WeChat Pay-Screenshots:
Keine Belege. Trotzdem Betrag und Bestellnummer extrahieren
Auf den ersten Blick klingt es, als könne das Extrahieren von Daten aus einem WeChat Pay-Screenshot nicht funktionieren. Es gibt kein Rechnungslayout, keine Einzelpostenaufschlüsselung, keine Steuernummer – die Zahlungsbestätigung sieht aus, als gehöre sie in einen Chatverlauf, nicht in eine Tabelle. Wer schon einmal vor einem WeChat-Transaktionsbildschirm gesessen und sich gefragt hat, ob dies als Zahlungsnachweis gilt, liegt mit diesem Bauchgefühl zur Hälfte richtig. Es ist kein Beleg. Es ist kein Fapiao – Chinas offizielle Steuerrechnung, ein Dokument mit einer 12-stelligen Code-Nummer, einer 8-stelligen Seriennummer und einem staatlichen Stempel, der der einzige rechtlich anerkannte Ausgabenbeleg ist. Aber die beiden Zahlen, die die meisten Menschen tatsächlich benötigen – der gezahlte Betrag und die Transaktions-ID – sind direkt im Screenshot vorhanden. Und sie können extrahiert werden, ohne eine einzige Ziffer neu einzutippen.
Was ein WeChat Pay-Screenshot tatsächlich zeigt (und was nicht)
Wenn Sie mit WeChat in einem Restaurant, Taxi oder an der Ecke bezahlen, bestätigt die App die Transaktion mit einem Benachrichtigungsbildschirm. Er zeigt den Händlernamen, den Transaktionsbetrag in RMB, die Zahlungszeit und eine Transaktionsnummer – eine lange Zahlenfolge, die diese spezifische Zahlung im WeChat-System identifiziert. Das ist der gesamte Bildschirm. Keine Einzelposten, keine Steueraufschlüsselung, keine eingetragene Adresse des Händlers, kein offizielles Siegel.
Eine formelle Quittung – in China als Fapiao (发票) bezeichnet – erfordert all diese fehlenden Angaben. Der Unterschied zwischen einem WeChat-Screenshot und einem Fapiao ist keine geringfügige Formatierungsdifferenz. Es ist ein rechtlicher Kategorienunterschied: Das eine ist eine Zahlungsbestätigung, das andere ein Steuerdokument.
Hier sehen Sie, was sie voneinander unterscheidet:
| Was ein WeChat-Screenshot zeigt | Was ein formelles Fapiao erfordert |
|---|---|
| Händlername | Eingetragener Firmenname des Verkäufers + Steueridentifikationsnummer |
| Transaktionsbetrag (RMB) | Steuerpflichtiger Betrag und Mehrwertsteuerbetrag, getrennt ausgewiesen |
| Zahlungszeit | Rechnungsausstellungsdatum + 12-stelliger Fapiao-Code + 8-stellige Fapiao-Nummer |
| Transaktions-/Bestellnummer | Adresse, Telefonnummer und Bankverbindung des Verkäufers |
| Zahlungsmethode (Guthaben oder Karte) | Steuer-ID des Käufers (für spezielle Mehrwertsteuer-Fapiaos, die für Abzüge verwendet werden) |
| — | Offizieller roter Stempel (发票专用章) oder gleichwertige digitale Signatur |
Die Schlussfolgerung ist nicht, dass ein WeChat-Screenshot nutzlos ist. Sondern dass der Screenshot und der Fapiao unterschiedlichen Zwecken dienen. Wenn Sie eine steuerlich absetzbare Quittung für die betriebliche Erstattung in China benötigen, brauchen Sie den Fapiao – der Screenshot allein wird weder eine Finanzabteilung noch das Steueramt zufriedenstellen. Aber wenn Sie Ihre eigenen Ausgaben über Dutzende von WeChat-Transaktionen hinweg verfolgen, abgleichen, was Sie bezahlt haben mit dem, was Ihnen in Rechnung gestellt wurde, oder eine persönliche Aufzeichnung der Zahlungen für Ihre eigene Buchhaltung führen möchten, enthält der Screenshot genau die Daten, die Sie benötigen. Das Problem ist, sie effizient zu extrahieren.
