Daten aus PDF und Excel übernehmen: ohne neue Fehler in der Kanzlei

Eine Liste sieht auf dem Bildschirm ordentlich aus. Für die weitere Verarbeitung ist sie trotzdem ungeeignet: Überschriften stehen zwischen Datenzeilen, Zahlen enthalten unterschiedliche Dezimalzeichen und Summen werden erneut als Einzelwerte übernommen. Die eigentliche Aufgabe bei der Datenextraktion lautet deshalb nicht „PDF in Excel umwandeln“. Sie lautet: aus einem konkreten Eingang einen fachlich brauchbaren, nachvollziehbaren Datensatz machen.

Zuerst das Ergebnis definieren

Bevor eine KI ein Dokument liest, sollte feststehen, welche Felder das Ziel benötigt. Dazu gehören Datentyp, Einheit, Zeitraum und Umgang mit fehlenden Angaben. Ein Betrag ohne Währung oder eine Stundenangabe ohne Personal- und Monatsbezug lässt sich zwar technisch speichern, aber nicht verlässlich weiterverarbeiten.

Für jede Zeile braucht es außerdem eine stabile Herkunft: Datei, Version und möglichst die zugehörige Stelle im Dokument. So kann eine Fachkraft einen auffälligen Wert nachschlagen, ohne die gesamte Verarbeitung zu wiederholen. Der Originaleingang wird vom erzeugten Arbeitsdatensatz getrennt gehalten. Korrekturen am Ergebnis sollten den Ausgangsbeleg nicht verändern.

PDF, Scan und Excel brauchen unterschiedliche Wege

Ein digital erzeugtes PDF kann Tabellen enthalten, die sich mit vorhandenen Werkzeugen auslesen lassen. Microsoft dokumentiert dafür unter anderem den PDF-Konnektor in Power Query, einschließlich Einschränkungen bei großen oder mehrseitigen Tabellen. Ein Scan braucht hingegen zunächst eine Texterkennung. Welche Methode passt, wird an repräsentativen Dateien geprüft.

Bei Excel ist oft die Tabellenstruktur das größere Problem. Verbundene Zellen, ausgeblendete Bereiche, Freitext und Formelwerte müssen korrekt eingeordnet werden. Bestehende Makros oder Formeln werden nicht ungeprüft ausgeführt beziehungsweise übernommen. Zuerst wird geklärt, ob der angezeigte Wert oder eine nachvollziehbar neu berechnete Größe gebraucht wird.

Bei einer E-Rechnung ist wiederum der vorhandene strukturierte Teil relevant. Die BMF-FAQ zur E-Rechnung erläutert die Bedeutung strukturierter Rechnungsdaten. Wenn diese verfügbar sind, sollte der Ablauf sie gezielt nutzen, statt lediglich die sichtbare PDF-Seite erneut zu interpretieren.

Prüfregeln gehören zwischen Auslesen und Übergabe

Eine erkannte Zahl ist noch kein bestätigter Wert. Sinnvolle Kontrollen richten sich nach dem konkreten Datensatz:

• Vollständigkeit: Sind die benötigten Felder vorhanden oder ausdrücklich als fehlend markiert?
• Formate: Stimmen Datumsformat, Vorzeichen, Dezimalstellen und Einheit?
• Zusammenhang: Passen Zeitraum und Zuordnung zu den freigegebenen Stammdaten?
• Abgleich: Entsprechen Zeilenzahl und vereinbarte Kontrollsummen dem Ausgangsstand?
• Ausnahmen: Welche Werte sind unleserlich, widersprüchlich oder mehrfach vorhanden?

Rechenkontrollen sollten möglichst durch feste Regeln erfolgen. KI kann bei wechselnden Beschriftungen oder der Dokumentstruktur unterstützen. Sie sollte jedoch keine fehlenden Daten ergänzen, nur damit eine Tabelle vollständig wirkt. Ein leerer Wert mit klarer Rückfrage ist besser als eine plausible Erfindung.

Illustratives Beispiel: die Summe ist keine weitere Rechnung

Eine fiktive PDF-Auswertung enthält zwölf Rechnungszeilen, eine Zwischensumme am Seitenende und eine Gesamtsumme auf der nächsten Seite. Eine einfache Tabellenübernahme könnte alle vierzehn Zahlenzeilen als Datensätze behandeln. Der vorbereitete Ablauf unterscheidet deshalb Zeilentypen und vergleicht die Summe der zwölf Positionen mit dem angegebenen Kontrollwert.

Weicht der Vergleich ab, wird keine fertige Übergabe behauptet. Die Prüfansicht zeigt die betroffenen Zeilen und ihre Herkunft. Nach der Klärung entsteht eine Datei mit den bestätigten Einzelpositionen. Dieses Beispiel erläutert das Verfahren; es ist weder ein Kundenfall noch ein Versprechen, beliebige PDFs fehlerfrei auszulesen.

Eine saubere Tabelle ist noch keine Schnittstelle

Das Zielsystem entscheidet, welche Felder und Formate akzeptiert werden. Deshalb gehört ein echter Importtest zur Vorbereitung. Geprüft wird auch, was bei einer zweiten Übertragung derselben Datei passiert und wie nachträgliche Korrekturen verarbeitet werden. Eine verständliche Fehlerliste ist ebenso wichtig wie die eigentliche Exportdatei.

Bei Kanzleiprozessen kann die Ausgabe eine Prüfmappe, eine abgestimmte Importdatei oder eine vorbereitete Aufgabenliste sein. Für Lohnvorbereitung in Pflegeeinrichtungen stehen andere Felder im Mittelpunkt als für den Abgleich von Steuerbescheiden. Beide Anwendungen brauchen eigene Regeln und fachliche Freigaben.

Mit schwierigen Beispielen testen

Wählen Sie neben gut lesbaren Dateien bewusst typische Problemfälle: schiefe Scans, geänderte Spaltennamen, negative Beträge und mehrseitige Tabellen. Vergleichen Sie die extrahierten Felder mit einem bestätigten Referenzergebnis. Bewerten Sie die Zeit für Nachkontrolle und Korrekturen mit, damit ein schneller Import nicht nur Arbeit an eine andere Stelle verschiebt.

Ostermann Systeme setzt bei diesem konkreten Datenweg an. Der Einstieg besteht aus passenden Mustern, einem klaren Zielformat und einem Test der tatsächlichen Übergabe. So lässt sich entscheiden, welche Vorarbeit automatisiert werden kann und welche Ausnahmen weiterhin gezielt beim Team bleiben.