Eine koreanische Adresse und Bestelldaten
aus einem KakaoTalk-Chat-Screenshot auslesen

Was ein KakaoTalk-Bestell-Screenshot tatsächlich enthält

KakaoTalk ist Südkoreas dominierende Messaging-Plattform, die von mehr als 46 Millionen Menschen in einem Land mit 52 Millionen Einwohnern genutzt wird. Wenn ein koreanischer Kunde eine Bestellung bei einem kleinen Unternehmen aufgibt – ein Restaurant, das eine Großbestellung von Lebensmitteln aufgibt, ein Wiederverkäufer, der Schönheitsprodukte bestellt, ein Lieferant, der Rohstoffe bestätigt – findet die gesamte Transaktion normalerweise innerhalb von KakaoTalk statt. Der Kunde sendet seine Adresse, listet die gewünschten Artikel auf und bezahlt oft auch über KakaoPay, wodurch eine gestaltete Zahlungsbestätigungskarte generiert wird, die im selben Chat-Thread erscheint.

Ein einzelner Screenshot dieser Unterhaltung kann Folgendes enthalten:

• Einfache Text-Chat-Blasen mit der Adresse des Kunden auf Koreanisch, entweder im Straßennamensystem (도로명주소) oder im Grundstücksnummernsystem (지번주소)
• Bestelldetails – Produktnamen (상품명), Mengen (수량) und optional Preise sowie Sonderwünsche – alles in gesprochenem Koreanisch
• Eine KakaoPay-Zahlungskarte – eine optisch abgesetzte UI-Karte mit grünem Akzent, die den bezahlten Gesamtbetrag, den Händlernamen und ein Transaktionsstatus-Abzeichen anzeigt
• Eine KakaoMap-Standortfreigabe – eine Vorschaukarte mit einer Kartenminiaturansicht und Adresstext, wenn der Kunde seinen Standort über den integrierten Kartendienst der App teilt
• Visuelle Rahmenelemente – die Chatraum-Titelleiste mit dem Namen der anderen Person, das „KakaoTalk“-Branding, Zeitstempel, Lesebestätigungen und den Nachrichteneingabebereich

Jedes dieser Elemente hat ein anderes visuelles Format – einfacher Text, gestaltete Karte, Kartenminiaturansicht – doch die benötigten Daten (die Adresse und die Bestelldetails) ziehen sich durch alle hindurch. Ein herkömmliches OCR-Tool liest das gesamte Bild als einen Textblock und erzeugt eine rohe Zeichenfolge aus gemischtem Hangeul, Ziffern und UI-Beschriftungen, die Sie dann manuell durchsortieren müssen. Die Herausforderung besteht nicht darin, dass die Adresse schwer zu lesen ist – sie ist klar auf Koreanisch geschrieben. Die Herausforderung besteht darin, sie aus all den anderen Informationen auf dem Bildschirm herauszufiltern.

Das Problem der doppelten Adresse: 도로명주소 vs 지번주소

Südkorea ist eines der wenigen Länder der Welt, in dem zwei Adresssysteme nebeneinander existieren. Das offizielle System ist die Straßenname-Adresse (도로명주소, Doro-myeong-juso), die im Juli 2011 eingeführt und bis Januar 2014 vollständig übernommen wurde. In diesem System folgen Adressen einem logischen, straßenbasierten Format: Provinz oder Stadt → Bezirk → Straßenname → Gebäudenummer. Eine typische Straßenname-Adresse sieht so aus:

서울특별시 강남구 테헤란로 123
(Seoul, Gangnam-gu, Teheran-ro 123)

Aber die ältere Grundstücksnummer-Adresse (지번주소, Jibeon-juso) ist weiterhin weit verbreitet. Dieses System basiert auf Grundstücksparzellennummern statt auf Straßennamen und erzeugt Adressen, die völlig anders aussehen:

서울특별시 강남구 역삼동 123-45
(Seoul, Gangnam-gu, Yeoksam-dong 123-45)

Beide Adressen können sich auf exakt dasselbe Gebäude beziehen. Naver Maps und KakaoMap zeigen für jeden Ort beide Versionen nebeneinander an. In einem KakaoTalk-Chat könnte ein koreanischer Kunde seine Adresse in einem der beiden Formate senden – je nachdem, womit er vertrauter ist oder was in seinen offiziellen Dokumenten steht. Eine Person schreibt „서울시 마포구 서교동 456-7“ (Grundstücksnummer), während eine andere für dasselbe Viertel „서울시 마포구 와우산로 29길 45“ (Straßenname) schreibt.

