PDF, gescanntes Bild oder Foto:
Kann KI aus allen drei Formaten dieselben Felder extrahieren?
Die kurze Antwort lautet: Ja. Mit ImageToTable.ai geben Sie die Spaltennamen einmal ein – „Rechnungsnummer“, „Lieferantenname“, „Gesamtbetrag“ – und laden Dateien in jedem beliebigen Format hoch. Die KI liest das Dokument, findet die passenden Werte und füllt Ihre Spalten. Sie richten keine Vorlagen pro Lieferant ein, Sie wechseln nicht den Workflow pro Dateityp, und Ihre Spaltennamen ändern sich nicht, wenn sich das Eingabeformat ändert. Was sich ändert, ist die im Hintergrund leise ablaufende Vorverarbeitungspipeline – und zu verstehen, wann die Extraktionsqualität nachlässt, sorgt dafür, dass Ihre Tabelle genau bleibt.
Eine allgemeine Einführung in die Extraktion von Rechnungsfeldern und wie die Extraktion per Spaltenname über verschiedene Lieferantenlayouts hinweg funktioniert, finden Sie in unserem Leitfaden zur automatischen Extraktion von Rechnungsfeldern.
Wichtige Erkenntnisse
- Die Spaltennamensextraktion findet Felder anhand ihrer Bedeutung, nicht anhand von Koordinaten – dieselben Spaltennamen funktionieren über PDFs, Scans und Fotos hinweg, ohne formatspezifische Vorlagen.
- Der Genauigkeitsunterschied zwischen Formaten – 97–99 % bei nativen PDFs gegenüber 85–97 % bei Smartphone-Fotos – liegt an der Vorverarbeitung, nicht an der Extraktionslogik.
- Ein gescanntes PDF enthält keine eingebettete Textebene und verhält sich wie ein gescanntes Bild, nicht wie ein natives PDF – die Dateiendung sagt nichts aus.
- Dokumente vor der Verarbeitung nach Format zu sortieren, ist unnötiger Aufwand, wenn die Spaltennamensextraktion aus jeder Quelle identische Ausgabestrukturen erzeugt.
- Die Genauigkeit handschriftlicher Texte hängt vom individuellen Schreibstil ab, nicht von der Werkzeugfähigkeit – überprüfen Sie handschriftliche Felder, bevor sie in einen nachgelagerten Workflow gelangen.
Wie die Spaltennamensextraktion funktioniert (formatübergreifend)
Die meisten Dokumentextraktionstools arbeiten rückwärts vom Dokumentlayout. Zonale OCR-Plattformen zwingen Sie, Rechtecke um jedes Feld auf einer Beispielseite zu zeichnen. Vorlagenbasierte Systeme speichern ein Layout pro Lieferant. Wenn sich das Dokumentformat ändert – oder Sie mit einem Foto statt einem PDF arbeiten – bricht die Vorlage und Sie beginnen von vorne.
ImageToTable.ai arbeitet andersherum. Sie definieren, was extrahiert werden soll – Spaltennamen in einfachem Englisch – und die KI lokalisiert diese Felder in jedem Dokument, indem sie den Inhalt versteht, nicht indem sie Pixelkoordinaten abgleicht. Eine Position „Gesamtbetrag“ erscheint auf verschiedenen Rechnungen an unterschiedlichen Stellen, aber die KI erkennt sie semantisch, unabhängig davon, wo sie auf der Seite steht.
Das bedeutet, dass dieselben Spaltennamen bei einem nativen PDF aus QuickBooks, einem gescannten Archivdokument und einem Smartphone-Foto einer Quittung funktionieren. Die Extraktionslogik ändert sich nicht. Die Aufgabe der KI wird lediglich schwieriger, je weiter sie durch die Vorverarbeitungspipeline fortschreitet – und es ist nützlich zu wissen, wo die Qualitätsgrenze für jedes Format liegt, bevor man es in einen Workflow einbaut.
Eine vollständige Schritt-für-Schritt-Anleitung – vom Hochladen von Rechnungen über das Definieren von Spalten bis zum Exportieren als saubere Excel-Datei – finden Sie in unserem Leitfaden zur Automatisierung der Rechnungsverarbeitung mit KI.
Testen Sie es: PDF, Scan oder Foto einfügen
Geben Sie ein paar Spaltennamen ein – z. B. „Rechnungsnr.", „Datum", „Gesamtbetrag" – und laden Sie dann aus einem beliebigen Format hoch:
Dateien werden sicher verarbeitet und nicht gespeichert.
