Strukturierte Extraktion: Tabellen, Überschriften und numerische Daten
Auf dieser Seite
Update vom 2. November 2026 — Le Chat wird zu Vibe. Ab dem 28. Mai 2026 ist Le Chat nun Vibe (nach wie vor unter chat.mistral.ai): ein einziger Agent für Arbeit und Code, der Ihre Gespräche, Einstellungen und Abonnements übernimmt. Die klassische Le Chat-Erfahrung bleibt im Chat-Modus zugänglich; im Work-Modus sind Agenten zu Fähigkeiten geworden (mit
@aufgerufen), Erinnerungen bilden die Wissensbasis und die tiefe Suche ist die Fähigkeit Deep Research. Pläne werden nun Mistral Free, Pro, Team und Enterprise genannt. Diese Lektion verwendet den Namen Vibe; einige hier beschriebene Menüs können sich in Namen oder Position geändert haben.
Von rohen Dokumenten zu strukturierten Daten
Das Extrahieren von Text aus einem Dokument ist gut. Doch der wahre Wert entsteht, wenn Sie strukturierte Daten erhalten: saubere Tabellen, identifizierte Abbildungen und klassifizierte Überschriften. Der Unterschied besteht darin, eine Fotokopie einer Finanzbilanz zu erhalten oder dieselbe Bilanz in einem nutzbaren Tabellenkalkulationsprogramm. Die Dokument-KI von Mistral zeichnet sich genau bei dieser Aufgabe aus: Sie liest nicht nur den Text, sondern versteht die Struktur des Dokuments und gibt Informationen in einem direkt nutzbaren Format zurück.
Tabellen: Der Sweet Spot
Tabellen sind in Geschäftsdokumenten allgegenwärtig – Finanzberichte, Preislisten, Zeitpläne, Studienergebnisse – und dies ist historisch der Bereich, in dem klassische OCR-Technologien am meisten gescheitert sind, indem sie Spalten und Zeilen zu einem Durcheinander vermatschen. Die OCR 3-Engine hingegen bewältigt sie mit bemerkenswerter Präzision. Wenn Sie ein Dokument mit einer Tabelle an Vibe hochladen, identifiziert das Modell zunächst die Tabellengrenzen, selbst wenn diese subtil oder farbig sind. Anschließend erkennt es Überschriften und unterscheidet diese von Daten, indem es jede Zelle mit ihrer Spalte und Zeile verknüpft. Es bewältigt sogar schwierige Fälle: verschmolzene Zellen, Zwischensummen, Fußnoten – alles klassische Fallen, die eine schlecht konvertierte Tabellenkalkulation zu stillen Fehlern werden lassen.
Um ein nutzbares Ergebnis zu erhalten, machen Sie es sich zur Gewohnheit, das gewünschte Format in Ihrem Prompt anzugeben. „Extrahieren Sie die Tabelle von Seite 3 im Markdown-Format” liefert Ihnen eine Tabelle, die direkt in Vibe lesbar ist; „Konvertieren Sie diese Tabelle in CSV, damit ich sie in Excel einfügen kann”, bereitet sie für den Import in eine Tabellenkalkulation vor; „Extrahieren Sie nur die Spalte ‘Betrag’ und die Spalte ‘Datum’”, filtert das, was Sie an der Quelle benötigen. Markdown ist oft das praktischste Format für den täglichen Gebrauch: sofort lesbar und einfach in andere Tools kopierbar und einfügbar.
Überschriften, Hierarchie und Struktur
Über Tabellen hinaus kann die Dokument-KI die Dokumentenhierarchie rekonstruieren: Überschriften und Zwischenüberschriften werden identifiziert und nach Ebene klassifiziert (h1, h2, h3), Absätze werden voneinander unterschieden, auch ohne sichtbare Zeilenumbrüche, Aufzählungs- oder Nummerierte Listen werden korrekt rekonstruiert und Fußnoten werden mit ihren Verweisen verknüpft. Diese Fähigkeit ist von unschätzbarem Wert, wenn Sie mit langen Berichten oder juristischen Dokumenten arbeiten, bei denen die Struktur so viel Bedeutung trägt wie der Text selbst: Wenn eine Klausel im Abschnitt „Gewährleistungen” und nicht im Abschnitt „Verschiedenes” erscheint, ändert dies ihre Interpretation.
Sie können daher strukturelle Anfragen stellen: „Geben Sie mir den Inhaltsverzeichnis dieses Dokuments”, „Listen Sie alle Abschnittstitel mit ihren Seitenzahlen auf” oder sogar „Extrahieren Sie nur die Absätze, die sich mit Gewährleistungen befassen” – letzteres kombiniert Struktur und Bedeutung.
