Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Gestructureerde extractie: tabellen, koppen en numerieke gegevens

Les 11 van 14 Bijgewerkt op 2 november 2026 Beginner
Op deze pagina
  1. Van ruwe documenten naar georganiseerde gegevens
  2. Tabellen: het ideale toepassingsgebied
  3. Koppen, hiërarchie en structuur
  4. Numerieke gegevens, met context
  5. In de praktijk
  6. Belangrijkste punten

Update 2 november 2026 — Le Chat wordt Vibe. Sinds 28 mei 2026 is Le Chat nu Vibe (nog steeds op chat.mistral.ai): een enkele agent voor werk en code, die uw gesprekken, instellingen en abonnementen overneemt. De legacy-ervaring van Le Chat blijft toegankelijk in de modus Chat; in de modus Work zijn agents vaardigheden geworden (aangeroepen met @), vormen herinneringen de kennisbank en is diep zoeken de vaardigheid Deep Research. De abonnementen heten nu Mistral Free, Pro, Team en Enterprise. Deze les gebruikt de naam Vibe; sommige hier beschreven menu’s kunnen van naam of locatie zijn veranderd.

Van ruwe documenten naar georganiseerde gegevens

Tekst uit een document halen is goed. Maar de echte waarde ontstaat wanneer u gestructureerde gegevens krijgt: schone tabellen, geïdentificeerde cijfers en geclassificeerde koppen. Dit is het verschil tussen het ontvangen van een fotokopie van een financiële staat en het ontvangen van diezelfde staat in een bruikbaar spreadsheet. Mistral’s Document AI blinkt precies uit in deze taak: het leest niet alleen de tekst, maar begrijpt de structuur van het document en geeft informatie terug in een direct bruikbaar formaat.

Tabellen: het ideale toepassingsgebied

Tabellen komen overal voor in zakelijke documenten—financiële staten, prijslijsten, schema’s, studieresultaten—en dit is historisch gezien het gebied waar klassieke OCR het meest jammerlijk faalde, door kolommen en rijen tot een rommel te vermalen. De OCR 3-engine daarentegen behandelt ze met opmerkelijke precisie. Wanneer u een document met een tabel uploadt naar Vibe, identificeert het model eerst de tabelgrenzen, zelfs wanneer deze subtiel of gekleurd zijn. Vervolgens herkent het koppen en onderscheidt deze van gegevens, waarbij elke cel aan zijn kolom en rij wordt gekoppeld. Het handelt zelfs moeilijke gevallen af: samengevoegde cellen, subtotalen, voetnoten—alle klassieke valkuilen die een slecht geconverteerd spreadsheet tot stille fouten leiden.

Om een bruikbaar resultaat te krijgen, maakt u er een gewoonte van om het gewenste formaat in uw prompt te specificeren. “Haal de tabel van pagina 3 eruit in Markdown-formaat” geeft u een tabel die direct leesbaar is in Vibe; “Converteer deze tabel naar CSV zodat ik deze in Excel kan plakken” bereidt deze voor op import in een spreadsheet; “Haal alleen de kolom ‘Bedrag’ en de kolom ‘Datum’ eruit” filtert wat u nodig heeft bij de bron. Markdown is vaak het meest praktische formaat voor dagelijks gebruik: direct leesbaar en eenvoudig te kopiëren en plakken in andere tools.

Koppen, hiërarchie en structuur

Naast tabellen kan Document AI de documenthiërarchie reconstrueren: titels en ondertitels worden geïdentificeerd en geclassificeerd per niveau (h1, h2, h3), alinea’s worden van elkaar onderscheiden zelfs zonder zichtbare regeleinden, opsommingen met opsommingstekens of nummers worden correct gereconstrueerd en voetnoten worden aan hun verwijzingen gekoppeld. Deze mogelijkheid is onschatbaar bij het werken met lange rapporten of juridische documenten, waar de structuur evenveel betekenis draagt als de tekst: weten dat een clausule voorkomt in het gedeelte “Garanties” in plaats van “Diversen” verandert de interpretatie ervan.