Warum „Kein Beleg“ nicht „Nicht extrahierbar“ bedeutet
Der Instinkt, dass sich ein WeChat-Screenshot nicht extrahieren lässt, kommt von einem nachvollziehbaren Ort: Dies ist kein strukturiertes Dokument. Herkömmliche OCR-Tools basieren auf der Annahme, dass ein Dokument ein vorhersagbares Layout hat – eine Rechnung hat einen Kopf mit einem Händlernamen und eine Fußzeile mit einer Summe, und die OCR-Engine liest Zeichen aus bekannten Koordinaten innerhalb dieser Zonen. Eine WeChat-Zahlungsbestätigung hat nichts davon. Es ist ein flacher UI-Bildschirm, auf dem der Betrag, der Händlername und die Transaktionsnummer in einem benachrichtigungsähnlichen Layout schweben, das je nach WeChat-Version, Bildschirmgröße des Telefons und davon abhängt, ob die Zahlung durch Scannen eines QR-Codes oder durch Vorlegen eines Codes erfolgte.
Herkömmliche OCR scheitert hier nicht, weil der Text schwer zu lesen ist, sondern weil sie die Frage „Welche dieser Zahlen ist der Betrag?“ nicht beantworten kann, ohne eine Vorlage, die ihr sagt, wo sie suchen soll.
Hier kommt es auf den Ansatz an. Visuelle Sprachmodelle – die Art von KI, die hinter modernen Extraktionstools steckt – lesen Dokumente nicht, indem sie nach Zeichen an festen Koordinaten suchen. Sie verarbeiten die gesamte visuelle Eingabe auf einmal: den Text, das Layout, die räumlichen Beziehungen zwischen Elementen und den Kontext, der sie verbindet. Wenn ein visuelles Sprachmodell „¥238,00“ im selben visuellen Rahmen wie eine Zahlungsbestätigungs-UI sieht – mit einem Händlernamen darüber, einem Zeitstempel darunter und einem WeChat-Pay-Header, der den gesamten Bildschirm umschließt – erkennt es, dass diese Zahl ein Transaktionsbetrag ist. Kein Produktpreis, kein Datum, keine Telefonnummer. Ein Betrag. Die Unterscheidung ist semantisch, nicht positionsbasiert.
Dies ist der Wechsel von der positionsbasierten Extraktion zur semantischen Extraktion. Eine Vorlage fragt: „Wo auf der Seite befindet sich das Betragsfeld?“ Ein visuelles Modell fragt: „Welche Zahl in diesem Bild repräsentiert das, was bezahlt wurde?“ Die zweite Frage funktioniert bei jedem Layout, weil sie an kein Layout gebunden ist. Sie funktioniert bei einem WeChat-Screenshot genauso wie bei einer Venmo-Bestätigung oder einer PayPal-Zahlungsseite – weil das Konzept des „gezahlten Betrags“ in allen vorkommt, auch wenn die Pixel in jeder App anders angeordnet sind.
Angewendet auf ImageToTable.ai heißt dieser Mechanismus Benutzerdefinierte Spaltenextraktion: Sie geben die gewünschten Feldnamen ein – „Betrag“ und „Bestellnummer“ – und die KI lokalisiert die entsprechenden Werte überall auf dem Screenshot, indem sie versteht, was jedes Feld bedeutet, nicht wo es sitzt. Die von Ihnen eingegebenen Spaltennamen werden zu den Kopfzeilen Ihrer Ausgabetabelle. Laden Sie einen Screenshot oder hundert hoch; die Extraktion funktioniert auf die gleiche Weise, da sie nicht von Koordinaten abhängt.
