Wie du Zahlen aus PDFs extrahierst, ohne dass die KI halluziniert

Warum eine falsche Zahl gefährlicher ist als ein erfundener Satz

Eine Text-Halluzination verrät sich selbst: Das Modell behauptet etwas, das nicht zum Rest passt, und dein Sprachgefühl schlägt Alarm. Eine Zahlen-Halluzination tut das nie. 2.45 sieht genauso seriös aus wie 25.45 — nur die Kommastelle ist verrutscht.

Beim Auslesen von Offerten, Rechnungen oder Reports ist das die teuerste Fehlerart, weil sie unbemerkt durchläuft. Sie fällt nicht durch ein schräges Wort auf, sondern nur durch den Vergleich mit dem Original.

Wichtig ist die Abgrenzung zum Vormodul: Dort ging es um Denk-Routinen — der KI eine Rolle geben, sie zum Widerspruch zwingen. Hier geht es um Dokumenten-Analyse mit Verifikation. Du gibst der KI keine Rolle, du nimmst ihr die Erlaubnis zum Raten.

Der Fundstellen-Zwang — jede Zahl an ihre Quelle binden

Der ganze Trick steckt in einem Satz, den du an deine Extraktions-Aufgabe anhängst. Du zwingst die KI, jede Zahl zu belegen:

Lies die folgenden Beträge aus dem PDF. Zitiere zu
jeder Zahl die wörtliche Zeile aus dem Dokument, aus
der sie stammt, mit Seitenzahl. Wenn du eine Zahl nicht
eindeutig findest, schreib UNSICHER statt zu raten.

Das entscheidende Stück ist der letzte Satz. «UNSICHER statt zu raten» gibt der KI einen ehrlichen Ausweg — statt einen Wert zu erfinden, markiert sie ihre Lücke. Damit verwandelst du blindes Vertrauen in Überprüfbarkeit.

Die Zwei-Minuten-Stichprobe

Du musst nicht jede Zahl nachrechnen — das wäre das Gegenteil von smart. Du prüfst die wichtigsten zwei bis drei: das Total, die grösste Summe, ein Datum.

Lass dir das Ergebnis als Tabelle ausgeben — Zahl, wörtliche Fundstelle, Seite — und schlage zwei davon im Original auf:

1. Tabelle mit drei Spalten anfordern: Zahl, Fundstelle, Seite.
2. Zwei wichtige Zeilen auswählen (Total und grösste Summe).
3. Im PDF auf die zitierte Seite springen und vergleichen.

Stimmt die Stichprobe, vertraust du dem Rest. Stimmt sie nicht, weisst du sofort: Das Tool ist für dieses Dokument nicht zuverlässig. Zwei Minuten Prüfung gegen den Schaden einer falschen Zahl im Angebot.

Warum die Tabelle die KI ehrlich macht

Solange die KI nur eine Liste von Zahlen ausspuckt, kann sie raten, ohne dass es jemand sieht. Sobald sie zu jeder Zahl eine wörtliche Zeile und eine Seite liefern muss, kann sie nichts mehr frei erfinden — sie muss jede Zahl verorten.

Frag nie «stimmt die Zahl?». Die KI bestätigt sich selbst. Verlang die Fundstelle und prüf selbst.

Das knüpft an eine Lehre aus dem Vormodul an: Eine Rückfrage wie «stimmt das?» bringt nichts, weil das Modell zur Zustimmung neigt. Die Quelle lügt nicht, die Bestätigung schon. Genau deshalb prüfst du gegen das Dokument, nicht gegen die Meinung der KI.

Sensible Dokumente lokal statt in der Cloud

Rechnungen, Lohnabrechnungen, Post — solche Dokumente gehören nicht in eine Cloud-KI. Meine Konsequenz aus der Kommastellen-Geschichte: Sensibles läuft bei mir über eine lokale KI.

Konkret nutze ich Ollama mit dem Vision-Modell Qwen2.5-VL. Ein Vision-Modell schaut die Seite wirklich an, statt nur Text zu raten — und es läuft komplett auf dem eigenen Rechner. Das ist eine ehrliche Empfehlung aus der Praxis, kein Tool-Tutorial.

Merk dir das Prinzip: Der Fundstellen-Zwang bleibt derselbe, egal ob Cloud oder lokal. Bei sensiblen Daten kommt nur dazu, dass nichts deinen Rechner verlässt.