Eine WhatsApp-Sprechblase ist kein Bankformular
Trotzdem Kontonummer & Betrag extrahieren
Auf den ersten Blick klingt es, als könne das nicht funktionieren: Bankdaten aus einem WhatsApp-Screenshot zu ziehen. Es gibt kein Formular, keine Tabelle, keine beschrifteten Felder – nur eine Chat-Sprechblase mit etwas wie "Bank: Chase, Konto: 123456789, Betrag: 500 $" alles in einer Zeile. Wer schon einmal vor einer solchen Sprechblase saß und sich fragte, ob sich Kontonummer und Betrag trennen lassen, ohne sie manuell abzutippen, versteht den Instinkt: Die Nachricht war für einen Menschen zum Lesen gedacht, nicht für eine Software zum Parsen. Aber die beiden Zahlen, die die meisten tatsächlich brauchen – die Kontonummer und der Betrag – sind direkt im Screenshot vorhanden. Und sie lassen sich extrahieren, ohne eine einzige Ziffer neu einzutippen.
Wichtige Erkenntnisse
- Wenn Bankdaten per WhatsApp eingehen, machen Sie einen Screenshot – und tippen dann jedes Mal die Kontonummer und den Betrag manuell in Ihre Tabelle.
- OCR sieht beide als bloße Zahlen – es kann „123456789“ nicht von „500 $“ unterscheiden, wenn sie in derselben Chat-Sprechblase stehen, ohne ein Formular-Layout zur Beschriftung.
- Visuelle KI liest die Banksprache – sie trennt die Kontonummer anhand der Beschriftung „Konto“ und den Betrag anhand des „$“-Symbols, und das bei unbegrenzten Absenderformaten in einem Durchgang.
Warum eine Chat-Blase scheinbar nicht analysiert werden kann
Wenn jemand seine Bankdaten über WhatsApp sendet, enthält die Nachricht in der Regel drei oder vier Informationen in einem einzigen Textblock: den Namen der Bank, eine Kontonummer, manchmal eine Routing-Nummer oder einen Sort Code sowie den zu überweisenden Betrag. Die Nachricht kann als eine einzelne oder auf zwei bis drei Blasen verteilt eintreffen, aber das Kernproblem ist dasselbe – die Daten haben keine Struktur. Es gibt keine Spalte, die besagt: „Diese Nummer ist das Konto“ und „Jene Nummer ist der Betrag.“ Beides sind nur Zahlen im selben Satz.
Die natürliche Reaktion ist, einen Screenshot zu machen – Sie möchten eine Aufzeichnung des Gesendeten – und die Zahlen dann dort einzutippen, wo Sie sie tatsächlich benötigen: in eine Tabelle, eine Rechnung, eine Buchhaltungs-App oder eine Zahlungsbestätigung. Dieser manuelle Schritt ist die Fehlerquelle, besonders wenn Sie täglich mehrere Kunden-Zahlungen bearbeiten und jede eine andere Kontonummer und einen anderen Betrag hat, die in verschiedenen Chats nach oben gescrollt werden müssen.
Diese Situation ist alltäglich. Ein Freelancer erhält Bankdaten von einem neuen Kunden und macht einen Screenshot des Chats für seine Unterlagen. Ein Kleinunternehmer bekommt per WhatsApp die Kontoinformationen eines Lieferanten für eine Rechnungszahlung. Ein Mitbewohner sendet sein Bankkonto zur Aufteilung der Miete. In jedem Fall sind die Informationen sichtbar – Sie können sie mit den Augen lesen – aber um sie in ein nutzbares Format zu bringen, müssen Sie sie entweder abtippen oder ein Werkzeug finden, das die Teile automatisch trennen kann.
Was herkömmliche OCR tatsächlich liest (und warum das nicht ausreicht)
Die herkömmliche optische Zeichenerkennung (OCR) liest den WhatsApp-Screenshot und extrahiert jedes Zeichen, das sie finden kann. Die Ausgabe ist eine Textzeichenfolge – „Bank: Chase, Konto: 123456789, Betrag: 500 $“ – also genau das, was ein Mensch beim Betrachten des Bildes lesen würde. Das Problem ist, dass OCR nicht weiß, was diese Wörter bedeuten. Sie sieht Bank, Chase, Konto, 123456789, Betrag, 500 $ als eine flache Abfolge von Token. Die Zahl 123456789 könnte eine Kontonummer, eine Telefonnummer oder eine Transaktions-ID sein. Die 500 $ könnten der Überweisungsbetrag oder ein Mindestguthaben sein. Für OCR sind es lediglich Zeichencluster ohne semantische Rolle.
