Gescannte PDF in Excel: Extrahieren Sie die Spalten, die Sie benennen – nicht alles auf der Seite
Layout-Konverter übertragen die visuelle Struktur Ihres Scans in zerbrochene Zeilen und verbundene Zellen. Generische Datenextraktoren erfassen jedes Feld – und Sie verbringen Zeit mit dem Filtern. Die Spaltennamen-Extraktion liefert Ihnen genau die Zeilen und Spalten, die Sie angefordert haben, in einer Tabelle, die sofort einsatzbereit ist.
5–10 s pro Seite · Bis zu 99 % Genauigkeit bei gedrucktem Text
Was Sie aus jeder gescannten PDF extrahieren können
Geben Sie die gewünschten Spaltennamen ein – die KI findet diese Werte überall auf der gescannten Seite, indem sie versteht, was sie bedeuten, und nicht, wo sie zufällig stehen. Funktioniert mit jedem Anbieterformat und jeder Scan-Qualität. Derselbe Scan-zu-Excel-Workflow gilt, ob die Seite als gespeicherte PDF oder als Handyfoto ankommt.
Dies sind Beispiele für Spaltennamen, die Sie eingeben. Die KI findet passende Werte auf jeder gescannten Seite – die Ausgabe ist eine saubere Tabelle.
Zwei Probleme türmen sich in einer gescannten PDF auf – die meisten Tools lösen eines und ignorieren das andere
Gescannte PDFs haben keine Textebene – nur ein Bild. Das erzeugt zwei sich verstärkende Probleme: Zeichen aus Pixeln zu erkennen und dann zu verstehen, welcher Wert zu welchem Feld gehört. Hier scheitern gängige Ansätze, und hier geht die Spaltennamen-Extraktion von einer völlig anderen Prämisse aus.
Wo Standardansätze scheitern
Layout-Konverter behandeln Scans wie digitale PDFs. Sie rekonstruieren das visuelle Raster – das auf dem Bildschirm stimmt, speichert Beträge aber als Text, zerbricht mehrzeilige Zeilen und erzeugt verbundene Zellen. Die Ausgabe erfordert manuelle Nacharbeit, bevor Daten gefiltert oder summiert werden können.
Generische Datenextraktoren erfassen alles – Sie filtern weiterhin manuell. Ein gescannter Rechnungsbeleg kann über 40 erkannte Werte liefern: Kopfzeile des Lieferanten, alle 14 Positionen, drei Steuerzeilen, Fußnoten und Seitenzahlen. Sie erhalten einen kompletten Datendump und verbringen Zeit damit, nicht benötigte Zeilen zu löschen.
Vorlagenbasierte Tools versagen bei verschiedenen Lieferanten. Eine für das Rechnungsformat eines Lieferanten erstellte Vorlage liefert falsche Ergebnisse, sobald ein anderer Lieferant ein anderes Layout verwendet – was immer der Fall ist. Stapel mit mehreren Lieferanten erfordern eine separate Vorlage pro Format.
So funktioniert die Spaltenextraktion
Sie legen die Ausgabeform vor der Extraktion fest. Geben Sie die gewünschten Spaltennamen ein — Lieferantenname, Rechnungsnr., Position, Betrag, Fälligkeitsdatum — und die KI behandelt diese als Ziel. Sie rekonstruiert nicht das Seitenlayout, sondern liest sinngemäß und füllt nur das, was Sie angefordert haben.
Vision-Modelle lesen semantisch, nicht positionsbasiert. „Rechnungsnummer“ wird als Konzept verstanden. Egal ob oben rechts, unten links oder in der Seitenmitte — und selbst bei leicht schiefem Scan oder nicht standardmäßiger Schrift — findet das Modell den Wert neben dieser Bezeichnung, weil es versteht, was eine Rechnungsnummer ist.
Eine Spaltendefinition gilt für alle Lieferanten im Batch. Laden Sie 50 gescannte Rechnungen von 30 verschiedenen Lieferanten hoch. Ihre sechs Spaltennamen gelten für alle — keine lieferantenspezifischen Vorlagen, keine formatspezifische Einrichtung. Die Verarbeitung dauert 5-10 Sekunden pro Seite (vs. ~3 Minuten manuelle Eingabe pro Seite).
