Klassifizieren und Weiterleiten von Daten mithilfe von Inhaltsverständnis

Mithilfe von Inhaltsverständnis können Sie benutzerdefinierte Klassifizierungsworkflows erstellen, die Ihre Inhalte kategorisieren und an die richtige Analyse weiterleiten. Mit Routing können Sie mehrere Datenströme über dieselbe Pipeline senden und sicherstellen, dass Ihre Daten vom besten Analysegerät für den Typ verarbeitet werden.

Dieser Leitfaden führt Sie durch zwei Schritte:

Erstellen Sie einen einfachen Klassifizierer , der Dokumente in benutzerdefinierte Kategorien kategorisiert.
Klassifizieren und weiterleiten mit benutzerdefinierten Analysatoren, die die Klassifizierung mit der Feldextraktion für jede Kategorie kombinieren.

Voraussetzungen

Stellen Sie zunächst sicher, dass Sie über die folgenden Ressourcen und Berechtigungen verfügen:

Ein Azure-Abonnement. Wenn Sie nicht über ein Azure-Abonnement verfügen, Create a free account.
Eine Microsoft Foundry-Ressource im Azure-Portal, erstellt in einer unterstützten Region.
- Diese Ressource wird im Portal unter Foundry>Foundry aufgelistet.
Richten Sie Standardmodell-Implementierungen für Ihre Ressource für Inhaltsverständnis ein. Standardmäßig erstellen Sie eine Verbindung mit den Microsoft Foundry-Modellen, die Sie für Inhaltsverständnisanforderungen verwenden. Wählen Sie eine der folgenden Methoden aus:
- Portal
- REST-API
1. Wechseln Sie zur Seite "Inhaltsverständniseinstellungen".
2. Wählen Sie oben links die Schaltfläche "+Ressource hinzufügen " aus.
3. Wählen Sie die Foundry-Ressource aus, die Sie verwenden möchten, und wählen Sie "Nächstes Speichern">aus.
  
  Stellen Sie sicher, dass das Kontrollkästchen "Automatische Bereitstellung für erforderliche Modelle aktivieren" aktiviert ist, wenn keine Standardeinstellungen verfügbar sind . Diese Auswahl stellt sicher, dass Ihre Ressource vollständig mit den erforderlichen GPT-4.1, GPT-4.1-miniund text-embedding-3-large Modellen eingerichtet ist. Für unterschiedliche vorkonfigurierte Analysegeräte sind unterschiedliche Modelle erforderlich.
Indem Sie diese Schritte ausführen, richten Sie eine Verbindung zwischen Inhaltsverständnis- und Foundry-Modellen in Ihrer Foundry-Ressource ein.
1. Erstellen Sie in der Foundry-Ressource Foundry-Modellbereitstellungen der GPT-4.1, GPT-4.1-mini und text-embedding-3-large Modelle. Ausführliche Informationen zum Bereitstellen dieser Modelle finden Sie unter Create model deployments in Microsoft Foundry portal. Unterschiedliche vorgefertigte Analysegeräte erfordern unterschiedliche Modelle, daher müssen Sie alle drei Bereitstellen.
2. Definieren Sie Standardmodellbereitstellungen auf Ressourcenebene. Bevor Sie den folgenden Befehl ausführen, nehmen Sie die folgenden cURL Änderungen an der HTTP-Anforderung vor:
  1. Ersetzen Sie {endpoint} und {key} durch die entsprechenden Werte aus Ihrer Foundry-Instanz im Azure-Portal.
  2. Ersetzen Sie {myGPT41Deployment}, {myGPT41MiniDeployment} und {myEmbeddingDeployment} durch Ihre tatsächlichen Modellbereitstellungsnamen aus Ihrer Foundry-Ressource.
```
curl -i -X PATCH "{endpoint}/contentunderstanding/defaults?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d '{
        "modelDeployments": {
          "gpt-4.1": "{myGPT41Deployment}",
          "gpt-4.1-mini": "{myGPT41MiniDeployment}",
          "text-embedding-3-large": "{myEmbeddingDeployment}"
        }
      }'
```
cURL für Ihre Entwicklungsumgebung (für die Registerkarte REST-API) installiert.

