Ginqel OffrePersönliches Projekt
Die Verarbeitung von Ausschreibungen strukturieren
Eine serviceorientierte Architektur zum Erfassen, Strukturieren und Anreichern von Ausschreibungsdaten.
Persönliches Projekt, entstanden zum Experimentieren und zur Weiterentwicklung meiner Kompetenzen.
Website ansehen — Ginqel Offre
Die fachliche Anforderung
Ausschreibungsdaten liegen in unterschiedlichen Formaten vor. Vor der fachlichen Verarbeitung müssen sie erfasst, vereinheitlicht und Informationen daraus extrahiert werden.
Meine Rolle
Persönliches Projekt: Architektur und Entwicklung von Diensten zur Datenaufnahme, Dokumentenverarbeitung und Bereitstellung fachlicher Daten.
Funktionsweise
Python und FastAPI übernehmen die Datenaufnahme. LangChain und Ollama unterstützen die strukturierte Extraktion. Spring Boot und Spring Batch liefern APIs und Stapelverarbeitung; PostgreSQL speichert die Daten.
Eine Architekturentscheidung
Die Trennung von KI-Verarbeitung, Stapelverarbeitung und fachlichen Diensten grenzt ihre Verantwortlichkeiten ab und ermöglicht unabhängige Docker-Container.
Presented features
Document ingestion · Structured extraction · Batch processing · Business API
Security & human validation
AI processing, batch jobs and business services have separate responsibilities. LLM extraction needs evaluation on representative documents before use.
Grenzen und Projektstand
Die LLM-Extraktion muss anhand repräsentativer Dokumente überprüft werden. Quellenqualität, Formate und Extraktionsfehler bestimmen die Zuverlässigkeit der Ergebnisse.
Ginqel Offre
Möchten Sie über die Architektur oder das Projekt sprechen?
Eine Frage zu den technischen Entscheidungen, der Architektur oder dem Stand dieses persönlichen Projekts? Kontaktieren Sie mich.
Über das Projekt sprechen