ProveNN

Die Beschreibung besagt, dass ProveNN:

• Verifiziert, dass eine für die Erstattung von Ausgaben eingereichte Rechnung seit ihrer Ausgabe nicht verändert wurde.
• Hashed jede Rechnung mit SHA-256 und stempelt sie bei der Erstellung mit einem eindeutigen Referenzcode und QR-Code.
• Wenn ein Mitarbeiter die Rechnung einreicht, extrahiert die Plattform den Referenzcode, berechnet den Hash neu und meldet Übereinstimmung, Nichtübereinstimmung oder nicht gefunden.
• Ermöglicht es Unternehmensadministratoren, Einreichungen unabhängig vom automatisierten Ergebnis zu genehmigen oder abzulehnen.
• Exportiert genehmigte Rechnungen in Excel für die Erstattungsverarbeitung.
• Bietet eine Cross-Tenant-Ansicht für Plattformbetreiber, ohne die Daten eines Unternehmens einem anderen preiszugeben.

Schlussfolgerung Das System ist um die kryptografische Verifizierung als Kernfunktion aufgebaut, nicht als Teil einer umfassenderen Ausgabenverwaltungssuite. Es konzentriert sich auf die Erkennung von Dokumentenmanipulation, anstatt diese zu verhindern oder den gesamten Erstattungsworkflow zu verwalten.

Die Beschreibung besagt:

• Die Plattform zielt darauf ab, eine Lücke in den aktuellen Praktiken zur Bekämpfung von Ausgabenbetrug zu schließen, bei der Unternehmen immer noch auf manuelle menschliche Überprüfung angewiesen sind.
• Betrug bei der Erstattung von Ausgaben wird als messbare Kosten beschrieben, mit medianen Verlusten von 50.000 $ pro Vorfall.
• Es wird als sofortige und automatische Lösung zur Verifizierung der Dokumentintegrität positioniert.

Schlussfolgerung Die Positionierung konzentriert sich auf die Lösung eines spezifischen Problems – Dokumentenmanipulation bei der Erstattung von Ausgaben – anstatt ein vollständiges Suite von Ausgabenverwaltungswerkzeugen anzubieten. Die Autoren betonen, dass das System nicht darauf abzielt, menschliche Entscheidungsfindung zu ersetzen, sondern die Verifizierung zu automatisieren.

Die Beschreibung besagt:

• ProveNN ist für Unternehmen gedacht, die Erstattungen von Ausgaben verarbeiten.
• Es richtet sich an Mitarbeiter, die Rechnungen einreichen, und an Unternehmensadministratoren, die Einreichungen prüfen.
• Ein separates Plattformkonsolensystem ermöglicht es Betreibern (Plattformadministratoren), die Nutzung über Partner oder Unternehmen hinweg zu überwachen.

Schlussfolgerung Der Zielkunde scheint mittel- bis große Unternehmen mit formalisierten Prozessen für die Erstattung von Ausgaben zu sein. Das System ist für die Integration in bestehende Workflows konzipiert, nicht als eigenständiges Werkzeug.

Nicht belegt.

Die Beschreibung enthält keine Informationen über Preise, Lizenzierung, Monetarisierungsstrategie oder Geschäftsmodell.

Die Beschreibung besagt:

• Entwickelt mit Go (chi router), Next.js, TypeScript.
• Verwendet JWT für Plattformnutzer und API-Keys für SDK-Integrationen.
• PostgreSQL speichert strukturierte Daten; MinIO hält die ursprünglichen PDFs.
• Der Background-Worker stempelt den Referenzcode und den QR-Code mit pdfcpu und berechnet den Hash asynchron.
• Die Verifizierung dekodiert den QR-Code mit gozxing und fällt bei Bedarf auf eine Textsuche zurück.
• Exporte werden mit excelize erstellt.
• Instrumentiert mit Prometheus und Grafana.

Schlussfolgerung Die Architektur ist modular und basiert auf einer klaren Trennung der Zuständigkeiten. Sie verwendet Standardwerkzeuge für das Backend (Go), das Frontend (Next.js), die Speicherung (PostgreSQL, MinIO) und das Monitoring (Prometheus, Grafana). Das System ist von Anfang an für Skalierbarkeit und Observability konzipiert.

Nicht belegt.

Es gibt keine Belege für Umsatz, Kunden oder Adoption über den Hackathon hinaus. Die Autoren geben an, dass die kryptografische Kernverifizierung abgeschlossen und end-to-end getestet ist, jedoch wird keine reale Implementierung oder Nutzung erwähnt.

Nicht belegt.

Die Beschreibung liefert keine Informationen zu Wettbewerbern oder der Marktpositionierung im Vergleich zu bestehenden Lösungen zur Erkennung von Betrug bei der Erstattung von Ausgaben.

• Keine Belege für Traction: Das System wurde als Hackathon-Projekt entwickelt und wird nicht als in Produktion befindlich gemeldet.
• Ungeprüfte Aussagen: Die Beschreibung macht starke Aussagen zur Betrugsprävention, liefert jedoch keine Daten oder Validierung.
• Begrenzter Umfang: Die aktuelle Version unterstützt nur digital native PDFs, keine gescannten Belege oder OCR-basierte Verifizierung.
• Kein Preis- oder Monetarisierungsmodell: Es gibt keine Hinweise darauf, wie das Produkt monetarisiert werden soll.

1. Wurde ProveNN in einer realen Umgebung über den Hackathon hinaus getestet?
2. Welche spezifischen Anwendungsfälle oder Branchen gibt es, in denen dieses System implementiert wurde?
3. Gibt es bekannte Einschränkungen oder Sonderfälle im aktuellen Verifizierungsprozess (z. B. wie er legitime Neuprozessierungen handhabt)?
4. Wie handhabt die Plattform die Integration mit bestehenden Systemen zur Verwaltung von Ausgaben?
5. Gibt es Pläne, OCR für gescannte Belege zu unterstützen, und wie ist der Zeitplan für diese Funktion?
6. Welche Pläne gibt es für Monetarisierung und Kundenakquise?