Extrakce strukturovaných dat z PDF souborů s využitím LLM a integrace s ERP systémem

Abstract

Obsahem této bakalářské práce je návrh a implementace systému, který umožňuje automatické zpracování PDF faktur, zejména s využitím interakce velkých jazykových modelů (LLM). Implementovaná aplikace umožňuje uživateli prostřednictvím zaslání e-mailové přílohy extrahovat potřebná data z faktury, provést sémantické párování nalezených záznamů, založit odpovídající záznamy do přehledů ERP systému a nahrát zdrojový PDF soubor na připojené síťové úložiště. Součástí teoretické části práce je rešerše možných přístupů k řešení této problematiky a popis konkrétních technologií, zvolených pro vývoj aplikace. Praktická část se zaměřuje na návrh a implementaci aplikace, a to zejména s využitím automatizační platformy n8n.

The content of this bachelor thesis is the design and implementation of a system for the automated processing PDF invoices, primarily using of Large Language Models (LLM). The implemented application allows users to extract important data from invoices sent via email attachments, perform semantic matching of the identified data, create necessary records in ERP system modules, and upload the source PDF files to attached network file storage. The theoretical part of the thesis includes a research of possible approaches to solving this problem and a description of the specific technologies selected for the development of the application. The practical part focuses on the design and implementation of the application, specifically using the n8n automation platform.