KI Scanner: Ablauf, Beispiel und wo er sich täuscht
KI Scanner: wie du ein Dokument fotografierst und per KI auslesen lässt, ein Beispiel von Beleg bis Tabelle und wo die Ausgabe trügt.
Ein „KI Scanner" ist kein neues Gerät. Es ist eine App oder ein Chatbot, der ein Foto von einem Dokument liest und den Inhalt in Text oder eine Tabelle umwandelt. Bei gedrucktem Text funktioniert das meistens gut. Bei Handschrift, kleinen Zahlen oder einem unscharfen Foto liegt das Ergebnis gelegentlich daneben — und zwar so plausibel, dass der Fehler nicht sofort auffällt.
Was ein KI Scanner tatsächlich macht
Ein klassischer Scanner digitalisiert ein Bild. Ein KI Scanner geht einen Schritt weiter: Er liest, was auf dem Bild steht, und bringt es in eine Form, die du weiterverwenden kannst — eine Tabelle, eine Liste, einen Datensatz. Das ist derselbe Mechanismus wie bei jeder anderen Bildauswertung mit ChatGPT, Claude oder Gemini, nur mit einem festen Ziel: nicht ein Diagramm beschreiben, sondern ein Dokument in Daten verwandeln. Den allgemeinen Fall, auch für Screenshots und Diagramme, zeigt KI Bildanalyse kostenlos ausführlicher.
Der Unterschied zu einer reinen Texterkennung mit fester Fehlerquote pro Zeichen: Ein KI-Modell erkennt Muster, keine Buchstaben nach einer festen Regel. Bei einer klaren Überschrift in großer Schrift liegt es fast immer richtig. Bei einer kleinen Zahl in einer Tabellenzelle oder einem verblassten Kassenbon steigt die Wahrscheinlichkeit, dass eine Ziffer vertauscht wird — eine 3 statt einer 8, ein Komma statt eines Punkts.
Ein Arbeitsablauf, der eine falsche Zahl nicht durchrutschen lässt
- Foto mit viel Licht und ohne Schatten machen, auf das Dokument zugeschnitten statt den ganzen Tisch mitzufotografieren.
- Eine konkrete Aufgabe stellen statt „lies das" — zum Beispiel, welche Felder du brauchst und in welcher Reihenfolge.
- Eine feste Ausgabeform vorgeben, etwa eine Tabelle mit festen Spalten, damit das Ergebnis direkt weiterverwendbar ist.
- Bei jeder Zahl und jedem Namen die genaue Fundstelle verlangen, statt nur eine zusammenfassende Beschreibung zu akzeptieren.
- Jede Zahl, die irgendwo weiterverwendet wird, einzeln gegen das vergrößerte Original prüfen, bevor sie eingetragen wird.
Ein Beispiel von Anfang bis Ende
Nimm eine Taxiquittung, die für eine Reisekostenabrechnung erfasst werden muss. Prompt unvollständig: „Was steht auf diesem Beleg?" Ergebnis: eine allgemeine Beschreibung — Taxifahrt, ein Betrag, ein Datum — formuliert als flüssiger Satz, bei dem nicht klar ist, ob der Betrag mit oder ohne Trinkgeld gemeint ist.
Prompt vollständig: „Lies Datum, Gesamtbetrag und Zahlungsart von diesem Taxibeleg ab und gib sie als Tabelle mit genau diesen drei Spalten aus. Wenn ein Wert nicht eindeutig lesbar ist, schreib ‚unklar‘ statt eine Schätzung." Mit dieser Vorgabe entsteht eine Tabelle mit drei klaren Feldern, und an der Stelle, wo der Druck auf dem Bon verblasst ist, erscheint tatsächlich „unklar" statt einer erfundenen Zahl — der Moment, an dem sich ein zweiter Blick auf das Original lohnt.
Eine Tabelle, die aus einem Beleg entsteht, sieht fertig aus. Fertig ist sie erst, nachdem jede einzelne Zahl gegen das Original nachgesehen wurde.