Diese Realität zweier Systeme schafft ein Problem für jede Extraktionsmethode, die ein einheitliches Adressformat erwartet. Ein vorlagenbasiertes Tool, das auf „Straßenname + Gebäudenummer“ ausgelegt ist, wird eine Grundstücksnummer-Adresse nicht erkennen, wenn es in einem Screenshot darauf stößt. Umgekehrt übersieht ein Tool, das auf Zahlenmuster wie „동(Dong) + 번지(Beonji)“ programmiert ist, Straßenname-Adressen. Der Kunde wird sein Adressformat nicht für Sie standardisieren – er gibt es einfach so ein, wie er es kennt. Eine Extraktionsmethode, die beide Systeme anhand ihrer semantischen Struktur versteht, statt nur anhand ihres visuellen Layouts, ist der praktische Ausweg aus dieser Zwickmühle.

Drei häufige Bestellszenarien bei KakaoTalk

Das visuelle Erscheinungsbild des Screenshots variiert je nachdem, wie der Kunde seine Bestellung aufgegeben hat und ob eine Zahlung über KakaoPay erfolgte. Jedes Szenario bringt leicht unterschiedliche Anforderungen an die Extraktion mit sich.

Szenario 1: Adresse und Bestelldetails in einfachen Chat-Blasen

Das häufigste Szenario: Der Kunde gibt seine Adresse und Bestellung direkt als normale Textnachrichten in den Chat ein. Die Unterhaltung könnte so aussehen:

Kunde: „네, 주문할게요. 김치찌개 3개, 제육볶음 2개 주세요.“
(Ja, ich möchte bestellen. 3 Kimchi Jjigae, 2 Jeyuk Bokkeum, bitte.)
Kunde: „주소는 경기도 성남시 분당구 정자동 178-3번지 203호입니다.“
(Die Adresse ist 203-ho, 178-3 Jeongja-dong, Bundang-gu, Seongnam-si, Gyeonggi-do.)

Die Adresse erscheint im Grundstücksnummer-Format (정자동 178-3) mit einer Einheitennummer (203호). Die Bestellpositionen sind separat in einer vorhergehenden Nachricht aufgelistet. Beide Informationen liegen als einfacher Text vor – keine Karten, keine geteilten Kartenausschnitte –, jedoch in gesprochenem Koreanisch, nicht in beschrifteten Formularfeldern. Ein herkömmliches OCR-Tool würde „네, 주문할게요. 김치찌개 3개, 제육볶음 2개 주세요.“ als einen einzigen, fortlaufenden Text zusammen mit der Adresse ausgeben, sodass Sie die Bestellpositionen manuell von der Adresse trennen müssten.

Mit der spaltenbasierten semantischen Extraktion definieren Sie zwei Spalten – Lieferadresse (배송지) und Bestellte Artikel (주문 상품) – und die Engine liest den Screenshot in dem Wissen, dass sie nach zwei verschiedenen Informationen im selben Chattext sucht. Sie findet die Adresse, indem sie die koreanische Adressstruktur erkennt (Provinz → Stadt → Bezirk → Grundstücksnummer → Einheit) und identifiziert die Bestellartikel anhand ihrer numerischen Mengenangaben und Produktnamenmuster. So werden die Daten jeweils der richtigen Spalte zugeordnet, ohne dass sie vermischt werden.

