KakaoTalk-Zahlungs-Screenshots:
Betrag (금액) und Bankkontonummer (계좌번호) erfassen

Was die KakaoTalk-Zahlungskarte tatsächlich anzeigt

Es gibt zwei häufige Arten, wie zahlungsbezogene Informationen in einem KakaoTalk-Chat erscheinen, und sie unterscheiden sich optisch deutlich — genau deshalb greift es zu kurz, sie als „nur einen Chat-Screenshot" zu behandeln.

Szenario eins: die KakaoPay-Überweisungskarte (송금 카드). Wenn jemand über KakaoTalk Geld sendet, erstellt die App eine visuelle Karte, die in den Chatverlauf eingebettet wird. Sie zeigt den Betrag (금액) in koreanischen Won-Beträgen, die Namen des Absenders (보낸분) und Empfängers (받는분) sowie die Transaktionszeit. Unterhalb der Karte kann der Empfänger über eine Schaltfläche „Claim" das Geld auf sein KakaoPay-Guthaben annehmen. Die Karte ist eine eigenständige visuelle Komponente mit einem markanten Hintergrund und abgerundeten Ecken — klar getrennt von den Textnachrichten um sie herum.

Szenario zwei: Bankkontodaten, die direkt in den Chat eingegeben werden. Das andere häufige Szenario ist, dass jemand seine Bankdaten direkt in eine Nachricht tippt. Ein typisches Beispiel: "은행명: 국민은행 / 예금주: 김철수 / 계좌번호: 123456-78-901234" (Bank: KB Kookmin / Kontoinhaber: Kim Cheol-su / Bankkontonummer: 123456-78-901234). Keine strukturierte Karte, keine hervorgehobenen Felder — nur einfacher Text im Chat. Der Betrag kann in derselben Nachricht stehen oder separat vereinbart werden. Kontonummern folgen den koreanischen Bankkonventionen — 10–14 Ziffern mit Bindestrichen — und der Bankname ist fast immer zusammen mit ihnen angegeben.

Beide Szenarien haben für jeden, der die Transaktion erfassen möchte, dasselbe Kernproblem: Die Informationen stecken in einem Screenshot fest. Die KakaoPay-Karte ist keine herunterladbare Quittung — sie ist eine Chat-Komponente, die aus der Ansicht verschwindet, sobald der Chat weiterscrollt. Die Bankkontonachricht ist nur eine Textzeile, eingebettet in einen längeren Chatverlauf. In beiden Fällen ist die einzige praktische Aufzeichnung das, was man auf dem Bildschirm erfasst.

Warum Chat-Screenshots einen anderen Ansatz als OCR benötigen

Herkömmliche OCR-Tools funktionieren gut, wenn ein Dokument ein vorhersehbares Layout hat – eine Rechnung platziert die Summe in der unteren rechten Ecke, ein Kassenbon hat das Datum oben. Die OCR-Engine liest alle Zeichen und verlässt sich auf feste Koordinaten, um herauszufinden, welcher Text zu welchem Feld gehört. Ein KakaoTalk-Screenshot hat nichts von dieser Vorhersehbarkeit. Die Zahlungskarte erscheint mitten in einem Chat-Verlauf, dessen Länge jedes Mal variiert. Die Bankkontonachricht könnte die zweite Nachricht im Gespräch sein oder die fünfzigste. Der umgebende Text – Emojis, Sticker, Profilnamen, Zeitstempel – erzeugt visuelles Rauschen, das ein koordinatenbasiertes System nicht filtern kann.

Das praktische Versagensmuster sieht so aus: Ein OCR-Tool scannt einen KakaoTalk-Screenshot, der sowohl eine Zahlungskarte mit „₩50.000“ als auch eine Textnachricht mit „5명“ (fünf Personen) enthält. Es gibt beide Zahlen zurück, und der Benutzer muss entscheiden, welche der Betrag ist. Das gleiche Problem gilt für Kontonummern – eine 11-stellige Zeichenfolge neben einer Telefonnummer, und die OCR kann sie nicht unterscheiden, weil sie nicht versteht, was eine der beiden Zeichenfolgen bedeutet.