Dies ist eine grundlegende Einschränkung der positionsbasierten Extraktion: Ohne die Bedeutung der Wörter neben den Zahlen zu kennen, kann das Werkzeug Ihnen nicht sagen, welche Zahl welche ist. Eine Chat-Blase ohne festes Layout – in der der Absender „Konto-Nr.: 123456789“ oder „Kto. 123456789“ oder einfach nur „123456789“ ohne Bezeichnung schreiben könnte – macht jedes System zunichte, das auf Muster oder Position angewiesen ist.
Die Lücke liegt nicht in der Erkennungsgenauigkeit. Moderne OCR kann die Zeichen in einem sauberen WhatsApp-Screenshot mit nahezu perfekter Genauigkeit lesen – der Text ist digital, gut ausgeleuchtet und nicht verzerrt. Die Lücke liegt im Verständnis dafür, was diese Zeichen im Kontext bedeuten.
Warum Visuelle KI die Kontonummer vom Betrag unterscheiden kann
Der Unterschied zwischen herkömmlicher OCR und einem Vision-Language-Modell liegt nicht darin, wie gut jedes System Zeichen erkennt – sondern darin, ob das System versteht, was die Wörter bedeuten. Visuelle KI liest den WhatsApp-Screenshot und hört nicht bei der Zeichenerkennung auf. Sie verarbeitet das Bild und identifiziert die semantische Struktur der Nachricht: Sie erkennt Konto als Bezeichnung, die eine Kontonummer einleitet, Betrag als Bezeichnung, die einen Geldbetrag einleitet, und Bank als Bezeichnung für den Namen des Finanzinstituts.
Dies ist der Kerngedanke hinter der Benutzerdefinierten Spaltenextraktion: Sie definieren die gewünschten Ausgabespalten – „Kontonummer“ und „Betrag“ – und die KI findet die passenden Werte überall auf dem Screenshot, indem sie versteht, was diese Bezeichnungen bedeuten. Sie benötigt nicht, dass die Kontonummer an einer bestimmten Position, in einer bestimmten Schriftart oder in einem bestimmten Format steht. Sie findet die Nummer, die auf das Wort „Konto“ (oder „Kto.“ oder „Kontonr.“) folgt, und die Nummer, die auf das Wort „Betrag“ (oder „€“ oder „Summe“) folgt. Das gleiche Prinzip, das für die Datenextraktion aus Zahlungsscreenshots, die keine formellen Belege sind, funktioniert, gilt auch für WhatsApp-Chatblasen, die überhaupt keine formellen Dokumente sind.
Die Extraktion hängt nicht vom visuellen Layout der Chatblase ab – sie hängt davon ab, dass die KI die Sprache der Bankanweisungen versteht. Solange der Absender Bezeichnungen wie „Konto“, „Betrag“ oder einen ähnlichen Identifikator verwendet, kann das System die Zahlen korrekt trennen.
Aus diesem Grund funktioniert der Ansatz auch dann, wenn die Nachricht anders formatiert ist – mit dem Banknamen zuerst, dem Betrag in einer separaten Zeile oder der Kontonummer, die in der Mitte des Satzes versteckt ist. Visuelle KI verarbeitet die gesamte Nachricht als zusammenhängenden Block und ordnet jede Zahl der Bezeichnung zu, die sie beschreibt.
So extrahieren Sie Kontonummer und Betrag aus einem WhatsApp-Screenshot
Der Arbeitsablauf ist unkompliziert und erfordert keine Einrichtung pro Absender oder pro Nachrichtenformat. So funktioniert es in der Praxis.
Der gesamte Vorgang – vom Upload bis zur strukturierten Ausgabe – dauert etwa 5 bis 10 Sekunden pro Screenshot. Für einen Freiberufler, der zehn Zahlungsbestätigungen von Kunden in einem einzigen Batch verarbeitet, sind das weniger als zwei Minuten, statt der zehn oder fünfzehn Minuten, die es dauern würde, jede Kontonummer und jeden Betrag manuell einzutippen, zu überprüfen und die Einträge zu formatieren.
