Betrag und Händlername abgreifen
aus einer Bank-SMS-Benachrichtigung
Am Ende eines normalen Ausgabentages hat Ihr Telefon einen kleinen Stapel an Bank-SMS-Benachrichtigungen: ein Kaffeebesuch, eine Mittagsrechnung, ein wiederkehrendes Abo, ein Tankstellenstopp. Jede enthält genau zwei Informationen, die Sie für Ihr Budget tatsächlich brauchen — den Transaktionsbetrag und den Händlernamen. Aber Chase schreibt seine Benachrichtigungen auf eine Art, Bank of America auf eine andere, Wells Fargo auf eine dritte und American Express auf eine vierte. Der Betrag wandert im Satz je nach Absender. Das manuelle Übertragen jeder Nachricht in eine Budget-App dauert zehn bis fünfzehn Sekunden pro Mitteilung, und wenn Sie das für eine Woche Transaktionen machen, summieren sich diese Sekunden zu einer lästigen Pflicht, die Sie jeden Monat wiederholt.
Die wichtigsten Erkenntnisse
- Vier US-Banken melden denselben Einkauf von 42,50 $ bei AMAZON.COM – aber der Dollar-Betrag steht bei Chase an Wortposition 3, bei Wells Fargo an Position 6 und bei Amex an Position 2.
- Ein positionsbasiertes Tool, das bei Chase funktioniert, versagt bei Bank of America – es erwartet den Betrag an einer Satzstelle, die in der Nachrichtenvorlage der anderen Bank nicht existiert.
- Visuelle KI liest die Nachricht als Transaktion – sie findet den Händler in GROSSBUCHSTABEN und den Betrag nach dem Währungssymbol und verarbeitet alle vier Bankformate in einem Durchgang ohne bankspezifische Regeln.
Warum dieselbe Transaktion bei jeder Bank anders aussieht
SMS-Benachrichtigungen von Banken folgen einem grundlegenden Muster — Kartenkennung, Betrag, Händler, Datum — aber jedes Institut ordnet sie in einer eigenen Reihenfolge an. Ein Kauf von 42,50 $ bei AMAZON.COM erzeugt deutlich unterschiedliche Nachrichten:
Chase
Chase: Purchase of $42.50 at AMAZON.COM on 03/15/2025 — Card ending 1234
Bank of America
BofA Alert: Debit card ending 1234 was used for $42.50 at AMAZON.COM on 03/15/2025
Wells Fargo
Wells Fargo: A purchase of $42.50 was made with your debit card at AMAZON.COM
American Express
AMEX: A charge of $42.50 was made on your Card ending 1234 at AMAZON.COM on Mar 15.
Bei der Chase-Version ist der Betrag das dritte Wort nach dem Doppelpunkt (of $42.50). Bei der Amex-Version steht er ebenfalls weit vorne. Bei der Wells-Fargo-Version befindet er sich zwischen purchase of und was made. Jede Nachricht ist für einen Menschen perfekt lesbar, aber der Betrag „wandert“ im Text, weil jede Bank eine andere Satzvorlage verwendet. Auch der Händlername variiert: Manche Banken verwenden den vollständigen juristischen Namen (AMAZON.COM), andere kürzen ihn ab, und einige fügen die Stadt oder den Bundesstaat des Händlers hinzu, wenn der Name allein Verwirrung stiften könnte.
Diese Formatvarianz ist der Hauptgrund, warum ein einfacher Kopieren-und-Einfügen-Ansatz scheitert. Wenn Sie zehn Benachrichtigungen von vier verschiedenen Banken abfotografieren, erscheint das Dollarzeichen des Betrags in fast jeder Nachricht an einer anderen Zeichenposition. Ein Tool, das das Dollarzeichen an der „üblichen Stelle“ sucht, wird die Hälfte davon übersehen.
Was herkömmliche OCR bei einem SMS-Screenshot übersieht
Herkömmliche OCR (optische Zeichenerkennung) liest Text, indem sie nach Formen sucht, die wie Buchstaben und Zahlen aussehen, und gibt dann alles in Lesereihenfolge aus. Sie versteht nicht, dass 42,50 $ der Preis ist, während 15.03.2025 das Datum ist. Beides sind nur Zeichenfolgen, die in derselben Zeile stehen.
Bei einem sauberen, strukturierten Dokument wie einer Rechnung ist diese Einschränkung beherrschbar, weil das Layout selbst verrät, welche Zahl welche ist — der Gesamtbetrag steht in der unteren rechten Zelle, das Datum neben „Datum:“. Eine SMS-Benachrichtigung Ihrer Bank hat jedoch keine solche visuelle Struktur. Sie besteht aus einem oder zwei Sätzen. Das Dollarzeichen und der Händlername stehen nebeneinander, ohne dass eine Spaltentrennung oder eine Beschriftung sie voneinander trennt. OCR liefert Ihnen einen Textblock zurück und überlässt es Ihnen, herauszufinden, welche Teilzeichenfolge der Betrag ist.
