PDF-Angaben in eine Tabelle übernehmen und kontrollieren

PDF-Angaben lassen sich erst zuverlässig in eine Tabelle übernehmen, wenn jeder Wert mit seiner Fundstelle und seinem Prüfstatus verbunden bleibt. Eine sauber formatierte Tabelle beweist weder die Vollständigkeit des Dokuments noch die Richtigkeit der erkannten Zahlen. Deshalb beginnt die Arbeit mit einem Zielschema und endet mit einer Rückprüfung gegen die PDF-Datei.

Dieser Artikel beschreibt einen eigenen Ablauf für Büro- und Projektteams. Das Beispiel ist fiktiv und enthält bewusst schwierige Stellen. Es geht um die kontrollierte Übertragung ausgewählter Angaben. Die weitergehende Systemarchitektur behandelt der Beitrag zur strukturierten Datenextraktion mit LLMs.

Zuerst die gewünschte Tabelle definieren

Lege fest, welche Angaben die nächste Tätigkeit tatsächlich benötigt. Für eine Angebotsprüfung sind das beispielsweise Position, Beschreibung, Menge, Einheit, Einzelpreis und Positionsbetrag. Für eine technische Bestandsliste sind andere Felder relevant. Eine universelle Tabelle mit möglichst vielen Spalten erhöht vor allem die Zahl ungeklärter Bedeutungen.

Zu jedem Feld gehören Datentyp und zulässige Leerwerte. Eine Artikelnummer ist Text, auch wenn sie nur Ziffern enthält. Eine Menge braucht eine Einheit. Ein Preis braucht eine Währung und einen klaren Bezug, etwa netto je Stück. Diese Regeln müssen vor der Extraktion stehen, nicht erst nach einer auffälligen Ausgabe.

Ergänze Herkunftsfelder wie Dateikennung, Seite und Fundstelle. Sie bleiben auch dann erhalten, wenn die spätere Fachansicht sie ausblendet. Ohne diese Verbindung wird jede Rückfrage zu einer erneuten Suche im vollständigen Dokument. Die Quellenangabe ist damit ein Teil der Arbeitsfähigkeit der Tabelle.

Was Dokumentenerkennung liefert und was offenbleibt

Die Microsoft-Dokumentation zur Document-Intelligence-Antwort beschreibt extrahierte Inhalte, Layoutinformationen und Seitenbezüge. Sie weist auch auf Grenzen der Lesereihenfolge hin. Diese Dokumentation erklärt ein Produktformat. Sie belegt keine Fehlerfreiheit bei deinen PDFs und keinen allgemein gültigen Genauigkeitswert.

Die praktische Folge ist einfach: Eine erkannte Zahl muss weiterhin dem richtigen Feld zugeordnet werden. In einer mehrspaltigen PDF steht ein Betrag räumlich möglicherweise näher an einer fremden Beschreibung. Eine korrekte Texterkennung kann deshalb trotzdem zu einer falschen Tabellenzeile führen.

Eine andere Fehlerklasse entsteht vor der Erkennung. Eine Seite fehlt, eine Anlage gehört zu einem anderen Vorgang oder eine Rückseite enthält Einschränkungen. Der Artikel zum Prüfen des Dokumenteneingangs behandelt diese Vollständigkeitsfrage. Ein besserer Prompt ergänzt keine tatsächlich fehlende Seite.

Ein fiktives Dokument mit zwei Seiten

Das Beispieldokument D-52 enthält drei Positionen. Auf Seite eins stehen zwei Positionen, auf Seite zwei die dritte Position und die Gesamtsumme. Alle Beträge sind netto in Euro. Die Umsatzsteuer bleibt ausserhalb dieses Rechenbeispiels, damit die Positionsprüfung eindeutig bleibt.

Die Summe beträgt 630,00 Euro. Die drei Einheiten sind verschieden und dürfen nicht in einer gemeinsamen Mengensumme als "sechs Stück" erscheinen. Eine Summe der Mengen ist hier fachlich bedeutungslos, obwohl eine Tabellenkalkulation sie problemlos berechnet.

Für den Fehlertest enthält eine bearbeitete Variante einen schwach lesbaren Einzelpreis in Position A-002. Die korrekte Reaktion ist ein Prüfhinweis. Das System darf nicht still den Wert einsetzen, der am besten zur Gesamtsumme passt. Eine rechnerische Rekonstruktion ist eine Ableitung und muss getrennt von einem gelesenen Wert erscheinen.

Rohwert, normalisierter Wert und Ableitung trennen

Speichere bei kritischen Angaben den erkannten Originaltext neben dem normalisierten Wert. Aus "1.250,00 EUR" wird beispielsweise der numerische Wert 1250 mit Währung EUR. Die ursprüngliche Schreibweise bleibt für die Prüfung sichtbar. So lässt sich ein Fehler bei der Normalisierung von einem Erkennungsfehler unterscheiden.