Drei Szenarien, in denen das tatsächlich vorkommt
Das Szenario „Bankdaten in WhatsApp“ ist nicht hypothetisch – es tritt regelmäßig in mehreren realen Kontexten auf, jedes Mal mit leicht unterschiedlichen Informationsmustern.
Freiberufler, die Zahlungen von Kunden erhalten. Ein freiberuflicher Designer, Autor oder Berater stellt einem Kunden eine Rechnung, und der Kunde antwortet mit „Gerne, hier sind meine Bankdaten für die Überweisung“, gefolgt von einer Nachricht mit den Kontoinformationen. Der Freiberufler macht einen Screenshot vom Chat als Zahlungsnachweis und muss die Daten später in seine Buchhaltungsdatei eingeben. Über einen Monat mit Kundenarbeit hinweg können so ein Dutzend oder mehr Screenshots von verschiedenen Kunden zusammenkommen, jeder mit einer anderen Kontonummer und unterschiedlichen Nachrichtenformaten.
Kleine Unternehmen, die WhatsApp Business nutzen. In Märkten, in denen WhatsApp das primäre Geschäftskommunikationsmittel ist – in Indien, Brasilien, Mexiko, Nigeria und Südostasien – teilen Lieferanten und Kunden routinemäßig Bankdaten per Chat im Rahmen von Auftragsbestätigungen und Rechnungsbegleichungen. Ein kleiner Einzelhändler könnte an einem einzigen Morgen Kontodaten von fünf verschiedenen Lieferanten erhalten, jede als WhatsApp-Nachricht, die für den Zahlungslauf gescreenshottet wird.
Private Überweisungen und gemeinsame Ausgaben. Seltener, aber dennoch üblich: Ein Freund oder Familienmitglied sendet sein Bankkonto für eine Mietzahlung, eine Rückerstattung für eine Gruppenreise oder ein Geschenk. Der Screenshot verbleibt als Aufzeichnung in der Galerie des Telefons, und die Nummern müssen in eine Tracking-Tabelle oder ein Ausgabenprotokoll übertragen werden.
In allen drei Fällen ist der Kernbedarf derselbe: Die Informationen sind im Screenshot sichtbar und müssen mit so wenig manuellem Aufwand wie möglich in strukturierte Daten umgewandelt werden. Die Menge der wiederholten Screenshots – und nicht ein einzelner – macht den Extraktionsansatz wertvoll.
Was dies kann und was nicht
Es lohnt sich, die Grenzen klar zu benennen. Die KI kann die Kontonummer und den Betrag extrahieren, die in der WhatsApp-Nachricht erscheinen, aber sie kann nicht überprüfen, ob diese Angaben korrekt sind oder ob das Bankkonto der Person gehört, die sie gesendet hat. Der Screenshot ist eine Aufzeichnung dessen, was kommuniziert wurde, kein validiertes Finanzdokument. Wenn Sie einen offiziellen Zahlungsnachweis benötigen – einen Kontoauszug, eine Transaktionsquittung oder eine formelle Rechnung – ersetzt der WhatsApp-Screenshot allein diese nicht.
Es gibt auch Formatfälle, in denen die Extraktion weniger zuverlässig ist. Wenn der Absender die Kontonummer und den Betrag ohne jegliche Bezeichnung schreibt – einfach „123456789 $500“ ohne Kontext – hat die KI weniger semantische Informationen, mit denen sie arbeiten kann. In der Praxis fügen die meisten Menschen zumindest „Konto“ und „Betrag“ oder ein „$“-Zeichen hinzu, aber vollständig unbezeichnete Zahlen erhöhen die Wahrscheinlichkeit, dass die falsche Zahl in der falschen Spalte landet. Das Tool funktioniert am besten, wenn die Nachricht identifizierende Bezeichnungen enthält – auch minimale wie „Kto.“ und „$“ – die dem System sagen, welche Zahl welche ist.