„Der Unterschied ist einfach: OCR sieht eine Zeichenfolge. Visuelle KI sieht eine Transaktion.“
Hier wird die Grenze zwischen OCR und dem, was die Branche KI-Datenextraktion (oder visuelle Extraktion) nennt, zu einem praktischen Unterschied, nicht nur zu einem technischen. Die optische Zeichenerkennung kann Ihnen sagen, welche Zeichen auf dem Screenshot erscheinen. Ein Vision Language Model kann Ihnen sagen, welche dieser Zeichen der Transaktionsbetrag und welcher der Händlername ist.
Wie visuelle KI Betrag und Händler identifiziert
Anstatt von links nach rechts zu scannen und den gesamten gefundenen Text auszugeben, betrachtet ein Vision Language Model den Screenshot so, wie ein Mensch es tun würde: Es liest die Nachricht, versteht den Kontext („dies ist eine Bank-Transaktionsbenachrichtigung“) und identifiziert die Teile, die zu dem passen, was es über den Inhalt einer Transaktion weiß — einen Betrag (normalerweise mit einem Dollarzeichen davor), einen Händlernamen (normalerweise in Großbuchstaben oder nach „bei“) und ein Datum.
Darauf basiert die Custom Column Extraction: Sie definieren die gewünschten Spalten — in diesem Fall Betrag und Händlername — und die KI findet die entsprechenden Werte, indem sie deren Bedeutung versteht, nicht indem sie rät, wo auf dem Bildschirm sie normalerweise stehen. Das gleiche Prinzip gilt, ob Sie Daten aus einer SMS-Benachrichtigung Ihrer Bank, einem Zahlungsscreenshot, der keine Tabelle ist, oder einer Rechnung in einem Ihnen unbekannten Format extrahieren. Im Gegensatz zu vorlagenbasierten Tools, bei denen Sie das System für jedes Bankformat „trainieren“ oder ein Kästchen um die Stelle zeichnen müssten, an der das Dollarzeichen erscheint, funktioniert die semantische Extraktion, ohne dass es eine Rolle spielt, ob Chase den Betrag an die dritte Stelle setzt oder Amex an die letzte.
Der praktische Effekt: Derselbe Zwei-Spalten-Aufbau (Betrag, Händlername) verarbeitet eine Chase-SMS, eine Bank-of-America-SMS, eine Wells-Fargo-SMS und eine Amex-SMS in einem Durchgang. Sie sagen der KI nicht „schau auf Position X auf dem Bildschirm“. Sie sagen ihr, was Sie wollen, und sie findet es.
Von SMS-Screenshots zur Tabelle
Das Extrahieren der Daten aus einem Stapel von SMS-Benachrichtigungs-Screenshots folgt dem gleichen Workflow, egal ob Sie drei Nachrichten von dieser Woche oder dreißig vom letzten Monat haben.
Wählen Sie alle SMS-Benachrichtigungs-Screenshots aus Ihrer Kamera-Rolle, Galerie oder Ihrem Download-Ordner aus. Sie müssen nicht von derselben Bank oder derselben Karte stammen. Der Upload ist von Haus aus batch-freundlich.
Erstellen Sie zwei Spalten: Betrag und Händlername. Das ist die gesamte Einrichtung. Fügen Sie optional eine Datum-Spalte hinzu, wenn jede Transaktion in Ihrer Ausgabetabelle mit einem Zeitstempel versehen werden soll.
Die KI liest jeden Screenshot, identifiziert den Betrag und den Händlernamen in jeder SMS-Benachrichtigung und schreibt sie in eine einzige Tabelle. Benachrichtigungen von Chase, Amex, Wells Fargo und Bank of America werden ohne formatspezifische Konfiguration gemeinsam verarbeitet.
Laden Sie das Ergebnis als Excel-Datei herunter oder übertragen Sie es direkt mit dem Seitenleisten-Add-on in Google Sheets. Jede Zeile entspricht einer SMS-Benachrichtigung: Betrag in der ersten Spalte, Händlername in der zweiten, Datum in der dritten, falls Sie es hinzugefügt haben.
