OCR Struktur-Analyse

Der Service Task „OCR Struktur-Analyse" erkennt automatisch die Layoutstruktur eines Dokuments – einschließlich Tabellen, Überschriften, Textbereiche und anderer visueller Elemente. Im Gegensatz zur reinen Text-Extraktion wird hier die räumliche Anordnung des Dokuments analysiert.

So können tabellarische Inhalte wie Positionslisten auf Lieferscheinen, Rechnungspositionen oder strukturierte Formulare automatisch erfasst und weiterverarbeitet werden.

---

Input-Parameter

Die folgenden Felder werden als Eingabe für den Task benötigt:

{
  "pdf": {
    "referenceId": "...",
    "filename": "rechnung.pdf"
  },
  "enableHandwriting": true,
  "outputFormat": "json"
}

Erläuterung:

• pdf.referenceId: Referenz auf die hochgeladene Datei (PDF oder Bild). Die Datei muss als fileReference vorliegen.
• pdf.filename: Der Dateiname inkl. Endung. Unterstützte Formate: PDF, JPG, PNG, BMP, TIFF.
• enableHandwriting: Optional (true/false, Standard: true). Aktiviert die Handschrift-Erkennung und automatische Dokumenten-Entzerrung.
• outputFormat: Optional (json oder markdown, Standard: json). Bei markdown wird die erkannte Struktur als Markdown-Text zurückgegeben — besonders geeignet für die Weiterverarbeitung durch KI-Services.

---

Output

JSON-Format (Standard)

Bei outputFormat: "json" wird die erkannte Struktur seitenweise zurückgegeben:

{
  "metadata": {
    "source_file": "rechnung.pdf",
    "total_pages": 1,
    "total_text_blocks": 0,
    "total_tables": 1
  },
  "pages": [
    {
      "page_number": 0,
      "text": "Pos | Menge | Artikel | Preis",
      "tables": [
        {
          "index": 0,
          "html": "<table><tr><td>Pos</td><td>Menge</td><td>Artikel</td><td>Preis</td></tr><tr><td>1</td><td>50</td><td>Schraube M8</td><td>0,12 €</td></tr></table>"
        }
      ]
    }
  ],
  "full_text": "Pos | Menge | Artikel | Preis"
}

Markdown-Format

Bei outputFormat: "markdown" wird das Ergebnis als Markdown zurückgegeben:

{
  "markdown": "## Rechnung\n\n| Pos | Menge | Artikel | Preis |\n|-----|-------|---------|-------|\n| 1 | 50 | Schraube M8 | 0,12 € |",
  "ocr_text": "Rechnung\nPos Menge Artikel Preis\n1 50 Schraube M8 0,12 €"
}

Erläuterung:

• tables: Erkannte Tabellen als HTML-Darstellung — können direkt in nachfolgenden Schritten geparst werden.
• markdown: Strukturierter Markdown-Text, der Tabellen, Überschriften und Absätze beibehält.
• ocr_text: Zusätzlich extrahierter Fließtext (im Markdown-Format enthalten), der auch Textbereiche außerhalb von Tabellen erfasst.

---

JSONata-Beispiele

// Datei aus einem vorherigen Schritt referenzieren
{
  "pdf": {
    "referenceId": uploadResult.referenceId,
    "filename": uploadResult.filename
  },
  "outputFormat": "markdown"
}

// Anzahl erkannter Tabellen als Gateway-Bedingung
$count(ocrResult.pages[0].tables) > 0

---

Hinweise

• Die Verarbeitungszeit beträgt je nach Dokumentgröße ca. 20–120 Sekunden und ist damit etwas länger als die reine Text-Extraktion.
• Das Markdown-Format eignet sich besonders gut als Eingabe für KI-Services wie „KI: Strukturierte Daten extrahieren" oder „KI: JSON-Inhalt abfragen".
• Tabellen werden als HTML zurückgegeben, was die programmatische Weiterverarbeitung erleichtert.

---

Tipp

Für Dokumente, bei denen sowohl der Fließtext als auch die Tabellenstruktur benötigt wird, bietet sich der Service Task „OCR Vollanalyse" an — dieser kombiniert Text-Extraktion und Strukturanalyse in einem Durchlauf.