So extrahieren Sie bestimmte Felder aus einem Stapel gescannter Rechnungen
Laden Sie Ihre gescannten PDFs hoch
Sie haben einen Ordner mit gescannten Rechnungen: einige hochauflösende Flachbettscans, einige mit dem Handy fotografiert, ein paar per Fax eingegangen. Formate können PDF, JPG, PNG oder WebP sein – gemischte Formate in einem Stapel sind kein Problem. Keine Vorverarbeitung oder Entzerrung vor dem Upload erforderlich.
Geben Sie Ihre Spaltennamen einmal ein
Geben Sie Lieferantenname, Rechnungsnummer, Rechnungsdatum, Positionsbeschreibung, Betrag, Steuer, Gesamtsumme ein. Die KI wendet diese Spaltendefinitionen auf jedes Dokument im Stapel an – sie muss das Layout des jeweiligen Lieferantenformats nicht kennen. Sie liest jeden Scan und findet diese Werte, indem sie deren Bedeutung versteht.
Laden Sie eine zusammengeführte Excel-Datei herunter
Jede gescannte Seite wird zu einer Zeile. Die Spalten sind genau die von Ihnen definierten – keine zusätzlichen Spalten, keine leeren Zeilen durch fehlgeschlagene Layout-Rekonstruktion. Wenn ein Feld auf einer bestimmten Seite nicht gefunden wurde, bleibt die Zelle leer, statt mit einem falschen Wert gefüllt zu werden. Export als XLSX, CSV oder JSON.
Wann es funktioniert – und wann mit geringerer Genauigkeit zu rechnen ist
Gescannte Dokumente variieren stark in ihrer Qualität. Zu verstehen, wo die Genauigkeit erhalten bleibt und wo sie abnimmt, hilft Ihnen zu entscheiden, wann Sie Ergebnisse stichprobenartig prüfen sollten.
Ideale Anwendung
Klare Scans von gedruckten Dokumenten. Flachbettscans mit mindestens 150 DPI oder gerade aufgenommene Handyfotos bei gutem Licht. Bis zu 99 % Genauigkeit bei gedrucktem Text – Beträge, Daten und Referenznummern werden zuverlässig erfasst.
Feld-Wert-Layouts mit erkennbaren Bezeichnungen. Rechnungen, Bestellungen, Formulare und Kontoauszüge, bei denen Daten neben beschrifteten Feldern wie „Rechnungsnr.“ oder „Gesamtbetrag“ stehen. Die KI identifiziert Werte anhand ihrer Bezeichnungen, nicht ihrer Position.
Lieferantenübergreifende Stapel mit einheitlichen Spaltenzielen. Wenn Sie dieselben sechs Felder aus 50 gescannten Rechnungen von 30 Lieferanten benötigen, erzeugt ein Stapel mit einem Satz Spaltennamen eine konsolidierte Tabelle – ohne anbieterspezifische Vorlagen.
Vorsicht geboten
Stark degradiertes Ausgangsmaterial. Kopien von Kopien, Faxausdrucke unter ~100 DPI oder Dokumente mit starkem Tintendurchschlag verringern die Genauigkeit. Das Modell nutzt Kontext, um Rauschen auszugleichen, aber es gibt eine Untergrenze – überprüfen Sie Ergebnisse aus minderwertigen Quellen stichprobenartig.
Dichte handschriftliche Anmerkungen auf Vordrucken. Gedruckter Text auf Scans erreicht bis zu 99 % Genauigkeit. Handschrift ist weniger zuverlässig und variiert je nach Leserlichkeit – saubere handschriftliche Einträge werden gut erfasst, starke Schreibschrift oder schwache Bleistiftnotizen erfordern manuelle Prüfung.
Werte in unbeschrifteten Absätzen. Wenn die benötigte Zahl in einem Satz ohne umgebende Bezeichnung versteckt ist – „der Gesamtbetrag darf zweiundvierzigtausend Dollar nicht überschreiten“ – kann die KI sie möglicherweise nicht zuverlässig extrahieren. Feld-Wert-Layouts mit klaren Bezeichnungen funktionieren am besten.
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem gescannten PDF und einem digitalen PDF – und wie wirkt sich das auf die Extraktion aus?
