Enterprise Search
Dokumentensuche mit KI: PDF-Tabellen im RAG-System prüfen, ohne dass die Gesamtnote Fehler verdeckt
Ein RAG-System mit sehr guter Gesamtnote kann trotzdem den entscheidenden Betrag falsch zuordnen. Besonders bei mehrseitigen PDF-Tabellen gehen Kopfzeilen, Spalten und Seitenangaben unterwegs verloren. Dieser Beitrag zeigt, wo das passiert und wie Sie kritische Felder getrennt prüfen.
von Sebastian @searchit · · 8 Min. Lesezeit
KI-generiertRetrieval-Augmented Generation, kurz RAG, ist das Verfahren hinter den meisten KI-Assistenten für Firmenwissen: Ein Suchsystem holt passende Abschnitte aus Ihren Dokumenten, ein Sprachmodell formuliert daraus die Antwort. Das funktioniert gut, solange das Wissen in Fließtext steht. In Rechnungen, Leistungsverzeichnissen, Preislisten und Prüfberichten steckt es aber oft in Tabellen – und die reichen über mehrere Seiten.
Dann genügt ein kleiner Fehler beim Lesen des PDFs: Auf Seite 2 fehlt die Kopfzeile, eine Spalte verrutscht, eine Zwischensumme wird als Position gelesen. Die Antwort klingt trotzdem plausibel. Und dann steht man vor einem ordentlichen Pallawatsch, denn eine Gesamtnote wie „95 Prozent der Inhalte korrekt erkannt“ sagt wenig über den entscheidenden Betrag aus, wenn sie ihn genauso gewichtet wie ein falsch erkanntes Füllwort.
Ein Hinweis vorab: Wir sind Hersteller von searchit. Eine allgemein anerkannte, vollständige Prüfmethode für Tabellen in RAG-Systemen haben wir nicht gefunden. Der folgende Ablauf ist deshalb unser eigener Entwurf. Mein Rat: Prüfen Sie ihn an Ihren eigenen Dokumenten – bei jedem Anbieter.
Kurz gesagt
- Kritische Felder zuerst festlegen: Betrag mit Währung und Einheit, Zuordnung zu Position und Spalte, Quellseite.
- Kritische Feldfehler getrennt zählen – nie im Durchschnitt mit allen anderen Zeichen.
- Drei Stufen einzeln prüfen: Lesen des PDFs, Finden des richtigen Abschnitts, Antwort mit Fundstelle.
- „Fehlt“, „falsch“ und „erfunden“ unterscheiden. Ein erfundener Wert ist schlimmer als ein fehlender.
- Nach jedem Wechsel neu prüfen: anderer Leser für PDFs, anderes Sprachmodell, andere Aufteilung in Abschnitte.
Wenn Sie mit KI Dokumente durchsuchen: wo Tabellenbezüge verloren gehen
Ein PDF speichert Zeichen an Positionen auf einer Seite; die Tabellenstruktur lässt sich daraus nicht ohne Weiteres ablesen. Wer daraus wieder Zeilen und Spalten zusammensetzt, muss ihre Zuordnung erschließen. Das gelingt meist gut, aber nicht immer. Typische Bruchstellen bei der Dokumentensuche in PDFs:
| Bruchstelle | Was passiert | Wie es in der Antwort aussieht |
|---|---|---|
| Seitenumbruch | die Kopfzeile steht nur auf der ersten Seite | Werte von Seite 2 haben keine Spaltennamen mehr – „Netto“ und „Brutto“ werden verwechselt |
| mehrspaltiges Layout | Spalten werden nebeneinander statt untereinander gelesen | zwei Positionen verschmelzen zu einer |
| verbundene Zellen | eine Gruppenzeile gilt für mehrere Zeilen darunter | die Gruppe hängt nur an der ersten Zeile |
| Summen und Zwischensummen | sie sehen aus wie Positionen | eine Zwischensumme wird als Einzelpreis genannt |
| Einheit im Kopf oder in der Fußnote | „alle Beträge in Tausend Euro“ steht außerhalb der Tabelle | der Betrag ist um den Faktor tausend falsch |
| Zahlenformat | Komma und Punkt trennen je nach Sprache Tausender oder Dezimalstellen | aus 1.234,56 Euro wird bei falsch angenommenem Format ein Betrag von rund einem Euro |
| Scans | die Seite ist ein Bild, kein Text | ohne Texterkennung fehlt die Tabelle ganz |
| Aufteilung in Abschnitte | das RAG-System schneidet lange Dokumente in Stücke – auch mitten durch eine Tabelle | der gefundene Abschnitt enthält Werte, aber nicht die Zeile, zu der sie gehören |
Kritische Felder festlegen
Nicht jedes Zeichen ist gleich wichtig. Legen Sie je Dokumentart fest, bei welchen Feldern ein Fehler die Antwort unbrauchbar macht. Für Rechnungen und Leistungsverzeichnisse sind das meist:
- Betrag – mit Währung und Einheit,
- Zuordnung – zu welcher Position und welcher Spalte der Betrag gehört,
- Quellseite – wo der Wert im Original steht,
- Datum oder Frist, sofern vorhanden,
- Positions- oder Artikelnummer.