U kunt daarom structurele verzoeken doen: “Geef me de inhoudsopgave van dit document”, “Lijst alle sectietitels met hun paginanummers op”, of zelfs “Haal alleen de alinea’s over garanties eruit”—dit laatste combineert structuur en betekenis.

Numerieke gegevens, met context

Financiële documenten, offertes, facturen en activiteitsrapporten zitten vol cijfers: financiële bedragen (omzet, totalen, btw, kortingen), handtekening- of vervaldatums, marktaandeel- of margepercentages, en identificatiecodes zoals factuurnummers, klantreferenties of SIRET-codes. Wat Document AI onderscheidt, is dat het niet alleen cijfers extraheert, maar hun context begrijpt. Als u vraagt: “Wat is de jaaromzet?”, zoekt het specifiek naar het getal dat bij dat concept hoort, zelfs als het begraven ligt in een tabel van 50 rijen. Een klassieke OCR zou u vijftig ongelabelde getallen hebben overhandigd; hier krijgt u het juiste.

Dit begrip stelt u in staat verder te gaan dan extractie: u kunt berekeningen en verificaties aanvragen. “Klopt het totaal van de kolom ‘Bedrag excl. btw’?” laat het model opnieuw tellen; “Wat is het verschil tussen de begrote en de werkelijke cijfers?” kruisverwijst twee kolommen; “Welke kostenpost vertegenwoordigt het grootste aandeel?” maakt van de tabel een analyse.

Voor gevorderde gebruikers structureert JSON-export de uitvoer voor uw tools: “Haal de volgende informatie uit deze factuur in JSON-formaat: nummer, datum, bedrag excl. btw, btw, bedrag incl. btw, leverancier” of “Maak een JSON-object met de gegevens van elke rij van de tabel.” Dit formaat is ideaal als de gegevens later een spreadsheet, database of andere software moeten voeden.

In de praktijk

Zie hoe deze mogelijkheden samenkomen in drie veelvoorkomende scenario’s. U ontvangt een stapel PDF-facturen: vraag voor elk: “Haal uit deze factuur: naam leverancier, datum, factuurnummer, bedrag excl. btw, btw en bedrag incl. btw. Presenteer als tabel”—en uw boekhoudkundige boeking is voorbereid. Geconfronteerd met een jaarverslag van 50 pagina’s: “Haal alle financiële tabellen uit dit rapport en presenteer ze in Markdown. Identificeer omzet, nettowinst en operationele marge.” Om te kiezen tussen twee offertes, uploadt u beide en vraagt u: “Vergelijk de prijzen in deze twee offertes voor dezelfde diensten. Identificeer tariefverschillen.”

Enkele methodologische regels om af te sluiten. Wees specifiek over wat u zoekt—een bepaalde tabel, een kolom, een gegevenstype—en specificeer altijd het gewenste uitvoerformaat (Markdown, CSV, JSON, lijst). Voor gescande documenten wordt een resolutie van minimaal 150 DPI aanbevolen voor betrouwbare extractie. Als het document zeer dicht is, verwerkt u het pagina per pagina: “Haal de tabel van pagina 7 eruit” levert betere resultaten op dan een globaal “Haal alle tabellen eruit”. En voor elk kritisch gebruik: controleer geëxtraheerde gegevens tegen het originele document—extractie is een versneller, geen vrijwaring van aansprakelijkheid.

Belangrijkste punten

  • Document AI reconstrueert tabellen trouw met koppen, kolommen en samengevoegde cellen
  • U kunt extractie aanvragen in Markdown, CSV of JSON, afhankelijk van uw behoeften
  • Het model begrijpt de context van numerieke gegevens en kan specifieke vragen beantwoorden
  • De hiërarchische structuur van het document (titels, ondertitels, lijsten) blijft behouden
  • Verifieer extracties altijd voor kritisch gebruik