Behördebot AI

BehördeBot is een modulair systeem met een Flask-backend (kernverwerking) en een Streamlit-frontend (gebruikersinterface). Gebruikers uploaden gescande of gefotografeerde formulieren (PDF/JPG/PNG). De backend zet pagina's om in afbeeldingen, voert OCR uit en visualiseert herkende tekst en begrenzingskaders.

Het systeem classificeert het formuliertype, extraheert gestructureerde velden (met betrouwbaarheidswaarden), voert named-entity-extractie uit, past heuristische foutcontroles toe en voert een retrieval-augmented-generation-zoekopdracht (RAG) uit over een lokaal corpus van juridische documenten om relevante juridische passages te belichten.

Gebruikers kunnen content Duits↔Engels vertalen, herkende veldwaarden bewerken in een interactieve tabel, gestructureerde JSON opslaan en vertaalde, layoutbehoudende PDF's genereren voor download. Een evaluatiedashboard berekent OCR- (WER/CER), vertaal- (BLEU) en bruikbaarheidsmetrieken (SUS, taakvoltooiing), en sessie-uitvoer/-logboeken worden opgeslagen in uploads/ en outputs/. De architectuur is uitbreidbaar (extra formuliertypen toevoegen, LLM's aanvullen, cloud-databases koppelen).

• OCR-betrouwbaarheid bij slechte scans: handgeschreven tekst, laagresolutiescans of complexe layouts verminderen de extractienauwkeurigheid en de daaropvolgende veldherkenning.
• Formulierdiversiteit & layoutcomplexiteit: veel overheidsformulieren vertonen subtiele layoutverschillen; een robuuste classificatie en veldtoewijzing voor talrijke templates is arbeidsintensief.
  
• Juridische context, relevantie & vertrouwen: ervoor zorgen dat RAG-resultaten juridisch correct, actueel en van passende disclaimers voorzien zijn, zodat gebruikers niet worden misleid.

• Modulaire OCR- + NER-pipeline: combinatie van Tesseract (of betere OCR-engines) met op spaCy gebaseerde NER en heuristieken voor het extraheren van veldkandidaten en entiteitstypen (namen, data, adressen).
• Formulierclassificatie + gestructureerde extractie: ML-classificatoren voor het herkennen van formuliertypen en template-bewuste extractielogica (begrenzingskaders + semantische parsing) om OCR-tekst aan velden toe te wijzen.
  
• Juridische RAG voor contextbewuste oriëntatie: lokale vectoropslag over juridische documenten, om per aanvraag/pagina ondersteunende passages op te halen en zo formuliervereisten uit te leggen en referenties te citeren.

• Sneller en foutlozer formulieren invullen: gebruikers vullen formulieren sneller in, dankzij veldgerichte hulp, foutmeldingen en automatisch aanvullen op basis van geëxtraheerde entiteiten.
• Betere toegankelijkheid & meertaligheid: directe vertaling Duits↔Engels en layoutbehoudende PDF-generatie verlagen taalbarrières voor niet-Duitstaligen.
  
• Controleerbaarheid & traceerbaarheid: gestructureerde JSON-uitvoer en logboeken vergemakkelijken de controle van wat er is geëxtraheerd, gecorrigeerd en gerefereerd (nuttig voor servicebalies of compliance).

• Verminderde handmatige verwerkingstijd: de automatisering van OCR + validatie vermindert de personeelsinzet voor handmatige gegevensinvoer en correcties.
• Minder herhaalde indieningen: foutdetectie en duidelijke meldingen verminderen opnieuw indienen en besparen administratieve kosten en papier.
  
• Lokale/offline-first implementatieoptie: bestands-/RAM-gebaseerde status en lokale juridische corpora maken implementaties mogelijk zonder hoge cloudkosten of persistente databases (lagere hostingkosten, betere privacy).