WeChat-Pay-Screenshots:
Keine Belege. Trotzdem Betrag & Bestellnummer erhalten
Auf den ersten Blick klingt es so, als dürfte das Extrahieren von Daten aus einem WeChat-Pay-Screenshot gar nicht funktionieren. Es gibt kein Rechnungslayout, keine positionsweise Aufschlüsselung, keine Steuernummer – die Zahlungsbestätigung sieht aus, als gehörte sie in einen Chatverlauf, nicht in eine Tabelle. Für jeden, der schon einmal auf einen WeChat-Transaktionsbildschirm gestarrt hat und sich gefragt hat, ob das als Zahlungsnachweis zählt, ist dieser Instinkt zur Hälfte richtig. Es ist kein Beleg. Es ist keine Fapiao – Chinas offizielle Steuerrechnung, ein Dokument mit einem 12-stelligen Code, einer 8-stelligen Seriennummer und einem staatlich ausgestellten Stempel, das der einzige rechtlich anerkannte Nachweis für Ausgaben ist. Aber die beiden Zahlen, die die meisten Menschen tatsächlich daraus brauchen – den gezahlten Betrag und die Transaktionsnummer – stehen direkt im Screenshot. Und sie lassen sich herausziehen, ohne eine einzige Ziffer neu abzutippen.
Was ein WeChat-Pay-Screenshot tatsächlich zeigt (und was nicht)
Wenn Sie mit WeChat in einem Restaurant, einem Taxi oder einem Laden an der Ecke bezahlen, bestätigt die App die Transaktion mit einem Benachrichtigungsbildschirm. Dieser 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 registrierte Adresse des Händlers, kein offizielles Siegel.
Eine formelle Quittung – in China als Fapiao (发票) bezeichnet – erfordert all diese fehlenden Bestandteile. Die Lücke zwischen einem WeChat-Screenshot und einer Fapiao ist kein geringfügiger Formatierungsunterschied. Es ist ein rechtlicher Kategorienunterschied: Das eine ist eine Zahlungsbenachrichtigung, das andere ein Steuerdokument.
Hier ist, was sie voneinander unterscheidet:
| Was ein WeChat-Screenshot zeigt | Was eine formelle Fapiao erfordert |
|---|---|
| Händlername | Registrierter Firmenname des Verkäufers + Steueridentifikationsnummer |
| Transaktionsbetrag (RMB) | Steuerpflichtiger Betrag und Mehrwertsteuerbetrag, getrennt |
| Zahlungszeit | Rechnungsausstellungsdatum + 12-stelliger Fapiao-Code + 8-stellige Fapiao-Nummer |
| Transaktionsnummer | Adresse, Telefonnummer und Bankverbindung des Verkäufers |
| Zahlungsmethode (Guthaben oder Karte) | Steuer-ID des Käufers (für spezielle Mehrwertsteuer-Fapiao, die bei Abzügen verwendet werden) |
| — | Offizieller roter Stempel (发票专用章) oder gleichwertige digitale Signatur |
Die Schlussfolgerung ist nicht, dass ein WeChat-Screenshot nutzlos ist. Es ist vielmehr so, dass der Screenshot und die Fapiao unterschiedlichen Zwecken dienen. Wenn Sie für die Erstattung durch Ihr Unternehmen in China einen steuerlich absetzbaren Beleg benötigen, brauchen Sie die Fapiao – der Screenshot allein wird weder eine Finanzabteilung noch das Finanzamt zufriedenstellen. Wenn Sie jedoch Ihre eigenen Ausgaben über Dutzende von WeChat-Transaktionen hinweg verfolgen, Ihre Zahlungen mit den gestellten Rechnungen abgleichen 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 herauszubekommen.
