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

Was die KakaoTalk-Zahlungskarte tatsächlich anzeigt

Es gibt zwei gängige Arten, wie zahlungsbezogene Informationen in einem KakaoTalk-Chat erscheinen, und sie unterscheiden sich optisch deutlich – weshalb es am Kern vorbeigeht, sie einfach als „Chat-Screenshot“ zu behandeln.

Szenario eins: die KakaoPay-Überweisungskarte (송금 카드). Wenn jemand über KakaoTalk Geld sendet, erzeugt die App eine visuelle Karte, die in den Chatverlauf eingebettet wird. Sie zeigt den Betrag (금액) in koreanischen Won, die Namen des Senders (보낸분) und Empfängers (받는분) sowie die Transaktionszeit. Unterhalb der Karte kann der Empfänger das Geld mit einem „Einfordern“-Button auf sein KakaoPay-Guthaben überweisen. Die Karte ist eine eigenständige visuelle Komponente mit einem eigenen Hintergrund und abgerundeten Ecken – klar getrennt von den Textnachrichten um sie herum.

Szenario zwei: Bankkontodaten, die 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 / Kontonummer: 123456-78-901234). Keine strukturierte Karte, keine hervorgehobenen Felder – nur einfacher Text in der Unterhaltung. 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 dabei.

Beide Szenarien haben das gleiche Kernproblem für jeden, der die Transaktion erfassen möchte: Die Informationen sind in einem Screenshot gefangen. 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, die in eine längere Unterhaltung eingebettet ist. In beiden Fällen ist die einzig praktische Aufzeichnung das, was Sie auf dem Bildschirm festhalten.

Warum Chat-Screenshots einen anderen Ansatz als OCR benötigen

Herkömmliche OCR-Tools funktionieren gut, wenn ein Dokument ein vorhersagbares Layout hat – eine Rechnung platziert den Gesamtbetrag 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 Vorhersagbarkeit. Die Zahlungskarte erscheint in der Mitte eines Chatverlaufs, 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 herausfiltern kann.

Der praktische Fehlermodus 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 tritt bei Kontonummern auf – eine 11-stellige Zeichenfolge neben einer Telefonnummer, und die OCR kann sie nicht unterscheiden, weil sie nicht versteht, was die Zeichenfolgen bedeuten.

Visuelle Sprachmodelle gehen denselben Screenshot anders an. Anstatt alle Zeichen nach Koordinaten zu lesen, verarbeitet ein VLM den vollständigen visuellen Kontext: „₩50.000“ befindet sich in einer abgerundeten Karte mit einem deutlichen 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 das semantische Verständnis: Die KI fragt „um welche Art von Informationen handelt es sich hier?“ und nicht „an welchen Koordinaten befindet sich dieses Zeichen?“

Diese Unterscheidung ist besonders für 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 Screenshot von KakaoTalk und laden Sie ihn in ein Tool hoch, das die 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 ₩ vorangestellt oder mit der koreanischen Endung „원") sowie die Kontonummer (10–14 Ziffern mit Bindestrichen, oft mit „계좌번호" eingeleitet). Beide Werte landen in derselben Zeile Ihrer Ausgabetabelle.

Wenn Sie einen Stapel von KakaoTalk-Screenshots haben — Zahlungsbestätigungen von mehreren Kunden über einen Monat hinweg — laden Sie 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 es 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 in der Unterhaltung die Informationen erscheinen.

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 —, fehlen möglicherweise die Kontonummer oder der Empfängername im Bild, und die KI kann nur das extrahieren, was sichtbar ist. Bei Bankkontonummern, die in den 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 noch als numerische Sequenz identifizieren, aber mit geringerer Sicherheit, dass es sich speziell um eine Kontonummer und nicht um eine Telefonnummer handelt. Dies sind Einschränkungen des Quellmaterials, nicht der Extraktionsmethode.

Für einen breiteren Vergleich, wie sich Zahlungs-Screenshots verschiedener Apps unterscheiden — einschließlich der Parallelen zwischen KakaoTalks Zahlungskarte und LINEs LINE Pay-Karte — lesen Sie unseren Vergleich zur LINE-Chat-Zahlungsextraktion. Und für die Adress- und Bestelldetails, die oft eine Zahlungskonversation begleiten, deckt der Leitfaden zu KakaoTalk-Adressen und Bestelldetails die andere Hälfte dessen ab, was Chat-Screenshots typischerweise enthalten.