Was sich zwischen den Formaten tatsächlich ändert
| Format | Textquelle | Vorverarbeitungsschritte | Qualitätsfaktoren | Typische Genauigkeit (strukturierte Daten) |
|---|---|---|---|---|
| Natives PDF | Eingebettete Textebene | Parsen → Extrahieren | Dateikodierung, Komprimierungsartefakte | 97–99% |
| Gescanntes Dokument | Bild → OCR → Text | OCR-Konvertierung → Extrahieren | DPI, Scanausrichtung, Dokumentenzustand | 95–98% (bei 300 DPI) |
| Smartphone-Foto | Bild → Vorverarbeitung → OCR → Text | Entzerren, verbessern → OCR → Extrahieren | Beleuchtung, Winkel, Fokus, Schatten, Spiegelungen | 85–97% (stark variierend) |
Eine wichtige Nuance: Ein PDF, das durch Scannen eines physischen Dokuments erstellt wurde, ist kein natives PDF. Es sieht im Dateimanager wie ein PDF aus, enthält aber keine eingebettete Textebene – nur ein komprimiertes Bild. Für die Extraktion verhält es sich exakt wie ein gescanntes Dokument. Das überrascht Nutzer, die annehmen, alle PDFs seien gleichwertig. Die Dateiendung verrät nichts über das Vorhandensein einer Textebene. ImageToTable.ai erkennt dies automatisch und wechselt im Hintergrund zur OCR – Sie müssen Ihre Uploads nicht vorab klassifizieren.
Für einen tieferen Einblick, wie sich KI-Extraktion auf Architekturebene von traditioneller zeichenbasierter OCR unterscheidet, finden Sie im Vergleich KI vs. traditionelle OCR eine detailliertere Erklärung des Mechanismus.
Format für Format: Was in der Praxis zu erwarten ist
Native PDFs, die von Buchhaltungssoftware, ERP-Systemen oder Rechnungsplattformen (QuickBooks, SAP, FreshBooks) erstellt werden, erreichen durchgängig die obere Genauigkeitsgrenze. Die Textebene ist sauber, maschinenlesbar und strukturiert. Dieses Format eignet sich für die Stapelverarbeitung hunderter Dateien mit nahezu null manuellen Korrekturen. Randfälle – PDFs mit ungewöhnlicher Schriftkodierung oder als Pfade gerendertem Text – sind selten, verhalten sich dann aber wie Bilder.
Gescannte Dokumente mit 300 DPI vom Flachbettscanner liefern bei sauberen Originalen ähnliche Ergebnisse wie native PDFs. Der Leistungsunterschied zwischen einem gut gescannten Dokument und einem nativen PDF ist bei Standard-Geschäftsdokumenten aus dem letzten Jahrzehnt meist unbedeutend. Die Qualität sinkt mit dem Alter des Dokuments (verblasste Tinte, vergilbtes Papier) und physischen Schäden (Falten durch Textfelder). Bei verblassten Originalen können 400–600 DPI den geringeren Kontrast teilweise ausgleichen. Wenn Sie Scans in ImageToTable.ai verarbeiten, reicht in der Regel eine kurze Stichprobe der ältesten oder beschädigtesten Dateien einer Charge – der Rest ist meist in Ordnung.
Smartphone-Fotos haben die größte Genauigkeitsspanne, da die Aufnahmebedingungen stark variieren. Ein Foto, bei dem das Dokument flach unter gleichmäßigem Licht, ungefähr zentriert und im Bildausschnitt aufgenommen wurde, erreicht fast die Qualität eines gescannten Dokuments. Dasselbe Dokument, in einem 30°-Winkel fotografiert mit einem Schatten über der Hälfte der Seite, liefert bei den verdeckten Feldern deutlich schlechtere Ergebnisse. Die nützliche Eigenschaft von Fehlern des Bildmodells: Wenn ein Feld aus einem Foto nicht zuverlässig extrahiert werden kann, ist das Ergebnis meist leer oder offensichtlich falsch, statt plausibel, aber inkorrekt zu sein – leicht bei der Überprüfung zu erkennen, anstatt stillschweigend in Ihre Daten einzugehen.
