Cloudflare Clairic: Daten auslesen ohne Sprachmodell
Cloudflare stellt mit Clairic ein Modell vor, das Zahlen, Daten und Listen aus Texten und Bildern zieht, ohne Text zu generieren. In einem Beispiel halbiert das die Kosten und verdreifacht das Tempo. Was dahintersteckt, wo die Grenzen liegen und wann sich das für Belege und Anfragen lohnt.
Viele KI-Automationen in Unternehmen machen im Kern dasselbe: Sie lesen eine Rechnung, eine Schadensmeldung oder eine Kundenanfrage und ziehen ein paar Werte heraus. Betrag, Datum, Vertragsnummer. Dafür wird meist ein großes Sprachmodell eingesetzt, das eigentlich zum Schreiben gebaut ist. Cloudflare hat am 19. Oktober mit Clairic ein Modell vorgestellt, das genau diesen Schritt anders löst. Help Net Security hat am 20. Oktober darüber berichtet.
Was Clairic anders macht
Clairic generiert keinen Text. Es bekommt eine Eingabe, Text und bis zu vier Bilder, und liefert in einem einzigen Durchlauf typisierte Werte zurück: Zahl, Datum, Uhrzeit, Dauer, Liste, Freitext oder Schätzung. Zu jedem Feld gibt es einen Konfidenzwert und einen Wert namens p_null, also die Wahrscheinlichkeit, dass die gesuchte Angabe gar nicht vorkommt. Fehlt sie, kommt null zurück statt einer erfundenen Antwort. Was das Modell sonst geraten hätte, steht getrennt in einem eigenen Feld.
Das Modell läuft als Vorschau auf Workers AI, der KI-Plattform von Cloudflare. Abgerechnet werden nur Eingabe-Tokens, weil es keine Ausgabe-Tokens gibt. Einen Preis pro Token nennt Cloudflare bisher nicht. Die Gewichte sollen offen werden: „We intend to release the model open-weights soon“, schreibt Cloudflare im Blog.
Halbe Kosten im Schadensfall-Beispiel
Cloudflare rechnet ein Beispiel aus der Schadensbearbeitung vor: Clairic liest die Meldung aus, das Entscheidungsmodell Clef (vorgestellt am 1. Oktober) entscheidet, und ein Sprachmodell, hier GLM-5.3, schreibt nur noch die Antwort. Nach Herstellerangaben dauert ein Fall so 19,3 statt 61,7 Sekunden wie bei einer reinen Sprachmodell-Lösung. Die Kosten sinken von 11.740 auf 6.032 Dollar je Million Fälle, ein Minus von 49 Prozent. Die Extraktion selbst braucht 0,46 Sekunden, die Entscheidung 0,22 Sekunden, den Rest der Zeit verbraucht das Schreiben der Antwort.
Das Prinzip kennen Leser dieses Blogs schon von Microsoft Decision-1: Für eng umrissene Aufgaben ist ein spezialisiertes Modell schneller und billiger als ein Alleskönner.
Wo die Grenzen liegen
Cloudflare benennt die Schwächen offen. Ein- und zweistufige Rechnungen klappen zuverlässig, längere Rechenketten und Summen über viele Tabellenzeilen nicht. Dafür empfiehlt Cloudflare normalen Code. Die Konfidenzwerte sind gemessen, aber nicht garantiert, und bei ungewohnten Daten können die Unsicherheitsbereiche zu eng ausfallen. Ein Beispiel aus dem Blog: Bei einer fehlenden Sendungsnummer lieferte das Modell korrekt null, hätte als Ersatz aber den Steuerbetrag geraten. Cloudflare fasst es selbst so zusammen:
„The architecture makes every answer well formed, not necessarily correct.“
Offen ist außerdem, welche Sprachen Clairic beherrscht, also auch, wie gut es mit deutschen Rechnungen umgeht, und wo die Daten verarbeitet werden. Zu Clef schreibt Cloudflare, Anfragen würden nicht gespeichert oder zum Training genutzt. Für Clairic fehlt eine solche Aussage bisher.
Was das für Ihr Unternehmen heißt
- Prozesse zerlegen: Belegverarbeitung, Posteingang oder Schadensmeldungen lassen sich in Auslesen, Entscheiden und Formulieren aufteilen. Nur der letzte Schritt braucht ein großes Sprachmodell.
- Kosten nachrechnen: Wer viele gleichartige Dokumente verarbeitet, sollte prüfen, wie viel des KI-Budgets heute auf reine Extraktion entfällt. Hier liegt oft das größte Sparpotenzial.
- Konfidenz nutzen: Werte mit niedriger Konfidenz oder hohem p_null gehören zur Prüfung an einen Menschen. Das ist der eigentliche Vorteil gegenüber einem Sprachmodell, das jede Lücke freundlich füllt.
- Rechnen bleibt Code: Summen, Steuern und Abgleiche gehören in klassische Programmlogik, nicht ins Modell.
- Noch nicht produktiv planen: Clairic ist eine Vorschau ohne Preis und ohne Angaben zu Deutsch und Datenstandort. Für Tests gut, für Produktivdaten mit Personenbezug noch zu früh.
Fazit
Clairic zeigt, wohin sich KI-Automation entwickelt: weg vom einen großen Modell für alles, hin zu kleinen Spezialisten für einzelne Schritte. Das spart Geld und macht Fehler sichtbarer. Ob es für deutsche Belege taugt, muss sich zeigen, das Muster lohnt sich aber schon heute, auch mit anderen Werkzeugen. Wenn Sie Ihre Dokumentenprozesse so aufstellen wollen, sprechen Sie mich gern an.
