So nutzen Sie die benutzerdefinierte Spaltenextraktion:
Nur die Daten, die Sie brauchen, nicht die ganze Seite
Die meisten Dokumentextraktions-Tools arbeiten wie ein Textkopierer: Sie scannen die Seite und werfen alles Gefundene in eine Tabelle. Wenn Sie drei Felder aus einem Auftrag brauchen – Auftragsnummer, Lieferantenname und Gesamtsumme – erhalten Sie alle 47 Textstrings der Seite und müssen dann manuell die drei gewünschten heraussuchen. Die benutzerdefinierte Spaltenextraktion kehrt diese Logik um. Sie sagen der KI zuerst, was Sie wollen, und sie liefert nur das.
Warum „Alles extrahieren“ der falsche Ansatz ist
Herkömmliche OCR beantwortet eine Frage: „Welcher Text steht auf dieser Seite?“ Sie wandelt ein Dokumentenbild in einen Strom maschinenlesbarer Zeichen um – jedes Wort, jede Zahl, jedes störende Wasserzeichen und jede Seitenzahl. Bei einer einseitigen Rechnung können das 50 bis 80 einzelne Textstrings sein, die unstrukturiert und ohne Beschriftung in eine Tabelle gekippt werden. Ihre Aufgabe ist dann: Lesen Sie die Ausgabe, identifizieren Sie, welcher Textstring die Rechnungsnummer, welcher das Datum und welcher die Summe ist, und kopieren Sie diese in Ihre eigentliche Arbeitstabelle.
Deshalb ist „OCR für den gesamten Text“ selten die richtige Lösung für die Verarbeitung von Geschäftsdokumenten. Sie brauchen fast nie jedes Textelement eines Dokuments. Sie brauchen fünf bis zehn bestimmte Felder. Der Rest ist Rauschen – und die Zeit, die Sie mit dem Herausfiltern dieses Rauschens verbringen, ist genau die Zeit, die Sie durch die Automatisierung sparen wollten.
Die benutzerdefinierte Spaltenextraktion geht vom anderen Ende aus. Statt alles zu extrahieren und nachträglich zu filtern, definieren Sie Ihre Spalten im Voraus. Die KI liest das Dokument mit Ihren Zielfeldern als Linse – sie sucht nach der Bestellnummer, dem Lieferantennamen und der Summe und ignoriert alles andere. Die Ausgabe ist genau die Tabelle, die Sie wollten, mit genau den Spalten, die Sie benannt haben.
Die Kernaussage: Die Extraktionsgenauigkeit steigt, wenn das Ziel eingegrenzt wird. Eine KI, die aufgefordert wird, „den gesamten Text zu finden und zu extrahieren“, hat keinen Priorisierungsmechanismus – jeder Textstring auf der Seite wird gleich behandelt. Eine KI, die aufgefordert wird, „die Bestellnummer, den Lieferantennamen und den Bestellbetrag zu finden“, kann ihre Aufmerksamkeit auf die Lokalisierung dieser spezifischen Werte konzentrieren, indem sie semantische Hinweise („Wie sieht eine Bestellnummer aus?“) und Kontext („Wo steht normalerweise die Summe?“) nutzt, um die Präzision zu verbessern. Spezifität ist Genauigkeit.
Spaltennamen sind Anweisungen: Eine Namensstrategie
Die von Ihnen eingegebenen Spaltennamen sind der primäre Kommunikationskanal zwischen Ihnen und der KI. Ein gut geschriebener Spaltenname ist eine präzise Anweisung – er sagt der KI genau, nach welcher Art von Wert sie suchen und wie sie ihn formatieren soll. Ein vager Spaltenname ("Betrag") gibt der KI zu wenig Orientierung. Ein guter Spaltenname ("Bestellsumme" oder "Rechnungsbetrag") grenzt die Suche ein und erhöht die Wahrscheinlichkeit, beim ersten Versuch die richtige Zahl zu erhalten.
Hier sind die Namensprinzipien, die die genauesten Extraktionsergebnisse liefern:
| Prinzip | Gut | Besser | Warum |
|---|---|---|---|
| Seien Sie spezifisch bezüglich der Entität | Nummer | Bestellnummer | "Nummer" könnte alles sein – Rechnungsnummer, Positionsnummer, Referenznummer. "Bestellnummer" sagt der KI genau, welche Nummer zu finden ist. |
| Geben Sie Kontext zu Position oder Rolle an | Datum | Rechnungsdatum | Ein Dokument kann mehrere Daten enthalten (Ausstellungsdatum, Fälligkeitsdatum, Lieferdatum). Die Angabe des genauen Datums vermeidet Unklarheiten. |
| Verwenden Sie beschreibende Qualifikatoren | Adresse | Lieferadresse | Rechnungen und Bestellungen haben oft sowohl Rechnungs- als auch Lieferadressen. Die Angabe des Typs verhindert Verwechslungen. |
| Geben Sie das gewünschte Format an | Betrag | Gesamtbetrag (Zahl) | Durch das Anhängen von "(Zahl)" signalisiert die KI, nur den numerischen Wert zu extrahieren und Währungssymbole zu entfernen. |
| Verwenden Sie gängige Dokumententerminologie | Kunde | Firmenname des Käufers | Verwenden Sie die Sprache, die tatsächlich in Ihren Dokumenten vorkommt. "Käufer" ist in Bestellungen üblich; "Kunde" ist in Rechnungen üblich. |
Sie müssen keiner starren Namenskonvention folgen – die KI versteht natürliche Sprache. „Fälligkeitsdatum“ und „Zahlungsfälligkeit“ funktionieren beide. Je präziser Sie jedoch sind, desto weniger Mehrdeutigkeit muss die KI auflösen, und desto höher ist Ihre Extraktionsgenauigkeit.
