So erhalten Sie saubere, präzise Ergebnisse
aus der KI-Dokumentenextraktion

Spaltennamen sind Anweisungen

Wenn Sie einen Spaltennamen in ein KI-Extraktionstool eingeben, beschriften Sie nicht nur eine Tabellenspalte – Sie sagen dem Modell, wonach es suchen, wie es es identifizieren und wie es das Ergebnis formatieren soll. Das Modell liest den Spaltennamen als Anweisung und wendet sie auf jedes Dokument im Batch an.

Das bedeutet: Ein vager Spaltenname liefert vage Ergebnisse. "Datum" auf einer Rechnung mit fünf verschiedenen Daten liefert das Datum, auf das das Modell zuerst stößt. Ein spezifischer Spaltenname liefert spezifische Ergebnisse: "Ausstellungsdatum (JJJJ-MM-TT)" sagt dem Modell, welches Datum es finden und wie es es formatieren soll.

Die acht Tipps unten zeigen die wichtigsten Methoden, wie Sie Spaltennamen für sich arbeiten lassen – von Formatkontrolle über Disambiguierung bis hin zu strukturellen Techniken, die stille Fehler bei der Batch-Verarbeitung verhindern.

Acht Tipps für bessere Extraktionsergebnisse

1. Formatvorgaben in den Spaltennamen einbetten

Statt "Datum" schreiben Sie "Datum (JJJJ-MM-TT)". Statt "Betrag" schreiben Sie "Betrag (nur Zahl, ohne Währungssymbol)". Das Modell liest den Spaltennamen sowohl als Feldkennung als auch als Formatierungsanweisung.

Das ist wichtig, weil verschiedene Quelldokumente denselben Wert unterschiedlich formatieren – „15. März 2024", „15.03.2024" und „2024-03-15" sind dasselbe Datum in drei Formaten. Wenn Sie die Spalte „Datum (JJJJ-MM-TT)" nennen, wird die Ausgabe für alle Dokumente im Batch auf ein einheitliches Format standardisiert – ohne Nachbearbeitung. Gleiches gilt für Beträge: „Gesamtbetrag (nur Zahlen, 2 Dezimalstellen)" entfernt Währungssymbole und Tausendertrennzeichen, sodass die Spalte ohne Bereinigung für numerische Operationen bereit ist.

2. Disambiguieren, wenn ein Dokument mehrere Instanzen desselben Feldtyps enthält

Ein Bestellschein hat ein Bestelldatum, ein Lieferdatum und ein Zahlungsfälligkeitsdatum. Wenn Sie nach „Datum" fragen, erhalten Sie das Datum, das das Modell zuerst findet. Fragen Sie stattdessen nach „Bestelldatum", „Lieferdatum" und „Fälligkeitsdatum" als drei separate Spalten – die Spezifität lenkt die Extraktion jedes Mal zum richtigen Wert.

Dies gilt gleichermaßen für Beträge (Rechnungssumme vs. Anzahlung vs. Restbetrag), Namen (Lieferant vs. Empfänger vs. Ansprechpartner) und Referenznummern (Bestellnummer vs. Rechnungsnummer vs. Sendungsnummer). Jeder Feldtyp, der mehrfach in einem Dokument vorkommen kann, benötigt einen disambiguierenden Namen.

3. Verwenden Sie natürliche Sprache für abgeleitete oder klassifizierte Felder

Sie müssen nicht wissen, wie ein Dokument ein Feld nennt – Sie können beschreiben, was Sie möchten. „Transaktionsart (Soll oder Haben)" funktioniert als Spaltenname, selbst wenn verschiedene Banken dasselbe Konzept als „Auszahlung/Einzahlung", „S/H" oder nur mit positiven/negativen Beträgen bezeichnen. Das Modell klassifiziert jede Transaktion basierend auf semantischem Verständnis, nicht auf einem Schlüsselwortabgleich mit dem Quelldokument.

Dies funktioniert auch für Bedingungsfelder: „Status (Bezahlt oder Unbezahlt, basierend auf Zahlungsstempel oder Bestätigungstext)" ist eine gültige Anweisung. Das Modell wertet das Dokument aus und wendet Ihre Klassifizierungslogik an – Sie sind nicht auf Felder beschränkt, die genau mit dieser Bezeichnung vorhanden sind.

4. Fügen Sie einen Beispielwert für mehrdeutige Spalten hinzu

Wenn ein Feldname allein auf verschiedene Weise interpretiert werden könnte, löst das Hinzufügen eines Beispielwerts in Klammern die Mehrdeutigkeit auf. Das Modell behandelt das Beispiel als Kalibrierungssignal – derselbe Mechanismus wie Few-Shot-Prompting in einem Sprachmodell-Prompt.

Drei Fälle, in denen dies durchweg hilft:

• Klassifizierungsfelder mit einer spezifischen Taxonomie: „Ausgabenkategorie (z. B. Miete, Nebenkosten, Gehälter, Reisen)" – die Beispielwerte definieren genau, welche Kategorien verwendet werden sollen, anstatt dass das Modell eigene erfindet. Ohne die Beispiele könnten zwei zu unterschiedlichen Zeiten verarbeitete Chargen inkonsistente Kategorienamen erzeugen.
• Formatverankerung bei inkonsistenten Quellen: „Telefon (z. B. +1-415-555-0123)" – wenn Dokumente aus verschiedenen Ländern oder Systemen unterschiedliche Formatierungskonventionen verwenden, legt ein Beispiel das Ausgabeformat fest, ohne dass eine explizite Formatierungsregel erforderlich ist.
• Unterscheidung zwischen ähnlichen Kennungen: „Bestellnummer (z. B. PO-2024-0892, nicht die Rechnungsnummer)" – bei Dokumenten mit mehreren Referenznummern schließt das Beispiel die falsche explizit aus.

