Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Tabellenextraktion

Tabellenextraktion ist die Aufgabe, Tabellen in Dokumenten zu finden und ihre Zeilen, Spalten, Kopfzeilen und Zellen als strukturierte Daten wie HTML, Markdown oder CSV nachzubauen, statt als lose Textzeilen.

Auch: table structure recognition, table detection

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Preise, Spezifikationen, Finanzergebnisse und Testdaten stehen meist in Tabellen. Ein naiver Textextraktor macht aus einer Tabelle eine Zahlenfolge ohne Bezug zu ihren Kopfzeilen, sodass ein Modell auf die Frage „Wie hoch war der Umsatz in Q3?“ nicht erkennen kann, welche Zahl zu welcher Spalte gehört. Tabellenextraktion erhält diese Struktur und ist damit einer der schwierigeren und wertvolleren Teile des Document Parsing.

So funktioniert es

Die Aufgabe wird meist dreigeteilt. Die Tabellenerkennung findet, wo Tabellen auf der Seite stehen, oft als Teil der Layout-Analyse. Die Strukturerkennung findet die Zeilen, Spalten und verbundenen Zellen in jeder Tabelle. Die funktionale Analyse bestimmt, welche Zellen Kopfzeilen sind. Trainingsdaten zählen: PubTables-1M, ein Datensatz mit fast einer Million Tabellen aus wissenschaftlichen Artikeln, zeigte, dass darauf trainierte Transformer-Modelle zur Objekterkennung alle drei Aufgaben gut bewältigen. Der Zelltext stammt aus der Textebene des PDF oder aus OCR.

Beispiel

Ein Geschäftsbericht enthält eine Tabelle, deren Kopf sich über zwei Zeilen erstreckt und deren erste Spalte Positionen nach Region gruppiert. Eine gute Extraktion gibt eine HTML-Tabelle aus, in der die verbundenen Kopfzellen und Regionsgruppen erhalten bleiben, sodass sich jede Zahl ihrer Zeile und Spalte zuordnen lässt. Diese Ausgabe kann dann als Ganzes gespeichert werden, damit das Chunking eine Tabelle nicht auf mehrere Chunks verteilt.

Grenzen

Tabellen ohne Linien, Tabellen, die über mehrere Seiten gehen, verschachtelte Tabellen und Diagramme, die wie Tabellen aussehen, bleiben häufige Fehlerquellen. Prüfe extrahierte Zahlen gegen die Quelle, bevor du sie in Berichten verwendest.

Verwandte Begriffe

Document Parsing
Document Parsing (Dokumentenanalyse) wandelt Dateien wie PDFs, Scans, Folien und Tabellen in strukturierten Text um, den Software nutzen kann, und erhält dabei Überschriften, Lesereihenfolge, Tabellen und Bilder statt eines flachen Zeichenstroms.
Layoutanalyse
Layoutanalyse (Layout Analysis) ist der Teil des Document Parsing, der die Bereiche einer Seite findet, etwa Titel, Absätze, Tabellen, Abbildungen, Bildunterschriften und Fußzeilen, jeden davon benennt und die Reihenfolge ermittelt, in der ein Mensch sie lesen würde.
Optische Zeichenerkennung
Optische Zeichenerkennung (OCR) ist Software, die Text aus Bildern wie gescannten Seiten, Fotos oder Screenshots liest und in maschinenlesbare Zeichen verwandelt, die sich durchsuchen, kopieren oder an ein Modell übergeben lassen.
Chunking
Chunking (Aufteilung in Abschnitte) ist der Schritt, der lange Dokumente in kleinere Passagen zerlegt, bevor sie eingebettet und indexiert werden, damit ein Retrieval-System nur die Teile eines Dokuments finden und zurückgeben kann, die eine Anfrage beantworten.
Structured Output
Structured Output (strukturierte Ausgabe) ist eine API-Funktion, die die Antwort eines Sprachmodells einem von dir festgelegten Format folgen lässt, meist einem JSON Schema, damit Code sie verlässlich parsen kann, statt freien Text auszuwerten.

Quellen