Schritt 1: Erstellen eines einfachen Klassifizierers

Ein einfacher Klassifizierer kategorisiert Dokumente in benutzerdefinierte Inhaltskategorien. Sie definieren die Kategorien mit Namen und Beschreibungen, und der Dienst verwendet diese Definitionen, um Ihre Eingabedateien zu klassifizieren. Der enableSegment Parameter steuert, ob der Klassifizierer Mehrdokumentdateien in Segmente aufteilt oder die gesamte Datei als einzelnes Dokument behandelt.

Content Understanding Studio
REST-API

Wechseln Sie zum Portal "Content Understanding Studio ", und melden Sie sich mit Ihren Anmeldeinformationen an. Wenn Sie mit der klassischen Azure Dokumentintelligenz in Foundry Tools Studio vertraut sind, erweitert Inhaltsverständnis die gleiche Inhalts- und Feldextraktion über alle Modalitäten hinweg – Dokument, Bild, Video und Audio. Wählen Sie die Option aus, um die neue Content Understanding-Erfahrung auszuprobieren, um auf multimodale Funktionen zuzugreifen.

Erstellen eines Klassifiziererprojekts

Beginnen Sie mit einem neuen Projekt: Wählen Sie auf der Startseite " Projekt erstellen" aus.
Wählen Sie Ihren Projekttyp aus: Wählen Sie die gewünschte Option Classify and route with custom categories.
Laden Sie Ihre Daten hoch: Laden Sie ein Stück Beispieldaten hoch, um mit der Klassifizierung zu beginnen.
Routingregeln erstellen: Wählen Sie auf der Registerkarte " Routingregeln " die Option Add categoryaus. Geben Sie der Kategorie einen Namen und eine Beschreibung. Für einen einfachen Klassifizierer können Sie die Zuweisung eines bestimmten Analyzers zu jeder Kategorie überspringen.
Testen Sie Ihren Klassifizierungsworkflow: Wenn Ihre benutzerdefinierten Routingregeln testbereit sind, wählen Sie "Analyse ausführen" aus, um die Ausgabe der Regeln für Ihre Daten anzuzeigen.
Erstellen Sie Ihre Klassifizierungsanalyse: Wenn Sie mit der Ausgabe zufrieden sind, wählen Sie oben auf der Seite die Schaltfläche " Analyse erstellen " aus. Geben Sie der Analyse einen Namen, und wählen Sie "Speichern" aus.

Ersetzen Sie vor dem Ausführen eines der folgenden cURL-Befehle {endpoint} und {key} durch die entsprechenden Werte aus Ihrer Foundry-Instanz im Azure Portal.

Definieren des Klassifizierers

Definieren Sie contentCategories innerhalb der Analysekonfiguration. Jede Kategorie enthält einen Namen und eine Beschreibung, die der Dienst zum Klassifizieren Ihrer Eingabedateien verwendet.

Erstellen Sie eine JSON-Datei namens classifier.json mit dem folgenden Inhalt:

{
  "baseAnalyzerId": "prebuilt-document",
  "description": "Custom classifier for document categorization",
  "config": {
    "returnDetails": true,
    "enableSegment": true,
    "contentCategories": {
      "Loan application": {
        "description": "Documents submitted by individuals or businesses to request funding, typically including personal or business details, financial history, loan amount, purpose, and supporting documentation."
      },
      "Invoice": {
        "description": "Billing documents issued by sellers or service providers to request payment for goods or services, detailing items, prices, taxes, totals, and payment terms."
      },
      "Bank_Statement": {
        "description": "Official statements issued by banks that summarize account activity over a period, including deposits, withdrawals, fees, and balances."
      }
    }
  },
  "models": {"completion": "gpt-4.1"}
}