Alles andere – Formatierung, Fließtext, Fußzeilen – prüfen Sie ebenfalls, aber getrennt.
Drei Stufen, drei Zählungen
Ein falscher Betrag in der Antwort kann an drei Stellen entstanden sein. Wer nur die fertige Antwort prüft, weiß nicht, wo der Fehler liegt. Zählen Sie deshalb die Fehler je Stufe:
- Lesen: Steht der Wert nach der Umwandlung des PDFs richtig im Text – in der richtigen Zeile, unter der richtigen Spalte?
- Finden: Liefert die Suche zu einer Frage den Abschnitt, der den Wert und seine Zeile samt Spaltenbezug enthält?
- Antworten: Nennt die Antwort den richtigen Wert mit der richtigen Einheit und Fundstelle?
Halten Sie außerdem fest, um welche Art von Fehler es sich handelt:
| Art | Bedeutung | Gewicht |
|---|---|---|
| fehlt | der Wert steht im PDF, kommt aber nicht an | ärgerlich – fällt meist auf |
| falsch | ein Wert kommt an, aber mit falscher Zuordnung, Einheit oder Seite | gefährlich – sieht richtig aus |
| erfunden | der Wert steht so nirgends im Dokument | am gefährlichsten – nicht im Original nachprüfbar |
Der Prüfablauf
- Testmappe aus echten PDFs. Nehmen Sie Dokumente, die bei Ihnen tatsächlich vorkommen. Wählen Sie bewusst auch die schwierigen Fälle: mehrseitige Tabellen, Scans, Fußnoten mit Einheiten, Summenzeilen.
- Sollwerte vorher erfassen. Lassen Sie jemanden, der das Dokument kennt, die kritischen Felder in einer kleinen Tabelle festhalten – bevor das System läuft.
- Jede Stufe einzeln prüfen. Erst den umgewandelten Text, dann die gefundenen Abschnitte, dann die Antworten.
- Kritische Feldfehler getrennt ausweisen. Eine eigene Zeile im Bericht, eine eigene Schwelle. Die Gesamtnote steht darunter, nicht darüber.
- Bei jedem Wechsel wiederholen. Anderer Leser für PDFs, neues Sprachmodell, geänderte Aufteilung in Abschnitte: dieselbe Mappe, dieselben Sollwerte.
So könnte die Sollwert-Tabelle für ein Dokument aussehen:
| Dokument | Seite | Position | Spalte | Sollwert | Lesen | Finden | Antwort |
|---|---|---|---|---|---|---|---|
| Leistungsverzeichnis A | 3 | 04.120 | Gesamtpreis netto | (Betrag, Währung) | |||
| Leistungsverzeichnis A | 4 | 04.130 | Einheitspreis | (Betrag, Währung) | |||
| … |
Was beim Bau eines RAG-Systems hilft
Für RAG für Unternehmen schlage ich die folgenden Bauregeln als Teil unseres Entwurfs vor – unabhängig von der eingesetzten Software:
- Kopfzeile mitführen: Jeder Abschnitt aus einer Tabelle sollte ihre Spaltennamen enthalten, auch auf Folgeseiten.
- Nicht mitten in der Zeile schneiden: Abschnittsgrenzen an Tabellenzeilen ausrichten, nicht an einer festen Zeichenzahl.
- Seite merken: Zu jedem Abschnitt die Seitenzahl im Original speichern, damit die Antwort sie nennen kann.
- Einheiten übernehmen: Angaben wie „in Tausend Euro“ aus Kopf oder Fußnote an die Werte hängen.
- Zahlen mit Währung als einen Wert behandeln, nicht als zwei Wörter.
- Scans erkennen und mit Texterkennung lesen, bevor sie in die Suche gehen.
- Immer mit Fundstelle antworten, damit ein Mensch den Wert im Original nachprüfen kann.
So hilft searchit beim Prüfen
searchit ist eine Unternehmenssuche mit KI und dient KI-Agenten als Gedächtnis. Beim Prüfen von PDF-Beständen helfen vor allem diese Funktionen:
- Texterkennung für Scans: Gescannte Dokumente und Bilder werden per Texterkennung lesbar und durchsuchbar.
- Text des Dokuments ansehen: Die Vorschau zeigt den Text eines Treffers in lesbarer Form. So sehen Sie, was aus einer Tabelle als Text geworden ist – die erste Stufe der Prüfung.
- Der Abschnitt, der getroffen hat: Bei einem Treffer der Bedeutungssuche zeigt die Trefferliste den Textabschnitt, der den Treffer ausgelöst hat. So prüfen Sie die zweite Stufe: Steht der Spaltenbezug mit im Abschnitt?
