Alle Artikel
8 Min Lesezeit

Strukturierte Daten mit LLMs extrahieren: Quellenbezug, Prüfung und Übergabe

Ein LLM kann Informationen aus einem Dokument in ein vorgegebenes Schema überführen. Ein formal gültiges Ergebnis ist aber noch kein fachlich korrektes Ergebnis. Eine belastbare Extraktionsstrecke braucht Quellenbezug, feste Prüfregeln, einen Umgang mit fehlenden Angaben und eine kontrollierte Übergabe an das Zielsystem.

Von der Quelle zur geprüften AntwortUnterlagen werden ausgewählt, eine Antwort wird entworfen und mit ihren Quellen abgeglichen.Von der Quelle zur geprüften Antwort Antwortentwurf Quellen prüfenUnterlagen auswählenBelege abgleichenSchematische Darstellung mit fiktiven Beispieldaten
KI-ArchitekturStructured OutputPythonEnterpriseAgentic Workflows

Definition

Strukturierte Daten mit LLMs extrahieren: Ein LLM kann Informationen aus einem Dokument in ein vorgegebenes Schema überführen. Ein formal gültiges Ergebnis ist aber noch kein fachlich korrektes Ergebnis. Eine belastbare Extraktionsstrecke braucht Quellenbezug, feste Prüfregeln, einen Umgang mit fehlenden Angaben und eine kontrollierte Übergabe an das Zielsystem.

Ein LLM kann Informationen aus einem Dokument in ein vorgegebenes Schema überführen. Ein formal gültiges Ergebnis ist aber noch kein fachlich korrektes Ergebnis. Eine belastbare Extraktionsstrecke braucht Quellenbezug, feste Prüfregeln, einen Umgang mit fehlenden Angaben und eine kontrollierte Übergabe an das Zielsystem.

Dieser Artikel beschreibt eine eigene Referenzarchitektur für die Prüfung. Die Beispiele und Kostenannahmen sind fiktiv. Es liegt hier kein eigener Vergleichstest von Modellen oder Dokumentenerkennungsdiensten vor.

Dokumentdaten extrahieren: Ein vollständiges Eingabe-Ausgabe-Beispiel

Das folgende Beispiel zeigt einen kleinen Datenvertrag für eine Anfrage. Alle Angaben sind fiktiv. Die erwartete Ausgabe wurde redaktionell formuliert. Sie ist kein Ergebnis eines ausgeführten Modelltests und kein Beleg für die Leistung eines Anbieters.

Der Eingang trägt die Kennung ANF-17. Der Text lautet: "Bitte kalkulieren Sie 20 Halterungen aus Edelstahl." Eine Materialgüte und ein Liefertermin stehen nicht im Dokument. Weitere Anlagen liegen in diesem Testfall nicht vor. Der Auftrag endet bei der Vorbereitung einer Prüftabelle; eine Bestellung oder Zusage ist nicht freigegeben.

Eingabetext · Erwartete JSON-Ausgabe · Fünf Prüffälle

Die erwartete Ausgabe bewahrt fehlende Angaben

{
  "document_id": "ANF-17",
  "quantity": 20,
  "material": "Edelstahl",
  "material_grade": null,
  "requested_delivery_date": null,
  "source_quote": "Bitte kalkulieren Sie 20 Halterungen aus Edelstahl.",
  "review_required": true,
  "review_reasons": ["Materialgüte fehlt", "Liefertermin fehlt"]
}

null ist hier eine bewusste Vereinbarung für eine nicht belegte Angabe. Es bedeutet weder "beliebige Güte" noch "sofort lieferbar". Ein leeres Feld darf im Zielsystem keine solche Bedeutung erhalten. Falls das Zielsystem Pflichtangaben verlangt, endet der automatische Weg vor der Übernahme und wartet auf die fachliche Klärung.

Der Datenvertrag legt zusätzlich fest, dass quantity im vorliegenden Fall eine positive ganze Zahl ist. Die Dokumentkennung muss zum verarbeiteten Eingang gehören. Eine formal gültige Ausgabe mit der Kennung einer anderen Anfrage ist fachlich falsch. Die Quelle muss dieselbe Menge tatsächlich nennen; ein gut formatierter Quellenstring allein beweist das nicht.

