KI-Forms

Automatisierte Verarbeitung und Ausfüllung von PDF-Formularen mit Hilfe von KI. Das System extrahiert Informationen aus gescannten oder digitalen PDF-Dokumenten per OCR, interpretiert sie mit einem lokalen LLM (Ollama) und füllt strukturierte PDF-Formulare aus.

Features

• PDF-Upload - Hochladen von gescannten oder digitalen PDF-Dokumenten
• OCR-Texterkennung - Automatische Textextraktion mit Tesseract (deutsch)
• KI-Feldextraktion - Lokale LLM-basierte Interpretation mit Ollama (Qwen2.5)
• Review-Workflow - Extrahierte Daten prüfen und korrigieren vor dem Ausfüllen
• PDF-Ausfüllung - Automatisches Befüllen von PDF-Formularen
• Multi-Formular - Erweiterbare Architektur für verschiedene Formulartypen

Voraussetzungen

• Docker und Docker Compose
• Ollama mit dem Modell qwen2.5:14b (oder einem anderen kompatiblen Modell)
• Mindestens 4 GB RAM, 8+ GB empfohlen

Schnellstart

1. Repository klonen

git clone https://github.com/kilroy-fr/ki-forms.git
cd ki-forms

2. Konfiguration

cp .env.example .env
# .env nach Bedarf anpassen (Ollama-URL, Modell, etc.)

Absenderdaten konfigurieren:

cp data/sender_data.example.json data/sender_data.json
# data/sender_data.json mit eigenen Praxis-/Absenderdaten befüllen

3. Docker-Netzwerke erstellen

docker network create caddy-proxy-network
docker network create ollama-net

Hinweis: Ollama muss separat laufen und im ollama-net erreichbar sein.

4. Starten

docker-compose up -d --build

Die App ist dann unter http://localhost:8000 erreichbar.

Lokale Entwicklung (ohne Docker)

python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# .venv\Scripts\activate   # Windows

pip install -r requirements.txt
python -m flask --app app.main run --debug

Voraussetzungen für lokale Entwicklung:

• Python 3.12+
• Tesseract OCR mit deutschem Sprachpaket (tesseract-ocr-deu)
• Poppler-utils (für pdf2image)

Architektur

ki-forms/
├── app/
│   ├── main.py                  # Flask-App
│   ├── config.py                # Konfiguration
│   ├── form_registry.py         # Formular-Registry
│   ├── routers/forms.py         # HTTP-Routen
│   ├── services/
│   │   ├── pdf_reader.py        # PDF-Parsing & OCR
│   │   ├── pdf_filler.py        # PDF ausfüllen
│   │   ├── field_extractor.py   # KI-Feldextraktion
│   │   └── ollama_client.py     # Ollama-API-Client
│   ├── models/form_schema.py    # Datenmodelle
│   ├── form_handlers/           # Formular-spezifische Handler
│   └── form_definitions/        # Feld-Definitionen pro Formular
├── data/                        # PDF-Templates & Konfiguration
├── docker-compose.yml
├── Dockerfile
└── requirements.txt

Workflow

1. Upload - PDF-Dokumente hochladen
2. OCR - Texterkennung aus gescannten PDFs
3. KI-Extraktion - LLM extrahiert strukturierte Daten aus dem Text
4. Review - Benutzer prüft und korrigiert die extrahierten Werte
5. PDF-Ausfüllung - Formular wird automatisch ausgefüllt und steht zum Download bereit

Neues Formular hinzufügen

Das Projekt nutzt ein Handler-Pattern. Für ein neues Formular sind nur 3 Dateien nötig:

1. PDF-Template in data/ ablegen
2. Feld-Definition in app/form_definitions/ erstellen
3. Handler in app/form_handlers/ erstellen
4. In app/form_registry.py registrieren

Details siehe CLAUDE.md.

Konfiguration

Alle Einstellungen über Umgebungsvariablen (siehe .env.example):

Variable	Standard	Beschreibung
OLLAMA_BASE_URL	http://localhost:11434	Ollama-Server URL
OLLAMA_MODEL	qwen2.5:14b	LLM-Modell für Extraktion
OLLAMA_TIMEOUT	300	Timeout in Sekunden
MAX_UPLOAD_SIZE_MB	50	Max. Upload-Größe
OCR_LANGUAGE	deu	Tesseract-Sprache

Technologie-Stack

• Backend: Flask, Gunicorn
• PDF: pikepdf, pypdf
• OCR: Tesseract, pdf2image
• KI: Ollama (lokal, kein Cloud-API nötig)
• Containerisierung: Docker

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.