Invoice Processor

Självhostad faktura-AI · on-prem eller i Azure

Få insyn i vad ni faktiskt köper

Mindcamp Invoice Processor läser och analyserar alla era inkommande fakturor, rad för rad, ända ner på artikelnivå. I stället för att bara se fakturans totalbelopp får ni insyn i varje enskild vara eller tjänst som köpts in.

Det gör det möjligt att analysera alla inköp i detalj och identifiera besparingsmöjligheter som annars är svåra att upptäcka. Allt körs säkert i er egen miljö — lokalt eller i ert Azure.

Inga tredjeparts AI-tjänster Inget AI i molnet On-prem / Azure Byggd för GDPR
TREDJEPARTS-AI ER MILJÖ · ER KONTROLL On-prem egen hårdvara eller Azure er tenant PDF-fakturor mapp · API AI-motor LM Studio · Qwen Databas + GUI SQL Server / SQLite
100%
verifierade rader i Processed — kvalitetsgrinden släpper inte igenom en faktura vars rader inte stämmer
100%
i er kontroll — on-prem eller i Azure
5
extraktionsmetoder: struktur → AI → vision
Full insyn
kategorisering per artikelrad, inte bara per faktura
1 klick
från siffra till originalfakturan

Förstå vad ni faktiskt betalar för

Från fakturor till bättre insikter och beslutsunderlag

Ert affärssystem visar fakturans totalbelopp. Men för att förstå vad pengarna faktiskt går till behöver ni kunna analysera artikelraderna — vad ni faktiskt köpte. Mindcamp Invoice Processor gör all er fakturadata sökbar, strukturerad och enkel att analysera: bättre underlag för uppföljning, spendanalyser, budgetering och avtalskontroll.

Insikter på radnivå

Följ prisutveckling per artikel över tid, analysera inköp och kostnader per kategori och leverantör, och upptäck avvikelser som inte syns när man bara tittar på fakturatotaler.

Byggd för GDPR

All data stannar i er egen miljö. AI-modellen, databasen och dokumenten körs lokalt eller i ert Azure, utan att information skickas vidare till externa AI-tjänster. Personuppgifter och personnummer kan maskeras automatiskt innan de lagras.

Självlärande

Systemet lär sig successivt av tidigare fakturor. Återkommande leverantörer, artiklar och kategorier känns igen automatiskt, vilket minskar behovet av manuell hantering.

Så fungerar det

Från PDF-faktura till verifierad och strukturerad fakturadata

När en faktura kommer in läses den in och analyseras automatiskt. Systemet använder flera metoder för att identifiera och extrahera artikelrader: strukturerade fakturor läses direkt, medan mer komplexa eller skannade dokument hanteras med AI och OCR. För att säkerställa kvaliteten kontrolleras resultatet alltid mot fakturans totalbelopp — stämmer det inte flaggas fakturan för granskning i stället för att felaktig information sparas. Målet är enkelt: ni ska kunna lita på den data som används för analys och rapportering.

PDF-faktura mapp · API PDFCache öppnas & läses en gång EXTRAKTIONS­KASKAD — FÖRSTA TRÄFFEN VINNER 1 Tabeller pdfplumber · rutnät strukturerad text 2 Koordinater ord-gruppering geometrisk layout 3 Sida 1-summa regex · millisekunder stora summa­fakturor 4 LLM-text AI egen modell chunkas vid många rader 5 Vision AI OCR för skannat miss miss miss miss AI:n läser raderna där strukturen inte räcker. Täta fakturor delas i flera anrop så alla rader kommer med. rader + leverantör & kategori Auto-korrigering fält-swap · moms · datum Checksumma rader = fakturans total? ±tolerans · moms-kandidater stämmer stämmer ej ✓ Processed verifierad kvalitet ✕ Avvisad till granskning (Avvisade-vyn) Manuell rättning belopp & rader → Processed Rad-kategori AI per artikelrad AI om okänd inlärda regler ersätter AI-anropet nästa gång — känd leverantör och känd artikel kostar noll
Grundprincipen: totaler finns redan i ERP — vi extraherar raderna, och totalen blir checksumman som bevisar att alla rader kom med. Bara fakturor som klarar grinden hamnar i Processed; övriga flaggas hellre än gissas — och kan rättas för hand mot originalet, med samma avstämning som grinden kräver. Efter grinden kategoriseras varje artikelrad — inlärda regler först, AI bara för beskrivningar systemet inte sett förut. Kredit-, skannade och fler­sidiga fakturor hanteras av samma flöde.
Kvalitetsgrind Verifierad → Processed Flaggad → Avvisad AI-anrop (egen modell) Inlärnings­loop (streckad)

Funktioner

Ett komplett arbetsflöde för fakturaanalys

All administration sker i ett webbaserat gränssnitt som körs i er egen miljö. Ingen inställning kräver omstart; kategorier, prompts och leverantörer redigeras direkt i gränssnittet.