Drei reale Extraktionsszenarien
Derselbe benutzerdefinierte Spaltenmechanismus passt sich sehr unterschiedlichen Dokumenttypen und Arbeitsabläufen an. Hier sind drei gängige Szenarien, jedes mit einer anderen Strategie zur Spalteneinrichtung.
Szenario 1: Rechnungsverarbeitung
Was Sie benötigen: Rechnungsnummer, Rechnungsdatum, Fälligkeitsdatum, Lieferantenname, Zwischensumme, Steuerbetrag, Gesamtbetrag, Währung. Diese acht Felder erscheinen auf fast jeder Rechnung, unabhängig von Format oder Layout.
Spalteneinrichtung: Geben Sie die Feldnamen genau wie oben aufgeführt ein. Fügen Sie bei mehrseitigen Rechnungen mit Positionen Spalten für „Artikelbeschreibung“, „Menge“, „Einzelpreis“ und „Positionsgesamtbetrag“ hinzu. Jede Position wird zu einer Zeile in der Ausgabe, wobei die Rechnungskopffelder (Nummer, Datum, Lieferant) in jeder Zeile für diese Rechnung wiederholt werden – so können Sie einfach nach Lieferant filtern und summieren.
Stapeltipp: Wenn Sie Rechnungen von mehreren Lieferanten gleichzeitig verarbeiten (z. B. Monatsabschluss Kreditorenbuchhaltung), können Sie alle Rechnungen in einem einzigen Stapel hochladen. Die KI extrahiert aus jeder Rechnung unabhängig und führt die Ergebnisse in einer Tabelle mit einheitlichen Spalten über alle Zeilen hinweg zusammen.
Szenario 2: Bestellverarbeitung
Was Sie benötigen: Bestellnummer, Ausstellungsdatum, Lieferantenname, Artikelcode, Artikelbeschreibung, Bestellmenge, Einzelpreis, Positionsgesamtbetrag, Gewünschtes Lieferdatum. Diese Felder decken sowohl den Bestellkopf als auch die Positionsdetails in einem Durchgang ab.
Spaltenaufbaustrategie: Bestellungen sind tabellenlastiger als Rechnungen. Fügen Sie alle benötigten Positionsspalten – Artikelcode, Beschreibung, Menge, Einzelpreis, Positionssumme – in dieselbe Spaltenliste wie die Kopfzeilenfelder ein. Die KI versteht, dass Kopfzeilenfelder (Bestellnummer, Lieferantenname) für das gesamte Dokument gelten, und wiederholt sie für jede Positionszeile, während sich Positionsfelder innerhalb der Tabelle pro Zeile unterscheiden.
Mehrseitenverarbeitung: Bei Bestellungen, die sich über mehrere Seiten erstrecken und auf jeder Seite wiederholte Spaltenüberschriften aufweisen, erkennt die KI die wiederholten Überschriften und schließt sie aus der Ausgabe aus. Eine 10-seitige Bestellung mit 200 Positionen erzeugt 200 Datenzeilen, nicht 10 separate Tabellen, die manuell zusammengeführt werden müssen.
Szenario 3: Angebotsvergleich von Lieferanten
Was Sie benötigen: Lieferantenname, Artikelbeschreibung, Menge, Einzelpreis, Positionssumme, Lieferzeit (Tage), Zahlungsbedingungen, Währung. Laden Sie Angebote von fünf verschiedenen Lieferanten in einem Batch hoch, und die KI extrahiert alle mit denselben Spaltendefinitionen – unabhängig davon, wie unterschiedlich die einzelnen Lieferanten ihre Angebote formatieren.
Hauptvorteil: Verschiedene Lieferanten verwenden möglicherweise unterschiedliche Bezeichnungen für dieselben Informationen. Einer nennt es „SKU", ein anderer „Teilenummer", ein dritter „Artikelcode". Das semantische Verständnis der KI ordnet alle drei Ihrer Spalte „Artikelcode" zu, ohne dass Sie Synonyme oder lieferantenspezifische Zuordnungen konfigurieren müssen.
Dateien werden sicher verarbeitet und nicht gespeichert.