Formatprüfung und Inhaltsprüfung sind zwei verschiedene Aufgaben

Die erste Prüfung beantwortet: Lässt sich die Ausgabe als JSON lesen, und entsprechen die Felder dem vereinbarten Format? Die zweite Prüfung beantwortet: Stehen diese Angaben im freigegebenen Dokument, und sind ihre Bedeutungen richtig übernommen? OpenAI weist in der Dokumentation zu strukturierten Ausgaben ausdrücklich auf weiterhin mögliche inhaltliche Fehler hin.

Für dieses Beispiel prüft eine Fachperson die Menge 20 am Original. Sie bestätigt, dass keine Materialgüte und kein Liefertermin genannt sind. Sie kontrolliert auch, dass der Assistenzauftrag keine Preis- oder Verfügbarkeitszusage ergänzt. Erst die geprüften Angaben gehen in den nächsten Arbeitsschritt. Das vereinbarte Format erleichtert die Übernahme, ersetzt diese Kontrolle aber nicht.

Ein zweiter Fall muss den Konfliktweg sichtbar machen

Jetzt nennt eine zusätzliche Anlage 24 Halterungen, während die Mail weiterhin 20 nennt. Der Ablauf darf die beiden Angaben nicht still auf eine einzige Menge reduzieren. Für diese Variante muss der Datenvertrag entweder mehrere Angaben mit Herkunft zulassen oder einen gesonderten Konfliktstatus vorsehen. Das ursprüngliche Ein-Mengen-Schema reicht dann allein nicht aus.

Eine brauchbare Prüfansicht zeigt "Mail: 20" und "Anlage: 24". Die verbindliche Menge bleibt offen. Der Weg in die Kalkulation oder ins ERP wartet auf eine bestätigte Klärung. Ein neueres Dateidatum oder die höhere Zahl liefert keine automatische Freigaberegel.

Das kleine Testset enthält ausserdem eine Anlage zum falschen Projekt und eine unlesbare Menge. Diese Fälle prüfen andere Fehler als der normale Eingang. Die OpenAI-Empfehlungen zu Evaluationen unterscheiden reguläre Aufgaben, Randfälle und gezielte Störungen. Die hier gewählten Dokumentfälle sind eine eigene Übertragung dieses Prinzips.

Fünf bestandene Musterfälle beweisen keine Eignung für alle Dokumentarten. Sie liefern einen begrenzten Start. Für die betriebliche Abnahme müssen passende reale, freigegebene Fälle und deren Fehlerfolgen hinzukommen. Der Beitrag zur Abnahme von Dokumentenverarbeitung beschreibt den nächsten Schritt. Für die fachliche Vorbereitung einer Anfrage steht die Arbeitsprobe zur Angebotsprüfung bereit.

Den Ausgabevertrag zuerst festlegen

Beginne mit dem erwarteten Ergebnis. Welche Felder braucht der folgende Arbeitsschritt? Welche Angaben sind optional? Welche Werte müssen exakt aus der Quelle übernommen werden? Welche Umrechnung ist erlaubt? Eine allgemein formulierte Aufgabe wie „lies die Rechnung aus“ beantwortet diese Fragen nicht.

Für ein fiktives Beispiel werden Dokumentkennung, Rechnungsnummer, Währung und Gesamtbetrag benötigt. Jedes Feld erhält zusätzlich eine Fundstelle und einen Prüfstatus. Fehlt ein Betrag, bleibt der Wert offen. Das Modell darf keinen passenden Betrag aus anderen Angaben erraten, wenn die Aufgabe ausschließlich Extraktion verlangt.

Trenne Extraktion und Berechnung. Eine Summe aus Positionen ist ein berechneter Wert; ein gedruckter Rechnungsbetrag ist ein übernommener Wert. Beide dürfen nebeneinander stehen, aber ihre Herkunft muss erkennbar bleiben. Eine Abweichung löst eine Prüfung aus.