Warum „Keine Quittung" nicht „Nicht extrahierbar" bedeutet
Der Instinkt, dass ein WeChat-Screenshot nicht extrahiert werden kann, kommt von einem nachvollziehbaren Ort: Dies ist kein strukturiertes Dokument. Traditionelle OCR-Tools basieren auf der Annahme, dass ein Dokument ein vorhersehbares Layout hat – eine Rechnung hat einen Kopfbereich mit einem Verkäufernamen und einen Fußbereich 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 Betrag, Händlername und Transaktionsnummer in einem Benachrichtigungslayout schweben, das je nach WeChat-Version, Bildschirmgröße des Telefons und ob die Zahlung durch Scannen eines QR-Codes oder durch das Scannen eines Codes erfolgt ist, variiert.
Traditionelle 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 hinter modernen Extraktionstools – lesen Dokumente nicht, indem sie Zeichen an festen Koordinaten scannen. Sie verarbeiten den gesamten visuellen Input auf einmal: den Text, das Layout, die räumlichen Beziehungen zwischen Elementen und den Kontext, der sie verbindet. Wenn ein VLM „¥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. Der Unterschied ist semantisch, nicht positionell.
Dies ist der Wechsel von positionsbasierter Extraktion zu semantischer Extraktion. Eine Vorlage fragt: „Wo auf der Seite ist das Betragsfeld?" Ein visuelles Modell fragt: „Welche Zahl in diesem Bild repräsentiert, 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-Checkout-Seite – weil das Konzept des „bezahlten Betrags" in allen existiert, auch wenn die Pixel in jeder App unterschiedlich angeordnet sind.
Auf ImageToTable.ai angewendet, wird dieser Mechanismus Benutzerdefinierte Spaltenextraktion genannt: Sie geben die gewünschten Feldnamen ein – „Betrag" und „Transaktionsnummer" – und die KI lokalisiert die entsprechenden Werte überall auf dem Screenshot, indem sie versteht, was jedes Feld bedeutet, nicht wo es sitzt. Die Spaltennamen, die Sie eingeben, werden zu den Kopfzeilen Ihrer Ausgabetabelle. Laden Sie einen Screenshot oder hundert hoch; die Extraktion funktioniert auf die gleiche Weise, weil sie nicht von Koordinaten abhängt.
Die zwei entscheidenden Felder extrahieren
So sieht der tatsächliche Ablauf bei einem WeChat-Pay-Screenshot aus. Bild hochladen. Zwei Spalten definieren: Betrag und Transaktionsnummer. Die KI scannt den Screenshot, identifiziert den Händler, den Zahlungsbetrag und die Transaktions-ID-Zeichenfolge und fügt sie in eine Tabellenzeile ein. Wenn Sie zehn Screenshots von zehn verschiedenen WeChat-Zahlungen hochladen – verschiedene Händler, verschiedene Beträge, verschiedene Daten – erhalten Sie zehn Zeilen in einer Tabelle, wobei dieselben zwei Spalten für jede Zeile ausgefüllt werden.
Die Transaktionsnummer verdient einen genaueren Blick, denn sie ist das Feld, das aus einem Screenshot von einer Gedächtnisstütze etwas macht, das Sie tatsächlich weiterverwenden können. Jede WeChat-Pay-Transaktion generiert eine eindeutige Transaktions-ID – sichtbar im Zahlungsdetailbildschirm in der App und in vielen Versionen direkt auf der Bestätigungsbenachrichtigung. Diese Nummer verwenden Sie, um die Zahlung abzugleichen – entweder mit Ihrem WeChat-Transaktionsverlauf in der App oder mit einem Kontoauszug, wenn die Zahlung über eine verknüpfte Karte und nicht über das WeChat-Guthaben erfolgt ist. Sie ist der Anker, der den Screenshot mit einer bestimmten, überprüfbaren Transaktion verbindet – und wenn sie zusammen mit dem Betrag in eine Tabelle extrahiert wird, müssen Sie nicht jedes Mal zwischen Fotogalerie und Transaktionsprotokoll hin- und herwechseln, wenn Sie etwas überprüfen möchten.