Visuelle Sprachmodelle gehen denselben Screenshot anders an. Statt alle Zeichen per Koordinaten zu lesen, verarbeitet ein VLM den vollständigen visuellen Kontext: „₩50.000“ befindet sich in einer abgerundeten Karte mit einem markanten Hintergrund, flankiert von einem Profilfoto und einem „Anfordern“-Button – die KI erkennt dies als Zahlungsbetrag. „123456-78-901234“ erscheint neben „은행명: 국민은행“ – sie identifiziert dies als Kontonummer. Der Unterschied ist semantisches Verständnis: Die KI fragt „Welche Art von Information ist das?“ statt „An welchen Koordinaten befindet sich dieses Zeichen?“

Diese Unterscheidung ist besonders bei KakaoTalk wichtig, da Zahlungen in einer visuell reichhaltigen Chat-Umgebung stattfinden. Sticker, Profilbilder, Kakao-Friends-Emojis und Chatblasenfarben erzeugen eine Vielfalt, die ein vorlagenbasiertes System nicht vorprogrammieren kann. Ein VLM liest, was immer es sieht.

Betrag und Kontonummer extrahieren

So sieht der Workflow aus. Machen Sie einen KakaoTalk-Screenshot und laden Sie ihn in ein Tool hoch, das Benutzerdefinierte Spaltenextraktion unterstützt. Definieren Sie zwei Spalten: Betrag und Bankkontonummer. Das war's — keine Vorlagen, keine Trainingsbeispiele, kein Zeichnen von Zonen. Die KI scannt den Screenshot und identifiziert den Überweisungsbetrag (mit ₩-Präfix oder dem koreanischen „원"-Suffix) sowie die Kontonummer (10–14 Ziffern mit Bindestrichen, oft mit „계좌번호" davor). Beide Werte landen in derselben Zeile Ihrer Ausgabetabelle.

Wenn Sie einen Batch von KakaoTalk-Screenshots haben — Zahlungsbestätigungen von mehreren Kunden über einen Monat — laden Sie alle auf einmal hoch. Jeder Screenshot wird zu einer Zeile. Die KI verlässt sich nicht darauf, dass die Kontonummer in jedem Screenshot an derselben Position erscheint, denn in einem Screenshot kann sie die dritte Nachricht sein und in einem anderen die erste. Sie verlässt sich auf die Beschriftung und den visuellen Kontext — ein Ansatz, der unabhängig davon funktioniert, wo die Informationen im Chatverlauf erscheinen. Gruppenkauf-Koordinatoren trifft dieses Batch-Problem am härtesten: Ein einziger KakaoTalk-Gruppenkauf-Screenshot-Thread kann eine Zahlungsbestätigung für jeden Käufer im Kauf enthalten.

Einige Einschränkungen, die klar genannt werden sollten. Wenn der Screenshot einen Teil der KakaoPay-Karte abschneidet — zum Beispiel nur die obere Hälfte mit dem Betrag, aber nicht die vollständige Bestätigung — können Kontonummer oder Empfängername im Bild fehlen, und die KI kann nur das extrahieren, was sichtbar ist. Bei Bankkontonummern, die im Chat eingegeben wurden, hängt die Genauigkeit davon ab, dass der Screenshot sowohl die Beschriftung (계좌번호 oder 계좌) als auch die Ziffern zusammen erfasst — wenn nur die Zahlenfolge ohne Kontext sichtbar ist, kann die KI sie zwar als numerische Sequenz identifizieren, aber mit geringerer Sicherheit, dass es sich speziell um eine Kontonummer und nicht um eine Telefonnummer handelt. Das sind Einschränkungen des Quellmaterials, nicht der Extraktionsmethode.