Fünf Faktoren, die die Feldextraktionsqualität tatsächlich beeinflussen
Das Format bestimmt einen Basisbereich. Diese fünf Faktoren entscheiden, wo Sie innerhalb dieses Bereichs landen – und die meisten liegen vor dem Dateieingang in Ihrer Hand:
1. Auflösung (DPI) – Der am besten steuerbare Faktor bei gescannten Dokumenten. Scannen mit 300 DPI kann die OCR-Genauigkeit im Vergleich zu niedrigeren Auflösungen um bis zu 50 % verbessern. Unter 150 DPI häufen sich Zeichenfehler, und dichte Tabellenzellen werden unzuverlässig. Wenn Sie einen Scan-Workflow für ein Dokumentenarchiv aufbauen, ist DPI die Einstellung, die Sie vor allem anderen standardisieren sollten.
2. Beleuchtung und Schatten (Fotos) – Ungleichmäßiges Licht erzeugt falsche Kanten, die die Zeichensegmentierung stören. Ein Schatten, der über eine Zahlenreihe fällt, kann die gesamte Zeile fehlinterpretieren lassen. Die Lösung ist einfach: Legen Sie das Dokument flach auf eine kontrastreiche Unterlage unter gleichmäßigem Umgebungslicht, nicht unter einer direkten Lichtquelle oder mit Blitz.
3. Dokumentschiefstellung – Eine Seite, die um mehr als ein paar Grad von der Horizontalen abweicht fotografiert oder gescannt wird, verschlechtert die Zeilensegmentierungsgenauigkeit erheblich. ImageToTable.ai wendet eine automatische Entzerrung an, aber extreme Winkel (30°+) führen bei dichten Tabellen dennoch zu Fehlern. Bei Handyaufnahmen rahmen Sie das Dokument grob mittig und parallel zur Bildkante ein.
4. Textart: gedruckt vs. handschriftlich — Gedruckter Text in üblichen Schriftgrößen (ab 8 pt) funktioniert in allen drei Formaten zuverlässig. Handschriftlicher Text stellt eine qualitativ andere Herausforderung dar: Die Genauigkeit hängt vom individuellen Schriftbild ab, nicht von der Leistungsfähigkeit des Tools, und die Ergebnisse variieren stark. Bei handschriftlichen Feldern – Mengenlisten, handschriftlichen Quittungen – prüfen Sie die extrahierten Werte stets, bevor sie in einen nachgelagerten Workflow gelangen.
5. Wasserzeichen und überlappende Elemente — Vision-Language-Modelle verarbeiten diese besser als herkömmliche zeichenbasierte OCR, da sie den Kontext verstehen: Ein „BEZAHLT“-Stempel über einem Lieferantennamen ist nicht Teil des Lieferantennamens. Starke Wasserzeichen direkt über datendichten Tabellenzellen verringern dennoch die Genauigkeit der betroffenen Felder, isolierte Stempel und Logos verursachen jedoch selten Probleme.
Wenn Ihre Dokumente eine Mischung aus allen drei Formaten sind
Dies ist das tatsächliche Szenario, mit dem die meisten Finanz- und Betriebsteams konfrontiert sind. Ein Lieferant sendet PDF-Rechnungen per E-Mail. Archivierte Unterlagen von vor zwei Jahren sind gescannte TIFF-Dateien, die in PDF konvertiert wurden. Außendienstmitarbeiter reichen Spesenbelege als Handyfotos ein. Separate Workflows für drei Eingabeformate – oder eine Vorsortierung vor dem Hochladen – sind die Art von Aufwand, der sich mit der Zeit unsichtbar ansammelt.
Mit der Spaltennamensextraktion in ImageToTable.ai legen Sie Ihre Felder einmal fest, laden Dateien in beliebiger Formatkombination hoch und erhalten eine einzige zusammengeführte Excel-Datei, in der jede Zeile einem Quelldokument entspricht – unabhängig von dessen ursprünglichem Format. Die Ausgabetabellenstruktur ist identisch, egal ob die Quelle ein SAP-generiertes PDF oder ein Foto einer handschriftlichen Quittung war.
Die praktische Konsequenz: Dokumente müssen nicht nach Format vorsortiert werden. Das Format spielt nur eine Rolle, wenn Sie die Genauigkeitserwartungen für einen Batch festlegen – ein Stapel sauberer Lieferanten-PDFs liefert gleichmäßigere Ergebnisse als eine gemischte Charge mit schlecht beleuchteten Handyfotos unter wechselnden Bedingungen.
Für Teams, die Dokumente von Außendienstmitarbeitern oder externen Beitragenden über mehrere Kanäle erhalten, ermöglicht die Stapelverarbeitung das gemeinsame Hochladen dieser gemischten Dateien und die Zusammenführung der Ergebnisse in einer einzigen Tabelle – ohne manuelles Sortieren. Die Funktion „Sammlungslink“ geht noch weiter: Empfänger laden direkt in Ihre Verarbeitungswarteschlange hoch, ohne ein Konto zu benötigen.
