Intelligente 4D Write Pro Dokumentenanalyse mit AI

Automatisch übersetzt von Deepl

In vielen Geschäftsanwendungen geben Benutzer unstrukturierten Text ein oder erhalten ihn: Kundenfeedback, interne Notizen, Support-Tickets, Berichte und vieles mehr. Diese Inhalte stellen wertvolle Informationen dar, sind aber ohne spezielle Verarbeitung nur schwer zu nutzen.

Hier wird künstliche Intelligenz zu einem mächtigen Werkzeug: Durch die automatische Analyse des schriftlichen Inhalts eines 4D Write Pro Dokuments können nützliche Metadaten zum Verstehen, Sortieren oder Priorisieren extrahiert werden.

In dieser Demonstration haben wir ein komplettes Szenario der automatischen Analyse von 4D Write Pro Dokumenten mithilfe von KI implementiert. Die KI ist in der Lage, aus einem einfachen Text:

  • einen prägnanten Titel zu generieren, der den Inhalt wiedergibt
  • den Tonfall zu identifizieren (positiv, negativ, informativ, dringend…)
  • Vorschläge zur Klassifizierung von Tags
  • Bewertung der schriftlichen Qualität des Dokuments

Das Ziel ist klar: Dokumente automatisch mit brauchbaren Metadaten anreichern, ohne die Benutzererfahrung zu verändern.

Diese Funktion ist in vielen realen Situationen nützlich:

  • Automatische Sortierung eingehender Nachrichten: nach Tonfall und Dringlichkeit
  • Klassifizierung von Dokumenten: nach Typ, Thema oder Geschäftsfeld
  • Erkennung von verbesserungswürdigen Inhalten: niedrige Qualitätsbewertung = Warnung
  • Statistiken zur Kundenstimmung: Verfolgen von Trends im Feedback: Verfolgen von Trends im Feedback

Wie funktioniert es?

Der Benutzer tippt oder fügt Text in eine auf 4D Write Pro basierende Oberfläche ein. Mit einem Klick auf die Schaltfläche „Speichern“ wird das Dokument in der Datenbank gespeichert und automatisch durch KI analysiert. Die Ergebnisse der Analyse werden dann in der Datenbank gespeichert und können in der Schnittstelle angezeigt werden, um das Dokument anzureichern.

HDI: 4D Write Pro Dokumente kategorisieren

Hier sind die Metadaten, die wir mit Hilfe von KI automatisch extrahieren wollen:

  • Titel: Ein prägnanter Titel, der das Thema und den Ton des Dokuments wiedergibt
  • Ton: Positiv, negativ, neutral, informativ, dringend, usw., mit einem Emoji für eine schnelle visuelle Referenz
  • Schlagwörter: 1 bis 3 geschäftliche oder thematische Kategorien mit Bezug zum Inhalt
  • Schriftliche Qualität: Eine Punktzahl von 5 auf der Grundlage von Klarheit, Struktur und Rechtschreibung, mit einem erklärenden Kommentar

Technische Details

1. Analyse wird beim Speichern ausgelöst

Wenn der Benutzer auf die Schaltfläche „Speichern“ klickt, startet eine Methode die Analyse des Dokuments durch KI. Anschließend werden sowohl das Dokument als auch die von AI erzeugten Metadaten in der Datenbank gespeichert:

var $infos : Object
$infos := cs.ChatManagement.new().computeInfo(WP Get text($doc); $apiKey)

var $ent : cs.DocumentEntity
$ent :=ds.Document.new()
$ent .WP:=$doc
$ent .Title:=$infos.title
$ent .Tone:=$infos.tone
$ent.Tone_Emoji:=$infos.tone_emoji
$ent .Tags:=$infos.tags
$ent .Quality_Score:=$infos.quality_score
$ent .Quality_Comment:=$infos.quality_comment
$ent .save()

2. Aufbau der Eingabeaufforderung

Die Methode computeInfo erstellt sowohl den Systemprompt als auch den Benutzerprompt zur Abfrage der KI.