- Erkannte Beträge je Dokument: Ein eigener Reiter in der Vorschau zeigt die Personen, Organisationen, Orte und Beträge, die searchit aus dem Dokument erkannt hat. So gleichen Sie die erkannten Werte direkt mit Ihrer Sollwert-Tabelle ab.
- Nach Beträgen filtern: Über erkannte Beträge lässt sich in der Suche nach Bereichen filtern – etwa „Rechnungen zwischen 50 000 und 100 000 Euro“. Betrag und Währung werden dabei als ein Wert geprüft. Vergleichen Sie die Treffer mit der Liste der erwarteten Dokumente.
- Herkunft jedes KI-Felds: Jedes Feld, das ein Sprachmodell beim Indizieren erzeugt, trägt Modell, Modellversion, Zeitpunkt und Prompt-Kennung. Nach einem Modellwechsel sehen Sie, welcher Lauf welches Ergebnis geliefert hat.
- Rechte der Quellsysteme: Jeder Benutzer findet nur Dokumente, die er im Quellsystem sehen darf, und ein angebundener KI-Agent nur die seines Benutzers – auch bei Rechnungen und Verträgen.
Was searchit als Unternehmenssuche mitbringt, zeigt die Seite Enterprise Search auf searchit-agent.ai.
Häufige Fragen
Was ist RAG?
Retrieval-Augmented Generation: Ein Suchsystem holt passende Abschnitte aus Ihren Dokumenten, ein Sprachmodell formuliert daraus die Antwort. Die Qualität der Antwort hängt deshalb zunächst davon ab, wie gut die Dokumente gelesen und gefunden werden.
Lassen sich Tabellen aus PDFs zuverlässig auslesen?
Das hängt vom Dokument ab. Digital erzeugte PDFs mit einfachen Tabellen lassen sich meist gut auslesen; mehrseitige Tabellen, verbundene Zellen und Scans sind schwieriger. Deshalb gehören genau diese Fälle in die Testmappe.
Warum reicht eine Gesamtnote nicht?
Wenn sie alle Fehler gleich gewichtet, fällt ein falsch zugeordneter Betrag in einer Note über Tausende Zeichen kaum ins Gewicht. Für die Antwort an den Einkauf kann er aber entscheidend sein.
Was ist schlimmer: ein fehlender oder ein falscher Wert?
Ein falscher Wert, und noch schwerer wiegt ein erfundener. Ein fehlender Wert fällt meist auf, ein falscher kann richtig aussehen. Darum zählt der Prüfablauf die drei Arten getrennt.
Wie oft sollte ich die Prüfung wiederholen?
Bei jeder Änderung, die das Lesen, Finden oder Antworten beeinflusst: anderer Leser für PDFs, anderes Sprachmodell, andere Aufteilung in Abschnitte – und wenn neue Dokumentarten dazukommen.
Fazit
Bei einem RAG-System für Unternehmen kann in Tabellen ein einzelner Betrag den Ausschlag geben. Ich würde deshalb bei den kritischen Feldern anfangen: Legen Sie sie fest, prüfen Sie Lesen, Finden und Antworten getrennt und weisen Sie falsche und erfundene Werte eigens aus. So bleibt der entscheidende Fehler neben der Gesamtnote sichtbar.
Wie searchit Ihre PDFs liest und welchen Abschnitt es als Treffer zeigt, zeigen wir Ihnen gern mit Ihren eigenen Dokumenten – in einer Vorführung.
Verwandte Beiträge: KI-Agenten im Unternehmen abnehmen · Beste Enterprise-Search-Anbieter 2026
Das könnte Sie auch interessieren
KI-generiertEnterprise Search
Lesen dürfen ist nicht handeln dürfen: KI-Agenten mit Schreibzugriff sicher testen
Ein KI-Agent mit Leserechten findet Informationen. Mit Schreibrechten verschickt er Mails, ändert Datensätze und legt Termine an. Bevor Sie das freigeben, brauchen Sie drei …
KI-generiertEnterprise Search
KI-Agenten im Unternehmen abnehmen: Fehler, Rückfragen und Nacharbeit getrennt messen
Im Pilotbetrieb sieht ein KI-Agent oft gut aus. Ob er im Betrieb mehr Arbeit spart, als Kontrolle und Wartung kosten, zeigt eine Erfolgsquote allein nicht. Dafür müssen Sie …
KI-generiertEnterprise Search
Gedächtnis für KI-Agenten für Unternehmen: Firmenwissen, Fakten und Vorgänge im Vergleich
Ein KI-Agent ohne Gedächtnis fängt jeden Tag von vorn an. Doch „Gedächtnis“ meint je nach Anbieter etwas anderes: das Wissen im Bestand Ihres Hauses, Fakten über Personen und …