Das Beispiel muss keine echten Daten enthalten – ein plausibler Beispielwert reicht aus. Es fungiert als Musterdemonstrator, nicht als Filter.

5. Verstehen Sie, wie Spaltenindizierung stille Fehler verhindert

Eine strukturelle Eigenschaft zuverlässiger KI-Extraktion: Jeder extrahierte Wert sollte mit seiner Spaltenindexnummer verknüpft sein, nicht nur mit seiner Position in einer kommagetrennten Zeichenkette. Das ist wichtiger, als es zunächst scheint.

Ohne explizite Spaltenindizierung führt ein fehlendes Feld zu einer stillen Spaltenverschiebung. Hat eine Zeile fünf Spalten, das Modell lässt aber Feld 3 aus, weil es in einem bestimmten Dokument fehlt, landen die Felder 4 und 5 in dieser Zeile in den falschen Spalten. Bei einem Stapel von 50 Dokumenten ist diese Fehlausrichtung schwer zu erkennen – Summen landen in Lieferantennamenspalten, Daten in Betragsspalten – bis die Zahlen nachgelagert nicht mehr aufgehen.

Bei indizierter Ausgabe (z. B. "1. 2024-03-15", "2. 1590,00", "3. ACME Supplies") trägt jeder Wert seine Spaltenidentität explizit. Ein fehlendes Feld erzeugt einen leeren Platzhalter am korrekten Index, anstatt nachfolgende Werte stillschweigend nach links zu verschieben. Jede Zeile behält die gleiche Struktur, unabhängig davon, wie viele Felder tatsächlich im Quelldokument vorhanden waren, und leere Zellen markieren korrekt fehlende Daten, anstatt benachbarte Spalten zu beschädigen.

Dies unterdrückt auch eine Klasse von Halluzinationsfehlern: Ohne die Indexbeschränkung könnte ein Modell ein fehlendes Feld mit einem plausibel klingenden benachbarten Wert füllen, anstatt es leer zu lassen. Explizite Indizierung macht „hier nichts gefunden“ zu einem gültigen, erkannten Ausgabezustand.

6. Bei unbekanntem Dokumententyp zuerst die Auto-Erkennung nutzen

Wenn Sie auf einen Dokumententyp stoßen, aus dem Sie noch nie extrahiert haben, laden Sie ihn hoch, ohne Spalten anzugeben. Das Modell analysiert die visuelle Struktur des Dokuments und erstellt eine erste Feldliste basierend auf dem, was es findet.

Nutzen Sie diese Ausgabe, um zu erkennen, welche Felder durchgängig vorhanden sind und wie das Quelldokument sie bezeichnet – und verfeinern Sie dann Ihre Spaltennamen für nachfolgende Batchläufe. Das ist schneller, als Spaltennamen zu erraten und leere Zellen zu durchforsten, um den tatsächlichen Inhalt des Dokuments zu ermitteln. Besonders nützlich ist dies bei unbekannten Layouts: Laborberichte eines neuen Krankenhaussystems, Kontoauszüge einer neu in Ihren Workflow aufgenommenen Bank oder das Rechnungsformat eines neuen Lieferanten.

7. Geben Sie explizit an, ob Sie eine Zeile pro Dokument oder eine Zeile pro Position wünschen

Eine Rechnung mit acht Positionen kann entweder eine Zeile (mit zusammengefassten oder verketteten Positionen) oder acht Zeilen (eine pro Position) ergeben. Die von Ihnen angegebenen Spaltennamen bestimmen, welches Verhalten eintritt.

Wenn Sie dokumentbezogene Spalten angeben – „Lieferantenname", „Rechnungsdatum", „Gesamtbetrag" – erhalten Sie eine Zeile pro Dokument. Wenn Sie positionsbezogene Spalten angeben – „Artikelbeschreibung", „Menge", „Einzelpreis", „Positionssumme" – erhalten Sie eine Zeile pro Position über alle Dokumente im Batch. Auch die Mischung beider Typen in einem Spaltensatz ist zulässig: Das Modell wiederholt dann die dokumentbezogenen Werte für jede Positionszeile und erzeugt so eine denormalisierte Tabelle, die sich in Excel leicht filtern und pivotieren lässt.

8. Fassen Sie Dokumente gleichen Typs in Batches zusammen

Wenn alle Dokumente in einem Batch dasselbe Spaltenschema verwenden, wird jedes Dokument zu einer Reihe von Zeilen in einer sauberen, zusammengeführten Tabelle. Das Mischen grundlegend verschiedener Dokumenttypen ohne eine unterscheidende Spalte führt zu Unklarheiten – der „Betrag" einer Rechnung und der „Betrag" eines Kontoauszugs bedeuten unterschiedliche Dinge und sind in der zusammengeführten Ausgabe nicht mehr unterscheidbar.

Wenn Sie verschiedene Dokumenttypen zusammenführen müssen, fügen Sie eine Spalte „Dokumenttyp“ oder „Quelle“ hinzu. Das Modell kann diese Informationen direkt aus jedem Dokument auslesen und automatisch ausfüllen – Sie müssen keine Datei manuell beschriften.

Vorher und Nachher: Vage vs. präzise Spaltennamen

Häufig gestellte Fragen