OCR erkennt Tabellen nicht?
6 Hauptursachen für verschobene Spalten

Die Ursache: OCR liest Zeilen, keine Tabellen

Eine OCR-Software scannt ein Dokument und erkennt einzelne Zeichen – Buchstabe für Buchstabe, Zahl für Zahl. Sie setzt diese zu Wörtern und dann zu Textzeilen in Lesereihenfolge zusammen. Dies ist grundsätzlich ein linearer, zeilenweiser Prozess, der für Absätze konzipiert ist, nicht für Tabellen.

Eine Tabelle ist eine zweidimensionale Struktur. Der Wert „450,00 €" sagt für sich allein nichts aus – er ergibt nur Sinn, weil er in der Zeile für „Widget B" unter der Spalte „Gesamt" steht. Die Beziehung zwischen einer Zelle und ihrem Spaltenkopf ist räumlich, nicht sequenziell. OCR erkennt „450,00 €" als Text, hat aber keinen Mechanismus zu verstehen, dass diese Zahl zu Spalte 3, Zeile 2 gehört. Manche Tools versuchen, die Tabellenstruktur nach der OCR aus Abständen und Ausrichtung abzuleiten – aber Ableitung ist Raten, das bei nicht perfektem Layout versagt. Die sechs folgenden Ursachen sind die Szenarien, in denen dieses Raten zusammenbricht.

Ursache Nr. 1 — Zeilenweises Scannen vs. 2D-Tabellen

Symptom: Die Tabelle wird als einziger fortlaufender Absatz extrahiert. „Artikel Menge Preis Widget A 2 100 Widget B 1 200 Gesamt 400" – alles in einer Zeile ohne Spaltenumbrüche.

Ursache: Wenn die Software in der ersten Zeile „Artikel" gelesen hat, geht sie zu „Menge", dann „Preis", dann zum Zeilenumbruch, dann zu „Widget A", „2", „100" – alles als flache Abfolge. Sie weiß nicht, dass „Artikel", „Widget A" und „Widget B" zur selben Spalte gehören, weil sie überhaupt keine Spalten sieht – nur einen Wortstrom, unterbrochen von Zeilenumbrüchen.

So beheben Sie es:

• Prüfen Sie, ob Ihr Tool einen „Tabellen"- oder „Tabellenkalkulations"-Modus hat. Manche OCR-Engines bieten einen Dokumenttyp-Umschalter. Durch Wechsel von „Dokument" auf „Tabelle" wird der Engine mitgeteilt, dass ein Rasterlayout zu erwarten ist, und der interne Verarbeitungspfad ändert sich.
• Verwenden Sie ein Tool, das Tabellen als 2D-Strukturen verarbeitet. Moderne visuelle Extraktionstools wie ImageToTable.ai lesen nicht zeilenweise. Sie analysieren das gesamte Seitenlayout in einem Durchgang, identifizieren Spalten, Zeilen und Zellgrenzen und extrahieren dann den Text. Dies ist der Unterschied zwischen traditioneller OCR und visueller KI: die eine liest Zeichen sequenziell, die andere versteht die Seite als räumliche Karte.
• Als temporären Workaround nutzen Sie zonale OCR. Falls Ihr Tool die Definition rechteckiger Zonen für jede Spalte erlaubt, extrahieren Sie diese unabhängig – aber das funktioniert nicht mehr, sobald sich das Tabellenlayout verschiebt.

Ursache #2 – Verbundene Zellen zerstören die Struktur

Symptom: Eine Zeile, die „Widget A — 10 Stk. — 45,99 €“ anzeigen soll, wird zu „Widget A 10 Stk. 45,99 €“ und Sie können nicht erkennen, welcher Wert zu welcher Spalte gehört. Oder eine Kopfzelle, die sich über zwei Spalten erstreckt, verschiebt jede nachfolgende Zeile um eine Spalte nach rechts.

Ursache: Verbundene Zellen erzeugen eine Diskrepanz zwischen visueller Darstellung und zugrunde liegender Datenstruktur. Wenn eine Zelle optisch drei Spalten überspannt, befinden sich die tatsächlichen Daten nur an einer Position. Die OCR-Engine liest die verbundene Beschriftung einmal, muss aber entscheiden, wie die drei darunterliegenden Spalten zugeordnet werden. Die meisten Engines duplizieren entweder den Wert über alle überspannten Spalten, richten alles linksbündig aus oder lassen den Bereich leer – alles führt zu fehlerhaften Ausgaben.