Was strukturierte Ausgaben absichern

Die OpenAI-Dokumentation zu Structured Outputs beschreibt die Bindung unterstützter Ausgaben an ein JSON-Schema. Sie behandelt außerdem Grenzen wie Verweigerungen und Fehler in den erzeugten Werten. Schemaeinhaltung und inhaltliche Richtigkeit sind unterschiedliche Eigenschaften.

Ein Feld vom Typ Zahl beweist nicht, dass die Zahl im Original steht. Ein Datum im gültigen Format beweist nicht, dass es das Rechnungsdatum statt des Lieferdatums ist. Auch ein vollständiges Objekt kann die falsche Dokumentseite verarbeitet haben.

Die Anwendung muss deshalb technische und fachliche Prüfungen getrennt ausführen. Parserfehler, unvollständige Antworten und Verweigerungen gehören in einen eigenen Fehlerpfad. Sie dürfen nicht als normale leere Rechnung gespeichert werden.

Eine prüfbare Verarbeitungskette

SchrittErgebnisKontrollfrage
EingangUnverändertes Original mit KennungIst das Dokument vollständig und zulässig?
VorverarbeitungLesbarer Text oder BilddarstellungSind Seiten, Tabellen und Vorzeichen erhalten?
ExtraktionWerte, Fundstellen und offene AngabenIst jede Angabe auf die Quelle zurückführbar?
RegelprüfungFachliche PrüfmeldungenStimmen Formate, Summen und Zuordnungen?
FreigabeBestätigte VersionWer hat welche Angaben akzeptiert?
ÜbergabeRückgelesener ZielzustandWurde genau diese Version gespeichert?

Die Reihenfolge ist eine eigene Gestaltungsempfehlung. Je nach Dokumentklasse sind weitere Schritte nötig. Ein mehrseitiger Auftrag mit Anlagen braucht beispielsweise eine ausdrückliche Vollständigkeitsprüfung, bevor eine einzelne Seite als maßgeblich behandelt wird.

Speichere Versionsbezüge zwischen den Schritten. Eine nachträglich ersetzte PDF-Datei darf nicht still mit einer früheren Freigabe verknüpft bleiben. Der Ablauf muss erkennen, dass eine neue Prüfung erforderlich ist.

Fehlende, widersprüchliche und ungültige Werte unterscheiden

Drei Fälle brauchen unterschiedliche Reaktionen. „Nicht vorhanden“ bedeutet, dass die Quelle das Feld nicht liefert. „Nicht lesbar“ bedeutet, dass eine vorhandene Information technisch nicht zuverlässig erfasst wurde. „Widersprüchlich“ bedeutet, dass mehrere Angaben nicht zusammenpassen. Ein einziges leeres Textfeld verdeckt diese Unterschiede.

Im fiktiven Beispiel nennt die erste Seite 1.200 Euro, eine Zusammenfassung 1.020 Euro. Die Ausgabe muss beide Fundstellen erhalten und den Konflikt melden. Eine Auswahl des vermeintlich plausibleren Werts ist ohne eine festgelegte Vorrangregel unzulässig.

Bei E-Mail-Anhängen kommt eine zusätzliche Grenze hinzu: Die Nachricht kann eine frühere Fassung korrigieren, aber auch nur einen neuen Wunsch enthalten. Der Artikel zu Widersprüchen zwischen E-Mail und Anhang zeigt eine passende Arbeitsweise.

Eine Konfidenzzahl ist kein alleiniger Freigabegrund

Ein vom Modell ausgegebener Wert wie 0,98 ist nicht automatisch eine kalibrierte Wahrscheinlichkeit für Richtigkeit. Für die Anwendung zählt, ob die Freigaberegel im eigenen Testbestand verlässlich zwischen brauchbaren und fehlerhaften Ergebnissen trennt.

Ich empfehle eine Kombination aus nachvollziehbaren Fundstellen, deterministischen Fachregeln und gezielter menschlicher Prüfung. Kritische Felder erhalten strengere Anforderungen als rein beschreibende Angaben. Welche Felder kritisch sind, legt der zuständige Fachbereich anhand der Folgen fest.