Die zwei relevanten Felder extrahieren
So sieht der tatsächliche Workflow für einen WeChat Pay-Screenshot aus. Laden Sie das Bild hoch. Definieren Sie zwei Spalten: Betrag und Bestellnummer. Die KI scannt den Screenshot, identifiziert den Händler, den Zahlungsbetrag und die Transaktions-ID und fügt diese als Zeile in eine Tabelle ein. Wenn Sie zehn Screenshots von zehn verschiedenen WeChat-Zahlungen hochladen – unterschiedliche Händler, unterschiedliche Beträge, unterschiedliche Daten – erhalten Sie zehn Zeilen in einer Tabelle, wobei für jede die gleichen zwei Spalten ausgefüllt sind.
Die Bestellnummer verdient eine genauere Betrachtung, denn sie ist das Feld, das einen Screenshot von einer Gedächtnisstütze in etwas verwandelt, das Sie tatsächlich weiterverwenden können. Jede WeChat Pay-Transaktion generiert eine eindeutige Transaktions-ID – sichtbar im Detailbildschirm der Zahlung innerhalb der App und in vielen Versionen direkt in der Bestätigungsbenachrichtigung. Diese Nummer verwenden Sie, um die Zahlung abzugleichen – entweder mit Ihrem WeChat-Transaktionsverlauf in der App oder mit einem Kontoauszug, falls die Zahlung über eine verknüpfte Karte und nicht über das WeChat-Guthaben erfolgte. Sie ist der Anker, der den Screenshot mit einer bestimmten, überprüfbaren Transaktion verbindet. Wenn sie zusammen mit dem Betrag in einer Tabelle extrahiert wird, müssen Sie nicht mehr jedes Mal zwischen einer Fotogalerie und einem Transaktionsprotokoll hin- und herwechseln, wenn Sie etwas überprüfen möchten.
Was können Sie mit diesen beiden Feldern tun, sobald sie in einer Tabelle sind? Die Anwendungen sind unkompliziert und nicht auf eine bestimmte Personengruppe beschränkt: Teilen Sie gemeinsame Ausgaben mit exakten Zahlen statt groben Schätzungen, gleichen Sie einen Monat WeChat-Abgänge mit einem Kontoauszug ab, fügen Sie einer separat per E-Mail eingegangenen Rechnung einen Zahlungsnachweis bei, oder führen Sie einfach ein laufendes Protokoll darüber, was wann ausgegeben wurde. Wenn Sie zehn oder zwanzig solcher Vorgänge pro Monat bearbeiten, summiert sich die Zeitersparnis durch das manuelle Eintippen von zwei Feldern pro Screenshot schnell – und was noch wichtiger ist: Die Bestellnummern sind lange Zahlenfolgen, die sich leicht vertippen lassen.
Es gibt klare Einschränkungen, die man offen nennen sollte. Wenn ein Screenshot beschnitten ist und die Bestellnummer im Bild nicht sichtbar ist, kann die KI sie nicht extrahieren – es gibt keine Daten zum Finden. Verschiedene Versionen von WeChat zeigen Zahlungsdetails leicht unterschiedlich an, und während der Betrag auf jedem Bestätigungsbildschirm zuverlässig vorhanden ist, muss bei einigen UI-Versionen möglicherweise in eine Detailansicht getippt werden, um die vollständige Bestellnummer zu sehen. Die Extraktion ist nur so vollständig wie der Screenshot, den Sie bereitstellen. Und entscheidend: Die Ausgabe ist eine Tabellenzeile, kein Steuerdokument – nichts an diesem Prozess verwandelt einen WeChat-Screenshot in einen rechtlich gültigen Fapiao. Was er tut, ist, Sie davor zu bewahren, die bereits vorhandenen Daten manuell zu übertragen, damit Sie Ihre Zeit für die Teile Ihres Workflows aufwenden können, die tatsächlich Urteilsvermögen erfordern.
