docStar – Konfigurierbares Multi-Domain-Dokumenten-Check-System

DIE IDEE

docStar – Konfigurierbares Multi-Domain-Dokumenten-Check-System

Typ: Software Status: Beta Tech Stack: FastAPI, Python 3.12, PostgreSQL 16 (RLS, JSONB, tsvector), SQLAlchemy, Alembic, Celery, Redis, IBM Docling + EasyOCR, Ollama/vLLM/OpenAI, React 18, Vite, TypeScript, TanStack Query, Tailwind, Recharts, Nginx, Docker Compose, Prometheus/Grafana/Alertmanager, Keycloak/OIDC, Fernet (PII-Verschlüsselung) Problemstellung Ein Dokumenten-Posteingang lässt sich nur dann automatisiert auswerten, wenn drei Dinge zusammenkommen: pro Dokumentart klar definierte Felder, eine Kontrollinstanz für unsichere Ergebnisse und eine nachvollziehbare Antwortschicht. Gängige Lösungen setzen dafür einen Cloud-Dienst voraus, sind auf eine einzige Branche zugeschnitten und lassen KI-Antworten ohne Beleg stehen — für personenbezogene Unterlagen ist das keine tragfähige Grundlage. Beschreibung docStar nimmt eingehende Dokumente entgegen, erfasst sie per OCR-Microservice (IBM Docling + EasyOCR) und wertet sie mit einem provider-agnostischen LLM (Ollama lokal, vLLM oder OpenAI) schema-getrieben aus: eine Category-Registry legt pro Dokumentkategorie (zwölf aktive Kategorien von Rechnung bis Zeugnis, plus eine Legacy-Kategorie) exakt die erwarteten Felder fest und leitet daraus ein striktes Pydantic-Validierungsmodell ab, gegen das die KI-Ausgabe geprüft wird. Niedrige Konfidenz, unbestätigte Felder oder erkannte Prompt-Injection (zweistufig per Regex + BERT) leiten ein Dokument automatisch in eine Human-in-the-Loop-Review-Queue. Die geprüften Daten sind volltext-durchsuchbar, als Office-Insights aggregierbar, exportierbar (CSV/JSON/ZIP) und über einen natürlichsprachlichen Chat abfragbar, der bei Bedarf strukturierte Antworttabellen mit versionierten Zitaten liefert und Konversationen als Sitzungen speichert — ohne freies SQL, über drei fest definierte, typsichere Tools. Das System ist domainunabhängig per config/domain.json konfigurierbar (aktiv: corporate), mandantenfähig über Postgres Row-Level-Security mit privilege-getrennten Datenbank-Rollen und speichert personenbezogene Daten verschlüsselt at-rest (Fernet/MultiFernet mit Key-Rotation) mit eingebautem DSGVO-Lookup und -Erasure. Alleinstellungsmerkmale sind der vollständig lokal lauffähige Betrieb ohne Cloud-Datenabfluss, die domainunabhängige schema-getriebene Extraktion, die zitatgesicherte Chat-Antwortschicht und eine ungewöhnlich offen dokumentierte, laufende Sicherheits- und Korrektheits-Audit-Disziplin. Anwendungsfall Unternehmen automatisieren ihren Dokumenten-Posteingang (Rechnungen, Verträge, Personalunterlagen u. a.) — erfassen, strukturieren, prüfen, auswerten und in natürlicher Sprache mit Beleg abfragen — datensouverän und ohne Cloud-Zwang. Link: https://github.com/rawk7000/DocStar (privates Repo)