Als Vorlage speichern: Einmal einrichten, dauerhaft nutzen
Haben Sie einen Spaltensatz definiert, der für einen bestimmten Dokumenttyp gut funktioniert – etwa Ihre Standard-Rechnungsextraktionsspalten –, können Sie ihn als Vorlage speichern. Beim nächsten Verarbeiten von Rechnungen laden Sie die Vorlage mit einem Klick, statt alle acht Spaltennamen neu einzutippen.
Hier zahlt sich der einmalige Einrichtungsaufwand kontinuierlich aus. Das Einrichten Ihrer Rechnungsspalten dauert beim ersten Mal zwei Minuten. Jeder weitere Rechnungsstapel – ob fünf oder fünfzig – beginnt mit diesen vorausgefüllten Spalten. Sie laden die Dateien hoch, die KI verarbeitet sie anhand Ihrer gespeicherten Vorlage, und Sie erhalten jedes Mal eine konsistent strukturierte Tabelle.
Vorlagen sorgen auch für Konsistenz im Team. Wenn mehrere Personen in Ihrem Team Dokumente verarbeiten, stellt die gemeinsame Nutzung derselben Vorlage sicher, dass die Ausgabe aller identische Spalten in identischer Reihenfolge enthält – keine Abweichungen bei Feldnamen, keine fehlenden Spalten, kein Formatierungsdrift im Laufe der Zeit.
Häufig gestellte Fragen
Wie viele Spalten sollte ich definieren – gibt es ein Limit?
Es gibt kein festes Limit, aber ein praktisches. Bis zu etwa 15–20 Spalten ist die Extraktion durchgängig zuverlässig. Darüber hinaus erfasst man Randfelder, die nicht in jedem Dokument vorkommen. Ein fokussierter Spaltensatz von 5–12 gut benannten Feldern liefert fast immer bessere Ergebnisse als eine erschöpfende Liste mit 30 Spalten, da die KI jedem Feld mehr Aufmerksamkeit widmen kann. Wenn Sie viele Felder benötigen, sollten Sie zwei Durchläufe in Betracht ziehen: Kerndaten im ersten, ergänzende Felder im zweiten.
Was passiert, wenn ein Feld in einem bestimmten Dokument nicht vorhanden ist?
Die Zelle bleibt leer. Enthält Ihr Spaltensatz beispielsweise „Steuerbetrag“, eines Ihrer Dokumente jedoch keine Steuer (häufig bei innergemeinschaftlichen B2B-Rechnungen oder Exportdokumenten), bleibt die entsprechende Zelle in Ihrer Ausgabe einfach leer. Die Tabelle bleibt strukturell konsistent – alle Zeilen haben dieselben Spalten –, aber Werte werden nur dort eingetragen, wo die KI sie im Dokument gefunden hat.
Kann ich verschiedene Dokumenttypen in einem Batch mischen?
Ja, aber nur, wenn Ihr Spaltensatz für alle Dokumenttypen im Batch sinnvoll ist. Laden Sie Rechnungen, Bestellungen und Belege zusammen mit Spalten wie „Rechnungsnummer / Bestellnummer / Belegnummer“ hoch, versucht die KI, jedes Feld in jedem Dokument zu finden. Dokumente ohne ein bestimmtes Feld erhalten leere Zellen in dieser Spalte. Für beste Ergebnisse bündeln Sie Dokumente desselben Typs – alle Rechnungen in einem Batch, alle Bestellungen in einem anderen. So bleiben Ihre Spaltendefinitionen fokussiert und Ihre Ausgabe sauber.
Wie genau ist es im Vergleich zur manuellen Dateneingabe?
Bei gedruckten, gut formatierten Dokumenten liegt die Genauigkeit auf Feldebene bei über 90 % – das heißt, 9 von 10 Werten werden beim ersten Durchlauf korrekt extrahiert. Das schneidet im Vergleich zur manuellen Dateneingabe gut ab, die laut Datenqualitätsforschung eine inhärente Fehlerrate von 1–3 % pro Tastendruck aufweist. Der Unterschied besteht darin, dass KI-Fehler tendenziell vorhersehbar sind (Verwechslung ähnlicher Feldnamen, Fehlinterpretation von Text mit niedriger Auflösung), während menschliche Fehler zufällig sind (Tippfehler, Vertauschungen, übersprungene Zeilen). Ein kurzer Blick auf die KI-Ausgabe deckt die meisten Probleme auf; das Auffinden eigener manueller Eingabefehler erfordert einen zeilenweisen Abgleich mit dem Quelldokument – was genauso lange dauert wie die ursprüngliche Eingabe.
Kann die KI Kontrollkästchen, Stempel und Unterschriften verarbeiten?
Ja – Sie können dafür Spalten definieren. Verwenden Sie beschreibende Namen wie „Genehmigungs-Kontrollkästchen (Aktiviert/Deaktiviert)“, „Firmenstempel vorhanden (Ja/Nein)“ oder „Autorisierte Unterschrift vorhanden (Ja/Nein)“. Die KI identifiziert diese visuellen Elemente und gibt den entsprechenden Status zurück. Bei Unterschriften lautet die Ausgabe in der Regel „Vorhanden“ oder „Nicht vorhanden“ – es wird die Existenz geprüft, nicht die Identität.