Dharma Field Extractor: 2-Milliarden-Modell wandelt Dokumente in JSON um
Veröffentlicht am: 05.11.2026 um 00:04 Uhr | Redaktion boerse-global.de
Das KI-Unternehmen Dharma-AI hat den sogenannten Dharma Field Extractor vorgestellt. Dabei handelt es sich um ein Modell mit zwei Milliarden Parametern, das darauf ausgelegt ist, visuelle Dokumentinhalte direkt in strukturierte JSON-Felder zu übertragen. Als Motivation für die Entwicklung nennt das Unternehmen die hohen Stückkosten pro Seite, die beim Einsatz großer Frontier-APIs im Rahmen hochvolumiger Backoffice-Extraktionen anfallen.
Technische Basis und zwei Verarbeitungsmodi
Der Dharma Field Extractor baut auf dem hauseigenen Basissystem DharmaOCR-LITE v1.1 auf und wurde über LoRA-Adapter mit 43.384 annotierten Beispielen trainiert.
Für den Trainingsdatensatz griff das Unternehmen auf englischsprachige Web-Dokumente, reale Dokumente auf brasilianischem Portugiesisch sowie kleinere europäische und asiatische Sprachanteile zurück. Inhaltlich deckt das Training verschiedene Belege, Rechnungen, Formulare, Kontoauszüge, Ausweise und synthetisch erzeugte Dokumente ab.
Das System unterstützt zwei Verarbeitungsansätze für die Datenverarbeitung. Im offenen Modus ermittelt das Modell die relevanten Felder selbstständig. Alternativ kann ein festes Schema vorgegeben werden, anhand dessen die Werte extrahiert werden. Werden im vorgegebenen Schema Felder verlangt, die im Dokument nicht existieren, gibt das System den Wert null aus. Tabellarische Daten werden vom Modell zeilenweise erfasst.
Interne Vergleichstests und Betriebskosten
Wer sich mit der automatisierten Verarbeitung von Dokumenten befasst, muss auch die rechtlichen Rahmenbedingungen der neuen EU-Vorgaben im Blick behalten. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen des EU AI Acts für Unternehmen. EU AI Act in 5 Schritten verstehen
Zur Leistungsfähigkeit legte Dharma-AI Ergebnisse aus eigenen Messungen vor. Der Benchmark basierte auf 546 Dokumenten mit 1.638 Testfällen, die offene Abfragen, Teilschemata sowie Schemata mit gezielt nicht vorhandenen Feldern umfassten.
In der Gesamtwertung erzielte der Dharma Field Extractor einen F1-Wert auf Feld-Ebene von 0.834. Der dabei angewendete Score kombiniert den Feld-F1-Wert mit einer Levenshtein-Ähnlichkeitsmessung sowie der Validität des erzeugten JSON-Formats.
Im selben Testaufbau erreichte das Modell Claude Opus 5 einen Wert von 0.816, während für GPT-5.6 Luna ein Wert von 0.741 ausgewiesen wurde. Bei einem Vergleich mit vier getesteten Frontier-Konfigurationen ergab sich laut den Angaben auf Hugging Face ein rechnerischer Qualitätsvorsprung von 1,8 bis 9,3 Punkten.
Während neue Technologien die Effizienz im Backoffice steigern, stellen sie Unternehmen gleichzeitig vor neue regulatorische Fragen zu Risikoklassen und Dokumentationspflichten. Erfahren Sie in diesem kostenlosen Report, welche KI-Systeme als Hochrisiko gelten und was Verantwortliche jetzt konkret tun müssen. Kostenlosen Umsetzungsleitfaden zum EU AI Act anfordern
Auf der Kostenseite verweist das Unternehmen auf deutliche Einsparpotenziale gegenüber den getesteten Schnittstellen führender Anbieter. Nach eigener Berechnung lägen die Kosten beim Selbsthosting auf einer L40S-Grafikkarte bei 2,24 US-Dollar pro GPU-Stunde und seien um das 6- bis 147-Fache niedriger als bei den herangezogenen Frontier-APIs. Einen separaten Verkaufspreis nannte das Unternehmen nicht.
Offene Punkte bei der Validierung
Die vorgelegten Leistungsdaten stammen vollständig aus firmeninternen Selbsttests und stellen keine unabhängige Überprüfung durch die Plattform Hugging Face dar. Auch liegen im bereitgestellten Material keine vollständigen Score-Tabellen vor, und separate Kennzahlen für chinesischsprachige Dokumente wurden nicht veröffentlicht.
Das von Mitgründer Gabriel Pimenta de Freitas Cardoso geführte Unternehmen hatte zuvor eine Modellkarte für DharmaOCR-LITE bereitgestellt, die drei Milliarden Parameter und eine restriktive, nicht-kommerzielle Lizenzierung auswies. Unabhängige Überprüfungen der aktuellen Leistungsdaten des Dharma Field Extractors stehen derzeit noch aus.