Die ehrliche Einschätzung: Ein WhatsApp-Screenshot kann Ihnen zuverlässig die Kontonummer und den Überweisungsbetrag liefern, so wie sie im Chat geschrieben wurden. Er liefert Ihnen keinen bankbestätigten Transaktionsnachweis. Für Aufzeichnungs- und Nachverfolgungszwecke reicht das oft aus. Für Prüfungs- oder rechtliche Nachweise benötigen Sie den offiziellen Kontoauszug der Bank.
Häufig gestellte Fragen
Kann die KI mehrere Kontonummern in einem Screenshot verarbeiten?
Wenn die WhatsApp-Nachricht mehr als eine Kontonummer enthält – z. B. „Mein Sparkonto ist 111111, mein Girokonto ist 222222“ – extrahiert die KI beide. Die Ausgabetabelle enthält alle erkannten Kontonummern. Je nachdem, wie Sie die Daten organisieren möchten, müssen Sie diese möglicherweise manuell in separate Zeilen oder Spalten aufteilen. Für beste Ergebnisse verarbeiten Sie Screenshots, bei denen jede Nachricht die Details eines Kontos enthält.
Funktioniert es mit internationalen Banknummern wie IBAN oder IFSC-Code?
Ja. Die KI erkennt Kontokennungen anhand ihres Label-Kontexts und Formatmusters – IBANs (beginnend mit einem zweistelligen Ländercode, bis zu 34 Zeichen), IFSC-Codes (11-stellig alphanumerisch), Routing-Nummern (9 Ziffern) und Sort Codes (6 Ziffern, formatiert als xx-xx-xx) werden alle durch dieselbe semantische Extraktion verarbeitet. Wenn die Chat-Blase sie mit „IBAN“, „IFSC-Code“, „Routing“ oder „Sort Code“ beschriftet, ordnet die KI sie der richtigen Spalte zu.
Kann ich einen Stapel von WhatsApp-Screenshots verschiedener Personen auf einmal verarbeiten?
Ja. Laden Sie alle Screenshots in einen einzigen Batch hoch und definieren Sie denselben Satz an Spalten – Bankname, Kontonummer, Betrag. Die KI extrahiert jeden Screenshot unabhängig und führt die Ergebnisse in einer Tabelle zusammen. Die Ausgabe enthält eine Zeile pro Screenshot, wobei jede Zeile die Details dieser spezifischen Chat-Nachricht enthält, unabhängig davon, wer sie gesendet hat oder wie die Nachricht formatiert war.
Was ist, wenn Kontonummer und Betrag in verschiedenen WhatsApp-Nachrichten innerhalb desselben Chats stehen?
Wenn Sie mehrere Blasen in einem Screenshot erfassen, liest die KI den gesamten sichtbaren Chatbereich und verbindet zusammengehörige Informationen anhand von Nähe und Kontext. Wenn die Kontonummer in einer Nachricht und der Betrag in der nächsten steht, werden beide extrahiert, solange sie im selben Bildausschnitt sichtbar sind. Bei Nachrichten, die sich über mehrere Screenshots erstrecken, verarbeiten Sie jeden Screenshot separat und führen die Zeilen manuell zusammen oder verwenden eine gemeinsame Referenz (wie den Kontaktnamen), um sie abzugleichen.
Spielt die Sprache der Bankdaten eine Rolle?
Die KI arbeitet mit den in der Nachricht vorhandenen Bezeichnungen. Englische Labels wie „Account“, „Amount“ und „Bank“ sind am häufigsten, aber das System extrahiert Text, indem es die Struktur der Nachricht erkennt – eine Zahl nach einem Identifikatorwort, ein Währungssymbol vor einer Zahl – unabhängig von der spezifischen Sprache. Nachrichten auf Spanisch („Cuenta“, „Monto“), Portugiesisch („Conta“, „Valor“), Hindi oder anderen Sprachen werden auf die gleiche Weise verarbeitet, solange das visuelle Muster von Label + Wert in der Blase vorhanden ist.
Wenn das nächste Mal Bankdaten in einer WhatsApp-Blase eintreffen, müssen sie nicht dort bleiben.
Laden Sie den Screenshot hoch, benennen Sie die benötigten Spalten und lassen Sie die KI Kontonummer und Betrag in eine Tabellenzeile überführen – ohne eine einzige Ziffer von Hand abzutippen.
Jetzt an einem WhatsApp-Screenshot ausprobieren