Die wichtigsten Felder in dieser Definition sind:

Feld	Beschreibung
`baseAnalyzerId`	Der vorgefertigte Analysator, der erweitert werden soll. Verwenden Sie `prebuilt-document` für die Dokumentklassifizierung.
`contentCategories`	Ein Wörterbuch mit bis zu 200 Kategorienamen und Beschreibungen.
`enableSegment`	Wenn `true` automatisch verschiedene Dokumenttypen innerhalb einer Datei aufteilt und klassifiziert. Wenn `false`, behandelt die gesamte Datei als einzelnes Dokument.

Erstellen des Klassifizierers

Verwenden Sie eine PUT Anforderung zum Erstellen der Klassifiziereranalyse.

curl -i -X PUT "{endpoint}/contentunderstanding/analyzers/{classifierId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d @classifier.json

Die 201 Created Antwort enthält einen Operation-Location Header mit einer URL, mit der Sie den Status des asynchronen Erstellungsvorgangs nachverfolgen können.

201 Created
Operation-Location: {endpoint}/contentunderstanding/analyzers/{classifierId}/operations/{operationId}?api-version=2025-11-01

Nach Abschluss des Vorgangs wird ein HTTP-GET für die Url des Vorgangsspeicherorts zurückgegeben "status": "succeeded".

curl -i -X GET "{endpoint}/contentunderstanding/analyzers/{classifierId}/operations/{operationId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}"

Referenz: Content Analyzers – Erstellen oder Ersetzen

Klassifizieren eines Dokuments

Übermitteln Sie ein Dokument für die Klassifizierung mithilfe des :analyze Endpunkts. Ersetzen Sie {classifierId} durch den Namen des Klassifizierers, den Sie erstellt haben.

curl -i -X POST "{endpoint}/contentunderstanding/analyzers/{classifierId}:analyze?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d '{
        "inputs": [
          {
            "url": "https://github.com/Azure-Samples/azure-ai-content-understanding-python/raw/refs/heads/main/data/mixed_financial_docs.pdf"
          }
        ]
      }'

Die Antwort enthält einen Operation-Location Header. Verwenden Sie diese URL, um die Analyseergebnisse abzurufen.

Abrufen von Klassifizierungsergebnissen

curl -i -X GET "{Operation-Location}" \
  -H "Ocp-Apim-Subscription-Key: {key}"

Eine erfolgreiche Antwort gibt "status": "Succeeded" zurück, wobei die Klassifizierungsergebnisse im result Objekt enthalten sind. Jedes Segment enthält ein category, startPageNumber, und endPageNumber.

Referenz: Analyseergebnisse - Abrufen

Bereinigen

Löschen Sie den Klassifizierer, wenn Sie fertig sind.

curl -i -X DELETE "{endpoint}/contentunderstanding/analyzers/{classifierId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}"

Schritt 2: Klassifizieren und Weiterleiten mit benutzerdefinierten Analysegeräten

Um über die grundlegende Klassifizierung hinauszugehen, können Sie jede Kategorie an einen bestimmten Analyseanalysator für die Feldextraktion weiterleiten. Dieser Ansatz kombiniert die Klassifizierung mit der Datenextraktion in einer einzigen Pipeline: Der Klassifizierer identifiziert den Dokumenttyp und leitet ihn dann an den richtigen Analyzer weiter, wodurch Felder extrahiert werden, die auf diese Kategorie zugeschnitten sind.

Content Understanding Studio
REST-API

Um Ihre Daten erfolgreich weiterzuleiten, erstellen Sie benutzerdefinierte Analysegeräte für jede Kategorie. Weitere Informationen zum Erstellen von benutzerdefinierten Analyzern finden Sie unter Erstellen und Verbessern der benutzerdefinierten Analyse in Content Understanding Studio.