Derselbe Ansatz funktioniert, egal ob die SMS-Benachrichtigungen Screenshots der iPhone-Nachrichten-App (mit Chat-Bläschen-Stil), der standardmäßigen Android-SMS-App (mit einem anderen Kartenlayout) oder sogar ein Gmail-Screenshot sind, wenn Sie Benachrichtigungen per E-Mail statt per SMS erhalten. Die visuelle KI ist nicht vom Stil des Containers abhängig — sie liest den Textinhalt und identifiziert die Transaktionsfelder darin.
Wenn die SMS auch eine Bestellnummer oder Sendungsverfolgungsnummer enthält (z. B. eine Kaufbestätigung, die eine Bankbenachrichtigung mit einer Bestellbenachrichtigung kombiniert), gilt dasselbe Prinzip — das Konzept lässt sich nahtlos von Bankbenachrichtigungen auf SMS-Bestellbestätigungen übertragen, bei denen es darum geht, eine Versand-Tracking-Nummer anstelle eines Händlernamens zu extrahieren.
Was dieser Ansatz nicht abdeckt
Die visuelle KI-Extraktion aus SMS-Screenshots verarbeitet die Kernfelder gut, hat aber klare Grenzen, die Sie kennen sollten:
- Nur Screenshots — diese Methode funktioniert mit Bildern, die Sie aufgenommen haben. Sie liest keine SMS-Nachrichten direkt aus der Nachrichtendatenbank Ihres Telefons (dafür wäre eine App mit SMS-Berechtigungen erforderlich, eine völlig andere Produktkategorie).
- Der Bildausschnitt ist entscheidend — wenn der Screenshot das Dollarzeichen abschneidet oder den Händlernamen verkürzt, kann die KI nur mit dem arbeiten, was sichtbar ist. Ein vollständiger Screenshot, der den gesamten Alarmtext zeigt, liefert das beste Ergebnis.
- Nicht-englische Alarme — die Kernfelder (Betrag und Datum) lassen sich sprachübergreifend gut übertragen, da Ziffern universell sind. Ein Chase-Alarm auf Spanisch beginnt immer noch mit „Chase:“ und enthält einen Dollarbetrag. Regionalbanken in nicht-englischsprachigen Märkten können anders formatieren.
- Gestapelte Alarme — manche Telefone gruppieren mehrere SMS-Benachrichtigungen in einem einzigen Screenshot. Wenn Sie eine Sperrbildschirmansicht mit vier gestapelten Bankalarmen erfassen, kann die KI dennoch einzelne Beträge und Händler innerhalb des Screenshots identifizieren.
Häufig gestellte Fragen
Funktioniert das sowohl mit Debit- als auch mit Kreditkartenalarmen?
Ja. Die meisten Banken verwenden für Debit- und Kreditkartentransaktionen dasselbe Format. Die Alarmmeldung kann vorne „Debitkarte“ oder „Kreditkarte“ angeben, aber Betrag und Händlername erscheinen unabhängig vom Kartentyp an derselben relativen Position.
Was ist mit Überweisungs- oder ACH-Alarmen, nicht mit Kartenkäufen?
Eingehende Überweisungs- und ACH-Alarme enthalten ebenfalls einen Betrag und einen Absendernamen anstelle eines Händlers. Das gleiche Custom Column Extraction-Setup funktioniert — tauschen Sie einfach die zweite Spalte von „Händlername“ in „Absendername“ und die KI passt ihre Suche entsprechend an.
Kann ich Alarme von mehreren Banken in einem Batch verarbeiten?
Genau dafür ist das Tool gemacht. Laden Sie Screenshots von Chase, Bank of America, Wells Fargo und jeder anderen Bank auf einmal hoch. Die KI liest jeden Screenshot unabhängig und weist den korrekten Betrag und Händlernamen pro Nachricht zu, unabhängig davon, welche Bank sie gesendet hat.
Muss ich die Screenshots vor dem Hochladen nach Bank sortieren?
Nein. Sortieren ist nicht nötig, da die Extraktion nicht auf Batch-Homogenität angewiesen ist. Ein Chase-Alarm an Batch-Position #1 und ein Wells Fargo-Alarm an Batch-Position #7 werden identisch verarbeitet. Die einzige sinnvolle Sortierung ist chronologisch, und die können Sie nach der Extraktion mithilfe der Datumsspalte in der Ausgabetabelle vornehmen.
Der Betrag und der Händlername in einer SMS-Benachrichtigung Ihrer Bank liegen als Klartext vor. Die Herausforderung bestand nie darin, dass die Daten unzugänglich sind — sondern darin, dass jede Bank sie anders formatiert und herkömmliche Extraktionstools nicht verstehen, was die Zahlen bedeuten. Visuelle KI beseitigt diesen Engpass, indem sie die Nachricht semantisch liest – genauso wie Sie es tun – und das Ergebnis in eine Tabelle einfügt, die Sie sofort nutzen können.