Dashboard

Överblick i realtid

Få en snabb överblick över inkomna fakturor, spend, kategorifördelning och bearbetningsgrad.

Fakturor

Sök, granska och rätta

Sök, filtrera och granska fakturor på ett enkelt sätt.

  • Se alla artikelrader och kategorier
  • Redigera leverantörer och kategorier direkt i gränssnittet
  • Öppna originalfakturan med ett klick
Spend-analys

Förstå och analysera era inköp på djupet

Se hur kostnader fördelas över kategorier, leverantörer och tidsperioder.

  • Identifiera kostnadsdrivare
  • Följ trender över tid
  • Borra dig ner från analys till originalfaktura
Fråga datat (beta)

Få svar, grafer och PDF-länkar

Ställ frågor på svenska och få svar direkt från fakturadatat. Systemet översätter frågorna till SQL i bakgrunden medan databasen utför alla beräkningar.

Ladda upp

Drag & drop — eller via API

Fakturor kan skickas in på flera sätt:

  • Drag & drop i gränssnittet
  • Automatisk bevakning av en mapp
  • REST-API
  • Integration med andra system
Avvisade

Enkel hantering av avvikelser

Fakturor som inte kan verifieras samlas i en egen vy där de enkelt kan granskas och korrigeras, grupperbart per leverantör. Inget faller mellan stolarna.

Inställningar

Allt är konfigurerbart — utan utvecklare

Åtta flikar för databas, LLM, mappar, drift, validering, prompts, kategorier och leverantörer.

  • Redigerbara kostnadskategorier med kaskad-omdöpning
  • Radregler: sätt kategori för en rad, all matchande text, eller per leverantör
  • Hot-reload — ändringar slår igenom direkt
Watchdog

Systemet kör av sig själv

Systemet övervakar inkorg-mappen dygnet runt och sorterar automatiskt till Processed, Avvisade eller dubbletter. Bilagor hoppas över.

Ändra en gång, uppdatera överallt

Automatiska ändringar

Klicka på en rads kategori och bestäm hur långt ändringen ska nå: bara raden, alla rader med samma text, eller den textens rader hos just den leverantören. Systemet lär sig regeln och tillämpar den framåt.

  • ↳ Kaskad-omdöpning av en kategori slår igenom i hela databasen
  • ↳ Radregler följer leverantörsfilter med tydlig förhandsvisning
  • ↳ Inline-redigering av leverantör och kategori, drill-down till PDF
Pappershanddukar Z-vikt 2-lags
1 200 × 0,25 = 300,00
Förbrukning
Förbrukning
Bara denna rad Alla rader med samma text Samma text hos Procurator AB
Uppdaterar 47 matchande rader direkt

Fråga datat · beta

Prata med er fakturadata

Ställ frågor till vår chatbot — ingen SQL-kunskap krävs. Få svar med tabell, graf och en direktlänk till original-PDF:en. Rullande konversation: följ upp med “och bara 2025?” eller “sortera tvärtom”.

  • 🔒 Körs read-only i er miljö — data lämnar aldrig er kontroll
  • 🧮 Databasen räknar — modellen översätter bara språk till SQL
  • 🔎 Genererad SQL visas alltid — full transparens
Jag letar efter en faktura där vi köpt toner till en skrivare
Jag hittade en matchande faktura:
Fakturanr
L217562
Leverantör
Atea Sverige AB
Datum
2026-09-04
Beskrivning
HP 05A – svart – original – LaserJet – tonerkassett
Belopp
2 710 SEK
Öppna L217562.pdf
Visa genererad SQL
Hur mycket har vi lagt per kategori i år?
Spend per kategori, innevarande år: Exempeldata
Förbrukning1,24 Mkr
Läkemedel0,98 Mkr
IT & licenser0,64 Mkr
Städ0,42 Mkr
Transport0,31 Mkr
Visa genererad SQL

Spend-analys

Se vad ni faktiskt köper — i detalj

Aggregerad spend på radnivå — per kategori, leverantör och månad — med skydd mot dubbelräkning mellan faktura- och radnivå. Filtrera, borra ner och hitta avvikelserna.