Ein digitales PDF hat eine eingebettete Textebene – Standardtools können Text direkt auswählen und kopieren. Ein gescanntes PDF ist ein Foto eines Dokuments ohne Textebene, nur Pixel. Standardtools führen eine OCR durch, um die Zeichen zu erraten, und versuchen dann, das Layout zu rekonstruieren – zwei separate Schritte, die jeweils Fehler verursachen. Dieses Tool nutzt ein visuelles Large Model, das den Scan wie ein Mensch liest und Erkennung sowie Strukturverständnis in einem Durchgang vereint. Bis zu 99 % Genauigkeit bei klar gedrucktem Text.
Kann ich auswählen, welche Spalten extrahiert werden – wie Rechnungsnummer und Gesamtbetrag – oder werden alle Daten erfasst?
Sie wählen die Spalten aus. Geben Sie die gewünschten Feldnamen ein – Rechnungsnummer, Lieferantenname, Positionsbeschreibung, Betrag – und die KI extrahiert nur diese Werte aus jeder gescannten Seite. Die eingegebenen Spaltennamen werden zu den exakten Überschriften in der ausgegebenen Excel-Datei. Wenn Sie keine Spalten angeben, identifiziert die KI automatisch die wichtigsten Felder des Dokuments und erstellt eigenständig eine strukturierte Tabelle – nützlich als Ausgangspunkt, um zu sehen, was extrahierbar ist.
Wie genau ist die Extraktion bei minderwertigen oder verblassten Scans?
Die Genauigkeit hängt von der Quellqualität ab. Klare Flachbettscans oder gerade Handyfotos von gedrucktem Text erreichen bis zu 99 % Genauigkeit. Verblasster Text, starke Komprimierung oder Scans in schrägen Winkeln liefern geringere Ergebnisse – das visuelle Modell nutzt den umgebenden Kontext, um Rauschen auszugleichen, aber es gibt eine praktische Untergrenze. Bei schlechten Quellen sollten Sie die Ausgabe stichprobenartig prüfen. Ein klarer Scan direkt vom Originaldokument ist immer die beste Eingabe.
Kann ich gescannte PDFs von verschiedenen Lieferanten stapelweise verarbeiten und eine einzige zusammengeführte Tabelle erhalten?
Ja. Laden Sie gescannte PDFs von beliebig vielen Lieferanten in einem Stapel hoch – unterschiedliche Layouts, unterschiedliche Formate, sogar unterschiedliche Dateitypen (PDF, JPG, PNG gemischt). Definieren Sie einen Satz Spaltennamen, und die KI wendet ihn auf jedes Dokument an. Jede Seite wird zu einer Zeile in der Ausgabe. Die Verarbeitung dauert 5–10 Sekunden pro Seite, etwa 18-mal schneller als manuelle Eingabe (basierend auf ~3 Minuten manuell pro Seite vs. ~5–10s hier). Die Ausgabe ist eine einzige zusammengeführte XLSX- oder CSV-Datei.
Was passiert, wenn mein gescanntes PDF sowohl gedruckte Felder als auch handschriftliche Einträge enthält?
Gemischte Dokumente – gedruckte Formulare mit handschriftlichen Einträgen – werden gut verarbeitet, wenn die Handschrift einigermaßen leserlich ist. Die KI liest gedruckte Beschriftungen und handschriftliche Werte gemeinsam und behandelt das Dokument ganzheitlich, anstatt separate OCR-Durchläufe durchzuführen. Saubere Blockschrift wird zuverlässig extrahiert. Verschnörkelte Schreibschrift, blasse Bleistiftmarkierungen oder über gedruckten Text gelegte Anmerkungen verringern die Genauigkeit in diesen spezifischen Feldern und sollten manuell überprüft werden.
Mehr lesen: Daten aus gescannten Formularen mit benutzerdefinierten Feldern extrahieren · PDF vs. Scan vs. Foto: Rechnungsextraktion im Vergleich · KI-Bilddatenextraktion vs. traditionelle OCR
Arbeiten Sie mit digitalen PDFs statt mit Scans? Siehe KI-PDF-zu-Excel-Konverter · PDF-Angebot nach Excel