Wo ein KI Scanner sich täuscht
Am zuverlässigsten ist gedruckter Text in normaler Größe und gutem Licht. Am unzuverlässigsten sind Handschrift, verblasste Thermobons, enge Tabellen mit vielen Ziffern nebeneinander und Fotos mit Schatten oder schrägem Winkel. Bei deutschen Belegen kommt eine weitere Fehlerquelle hinzu: Komma als Dezimaltrennzeichen und Punkt als Tausendertrennzeichen werden von manchen Modellen vertauscht, besonders wenn die Vorlage ursprünglich für ein englisches Zahlenformat trainiert wurde.
Steht auf dem Dokument ein Name, eine Kundennummer oder eine Adresse, ist das Scannen zugleich eine Verarbeitung personenbezogener Daten. Welche Punkte davor geklärt sein müssen — vom Auftragsverarbeitungsvertrag bis zur Frage, wer in der Firma Zugriff auf die Chatverläufe hat — ist ausführlich in KI datenschutzkonform nutzen beschrieben, inklusive der Orientierungshilfe der Datenschutzkonferenz zum Umgang mit solchen Werkzeugen im Unternehmen.
Wie schnell sich die Texterkennung selbst entwickelt
Dass Texterkennung aus Bildern inzwischen ein eigenes Forschungsfeld ist, zeigt Mistrals eigenes OCR-Modell, das speziell auf das Lesen von Dokumenten trainiert ist statt auf allgemeine Bildbeschreibung. Ein Allzweck-Chatbot wie ChatGPT, Claude oder Gemini ist für dieselbe Aufgabe nicht spezialisiert — er kann sie trotzdem gut genug lösen, solange du das Ergebnis prüfst, statt ihm das letzte Wort zu geben. Welche Risiken generative Modelle dabei grundsätzlich mitbringen, fasst das BSI in seinem Papier zu generativen KI-Modellen zusammen, und wie schnell sich die Bildfähigkeiten dieser Modelle insgesamt verbessern, verfolgt der Stanford AI Index über mehrere Jahre.
Wie verbreitet solche Werkzeuge in deutschen Unternehmen bereits für die Dokumentenauswertung sind, erhebt Destatis in der IKT-Erhebung zu künstlicher Intelligenz. Der Trend geht klar nach oben — ein Grund mehr, den Prüfschritt von Anfang an zur Gewohnheit zu machen, statt ihn erst einzuführen, wenn eine falsche Zahl bereits Schaden angerichtet hat.
Was du am Montag ausprobierst
- Nimm einen Beleg oder ein kurzes Dokument, das du wirklich erfassen musst — keinen Testfall.
- Fotografiere ihn mit viel Licht und ohne Schatten, möglichst nur das Dokument im Bild.
- Gib eine feste Ausgabeform vor: welche Felder, in welcher Reihenfolge, und die Anweisung, Unklares als „unklar" zu markieren statt zu schätzen.
- Vergleiche jede weiterverwendete Zahl einzeln mit dem vergrößerten Original, bevor sie in eine Abrechnung oder Tabelle geht.
Landet das Ergebnis am Ende in einer Tabelle statt in einem Fließtext, zeigt Excel auswerten lassen denselben Prüfschritt an einer fertigen Kalkulation. Besteht das Dokument stattdessen aus mehreren Seiten als PDF, geht PDF mit KI zusammenfassen den gleichen Weg für längere Vorlagen. Keines der beiden ersetzt den Blick aufs Original — es verschiebt ihn nur auf die Zahlen, die tatsächlich weiterverwendet werden.
Genau diese Fähigkeit — eine klare Aufgabe stellen und das Ergebnis gegen die Quelle prüfen — vermittelt Coursium in kurzen Lektionen fürs Handy, mit einem Übungsbeispiel zum Ausprobieren unter Bleib der KI voraus. Mehr zum Ansatz steht über Coursium.