  • ↳ Trend över tid, topplistor och kategorifördelning
  • ↳ Radnivå fångar det som fakturatotalerna i ERP:et döljer
  • ↳ Klicka på en stapel → fakturorna bakom → original-PDF
Spend-analys · månadstrend Exempeldata
4,2 Mkr
total spend
+8,1%
mot förra året
18
kategorier
jandec

Intelligensen

Ett system som blir bättre över tid

Ju fler fakturor som behandlas, desto bättre blir resultatet — systemet bygger sitt eget minne. Kända leverantörer och kategorier känns igen direkt, vilket både höjer träffsäkerheten och minskar antalet AI-anrop.

Leverantörsigenkänning

Återkommande leverantörer identifieras automatiskt även när fakturatexten varierar mellan olika dokument — trasiga namn ur OCR rättas via remap-regler, skräpdetektor och, som sista utväg, en visuell avläsning av sidhuvudet.

Smarta kategoriseringar

När en kategori korrigeras kan regeln återanvändas automatiskt på framtida fakturor. Välj om den gäller raden, all matchande text, eller bara den leverantören.

Återkommande kostnader

Abonnemang, serviceavtal och andra löpande kostnader identifieras och följs över tid — underlag för budget och avtalsuppföljning.

Arkitektur & säkerhet

Utvecklad för organisationer med många fakturor och höga krav

Två principer bär hela systemet: ingen data lämnar er kontroll, och en faktura sparas bara om raderna bevisligen stämmer. Resten är teknik för att hålla de löftena.

Självhostad drift

LLM, databas och filer i samma miljö som ni styr — on-prem eller er Azure-VM. En körtidskontroll kräver att AI-modellen körs lokalt — annars startar systemet inte.

Kör on-prem eller i ert Azure

Self-hostad på egen hårdvara — eller deployad i er egen Azure-miljö (er tenant, ert dataområde). AI:n körs alltid i er kontroll, aldrig via tredjeparts-AI.

Inleverans: mapp eller API

Fakturor kan läggas i en bevakad mapp eller skickas in via REST-API — båda finns i drift och går genom samma pipeline. Kör ni i Azure kan Blob Storage ta mappens plats, och hämtning direkt från fakturaoperatör eller ERP byggs som en integration.

PII & personnummer

Personnummer maskeras i flera lager före sparning. Skannade summafakturor läses utan att patientsidorna någonsin skickas till modellen.

Kvalitetsgrind, inte gissning

Rader måste summera till totalen (med moms-kandidater och tolerans). Klarar den inte det flaggas fakturan — den gissar hellre inte fram ett värde.

SQL Server eller SQLite

Samma kodbas kör mot kundens SQL Express i drift och SQLite för mindre installationer. Dialektmedveten hela vägen, inklusive Fråga datat.

Robust texthantering

Teckenkodning härdad mot verkligheten: homoglyfer och trasiga mellanslag i OCR normaliseras så inget kraschar databasskrivningen.

Enkel installation

Skriptad Windows-installation med databas-uppsättning. Uppdateringar är oftast bara git pull + omstart — inga migreringar.

Inga externa AI-kostnader

Ingen per-token-avgift, ingen molnprenumeration. Modellen körs i er egen miljö — noll rörlig AI-kostnad oavsett hur många fakturor ni processar.

Vanlig hårdvara räcker

Körs på en modern gaming-dator eller en Mac Mini. Ingen serverhall, ingen GPU-flotta, inga driftavtal.

Teknik

Python · FastAPI React · TypeScript · Vite LM Studio · Qwen (vision) pdfplumber · Poppler SQL Server / SQLite Watchdog REST-API On-prem / Azure

Se hur ni kan få full insyn i era inköp

Mindcamp Invoice Processor används idag i skarp drift inom svensk sjukvård, där kraven på säkerhet, spårbarhet och datakvalitet är höga. Boka en demo så visar vi hur lösningen fungerar och vilka möjligheter den kan skapa i er verksamhet.