Numerische Daten, mit Kontext
Finanzdokumente, Angebote, Rechnungen und Aktivitätsberichte sind voller Zahlen: Finanzbeträge (Umsatz, Gesamtbeträge, Mehrwertsteuer, Rabatte), Datum der Unterschrift oder Fälligkeit, Marktanteile oder Margenprozente sowie Identifikatoren wie Rechnungsnummern, Kundenreferenzen oder SIRET-Code. Was die Dokument-KI auszeichnet, ist, dass sie nicht nur Zahlen extrahiert, sondern ihren Kontext versteht. Wenn Sie fragen: „Was ist der Jahresumsatz?”, sucht das Modell spezifisch nach der Zahl, die mit diesem Begriff verknüpft ist, selbst wenn sie in einer Tabelle mit 50 Zeilen versteckt ist. Eine klassische OCR hätte Ihnen fünfzig unbenannte Zahlen übergeben; hier erhalten Sie die richtige.
Dieses Verständnis ermöglicht es Ihnen, über die reine Extraktion hinauszugehen: Sie können Berechnungen und Verifizierungen anfordern. „Ist die Summe der Spalte ‘Betrag ohne MwSt.’ korrekt?” lässt das Modell die Zählung wiederholen; „Was ist der Unterschied zwischen den geplanten und tatsächlichen Werten?” verknüpft zwei Spalten; „Welcher Aufwandsposten stellt den größten Anteil dar?” verwandelt die Tabelle in eine Analyse.
Für fortgeschrittene Nutzer strukturiert der JSON-Export die Ausgabe für Ihre Tools: „Extrahieren Sie die folgenden Informationen aus dieser Rechnung im JSON-Format: Nummer, Datum, Betrag ohne MwSt., MwSt., Betrag mit MwSt., Lieferant” oder „Erstellen Sie ein JSON-Objekt mit den Daten jeder Zeile der Tabelle.” Dieses Format ist ideal, wenn die Daten später eine Tabellenkalkulation, eine Datenbank oder andere Software versorgen müssen.
In der Praxis
Sehen Sie, wie sich diese Fähigkeiten in drei gängigen Szenarien zusammenfügen. Sie erhalten einen Stapel PDF-Rechnungen: Für jede davon fragen Sie: „Extrahieren Sie aus dieser Rechnung: Lieferantenname, Datum, Rechnungsnummer, Betrag ohne MwSt., MwSt. und Betrag mit MwSt. Präsentieren Sie dies als Tabelle” – und Ihre Buchhaltungseintragung ist vorbereitet. Angesichts eines 50-seitigen Jahresberichts: „Extrahieren Sie alle Finanztabellen aus diesem Bericht und präsentieren Sie sie im Markdown-Format. Identifizieren Sie Umsatz, Nettoergebnis und operative Marge.” Um zwischen zwei Angeboten zu entscheiden, laden Sie beide hoch und fragen Sie: „Vergleichen Sie die Preise in diesen beiden Angeboten für dieselben Dienstleistungen. Identifizieren Sie Unterschiede in den Sätzen.”
Einige methodische Regeln zum Abschluss. Seien Sie spezifisch darüber, wonach Sie suchen – eine bestimmte Tabelle, eine Spalte, ein Datentyp – und geben Sie immer das gewünschte Ausgabeformat an (Markdown, CSV, JSON, Liste). Für gescannte Dokumente wird eine Auflösung von mindestens 150 DPI für eine zuverlässige Extraktion empfohlen. Wenn das Dokument sehr dicht ist, verarbeiten Sie es Seite für Seite: „Extrahieren Sie die Tabelle von Seite 7” liefert bessere Ergebnisse als eine globale „Extrahieren Sie alle Tabellen”. Und für jeden kritischen Einsatz sollten Sie extrahierte Daten mit dem Originaldokument abgleichen – die Extraktion ist ein Beschleuniger, keine Haftungsbeschränkung.
Kernaussagen
- Die Dokument-KI rekonstruiert Tabellen treu mit Überschriften, Spalten und verschmolzenen Zellen
- Sie können die Extraktion in Markdown, CSV oder JSON anfordern, je nach Ihren Bedürfnissen
- Das Modell versteht den Kontext numerischer Daten und kann spezifische Fragen beantworten
- Die hierarchische Struktur des Dokuments (Überschriften, Zwischenüberschriften, Listen) wird erhalten
- Überprüfen Sie Extraktionen für kritische Anwendungen immer