So beheben Sie es:

• Prüfen Sie die Ausgabe-Metadaten. Einige Tools geben rowSpan oder colSpan in ihrem rohen JSON-Output aus. Wenn Ihr Tool einen JSON-Export bietet, prüfen Sie diese Werte – sie zeigen, ob die Engine die Verbindung überhaupt erkannt hat.
• Bereiten Sie das Dokument vor. Wenn Sie Zugriff auf die Quelldateien haben, wandeln Sie verbundene Zellen vor der OCR in separate Zellen mit wiederholten Beschriftungen um. Manche PDF-Editoren bieten eine Funktion „Zellenverbund aufheben“.
• Wechseln Sie zur semantischen Extraktion. Anstatt auf positionsbasierte Zuordnung zu setzen, ermöglichen Tools mit benutzerdefinierter Spaltenextraktion die Definition der gewünschten Inhalte (z. B. „Artikelbeschreibung“, „Menge“, „Einzelpreis“). Die KI lokalisiert dann jeden Wert, indem sie seine Bedeutung versteht – verbundene Zellen verwirren diesen Ansatz nicht, da die KI den Inhalt liest, nicht die Gitternetzlinien.

Ursache #3 – Fehlende Gitternetzlinien zwingen die Engine zum Raten

Symptom: Die Tabelle hat keine sichtbaren Ränder – nur Text, der durch Leerzeichen positioniert wurde, um Spalten anzudeuten. Die OCR-Ausgabe wird zu einem einzigen Block zusammengefasst oder erzeugt zufällige Spaltenumbrüche, wo keine sind.

Ursache: Viele OCR-Engines nutzen Gitternetzlinien – sichtbare Zellränder – als Ankerpunkte zur Erkennung der Tabellenstruktur. Der Algorithmus sucht nach durchgehenden vertikalen und horizontalen Linien, definiert Zellgrenzen und liest den Text innerhalb jeder Region. Fehlen diese Linien – häufig bei modernen Rechnungen, Finanzübersichten und HTML-Exporten – greift die Engine auf die Ableitung von Spalten aus Leerraummustern zurück. Ein einzelnes Leerzeichen zwischen „Artikel“ und „Beschreibung“ sieht für die OCR-Engine genauso aus wie ein bewusster Spaltenabstand.

So beheben Sie es:

• Scannen Sie mit mindestens 300 DPI. Eine höhere Auflösung schärft die Leerraumgrenzen, sodass positionsbasierte Heuristiken etwas besser funktionieren. Es erzeugt keine Gitternetzlinien, gibt der Engine aber mehr Signale.
• Aktivieren Sie den Modus „Rahmenlose Tabelle“. Einige OCR-Engines haben einen speziellen Modus für Tabellen ohne Linien, der von der Linienerkennung auf ausrichtungsbasierte Ableitung umschaltet.
• Nutzen Sie layoutbewusste Extraktion. Bildverarbeitungsmodelle verstehen räumliche Beziehungen semantisch – eine Zahlenspalte unter „Menge“ wird durch den Kontext erkannt, nicht durch eine vertikale Linie. Deshalb variiert die OCR-Genauigkeit je nach Dokumenttyp: Traditionelle OCR ist auf visuelle Merkmale angewiesen, die nicht alle Dokumente bieten.

Ursache Nr. 4 – Mehrspaltige Layouts erzeugen falsche Zeilen

Symptom: Ein Dokument enthält zwei unabhängige Tabellen nebeneinander oder eine Haupttabelle mit einem Zusammenfassungsfeld rechts daneben. Die extrahierten Daten vermischen Zeilen aus beiden Tabellen und erzeugen sinnlose Ergebnisse.

Ursache: OCR scannt in Lesereihenfolge: von links nach rechts, von oben nach unten. Enthält eine Seite mehrere Spalten – links die Positionen, rechts die Preisübersicht – liest die Engine die erste Zeile der linken Spalte, springt zur rechten Spalte und dann zurück zur zweiten linken Zeile. Sie erkennt nicht, dass es sich um separate Tabellen handelt – nur, dass Text an verschiedenen Positionen existiert.

Behebung:

• Eine Tabelle nach der anderen mit Bereichsauswahl extrahieren. Definieren Sie Grenzen um jede Tabelle einzeln und verarbeiten Sie diese als separate Uploads oder Zonen.
• Layoutanalyse auf Seitenebene nutzen. Bildbasierte Tools analysieren zuerst die gesamte Seite – identifizieren separate Inhaltsblöcke, bevor sie Text aus jedem Block unabhängig extrahieren. So bleibt die Trennung zwischen Haupttabelle und seitlicher Zusammenfassung erhalten.
• Lesereihenfolge auf einen Bereich beschränken. Manche Engines erlauben es, spaltenübergreifende Sprünge zu verhindern.

Ursache Nr. 5 – Gedrehte oder schiefe Tabellen zerstören Spaltenzuordnung

Symptom: Die Tabelle wurde leicht schräg fotografiert oder die Seite schief eingezogen. Die extrahierten Daten enthalten den richtigen Text, aber die Werte sind verschoben – eine Zahl, die in der Spalte „Gesamt“ stehen sollte, erscheint stattdessen in der Spalte „Steuer“.