Wenn Sie eine Schritt-für-Schritt-Anleitung zum Extrahieren von Transaktionsdetails aus WeChat-Screenshots suchen – einschließlich des Aussehens des vollständigen Bestätigungsbildschirms und der richtigen Aufnahme –, finden Sie diese in unserem Leitfaden zu WeChat Pay-Transaktionsdetails für die praktische Umsetzung dieses Artikels.
FAQ
Kann ein WeChat-Pay-Screenshot einen Fapiao für die Spesenabrechnung ersetzen?
Nein. In China ist ein Fapiao das einzige gesetzlich anerkannte Dokument für die steuerlich absetzbare Erstattung von Geschäftsausgaben. Ein WeChat-Pay-Screenshot ist eine Zahlungsbestätigung – er belegt, dass Sie bezahlt haben, ihm fehlen jedoch die Steuerinformationen, der offizielle Stempel und die von der Regierung ausgestellte Rechnungsstruktur, die einen Fapiao rechtlich gültig machen. Einige Unternehmen akzeptieren Zahlungsscreenshots als ergänzende Dokumentation neben dem Fapiao – ein Leitfaden zur Rechtskonformität von Covington & Burling aus dem Jahr 2024 empfiehlt diese Vorgehensweise ausdrücklich für Unternehmen, die Mitarbeiterausgaben in China verwalten (Quelle). Der Screenshot allein kann jedoch keinen Fapiao ersetzen. Für die persönliche Buchführung, den Abgleich und die interne Nachverfolgung – wenn Steuerkonformität nicht das Ziel ist – liefert er genau die benötigten Daten.
Was ist, wenn der Screenshot vollständig auf Chinesisch ist – funktioniert die Extraktion trotzdem?
Ja. Visuelle Sprachmodelle verarbeiten Text in der Sprache, in der er erscheint – tatsächlich verarbeiten sie das visuelle Erscheinungsbild des Textes zusammen mit seiner Bedeutung, was bedeutet, dass chinesische Schriftzeichen nativ verarbeitet werden, nicht über eine separate OCR-Übersetzungs-Pipeline. Der Betrag (als Zahl mit einem ¥-Symbol) und die Transaktionsnummer (eine numerische oder alphanumerische Zeichenfolge) sind sprachunabhängige Felder. Selbst der Händlername, der möglicherweise auf Chinesisch ist, wird unverändert extrahiert – es ist ein Datenfeld, das nicht übersetzt werden muss, um in einer Tabelle nützlich zu sein.
Funktioniert dieser Ansatz auch für Alipay und andere Zahlungs-Apps?
Ja. Das gleiche Prinzip – semantische Extraktion, nicht Vorlagenabgleich – gilt für Screenshots jeder Zahlungs-App. Alipay, Venmo, Zelle, Cash App, PayPal, Revolut und Wise erstellen alle Zahlungsbestätigungsbildschirme, die dieselbe Eigenschaft teilen: Sie sind keine Tabellen, sie sind keine Belege, aber sie enthalten alle einen Betrag und eine Form von Transaktionskennung. Wir haben separate Anleitungen für mehrere dieser Plattformen erstellt – darunter Venmo, Zelle, Cash App, PayPal, Revolut und Wise – die jeweils die Besonderheiten des Bestätigungsbildschirms dieser Plattform behandeln. Der zugrundeliegende Mechanismus ist bei allen gleich: Sie definieren, was Sie möchten, und die KI findet es – unabhängig davon, wie die Quelle aussieht.
Der WeChat-Pay-Screenshot ist ein Extremfall dieses Prinzips. Er ist das Gegenteil eines strukturierten Dokuments – eine Zahlungsbenachrichtigung, die in einer Messaging-Super-App vergraben ist – und dennoch sind die beiden relevanten Felder extrahierbar. Wenn der Ansatz hier funktioniert, funktioniert er überall. Das ist der Punkt.