Was Sie mit diesen beiden Zahlen in Ihrer Tabelle anfangen können

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

Zahlungseingang erfassen. Freiberufler und Kleinunternehmer in Korea erhalten Zahlungen oft über KakaoPay, gefolgt von einer Nachricht mit der Kontonummer des Kunden für zukünftige Überweisungen. Wenn beide Felder extrahiert sind, können Sie Zahlungen mit einer Rechnung abgleichen, ohne jedes Mal den Chatverlauf durchsuchen zu müssen.

Geteilte Ausgaben aufteilen (n빵). In KakaoTalk werden Gruppenrechnungen, Reisekosten und gemeinsame Einkäufe abgewickelt – jemand bezahlt und sendet den Gesamtbetrag in den Gruppenchat, dann überweisen alle anderen ihren Anteil. Wenn Sie den Überblick behalten, wer bei mehreren Gruppenausflügen was bezahlt hat, können Sie mit einer Tabelle mit extrahierten Beträgen die Summen ermitteln, ohne jede Chatnachricht erneut lesen zu müssen. Die Kontonummer ist hier weniger wichtig, aber der Betrag ist das entscheidende Feld.

Zahlungsaufzeichnungen für Steuer- oder Buchhaltungszwecke erstellen. Für Freiberufler, die über KakaoTalk arbeiten – in Koreas Gig Economy üblich – bietet ein monatliches Protokoll der erhaltenen Beträge, abgeglichen mit dem Bankkonto jedes Kunden, einen nachvollziehbaren Einkommensnachweis. Dies ist kein Steuerbeleg (Korea verlangt eine 세금계산서 – Steuerrechnung – für offizielle Abzüge), aber es sind die Rohdaten, um sie mit Ihren eingehenden Steuerrechnungen abzugleichen.

Was all diese Szenarien verbindet, ist die Menge. Ein einzelner Screenshot ist leicht manuell zu handhaben. Zehn oder zwanzig pro Monat – von verschiedenen Kunden, Gruppenausflügen und Beträgen – hier potenziert sich der Aufwand. Jeder Screenshot erfordert das Öffnen des Bildes, das Ablesen der Zahlen, das Eintippen in eine Tabelle und die Überprüfung, ob Sie bei der Kontonummer keine Ziffer vertauscht haben (ein echtes Risiko bei koreanischen Bankkontenformaten 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 die Anleitung zum LINE-Chat-Zahlungsscreenshot. Und für das übergeordnete Konzept, wie Zahlungsscreenshots aus Messaging-Apps wie strukturierte Daten extrahiert werden können, behandelt der WeChat Pay-Artikel das zentrale Argument: Ein Zahlungsscreenshot ist keine Quittung, aber die Beträge lassen sich sauber extrahieren.

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 Feld „Betrag“ wird als numerischer Wert mit dem ₩-Symbol oder dem koreanischen Suffix „원“ dargestellt, 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 Kontoinhaber (예금주) werden wie auf Koreanisch geschrieben extrahiert, was für die Aufzeichnung genau das ist, was Sie möchten – 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 charakteristischen visuellen Containers der Karte – eines abgerundeten Rechtecks mit einem farbigen Kopf –, der sie von den 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 anstelle von Koordinaten, sodass sie unabhängig davon funktionieren, wo im Chat die Informationen erscheinen. Wenn Sie aus einer Textnachricht extrahieren, gibt die Sicherstellung, dass der Screenshot sowohl die Beschriftung als auch die Nummer zusammen enthält, der KI das stärkste Signal.

Funktioniert das für alle koreanischen Banken?

Ja. Koreanische Bankkontonummern folgen unabhängig von der Bank einem einheitlichen Format – in der Regel 10–14 Ziffern mit einem oder zwei Bindestrichen. Ob das Konto bei der KB Kookmin, Woori, Shinhan, Hana, NongHyup oder KakaoBank ist, die numerische Struktur ist ähnlich, und der Bankname wird in der Chat-Nachricht fast immer zusammen mit der Kontonummer angegeben. 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 am Monatsende einen Monat voller KakaoTalk-Zahlungsscreenshots für den Abgleich oder die Buchhaltung zu konsolidieren.

Ist das nur OCR mit besserem Training?

Nein. Herkömmliche 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 danach, wo sie erscheinen. Deshalb funktioniert es auf einer KakaoTalk-Zahlungskarte ohne Einrichtung – semantisches Verständnis ist für Chat-Screenshots keine Komfortfunktion, sondern eine Voraussetzung.