Ursache: OCR-Engines enthalten einen Schritt zur Schräglagenkorrektur, der die Seite vor dem Lesen ausrichtet. Diese Korrektur begradigt jedoch den Textwinkel, nicht die Spaltenausrichtung. Nach der Korrektur verwendet die Engine weiterhin vertikale Projektionsprofile (Pixel-Dichte-Histogramme), um Spaltengrenzen zu bestimmen. Eine Drehung um 3 Grad staucht die Projektion zusammen und verwischt die Grenzen. Die Engine platziert „12.450,00 €“ in Spalte 3, obwohl es in Spalte 4 gehört – und jede Zelle ab Zeile 2 folgt derselben Fehlausrichtung.

Behebung:

• Stärkere Schräglagenkorrektur vor dem OCR. Details zur Vorbereitung von Quelldateien finden Sie in unserem Leitfaden zur Vorverarbeitung.
• Erfassungs-Apps mit Führungshilfen nutzen, um Kameraschräglagen bereits bei der Aufnahme zu reduzieren.
• Ein Tool wählen, das nicht auf Pixelprojektionen angewiesen ist. Vision-Language-Modelle verarbeiten das gesamte Bild ganzheitlich – eine schräg fotografierte Tabelle ist für das menschliche Auge dennoch verständlich, und die VLM-basierte Extraktion funktioniert genauso.

Ursache #6 – Inkonsistente Spaltenüberschriften führen zu falsch zugeordneten Daten

Symptom: Die extrahierte Tabelle enthält die Daten, aber die Überschriften sind doppelt oder falsch zugeordnet. „Rechnungsdatum“ wird in einer Datei zu „Datum“ und in einer anderen zu „Ausgestellt“ – die zusammengeführte Ausgabe verteilt Daten auf zwei Spalten.

Ursache: OCR versteht keine Semantik. Es erkennt nicht, dass „Rechnungsdatum“, „Datum der Ausstellung“ und „Ausgestellt am“ dasselbe bedeuten. Jede Überschrift wird als reiner Text gelesen und als Spaltenschlüssel verwendet. Bei Dokumenten mehrerer Anbieter erstellt die Engine für jede Variante eine eigene Spalte – „Menge“ und „Anzahl“ werden zu zwei Spalten statt einer.

So beheben Sie es:

• Überschriften vorab normalisieren. Falls Ihr Tool dies unterstützt, definieren Sie eine Standard-Spaltenzuordnung – z. B. „Datum“, „Beschreibung“, „Menge“, „Einzelpreis“, „Gesamt“ – und weisen Sie die Engine an, alle gefundenen Begriffe auf diese kanonischen Namen abzubilden.
• Ein Tool mit semantischer Spaltenextraktion verwenden. Statt vorhandene Überschriften zu lesen, können Sie mit der benutzerdefinierten Spaltenextraktion die gewünschten Ausgabespalten definieren. Die KI findet die passenden Daten, unabhängig davon, wie das Feld im Dokument heißt. So funktioniert die KI-gestützte Tabellenextraktion nach Excel: Sie geben vor, was Sie benötigen, und das Tool findet es anhand der Bedeutung, nicht durch Textabgleich der Überschrift.
• Nachbearbeitung mit einer Zuordnungstabelle. Erstellen Sie in Excel oder Google Sheets eine Nachschlagetabelle, die Überschriftenvarianten in Standardnamen überführt, und wenden Sie diese bei jedem Extraktionsdurchlauf an.

Wann Sie eskalieren sollten: Ist Ihr Tool das Problem?

Die oben genannten Maßnahmen können die Ergebnisse verbessern – bessere Vorverarbeitung, höhere DPI, Bereichsauswahl. Sie sind jedoch alles Workarounds für dieselbe Einschränkung: Herkömmliche OCR wurde nicht entwickelt, um Tabellen zu lesen. Wenn Sie bei jedem Batch drei oder mehr dieser Maßnahmen anwenden müssen, ist das Tool der Engpass.

Wenn Ihre Dokumente verbundene Zellen, rahmenlose Tabellen, mehrspaltige Layouts oder inkonsistente Überschriften enthalten – was auf die meisten realen Geschäftsdokumente zutrifft – und Sie mehr als 20–30 pro Woche verarbeiten, übersteigt der manuelle Korrekturaufwand die durch OCR eingesparte Zeit. In diesem Fall ist der Umstieg auf ein visionsbasiertes Extraktionstool, das Tabellen als zweidimensionale Strukturen behandelt, kein Luxus – sondern die mathematisch günstigere Option.

Häufig gestellte Fragen