Was können Sie mit diesen zwei Feldern tun, sobald sie in einer Tabelle sind? Die Verwendungsmöglichkeiten sind unkompliziert und nicht auf eine bestimmte Personengruppe beschränkt: Teilen Sie gemeinsame Ausgaben mit den exakten Zahlen statt mit groben Schätzungen, gleichen Sie einen Monat WeChat-Ausgaben mit einem Kontoauszug ab, fügen Sie einer Rechnung, die separat per E-Mail eingegangen ist, einen Zahlungsbeleg bei, oder führen Sie einfach ein laufendes Protokoll darüber, was wann ausgegeben wurde. Wenn Sie zehn oder zwanzig davon pro Monat verarbeiten, summiert sich die Zeitersparnis durch das manuelle Eintippen von zwei Feldern pro Screenshot schnell – und was noch wichtiger ist: Die Transaktionsnummern sind lange Zahlenfolgen, die von Hand leicht falsch getippt werden können.
Es gibt reale Einschränkungen, die klar benannt werden sollten. Wenn ein Screenshot beschnitten ist und die Transaktionsnummer im Bild nicht sichtbar ist, kann die KI sie nicht extrahieren – es gibt keine Daten zu finden. Verschiedene WeChat-Versionen 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 Zeichenfolge zu sehen. Die Extraktion ist nur so vollständig wie der Screenshot, den Sie bereitstellen. Und entscheidend: Das Ergebnis ist eine Tabellenzeile, kein Steuerdokument – nichts an diesem Prozess verwandelt einen WeChat-Screenshot in eine rechtlich gültige 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 vollständigen Bestätigungsbildschirms und der richtigen Aufnahme – finden Sie in unserem Leitfaden zu WeChat-Pay-Transaktionsdetails die Anleitung zu diesem Artikel.
FAQ
Kann ein WeChat-Pay-Screenshot eine Fapiao für die Spesenerstattung ersetzen?
Nein. In China ist eine Fapiao das einzige rechtlich anerkannte Dokument für die steuerlich absetzbare Erstattung von Geschäftsausgaben. Ein WeChat-Pay-Screenshot ist eine Zahlungsbestätigung – er beweist, dass Sie bezahlt haben, aber ihm fehlen die Steuerinformationen, der offizielle Stempel und die staatlich ausgestellte Rechnungsstruktur, die eine Fapiao rechtlich gültig machen. Einige Unternehmen akzeptieren Zahlungsscreenshots als ergänzende Dokumentation neben der Fapiao – ein Leitfaden zur Rechtskonformität von Covington & Burling aus dem Jahr 2024 empfiehlt diese Praxis ausdrücklich für Unternehmen, die Mitarbeiterausgaben in China verwalten (Quelle). Aber der Screenshot allein kann eine Fapiao nicht ersetzen. Für die persönliche Buchführung, den Abgleich und die interne Nachverfolgung – wo Steuerkonformität nicht das Ziel ist – liefert er genau die Daten, die Sie benötigen.
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 Zeichen nativ verarbeitet werden, nicht über eine separate OCR-dann-übersetzen-Pipeline. Der Betrag (ausgedrückt 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 – er ist ein Datenfeld, kein Etwas, das übersetzt werden muss, um in einer Tabelle nützlich zu sein.
Funktioniert dieser Ansatz 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 erzeugen 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 geschrieben – einschließlich Venmo, Zelle, Cash App, PayPal, Revolut und Wise – jede deckt die Besonderheiten des Bestätigungsbildschirms dieser Plattform ab. Der zugrunde liegende Mechanismus ist bei allen gleich: Sie definieren, was Sie wollen, und die KI findet es – unabhängig davon, wie die Quelle aussieht.
Der WeChat-Pay-Screenshot ist ein extremes Beispiel für dieses Prinzip. Er ist das Gegenteil eines strukturierten Dokuments – eine Zahlungsbenachrichtigung, die in einer Messaging-Super-App vergraben ist – und doch sind die beiden relevanten Felder immer noch extrahierbar. Wenn der Ansatz hier funktioniert, funktioniert er überall. Das ist der Punkt.