Ein abgeleiteter Wert erhält einen eigenen Status. Wenn Menge und Einzelpreis lesbar sind, lässt sich ein rechnerischer Positionsbetrag bestimmen. Dieser Betrag ist aber nicht automatisch identisch mit dem im Dokument ausgewiesenen Betrag. Rabatte, Pauschalen oder Rundungsregeln müssen gegebenenfalls gesondert berücksichtigt werden.

Für dieses Beispiel lautet die Regel: Ausgewiesene Werte werden übernommen, berechnete Kontrollwerte stehen daneben. Eine Abweichung erzeugt einen Prüffall. Der Kontrollwert überschreibt die Quelle nicht. Damit bleibt erkennbar, ob das Dokument widersprüchlich ist oder die Übertragung einen Fehler enthält.

Ein begrenzter Extraktionsauftrag

Eine eigene Vorlage für den ersten Durchgang lautet:

Übertrage nur die definierten Positionsfelder aus D-52. Erhalte Artikelnummern als Text. Gib zu jedem Wert Seite und Fundstelle an. Trenne Originaltext und normalisierten Wert. Kennzeichne unlesbare oder fehlende Angaben ausdrücklich. Ergänze keine Werte aus allgemeinem Wissen oder aus der Gesamtsumme. Rechne Kontrollwerte in einem getrennten Abschnitt. Melde Seiten, deren Zuordnung oder Vollständigkeit unklar ist.

Das Wort "nur" begrenzt hier den Auftrag. Es verhindert zwar keine Fehler technisch, macht die erwartete Ausgabe aber prüfbar. Eine umfangreiche Zusammenfassung des gesamten Angebots ist in diesem Schritt nicht erforderlich. Sie erschwert die Kontrolle der wenigen benötigten Tabellenfelder.

Bei vielen Dokumenttypen braucht jeder Typ ein eigenes Zielschema oder eine nachvollziehbare Zuordnungsregel. Ein Lieferschein und ein Angebot besitzen möglicherweise ähnliche Spalten, aber unterschiedliche fachliche Bedeutung. Eine einheitliche Oberfläche darf diese Unterschiede nicht verdecken.

Tabellen über mehrere Seiten zusammenführen

Mehrseitige Tabellen enthalten oft wiederholte Überschriften und Zwischenstände. Eine wiederholte Kopfzeile ist keine neue Position. Ein Übertrag ist nicht automatisch ein zusätzlich zu summierender Betrag. Die Verarbeitung muss diese Zeilentypen unterscheiden, bevor sie eine Gesamtsumme berechnet.

Im Beispiel taucht auf Seite zwei ein Übertrag von 480,00 Euro auf. Dieser Wert entspricht den ersten beiden Positionen. Er wird als Kontrollinformation gespeichert und nicht als vierte Position addiert. Sonst entsteht der falsche Gesamtbetrag von 1.110,00 Euro.

Prüfe zusätzlich, ob eine Positionsbeschreibung über einen Seitenumbruch läuft. Die Fortsetzung gehört zur bestehenden Position, wenn die Dokumentstruktur dies belegt. Fehlt die eindeutige Zuordnung, bleibt die Verbindung offen. Eine automatisch angenommene Fortsetzung kann eine Einschränkung an die falsche Leistung hängen.

Zahlenformate und Einheiten kontrollieren

Ein Punkt kann je nach Kontext Dezimalzeichen oder Tausendertrennzeichen sein. Die Sprache des Anschreibens allein entscheidet das nicht zuverlässig. Verwende die dokumentierte Formatkonvention und kontrolliere auffällige Werte gegen die Quelle. Bei gemischten Formaten muss der betroffene Datensatz in die Prüfung.

Einheiten verdienen dieselbe Aufmerksamkeit. "h", "Std." und "Stunden" lassen sich nach einer freigegebenen Zuordnung vereinheitlichen. "Paket" und "Stück" dürfen nicht ohne weitere Information gleichgesetzt werden. Die Normalisierung verändert die Darstellung, nicht den Leistungsumfang.

Leere Felder bleiben leer beziehungsweise ausdrücklich unbekannt. Ein nicht erkannter Preis ist keine Null. Eine Null bedeutet im Tabellenmodell einen tatsächlich angegebenen Wert. Der Beitrag Fehlende Werte sind keine Nullen zeigt, warum diese Unterscheidung spätere Auswertungen verändert.

Die Rückprüfung nach Fehlerkosten ausrichten

Prüfe alle Felder, die eine finanzielle oder operative Folge auslösen. Im Beispiel sind das Artikelkennung, Menge, Einheit und Betrag. Die vollständige Prüfung dieser kleinen Tabelle ist direkt möglich. Bei grösseren Mengen braucht das Team eine begründete Prüfmethode und einen dokumentierten Umgang mit Ausnahmen.

Eine Stichprobe allein beweist nicht, dass ungeprüfte Einzelwerte korrekt sind. Sie kann Fehlerbilder sichtbar machen und einen Prozessvergleich unterstützen. Wenn aus jedem übertragenen Betrag eine Zahlung entsteht, gelten andere Anforderungen als bei einer unverbindlichen Übersicht für eine erste Sichtung.

