des Dokuments selbst. Neuere Modelle, wie z. B. Docling³, gehen einen Schritt weiter und bieten Sprachen, die sowohl optische als auch semantische Informationen eines Scans codieren. Eine klare Differenzierung zu der klassischen Texterkennung, wie man sie von Tesseract konfuzio.com ↗ kannte.

Jüngst veröffentlichte große Sprachmodelle nutzen neben dem segmentierten Text, Tokens, auch die Bilder der Seite. Dieses Vorgehen erweitert die Textdaten um die Formatierung der Seite, sog. multimodale KI.

Kann IDP-Software durch große Sprachmodelle, die Texte und Bilder inhaltlich verstehen, vollständig abgelöst werden?

Aktuell ist nicht ad-hoc zu erwarten, dass Transformer-Architekturen, selbst auf Erkennung und Lokalisierung spezialisierte Modelle wie Kosmos-2.5 von Microsoft⁴, gewährleisten können, dass der Text tatsächlich im Dokument enthalten ist. Besonders deutlich wird dies durch den Hinweis der verlinkten Quelle durch Microsoft selbst. Erste Schritte für die Lokalisierung von Texten in Dokumenten werden jedoch von Modellen bereits angeboten⁵.

Since this is a generative model, there is a risk of hallucination during the generation process, and it CAN NOT guarantee the accuracy of all OCR/Markdown results in the images⁶.

Microsoft, 2025

Dies erinnert an den Fall der Scanner von Xerox, bei dem durch die Kompression der Datei das ursprüngliche Dokument verändert wurde. Diese optische Veränderung des ursprünglichen Dokuments wurde 2013 von Daniel Kriesel analysiert youtube.com ↗.

Im Fall Xerox lag dies jedoch an dem Algorithmus zur Kompression der Dokumente. Bei den Sprachmodellen ist dies ein Aspekt des übergeordneten Problems der Halluzinationen⁷ von Transformern. Dennoch haben große Sprachmodelle die Positionierung vieler Anbieter von IDP eigentech.com ↗ beeinflusst.

Einordnung in den IDP-Software-Markt#

Viele Anbieter von spezifizierten Dokumententypen, die in den vergangenen Jahren größtenteils mit Pay-as-you-Go Modellen auftraten, führen Mindestabnahmen ein: $4.430 p. a. bei Base64, $6.000 p. a. bei Verify EUR, 200 € bei Nanonets und $18.000 p. a. bei Rossum.

Anbieter reduzieren zuvor transparent kommunizierte Preislisten. Außerdem modularisieren einige Anbieter den Preis der Verarbeitung gemäß den Arbeitsschritten und genutzten Plug-ins, z. B. Nanonets. Affinda und Mindee halten am Preis pro Seite ohne Mindestabnahme vorerst fest. Mindee versuchte vor zwei Jahren, die Konfiguration der IDP-Konfiguration durch Sprachmodelle zu reduzieren. Die Dokumentation wurde jedoch ein Jahr nicht verändert.

Affinda geht mit ersten Angeboten speziell für HR-Software in die Nische. Veryfi bietet eine Endkundenlösung im Auslagenmanagement mit einem Preis je Nutzer an. Base64 gibt an, AI Agents bald anzubieten. Nanonets erweitern das Portfolio mit einem Zapier-Klon.

Die durch Preis und geringem Integrationsaufwand definierte Werttiefe dieses Markts für IDP dominieren die Hyperscaler zunehmend, die den IDP-Markt für Standarddokumente als Challenger seit 2022 neu verteilen und Pay-as-you-Go Angebote bieten. Der Markt für PDF-Editoren zur Nutzung ohne Registrierung wächst weiter. Der Umsatz basiert größtenteils auf Werbeeinnahmen.

Incumbents#

Bekannte Incumbents erweitern ihr Portfolio, z. B. Tungsten Automation, ABBYY oder Hyland im Bereich Prozessintelligenz und Content-Management. Bei Anbietern wie Automation Hero oder Hyperscience scheinen die Grenzen zwischen Beratung und der Entwicklung starke Reibungsverluste zu erzeugen.

Incumbents aus IDP nahen Märkten aus dem Bereich Workflow und Prozesse werden IDP-Challenger: RPA, ERP, DMS, Workflow oder Output Tools integrieren, IDP-Module kostensensibel oder kaufen zu, UiPath, Processmaker, und Nutrient.

Softwareanbieter wie Cavintek nutzen die gesunkenen Herstellungskosten für komplexe Funktionalität, wie z. B. IDP, überarbeiten bestehende Software bsp. Cflow grundsätzlich und versuchen mit Automation Anywhere, Appian oder Workato zu konkurrieren. Der IDP-Markt verdichtet sich, Bechtle kauft Planet AI, DocuWare Natif, CSS Blumatix und jüngst SER Klippa.

Vertikale IDP-Anbieter#

IDP-Software rückt in der Wertschöpfung in den Hintergrund des Geschäftsprozesses und Kunden ordnen dem fachlichen Tiefenverständnis von Anbietern zunehmend mehr Wert zu als der reinen technologischen Expertise.

Dies führte dazu, dass IDP-Anbieter ihr Angebot für die Bedarfe einzelner Branchen spezialisierten. Diese Anbieter integrieren aktuell große Sprachmodelle und verändern ihr Geschäftsmodell jedoch nicht. Klare Alleinstellungsmerkmale bieten Nischenanbieter, z. B. Deep Neuron Lab GmbH für Wirtschaftsprüfer, das DMS mit KI der EVANA AG im Immobiliensektor, Contracthero im Vertragswesen oder Workist für Händler. Die Internationalisierungsfähigkeit dieser Nischen ist teilweise stark durch das fragmentierte Recht und die diversen Landessprachen der einzelnen EU-Staaten beschränkt. Auch wenn der EU-Zielmarkt das gleiche Umsatzvolumen böte, sind die sprungfixen Kosten je Land ungleich höher als bei der Expansion in den Staaten.

Diese Anbieter profitieren von günstigeren Herstellkosten neuer Funktionalität durch die Unterstützung von großen Sprachmodellen. Diese Anbieter verwenden IDP-Technologie als Basis, um eine Software anzubieten, die diese Technologie direkt im Prozess ihrer Zielkunden integriert.

Gerade kleine und mittelständische Unternehmen oder eigenständig arbeitende Abteilungen lagern mit diesen Tools Teile ihrer internen Prozesse aus und folgen diesen.

Office-Logistik-Services#

Wie die Akquisition von Mail Professionals durch SPS zeigt, verdichtet sich auch die Anbieterstruktur im analogen Handling von Dokumenten, sog. Office-Logistik-Services.

Anbieter zum Scannen von Dokumenten, früher relevante Kunden für IDP-Anbieter, leeren sukzessiv alle analogen Archive, Auftrag für Auftrag und somit ihre eigenen Bestellbücher. Abgesehen von neueren Anbietern wie Caya oder Klara besitzt diese Branche eine geringe Hoheit über die Prozesse oder deren Daten. 

Viele Anbieter beschäftigen auf Mindestlohnniveau, um ihre Services aufrechtzuerhalten, oder nutzen Mischkalkulationen aus Bündeln von Vor-Ort-Dienstleistungen, z. B. Sicherheitsdiensten.