Szenario 2: Adresse mit einer KakaoPay-Zahlungskarte

KakaoTalk ist eng mit KakaoPay, dem führenden digitalen Wallet in Südkorea, integriert. Wenn ein Kunde innerhalb des Chats über KakaoPay bezahlt, erscheint eine Zahlungsbestätigungskarte direkt in der Unterhaltung. Die Karte hat ein unverwechselbares visuelles Erscheinungsbild – eine weiße oder helle Karte mit Kakaos charakteristischem gelb-grünen Akzent, die den Gesamtbetrag in großen, fetten Buchstaben, den Händlernamen, einen Transaktionszeitstempel und ein Statusabzeichen („결제완료“ – Zahlung abgeschlossen) zeigt.

Diese Karte ist ein in sich geschlossenes UI-Element, das zwischen den Textblasen sitzt. Sie enthält den Zahlungsbetrag und die Transaktionsbestätigung, jedoch nicht die Lieferadresse oder die bestellten Artikel. Diese verbleiben in den Textblasen ober- oder unterhalb der Karte. Der Screenshot enthält nun zwei völlig unterschiedliche visuelle Formate – einfachen Chattext und eine gestaltete Zahlungskarte – im selben Bild.

Eine auf visueller KI basierende spaltenbasierte Extraktions-Engine interpretiert den gesamten Screenshot als zusammengesetzte Szene. Sie erkennt die Zahlungskarte als „KakaoPay-Bestätigung“ und extrahiert den Betrag in eine Zahlungsbetrag (결제 금액)-Spalte, sofern Sie eine solche definieren, während sie gleichzeitig die Textblasen nach Adresse und Bestellinformationen durchsucht. Herkömmliche OCR hingegen liest den Text der Karte und den Chattext in einen einzigen, undifferenzierten Datenstrom – „결제완료“ aus dem Kartenlabel erscheint direkt neben der Adresse in der Ausgabe.

Dies ist dasselbe Prinzip, das auch für Zahlungs-Screenshots auf anderen Plattformen gilt: Die Zahlungsbestätigung und die Transaktionsdetails sind visuell unterschiedliche Elemente im Bild, und die Extraktionsmethode muss die jeweilige Rolle erkennen, anstatt allen Text gleich zu behandeln.

Szenario 3: Über die KakaoMap-Standortkarte geteilte Adresse

KakaoTalk ermöglicht es Nutzern, ihren aktuellen Standort oder eine markierte Adresse über KakaoMap zu teilen. Wenn jemand auf die Schaltfläche zum Teilen des Standorts tippt, erscheint im Chat eine Vorschaukarte mit einer kleinen Kartenminiatur, der Adresse als Text unter der Karte und dem Namen des Ortes, falls der Nutzer einen benannten Ort markiert hat. Der Adresstext auf dieser Karte wird in einer kleinen Schrift innerhalb einer kompakten Vorschau dargestellt – und kann je nachdem, welches System die Kartenschnittstelle anzeigt, in einem der beiden Adressformate geschrieben sein.

Dieses Szenario stellt einen schwierigeren Extraktionsfall dar. Die Adresse ist im Bild vorhanden, wird aber in einer kleinen Schriftgröße innerhalb einer Karte dargestellt, die nur einen Teil des Screenshots einnimmt. Wenn der Text auf der Karte durch die Vorschaugrenzen teilweise abgeschnitten ist oder der Screenshot aufgenommen wurde, bevor die Karte vollständig geladen war, kann die sichtbare Adresse unvollständig sein. Zudem zeigt KakaoMap in der Vorschau standardmäßig die Straßenname-Adresse an. Selbst wenn der Kunde seine Adresse als Grundstücksnummer kennt, wird die geteilte Karte daher wahrscheinlich die entsprechende Straßenname-Adresse anzeigen – das Format kann sich also von dem unterscheiden, was der Kunde in früheren Nachrichten eingegeben hat.