Der Systemprompt erklärt und leitet die KI bei ihrer Analyse und Antwort. Die Benutzeraufforderung enthält nur den zu analysierenden Inhalt des 4D Write Pro Dokuments.

$systemPrompt:="Analysieren Sie den folgenden Text und geben Sie die folgenden Informationen an: \n"
$systemPrompt +="1. Schlagen Sie einen kurzen und aussagekräftigen Titel für das Dokument vor..."
$systemPrompt +="...\n"
$systemPrompt +="Antworten Sie im folgenden JSON-Format (kein Balise-Code):\n"
$systemPrompt +="{\"title\": \"string\", ... }"

$messages .push({role: "system"; content: $systemPrompt})
$messages .push({role: "user"; content: $document})
$result :=cs.AIManagement.new($apiKey).generateInfo($messages)

return $result

3. OpenAI-Aufrufklasse

Die Klasse AIManagement kapselt die Logik für den Aufruf von OpenAI unter Verwendung des gpt-4o-mini Modells mit 4D AIKit:

Class constructor($openAIKey: Text)
This .clientAI:=cs.AIKit.OpenAI.new($openAIKey)

Function generateInfo ($messages: Collection) : Object
var $result :=This.clientAI.chat.completions.create($messages; {model: "gpt-4o-mini"})
return JSON Parse ($result.choice.message.text)

4. Beispiel AI-Ergebnis

Hier ist ein Beispiel für eine Antwort, die von der KI zurückgegeben wird:

{
  "title": "Enttäuschung nach dem letzten Produktupdate",
  "Ton": "Negativ",
  "tone_emoji": "😠",
  "tags": "Produkt-Feedback, Software, Support",
  "quality_score": 5,
  "quality_comment": "Gut geschriebene und strukturierte Nachricht, klar und professionell."
}

Weiter

Diese Demonstration zeigt, wie einfach Sie eine KI-Ebene in Ihre 4D Write Pro Dokumente integrieren können, um sie automatisch anzureichern und strukturierte Daten zu extrahieren.

Das hier vorgestellte Modell ist modular, anpassbar und wiederverwendbar. Es kann auf verschiedene Arten von Inhalten angewendet werden, darunter E-Mails, Support-Tickets, interne Notizen und Benutzerkommentare.

Es fügt sich nahtlos in Ihre bestehenden 4D-Anwendungen ein, ohne die Benutzererfahrung zu verändern, und eröffnet gleichzeitig neue Möglichkeiten zur Automatisierung, Sortierung und Analyse. KI agiert hier als unsichtbarer Assistent, der Ihre Dokumente automatisch anreichert und deren Bearbeitung vereinfacht.

Und Sie, welche Art von Intelligenz würden Sie gerne Ihrer Anwendung oder Ihren Dokumenten hinzufügen? Teilen Sie Ihre Ideen, Anwendungsfälle oder Fragen im 4D Forum mit; die Community ist da, um zusammenzuarbeiten und zu inspirieren!

Vanessa Talbot
Product Owner - Vanessa Talbot kam im Juni 2014 zum 4D Programmteam. Als Product Owner ist sie für das Schreiben der User Stories und deren Umsetzung in funktionale Spezifikationen zuständig. Ihre Aufgabe ist es auch, sicherzustellen, dass die Implementierung der Funktionen den Anforderungen des Kunden entspricht. Seit ihrer Ankunft hat sie an der Definition der wichtigsten Funktionen in 4D gearbeitet. Sie hat an den meisten der neuen Funktionen für präemptives Multi-Threading gearbeitet und auch an einem sehr komplexen Thema: der neuen Architektur für erstellte Anwendungen. Vanessa hat einen Abschluss von der Telecom Saint-Etienne. Sie begann ihre Karriere am Criminal Research Institute als Entwicklerin für die audiovisuelle Abteilung. Sie hat auch in den Bereichen Medien und Medizin als Expertin für technischen Support, Produktion und die Dokumentation neuer Funktionen gearbeitet.