Eine niedrige Fehlerquote im Durchschnitt reicht nicht, wenn die verbleibenden Fehler alle denselben kritischen Feldtyp betreffen. Berichte deshalb Ergebnisse pro Feld und Fallklasse. Die Abnahme von KI-Dokumentenverarbeitung vertieft diesen Schritt.

Testdaten und Auswertung vorbereiten

Erstelle einen freigegebenen Referenzbestand mit bekannten Sollwerten. Er muss normale Dokumente sowie schwierige Fälle enthalten: unvollständige Anlagen, Drehungen, schlecht lesbare Scans, mehrere Währungen und widersprüchliche Summen. Der Bestand muss zur geplanten Nutzung passen; ein beliebiger öffentlicher Beispielsatz reicht nicht als alleiniger Nachweis.

Trenne den Bestand, mit dem Prompts entwickelt werden, von der abschließenden Prüfung. Speichere Modellversion, Prompt, Schema und Vorverarbeitung. Ein neuer OCR-Schritt verändert die Eingabe ebenso wie ein neues Modell und braucht eine erneute Bewertung.

Für jeden Testfall werden richtige Übernahmen, falsche Übernahmen, korrekt erkannte Lücken und unberechtigt ausgefüllte Felder gezählt. Erfasse zusätzlich Bearbeitungszeit und Korrekturaufwand. Eine Lösung, die jede schwierige Eingabe abweist, darf nicht über eine hohe Genauigkeit der wenigen übrigen Ergebnisse allein überzeugen.

Kosten pro freigegebenem Dokument

Die folgende Rechnung ist ausschließlich ein Modell: 1.000 Dokumente benötigen manuell je drei Minuten, zusammen 50 Stunden. Bei angenommenen 30 Euro pro Stunde ergibt das 1.500 Euro internen Zeitwert. Im unterstützten Ablauf fallen je Dokument eine Minute Prüfung an, zusätzlich fünf Stunden monatliche Pflege. Das entspricht rund 650 Euro Zeitwert.

Mit frei angesetzten 100 Euro für technische Nutzung ergibt sich ein laufender Modellaufwand von 750 Euro. Die Differenz von 750 Euro gilt vor Einrichtung und weiteren nicht erfassten Aufwänden. Sie ist keine garantierte Ersparnis. Steigt die Prüfzeit auf drei Minuten, entfällt der Zeitvorteil bereits vor der Pflege.

Ersetze diese Annahmen durch Messwerte und aktuelle Preisangaben für die konkret verwendeten Dienste. Eine reine Tokenrechnung lässt OCR, Wiederholungen, Speicherung, Prüfung und Betrieb unberücksichtigt. Der Artikel zu Kosten pro Ergebnis hilft bei der vollständigen Zuordnung.

Übergabe und laufende Kontrolle

Die Übergabe braucht einen eindeutigen Vorgangsschlüssel und einen sichtbaren Rückleseschritt. Nach einem Timeout muss klar sein, ob das Zielsystem bereits geschrieben hat. Ein erneuter Aufruf darf keine zweite Buchung erzeugen.

Lege außerdem fest, wie der Betrieb neue Dokumentklassen erkennt und behandelt. Eine bislang unbekannte Vorlage ist ein Prüfereignis. Bewahre einen manuellen Weg für blockierte Vorgänge auf und ordne die Fehlerbearbeitung einer Person zu. Erst damit wird aus einem Extraktionsaufruf ein betreibbarer Ablauf.

Quellenstand: 22.10.2026. Die Herstellerquelle belegt die beschriebenen Möglichkeiten und Grenzen strukturierter Ausgaben. Referenzarchitektur, Testverfahren und Kostenrechnung sind eigene Vorschläge beziehungsweise fiktive Annahmen, keine gemessenen Projektergebnisse.

Weiterlesen

Passende Anleitungen und Artikel für die nächste Frage im Arbeitsablauf.

Welche Angaben fehlen bei der Übergabe ins CRM?

Beschreibe Quelle, Zielfeld und die nötige Prüfung. Im Erstgespräch grenzen wir den Ablauf im Vertrieb ein und klären die Voraussetzungen für die Umsetzung.

CRM-Übergabe besprechen

30 Minuten · unverbindlich · bitte keine vertraulichen Dokumente senden