Dokumentiere deshalb den Zweck der Tabelle. "Zur manuellen Angebotsprüfung" und "für automatischen ERP-Import" sind unterschiedliche Freigaben. Ein späterer Wechsel des Verwendungszwecks verlangt eine neue Prüfung, auch wenn sich die Datei selbst nicht verändert hat.

Ein Testpaket mit erwarteten Ergebnissen bauen

Für den fiktiven Fall enthält das Testpaket die saubere PDF, eine Variante mit unlesbarem Preis und eine Variante ohne zweite Seite. Die erwarteten Ergebnisse stehen vor dem Test fest. Die saubere Datei liefert drei Positionen und 630,00 Euro. Die zweite Variante erzeugt einen offenen Preisprüffall. Die dritte meldet fehlende Vollständigkeit.

Ergänze eine Variante mit wiederholter Kopfzeile und dem Übertrag von 480,00 Euro. Sie darf weiterhin nur drei Positionen liefern. Damit prüfst du einen konkreten strukturellen Fehler statt lediglich die Fähigkeit, sichtbare Zahlen abzuschreiben.

Die fachliche Abnahme vergleicht jede erwartete Reaktion mit dem tatsächlichen Ergebnis. Ein Test gilt nicht als bestanden, wenn die Summe zufällig stimmt, aber zwei Positionen vertauscht sind. Zeilenidentität und Feldzuordnung sind eigenständige Kriterien neben der Rechenprüfung.

Eine nutzbare Übergabe vorbereiten

Die freigegebene Tabelle enthält einen dokumentierten Stand und einen klaren Empfänger. Offene Zeilen werden gesondert markiert oder von der Übergabedatei ausgeschlossen. Die Regel muss verhindern, dass ein Filter versehentlich unbekannte Werte als bestätigte Daten exportiert.

Bewahre die Quelldatei in der freigegebenen Ablage auf und verknüpfe den Export mit genau dieser Fassung. Wenn später eine korrigierte PDF eintrifft, entsteht eine neue Verarbeitungsversion. Der alte Export darf nicht still seine Beleggrundlage wechseln.

Der Ablauf ist abgeschlossen, wenn die benötigten Werte korrekt zugeordnet, die offenen Stellen sichtbar und die Kontrollrechnungen nachvollziehbar sind. Im Beispiel bedeutet das: drei belegte Positionen, getrennte Einheiten, 630,00 Euro Positionssumme und kein doppelt gezählter Übertrag. Erst danach beginnt die nächste fachliche Tätigkeit.

Eine korrigierte PDF als neue Fassung behandeln

Trifft nach der ersten Übertragung eine korrigierte Datei ein, beginnt die Arbeit mit einem Versionsvergleich. Prüfe, welche Positionen verändert wurden und ob die neue Datei den bisherigen Stand vollständig ersetzt. Ein ähnlicher Dateiname ist dafür kein ausreichender Nachweis. Die Beziehung zwischen beiden Fassungen muss dokumentiert sein.

Im Beispiel steigt der Einzelpreis von A-003 in der bestätigten Nachfolgefassung von 150 auf 170 Euro. Die neue Positionssumme beträgt 650 Euro. Der alte Export über 630 Euro bleibt als historischer Stand erkennbar. Er wird nicht nachträglich so verändert, als habe er schon immer auf der neuen Quelle beruht.

Die Änderung verlangt eine erneute Prüfung der betroffenen Position und der Gesamtsumme. Unveränderte Felder können nach einem nachvollziehbaren Vergleich übernommen werden. Wenn Seiten neu angeordnet sind, müssen auch die Quellenverweise aktualisiert werden. Ein richtiger Betrag mit einer falschen Fundstelle erschwert die spätere Kontrolle.

Vor einer erneuten Übergabe steht fest, ob der erste Export bereits verwendet wurde. Eine noch nicht importierte Arbeitsdatei lässt sich ersetzen. Ein bereits verarbeiteter Datensatz braucht dagegen den vorgesehenen Korrekturweg. Die Extraktion darf diese beiden Situationen nicht gleich behandeln. Genau diese Zustandsprüfung verhindert, dass eine bessere Quelle zu einer unkontrollierten zweiten Verarbeitung führt.

Auch die Reihenfolge der Exportspalten gehört zur Übergabeprüfung, wenn das Ziel sie positionsabhängig liest. Ein vertauschtes Mengen- und Preisfeld kann formal zulässige Zahlen enthalten und trotzdem eine falsche Verarbeitung auslösen. Prüfe deshalb die tatsächliche Zielschnittstelle mit dem vorbereiteten Beispiel. Eine richtige Vorschau in der Quelldatei beweist noch keine richtige Interpretation im empfangenden System.

Quellenstand: 23.10.2026. Microsoft belegt die beschriebenen Bestandteile einer Dokumentenanalyse. Tabellenmodell, Beträge, Prüfvarianten und Übergaberegeln sind eigene Vorschläge. Es wird keine allgemeine Erkennungsquote behauptet.