Erstellen Sie zuerst benutzerdefinierte Analyzer: Erstellen Sie benutzerdefinierte Analyzer für jeden Dokumenttyp, den Sie weiterleiten möchten. Erstellen Sie z. B. einen benutzerdefinierten Analyzer für Kreditanwendungen mit einem Feldextraktionsschema, das für diesen Dokumenttyp spezifisch ist.
Erstellen oder Aktualisieren von Routingregeln: Wählen Sie auf der Registerkarte " Routingregeln " die Option Add categoryaus. Geben Sie der Kategorie einen Namen und eine Beschreibung, und wählen Sie einen Analyzer aus, der dieser Route entspricht. Mit dem Tool können Sie eine Vorschau des Schemas für jede Analyse anzeigen, um sicherzustellen, dass Sie über das richtige Schema verfügen.
Testen Sie Ihren Klassifizierungsworkflow: Wählen Sie "Analyse ausführen" aus, um die Ausgabe der Regeln für Ihre Daten anzuzeigen. Sie können zusätzliche Beispieldaten für Tests hochladen, um zu sehen, wie sie mit mehreren verschiedenen Regeln funktioniert.
Erstellen Sie Ihre Klassifizierungsanalyse: Wenn Sie mit der Ausgabe zufrieden sind, wählen Sie oben auf der Seite die Schaltfläche " Analyse erstellen " aus. Geben Sie der Analyse einen Namen, und wählen Sie "Speichern" aus.
Verwenden Sie Ihren Klassifizierungsanalysesanalysator: Jetzt verfügen Sie über einen Analyseendpunkt, den Sie in Ihrer eigenen Anwendung über die REST-API verwenden können.

Erstellen eines benutzerdefinierten Analyzers für eine Kategorie

Erstellen Sie zunächst einen benutzerdefinierten Analyzer, der Felder extrahiert, die für eine Dokumentkategorie spezifisch sind. In diesem Beispiel wird eine Kreditanwendungsanalyse mit Feldextraktion definiert.

Erstellen Sie eine JSON-Datei namens loan-analyzer.json mit dem folgenden Inhalt:

{
  "baseAnalyzerId": "prebuilt-document",
  "description": "Loan application analyzer - extracts key information from loan applications",
  "config": {
    "returnDetails": true,
    "enableLayout": true,
    "enableFormula": false,
    "estimateFieldSourceAndConfidence": true
  },
  "fieldSchema": {
    "fields": {
      "ApplicationDate": {
        "type": "date",
        "method": "generate",
        "description": "The date when the loan application was submitted."
      },
      "ApplicantName": {
        "type": "string",
        "method": "generate",
        "description": "Full name of the loan applicant or company."
      },
      "LoanAmountRequested": {
        "type": "number",
        "method": "generate",
        "description": "The total loan amount requested by the applicant."
      },
      "LoanPurpose": {
        "type": "string",
        "method": "generate",
        "description": "The stated purpose or reason for the loan."
      },
      "Summary": {
        "type": "string",
        "method": "generate",
        "description": "A brief summary overview of the loan application details."
      }
    }
  },
  "models": {"completion": "gpt-4.1"}
}

Erstellen Sie den benutzerdefinierten Analyzer mit einer PUT Anforderung:

curl -i -X PUT "{endpoint}/contentunderstanding/analyzers/{loanAnalyzerId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d @loan-analyzer.json

Rufen Sie die Operation-Location URL aus dem Antwortheader ab, bis der Status lautet "succeeded".

Referenz: Content Analyzers – Erstellen oder Ersetzen

Definieren des erweiterten Klassifizierers mit Routing

Erstellen Sie einen Klassifizierer, der jede Kategorie an eine bestimmte Analyse weitergibt. Verwenden Sie das analyzerId Feld in jeder Kategorie, um auf die Analyse zu verweisen, die diese Kategorie behandelt.

