Datenextraktion

Definition

Datenextraktion bedeutet, bestimmte Informationen aus einem Dokument herauszuziehen und in geordneter Form bereitzustellen, zum Beispiel als Tabellenzeile. Aus einer Rechnung werden so Lieferantin, Rechnungsdatum, Betrag und Mehrwertsteuer gelesen und in eine Liste übertragen.

Früher brauchte man dafür feste Vorlagen: Das Programm wusste, dass der Betrag immer an derselben Stelle steht. Moderne KI-Verfahren verstehen den Zusammenhang und finden Angaben auch dort, wo das Layout wechselt. Bei eingescannten Papieren kommt zuerst eine Texterkennung (OCR) zum Einsatz, die aus dem Bild lesbaren Text macht.

Einfach erklärt

Stellen Sie sich eine Mitarbeiterin vor, die täglich dreissig Rechnungen öffnet und die wichtigsten Angaben in eine Tabelle tippt. Datenextraktion nimmt ihr diesen Teil ab: Die Software liest die Felder und füllt die Tabelle. Die Mitarbeiterin schaut, ob alles stimmt, und kümmert sich um die Ausnahmen.

Der übliche Ablauf:

1. Dokument einlesen (PDF, Scan, Foto)
2. Text erkennen, falls nötig
3. Gewünschte Felder finden
4. Werte in Tabelle oder Buchhaltungsprogramm übertragen
5. Menschliche Kontrolle bei unsicheren Feldern

Beispiel

Ein Beispiel: Ein Handwerksbetrieb in Liestal erhält Lieferantenrechnungen als PDF. Ein Werkzeug liest Datum, Betrag und Rechnungsnummer aus und schreibt sie in eine Excel-Tabelle. Die Buchhalterin prüft stichprobenweise, ob die Werte mit dem Dokument übereinstimmen, und achtet auf Abweichungen bei Rechnungen mit ungewöhnlichem Aufbau. Wie das praktisch geht, zeigt Rechnungsdaten aus PDF nach Excel.

Nicht verwechseln

Datenextraktion ist nicht dasselbe wie eine Dokumentenanalyse, die ein Dokument insgesamt versteht, zusammenfasst oder bewertet. Sie ist auch nicht Web-Scraping, bei dem Daten von Websites abgerufen werden. Und: Enthalten die Dokumente Personendaten, gelten die Regeln des Datenschutzes auch für das automatische Auslesen.

Wie Sie Fehler früh bemerken

Legen Sie Regeln fest, die Auffälligkeiten sichtbar machen: Beträge ausserhalb des Üblichen, fehlende Felder oder doppelte Rechnungsnummern. Lassen Sie die Software ausserdem angeben, wie sicher sie sich bei einem Wert ist, und prüfen Sie unsichere Felder von Hand. So bleibt die Arbeit schnell und trotzdem verlässlich.

So hilft Ihnen Alpasana

Die KI-Kurse für konkrete Arbeitsaufgaben von absofort behandeln laut Angebotsbeschreibung unter anderem die Vorbereitung von Buchhaltungsunterlagen, No-Code-Automatisierung sowie Excel und Datenverständnis. Dabei üben Sie mit Praxisaufgaben, wie Sie Ergebnisse kontrollieren.