Für einen breiteren Überblick darüber, wie sich Zahlungs-Screenshots verschiedener Apps vergleichen lassen — einschließlich der Parallelen zwischen KakaoTalks Zahlungskarte und LINEs LINE-Pay-Karte — siehe unseren Vergleich zur LINE-Chat-Zahlungsextraktion. Und für die Adress- und Bestelldetails, die oft mit einem Zahlungsgespräch einhergehen, deckt der Leitfaden zu KakaoTalk-Adress- und Bestelldetails die andere Hälfte dessen ab, was Chat-Screenshots typischerweise enthalten.

Was Sie mit diesen beiden Zahlen tun können, sobald sie in Ihrer Tabelle stehen

Betrag und Bankkontonummer in einer Tabellenzeile zu haben, ist nützlicher, als es klingt, denn diese beiden Felder decken zusammen die häufigsten Folgeanforderungen ab.

Zahlungseingang erfassen. Freiberufler und Kleinunternehmer in Korea erhalten Zahlungen häufig über KakaoPay, gefolgt von einer Nachricht mit der Kontonummer des Kunden für künftige Überweisungen. Wenn beide Felder extrahiert sind, lässt sich die Zahlung mit einer Rechnung abgleichen, ohne jedes Mal den Chatverlauf durchsuchen zu müssen.

Gemeinsame Ausgaben teilen (n빵). KakaoTalk ist der Ort, an dem Gruppenrechnungen fürs Abendessen, Reisekosten und gemeinsame Einkäufe geklärt werden – jemand zahlt und schickt den Gesamtbetrag in den Gruppenchat, dann überweist jeder seinen Anteil. Wenn Sie diejenige Person sind, die bei mehreren Gruppenausflügen nachverfolgt, wer was bezahlt hat, können Sie mit einer Tabelle mit extrahierten Beträgen Summen bilden, ohne jede Chatnachricht erneut lesen zu müssen. Die Kontonummer ist hier weniger wichtig, aber der Betrag ist das entscheidende Feld.

Zahlungsnachweis für Steuern oder Buchhaltung aufbauen. Für Freiberufler, die über KakaoTalk arbeiten – in Koreas Gig Economy üblich – bietet ein monatliches Protokoll der erhaltenen Beträge, abgeglichen mit der Bankkontonummer jedes Kunden, eine überprüfbare Einkommensspur. Dies ist kein Steuerbeleg (Korea verlangt für offizielle Abzüge eine 세금계산서 – Steuerrechnung), aber es sind die Rohdaten, um sie mit Ihren eingehenden Steuerrechnungen abzugleichen.

Was alle diese Szenarien verbindet, ist das Volumen. Ein einzelner Screenshot ist von Hand leicht zu bewältigen. Zehn oder zwanzig pro Monat – von verschiedenen Kunden, Gruppenausflügen und Beträgen – hier potenziert sich der Aufwand. Jeder Screenshot erfordert, das Bild zu öffnen, die Zahlen zu lesen, sie in eine Tabelle einzutippen und zu prüfen, dass Sie keine Ziffer der Kontonummer vertauscht haben (ein echtes Risiko bei koreanischen Bankkontonummernformaten mit Bindestrichen). Ein Extraktions-Workflow eliminiert den Übertragungsschritt vollständig.

Für einen direkten Vergleich, wie LINE seine Zahlungsbestätigungen handhabt – einschließlich der japanischen Zahlungskarte mit 支払方法 (Zahlungsmethode) und 取引ID (Transaktions-ID) – siehe den LINE-Chat-Zahlungsscreenshot-Leitfaden. Und für das übergreifende Konzept, wie Zahlungsscreenshots aus Messaging-Apps wie strukturierte Daten extrahiert werden können, behandelt der WeChat-Pay-Artikel das zentrale Argument: Ein Zahlungsscreenshot ist kein Beleg, aber die Beträge kommen sauber heraus.

