Alle Ziffern wurden erkannt. Trotzdem landet die Zwischensumme als Endbetrag im Datensatz. Solche Fehler sehen ordentlich aus: gültiges JSON, ausgefüllte Felder, keine rote Fehlermeldung. Die fehlende Leistung steckt in der Beziehung zwischen Zahl, Beschriftung und Tabellenzeile.
Mistrals OCR-Dokumentation beschreibt unter anderem strukturierten Text, Tabellenformate und Blockkoordinaten. Document Annotations können Informationen zusätzlich in ein vorgegebenes JSON-Format überführen. Diese Bausteine lösen unterschiedliche Teile des Wegs vom Dokument zur Anwendung.
Vier Ebenen für ein einziges Feld
Zuerst müssen die Zeichen gelesen werden. Dann braucht die Anwendung ihre Position und Reihenfolge. Anschließend muss sie erkennen, welches Feld ein Wert beschreibt. Zuletzt kommen fachliche Beziehungen hinzu: Passt der Endbetrag zu den im Beispiel genannten Positionen und zum ausgewiesenen Rabatt?
Ein Fehler auf jeder dieser Ebenen kann am Ende dieselbe falsche Zahl erzeugen. Deshalb ist eine vollständige Textausgabe allein kein ausreichender Qualitätsmaßstab. Für einen wichtigen Wert sollte der Rückweg zur Fundstelle erhalten bleiben.
Das muss nicht immer eine aufwendige grafische Markierung sein. Dokumentkennung, Seite und eindeutige Feldbeschreibung helfen bereits. Wenn Koordinaten genutzt werden, müssen sie zur richtigen Seite und Darstellung gehören. Ein Rechteck ohne eindeutigen Dokumentstand kann später selbst zur Verwechslung führen.
Erstelle einen Beleg, dessen Inhalt du kennst
Für einen überschaubaren Versuch gestaltest du ein eigenes PDF mit zwei Positionen. Position A enthält zwei Einheiten zu je zehn Euro, Position B eine Einheit zu fünfzehn Euro. Darunter stehen fünf Euro Rabatt und dreißig Euro Endbetrag. Eine Bestellnummer fehlt absichtlich. Die Zahlen dienen nur der technischen Erklärung, nicht einer steuerlichen Vorlage.
Notiere vor der Extraktion die erwarteten Werte und ihre Fundstellen. Verändere in einer zweiten Fassung nur die Anordnung: Rabatt und Summe stehen nun näher an den Positionen. So kannst du später unterscheiden, ob die Zuordnung die Beschriftung nutzt oder sich an einer zufälligen Position orientiert.
Lass einen passenden externen OCR-Weg zunächst Text und Struktur liefern. Eine nachgelagerte Extraktion soll Endbetrag, Währung, Bestellnummer und Belegstelle ausgeben. Die fehlende Bestellnummer wird als unbekannt erhalten. Eine erfundene Ersatznummer wäre ein Fehler, auch wenn sie das Ausgabeformat vollständig füllt.
Ein kleiner Fachcheck außerhalb des Modells
Die einfache Rechenbeziehung des künstlichen Beispiels lässt sich unabhängig prüfen. Verwende für solche Dezimalbeträge beispielsweise Decimal statt binärer Gleitkommawerte. Dieses eigene Python-Beispiel prüft ausschließlich die von uns festgelegte Lehrrechnung:
from decimal import Decimal
positionen = [
(Decimal("2"), Decimal("10.00")),
(Decimal("1"), Decimal("15.00")),
]
rabatt = Decimal("5.00")
ausgewiesen = Decimal("30.00")
berechnet = sum((menge * preis for menge, preis in positionen), Decimal("0")) - rabatt
assert berechnet == ausgewiesenEin bestandener Rechencheck würde nur zeigen, dass die hier eingesetzten Zahlen zusammenpassen. Er belegt nicht, dass die OCR diese Zahlen aus dem richtigen Dokument übernommen hat. Deshalb bleiben Rechenprüfung und Quellenprüfung zwei verschiedene Schritte.
In einer tatsächlichen Anwendung musst du außerdem die Regeln des konkreten Dokumenttyps beachten. Steuern, Rundung, Währungen und Sonderfälle lassen sich nicht aus diesem vereinfachten Beleg ableiten. Die Aufgabe hier lautet lediglich, eine bekannte Zuordnung nachvollziehbar zu übertragen.
Unsicherheit gehört in den Übergabevertrag
Definiere ausdrücklich, was bei einer unlesbaren Ziffer oder einem Widerspruch geschieht. Ein Datensatz kann Wert, Fundstelle und Klärungsstatus enthalten. Erst eine bestätigte Übernahme löst dann den vorgesehenen nächsten Arbeitsschritt aus.
Für die Anweisung eignet sich: „Ergänze keine fehlenden Angaben. Verweise bei jedem übernommenen Betrag auf das bezeichnete Feld. Halte widersprüchliche Summen getrennt fest. Erzeuge nur eine Vorschau und keine Buchung.“
Der konkrete Versuch führt damit über ein bloßes Vorlesen des PDFs hinaus. Du prüfst Zeichen, Struktur, Feldbedeutung und eine bekannte Beziehung getrennt. Genau daraus entsteht ein brauchbarer Weg zu Daten, die nicht nur ordentlich aussehen, sondern wieder zum Original zurückführen.
Quellen und Stand
Quellenstand: 25. Oktober 2026. Document AI OCR processor · Document Annotations.