Häufig gestellte Fragen
Kann KI Daten aus einem handschriftlichen Rechnungs- oder Quittungsfoto extrahieren?
Ja, aber mit geringerer Genauigkeit als bei gedrucktem Text. Vision-Sprachmodelle können Handschrift lesen, die Ergebnisse hängen jedoch stark vom individuellen Schreibstil ab. Klare, getrennte Druckschrift funktioniert deutlich besser als Schreibschrift. Bei handschriftlichen Dokumenten sollten Sie die extrahierten Werte – insbesondere Zahlenfelder und Daten – vor der Weiterverwendung überprüfen. Felder mit optisch ähnlichen Zeichen (1 vs. l, 0 vs. O) sind die häufigste Fehlerquelle.
Verhält sich ein durch Scannen erstelltes PDF wie ein digital erzeugtes PDF?
Nein. Ein durch Scannen eines physischen Dokuments erstelltes PDF enthält keine eingebettete Textebene – es ist ein komprimiertes Bild in einer PDF-Hülle. Es verhält sich wie ein gescanntes Dokument, nicht wie ein natives PDF. Die Dateiendung .pdf gibt keinen Aufschluss über das Vorhandensein einer Textebene. ImageToTable.ai erkennt dies automatisch: Wenn ein PDF keine Textebene hat, wird ohne Ihr Zutun auf OCR zurückgegriffen.
Welche Auflösung sollte ich beim Scannen von Dokumenten für beste Extraktionsergebnisse wählen?
300 DPI ist der Standardwert, bei dem die Genauigkeit für die meisten Geschäftsdokumente stabil ist. 600 DPI erzeugt größere Dateien ohne nennenswerte Verbesserungen bei sauberen, gut erhaltenen Originalen. Bei älteren oder verblassten Dokumenten mit kleiner Schrift können 400–600 DPI helfen, Details zu erfassen, die bei 300 DPI verloren gehen.
Kann ich eine Mischung aus PDFs, Scans und Fotos gleichzeitig verarbeiten?
Ja. Sie legen Ihre Spaltennamen einmalig in ImageToTable.ai fest, laden Dateien in beliebiger Kombination hoch und laden eine einzige zusammengeführte Excel-Datei herunter. Jede Zeile entspricht einem Quelldokument. Kein Vorsortieren, keine separaten Workflows, keine formatspezifischen Vorlagen.
Beeinflusst die Ausrichtung (Hoch-/Querformat) die Erkennungsgenauigkeit?
Die Ausrichtung selbst mindert die Genauigkeit nicht – beide Formate werden korrekt verarbeitet. Problematisch ist eine starke Schräglage innerhalb der gewählten Ausrichtung: Ein um 25° von der Senkrechten abweichendes Dokument liefert schlechtere Ergebnisse als dasselbe Dokument, das in beliebiger Ausrichtung gerade aufgenommen wurde. Halten Sie das Dokument etwa parallel zum Bildrand.
Was passiert, wenn ein Schatten auf einem Teil des Dokuments liegt?
Schatten verringern den lokalen Kontrast und erschweren die Zeichenerkennung im betroffenen Bereich. Ein Schatten auf einem leeren Rand hat kaum Auswirkungen. Ein Schatten, der über eine Zahlenreihe oder ein beschriftetes Feld verläuft, ist problematischer – die extrahierten Werte für diese Felder sind dann wahrscheinlich leer oder offensichtlich falsch, was sie bei der Überprüfung leicht erkennbar macht, anstatt stillschweigend fehlerhaft zu sein. Wenn ein erneutes Foto nicht möglich ist, ist indirektes Licht (abgewandt von der Dokumentenebene) die effektivste einzelne Verbesserung.
Testen Sie ImageToTable.ai mit Ihren eigenen Dokumenten
Die eingebettete Demo oben funktioniert sofort – geben Sie ein paar Spaltennamen ein, ziehen Sie ein beliebiges PDF, einen Scan oder ein Foto hinein. Eine Anleitung zur optimalen Strukturierung von Spaltennamen für konsistente Extraktion aus unterschiedlichen Dokumentlayouts finden Sie im Leitfaden zur Feldextraktion, der Namenskonventionen und Randfälle detailliert behandelt.
Keine Kreditkarte erforderlich. Unterstützt PDF, JPG, PNG und WebP.