Erstellen Sie eine JSON-Datei enhanced-classifier.json mit dem folgenden Inhalt. Ersetzen Sie {loanAnalyzerId} durch die Analyzer-ID, die Sie im vorherigen Schritt verwendet haben.

{
  "baseAnalyzerId": "prebuilt-document",
  "description": "Enhanced classifier with custom loan analyzer",
  "config": {
    "returnDetails": true,
    "enableSegment": true,
    "contentCategories": {
      "Loan application": {
        "description": "Documents submitted by individuals or businesses to request funding, typically including personal or business details, financial history, loan amount, purpose, and supporting documentation.",
        "analyzerId": "{loanAnalyzerId}"
      },
      "Invoice": {
        "description": "Billing documents issued by sellers or service providers to request payment for goods or services, detailing items, prices, taxes, totals, and payment terms."
      },
      "Bank_Statement": {
        "description": "Official statements issued by banks that summarize account activity over a period, including deposits, withdrawals, fees, and balances."
      }
    }
  },
  "models": {"completion": "gpt-4.1"}
}

Der Hauptunterschied zu einem grundlegenden Klassifizierer ist die analyzerId Eigenschaft in der Loan application Kategorie. Dadurch wird der Dienst aufgefordert, Dokumente, die als Kreditanträge klassifiziert wurden, über den benutzerdefinierten Analyzer zur Feldextraktion weiterzuleiten. Kategorien ohne Eine analyzerId werden klassifiziert, aber nicht an einen bestimmten Analyzer weitergeleitet.

Erstellen des erweiterten Klassifizierers

curl -i -X PUT "{endpoint}/contentunderstanding/analyzers/{enhancedClassifierId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d @enhanced-classifier.json

Rufen Sie die Operation-Location URL aus dem Antwortheader ab, bis der Status lautet "succeeded".

Analysieren eines Dokuments mit dem erweiterten Klassifizierer

curl -i -X POST "{endpoint}/contentunderstanding/analyzers/{enhancedClassifierId}:analyze?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}" \
  -H "Content-Type: application/json" \
  -d '{
        "inputs": [
          {
            "url": "https://github.com/Azure-Samples/azure-ai-content-understanding-python/raw/refs/heads/main/data/mixed_financial_docs.pdf"
          }
        ]
      }'

Abrufen erweiterter Klassifizierungsergebnisse

Verwenden Sie die Operation-Location URL aus dem Antwortheader, um die Ergebnisse abzurufen.

curl -i -X GET "{Operation-Location}" \
  -H "Ocp-Apim-Subscription-Key: {key}"

Eine erfolgreiche Antwort enthält "status": "Succeeded" mit Klassifizierungsergebnissen und extrahierten Feldern. Dokumente, die an die benutzerdefinierte Kreditanalyse weitergeleitet werden, enthalten extrahierte Feldwerte wie ApplicantName, LoanAmountRequestedund LoanPurpose im fields Objekt für dieses Segment.

Referenz: Analyseergebnisse - Abrufen

Bereinigen

Löschen Sie die Analysatoren, wenn Sie fertig sind.

curl -i -X DELETE "{endpoint}/contentunderstanding/analyzers/{enhancedClassifierId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}"

curl -i -X DELETE "{endpoint}/contentunderstanding/analyzers/{loanAnalyzerId}?api-version=2025-11-01" \
  -H "Ocp-Apim-Subscription-Key: {key}"

Tipp

Ein vollständiges End-to-End-Python-Notizbuch finden Sie im Klassifiziererbeispiel auf GitHub.

Nächste Schritte

Erfahren Sie mehr über Best-Methoden für Azure Inhaltsverständnis in Foundry Tools.
Folgen Sie dem Lernprogramm, um eine benutzerdefinierte Analyse mit REST-APIs zu erstellen.
Erkunden Sie Klassifiziererkonzepte für erweiterte Szenarien.

Feedback

War diese Seite hilfreich?

Last updated on 2026-04-21