FAQ

Was ist, wenn der Screenshot vollständig auf Koreanisch ist – funktioniert die Extraktion trotzdem?

Ja. Visuelle Sprachmodelle verarbeiten Text in der Sprache, in der er erscheint – koreanische Zeichen (Hangul) werden nativ verarbeitet, nicht über eine separate OCR-Pipeline. Das Betragsfeld wird als numerischer Wert mit dem ₩-Symbol oder dem koreanischen Suffix „원" ausgedrückt, und die Bankkontonummer ist eine numerische Zeichenfolge – beides sprachunabhängige Felder, die die KI anhand des visuellen Kontexts und der umgebenden Beschriftungen identifiziert. Der Bankname (은행명) und der Kontoinhabername (예금주) werden wie auf Koreanisch geschrieben extrahiert, was genau das ist, was Sie für die Aufzeichnung benötigen – keine Übersetzung erforderlich.

Funktioniert die Extraktion bei der KakaoPay-Karte anders als bei einer Textnachricht mit Bankdaten?

Der zugrunde liegende Mechanismus ist derselbe, aber die visuellen Hinweise unterscheiden sich. Bei der KakaoPay-Karte identifiziert die KI den Betrag anhand des markanten visuellen Containers der Karte – eines abgerundeten Rechtecks mit farbigem Kopfbereich –, der sie von umgebenden Chat-Nachrichten trennt. Bei Bankkontodaten, die als Text eingegeben wurden, verlässt sich die KI stärker auf die Beschriftungen (계좌번호, 은행명), die den Ziffern vorausgehen. Beide Ansätze nutzen semantisches Verständnis statt Koordinaten, sodass sie unabhängig davon funktionieren, wo im Chat die Informationen erscheinen. Wenn Sie aus einer Textnachricht extrahieren, gibt die Einbeziehung sowohl der Beschriftung als auch der Nummer im Screenshot der KI das stärkste Signal.

Funktioniert das für alle koreanischen Banken?

Ja. Koreanische Bankkontonummern folgen unabhängig von der Bank einem einheitlichen Format – typischerweise 10–14 Ziffern mit ein oder zwei Bindestrichen. Ob das Konto bei KB Kookmin, Woori, Shinhan, Hana, NongHyup oder KakaoBank ist, die numerische Struktur ist ähnlich, und der Bankname ist in der Chat-Nachricht fast immer zusammen mit der Kontonummer enthalten. Die KI muss nicht wissen, zu welcher Bank das Konto gehört – sie identifiziert die Zeichenfolge als Kontonummer anhand ihrer Länge, des Zifferngruppierungsmusters und der Beschriftung, die ihr vorausgeht.

Kann ich mehrere KakaoTalk-Screenshots gleichzeitig verarbeiten?

Ja. Laden Sie alle Screenshots hoch — Zahlungskarten, Bankkontonachrichten oder eine Mischung aus beidem — und die KI erstellt eine Zeile pro Screenshot in einer einzigen Ausgabetabelle. Screenshots, die nur eine Zahlungskarte ohne Kontonummer enthalten, lassen diese Zelle leer. Dies ist besonders nützlich, um einen Monat KakaoTalk-Zahlungsscreenshots am Monatsende für den Abgleich oder die Buchhaltung zu konsolidieren.

Ist das nur OCR mit besserem Training?

Nein. Traditionelle OCR liest den gesamten sichtbaren Text und gibt ihn als Block aus — sie kann den Betrag nicht von einer Telefonnummer unterscheiden, ohne dass eine Vorlage ihr sagt, wo sich jedes Feld befindet. Ein visuelles Sprachmodell liest den Screenshot als Ganzes und identifiziert Felder danach, was sie bedeuten, nicht wo sie erscheinen. Deshalb funktioniert es ohne Einrichtung auf einer KakaoTalk-Zahlungskarte — semantisches Verständnis ist keine Komfortfunktion für Chat-Screenshots, sondern eine Voraussetzung.