Für die Extraktion ist die KakaoMap-Karte dennoch lesbar, solange der Adresstext sichtbar und nicht abgeschnitten ist. Definieren Sie die Spalte wie für eine Textblasen-Adresse, und die Engine liest den Text, wo immer er im Bild erscheint – sei es in einer Chat-Blase oder auf einer Karte. Das Risiko liegt in der Abschneidung: Wenn der Screenshot nur die obere Hälfte der Karte erfasst, kann die untere Adresszeile abgeschnitten sein. Ein Screenshot in voller Höhe, der die gesamte Karte von oben bis unten einschließt, vermeidet dieses Problem.

Wie die semantische Extraktion koreanische Adressen verarbeitet

Der Schlüssel für die Arbeit mit KakaoTalk-Bestell-Screenshots ist dasselbe Prinzip, das für jedes Chat-Screenshot-Extraktionsszenario gilt: Sie müssen der Engine nicht mitteilen, welches Adressformat zu erwarten ist oder wo auf dem Bildschirm sie suchen soll. Sie definieren die gewünschten Spalten – Lieferadresse (배송지), Bestellte Artikel (주문 상품), Menge (수량), Zahlungsbetrag (결제 금액) – und die KI liest jeden Screenshot als vollständige visuelle Szene und lokalisiert die Daten für jede Spalte, indem sie versteht, was sie bedeuten und wo sie typischerweise in einer KakaoTalk-Unterhaltung erscheinen.

Dies unterscheidet sich grundlegend von der vorlagenbasierten oder positionsbasierten Extraktion. Ein traditioneller Ansatz würde erfordern, dass Sie angeben: „Die Adresse ist in der Chat-Blase, der Betrag in der grünen Zahlungskarte, die Artikel in der vorhergehenden Nachricht.“ Jede Abweichung – ein Kunde, der zuerst Artikel und dann die Adresse sendet, eine KakaoPay-Karte, die über statt unter der Artikelliste erscheint – zerstört das voreingestellte Layout. Die semantische Extraktion ist nicht auf feste Positionen oder Seitenlayouts angewiesen, da sie Inhalte interpretiert, nicht Koordinaten.

Für koreanische Adressen bedeutet dies konkret, dass die Engine sowohl das Straßenname-Format („서울시 강남구 테헤란로 123“) als auch das Grundstücksnummer-Format („서울시 강남구 역삼동 123-45“) als Adressen erkennen kann, da beide internen strukturellen Mustern folgen, die das Modell gelernt hat (Hierarchie der Verwaltungsregionen + numerische Kennungen). Es muss nicht wissen, welches Format zu erwarten ist – es liest das Format, das der Kunde verwendet hat, und trägt das Ergebnis in die Spalte „Lieferadresse“ ein.

Was Sie extrahieren können – und wo die Grenzen liegen

Bei einem typischen KakaoTalk-Bestell-Screenshot liefert Ihnen ein klar definiertes Spaltenset zuverlässig die folgenden Daten:

Es gibt Einschränkungen, die klar benannt werden sollten. Wenn die Adresse nur in einer KakaoMap-Standortfreigabekarte erscheint und der Kartentext im Screenshot abgeschnitten ist, erhalten Sie eine unvollständige Adresse. Wenn die Bestelldetails des Kunden über mehrere aufeinanderfolgende Nachrichten verteilt sind und der Screenshot nur die letzten drei Blasen erfasst, wird möglicherweise nicht die gesamte Bestellliste angezeigt. Wenn der Kunde Adresse und Bestellinformationen in getrennten Nachrichten mit dazwischenliegenden, nicht relevanten Chat-Inhalten sendet, kann das Ergebnis in derselben Spalte Fülltext enthalten, falls die Struktur mehrdeutig ist.

Dies sind Einschränkungen der visuellen Erfassung, nicht der Extraktion. Die Lösung ist für alle Fälle dieselbe: Machen Sie den Screenshot breit genug, um alle relevanten Nachrichten zu erfassen, und definieren Sie Spalten, die den tatsächlich benötigten Daten entsprechen. Die KI arbeitet mit dem, was das Bild enthält – sie halluziniert keine fehlenden Daten.

Häufig gestellte Fragen