# Tabellen-OCR in gescannten PDFs: Zeilen, Spalten, Einheiten und Seitenumbrüche prüfen

Prüfen Sie erkannte Tabellen gegen den Originalscan und achten Sie dabei besonders auf verbundene Überschriften, die Zuordnung von Werten, Einheiten und Tabellen, die über Seiten hinweg fortgesetzt werden.

Eine Tabelle kann alle erwarteten Zahlen enthalten und trotzdem Falsches aussagen. Rutscht ein Wert eine Spalte nach rechts, beschreibt er womöglich ein anderes Jahr, eine andere Behandlung oder eine andere Einheit. Wer die Tabellen-OCR in gescannten PDFs prüft, kontrolliert deshalb die Beziehungen zwischen Beschriftungen und Werten – nicht nur, ob die Ziffern plausibel aussehen.

Beginnen Sie mit dem Originalbild der Seite und einer vollständigen Tabelle. Sehen Sie sich Kopfzeile, Tabellenkörper, Anmerkungen und eine eventuelle Fortsetzung an, bevor Sie Werte in eine Tabelle oder einen Bericht übernehmen.

## Verbundene Überschriften erfassen, bevor Sie Zellen prüfen

Eine Kopfzeile kann sich über mehrere Spalten erstrecken, während eine zweite Zeile die einzelnen Beschriftungen liefert. So könnte „Jahresproduktion“ zwei Jahre umfassen, die jeweils nach Produktarten unterteilt sind. Geht die spaltenübergreifende Überschrift verloren, wirken die exportierten Zeilen zwar ordentlich, büßen aber ihre Bedeutung ein.

Notieren Sie für einen ausgewählten Wert die vollständige Beschriftung: Tabellentitel, Gruppenüberschrift, Spaltenüberschrift, Zeilenüberschrift und Einheit. Prüfen Sie dann, ob sich diese Beschriftung allein aus dem Konvertierungsergebnis rekonstruieren lässt.

Gehen Sie bei verbundenen Zeilenbeschriftungen genauso vor. Eine Kategorie, die einmal neben mehreren Zeilen steht, kann für alle diese Zeilen gelten. Eine leere Zelle darunter bedeutet nicht zwangsläufig fehlende Daten, und wenn Sie jede leere Zelle mit null füllen, verändern Sie die Quelle.

Welche Möglichkeiten es für die spätere Darstellung in Markdown gibt, lesen Sie unter [PDF-Tabellen in Markdown](https://pdfcraft.ai/de-DE/blog/pdf-tables-to-markdown/). Hier geht es zunächst um die Frage, ob die ursprüngliche Tabelle korrekt erkannt wurde.

## Werte in beide Richtungen nachverfolgen

Suchen Sie einen Wert im Scan und bestimmen Sie seine Zeile und Spalte im Ergebnis. Wählen Sie anschließend einen Wert im Ergebnis und verfolgen Sie ihn zurück bis in den Scan. Diese Gegenprobe kann doppelte Zeilen aufdecken oder Werte, die im Original nicht zu finden sind.

Prüfen Sie verschiedene Positionen: erste Zeile, mittlere Zeile, letzte Zeile und eine Zeile mit Fußnotenzeichen oder ungewöhnlicher Zeichensetzung. Achten Sie auf Dezimaltrennzeichen, Minuszeichen, Tausendertrennzeichen, Prozentangaben, Bereiche und Klammern. All das kann die Bedeutung verändern, selbst wenn die umgebenden Ziffern stimmen.

Behalten Sie Unterscheidungen wie leer, Strich, „nicht zutreffend“ und null bei. Die Legende der Tabelle kann ihnen jeweils unterschiedliche Bedeutungen zuweisen. Vereinheitlichen Sie diese Angaben nicht aus Bequemlichkeit, bevor Sie die Legende verstanden haben, und halten Sie jede Änderung gesondert fest.

## Einheiten zusammen mit Überschrift und Anmerkungen lesen

Ein Wert unter der Überschrift „Umsatz“ ist unvollständig, wenn der Zusatz „in Tausend“ nur über der Tabelle oder in einer Anmerkung darunter steht. Prüfen Sie, ob dieser Zusatz erhalten bleibt und den richtigen Werten zugeordnet ist.

Sehen Sie sich auch Einheiten an, die innerhalb von Zellen stehen. Hochgestellte Zeichen, Vorsätze und Gradzeichen können so klein sein, dass sie in einem schlecht gescannten Dokument verschwinden. Ein Wechsel von Milligramm zu Gramm ist kein bloßes typografisches Detail.

Wenn Sie das Dokument später übersetzen, trennen Sie die Erkennung der Einheiten von der Sprachwahl. Verlassen Sie sich nicht darauf, dass eine Übersetzerin oder ein Übersetzer bemerkt, dass die OCR einen Exponenten verloren hat. Prüfen Sie zuerst die erkannte Quelle und vergleichen Sie dann die übersetzten Überschriften und Erläuterungen.

## Tabellen über mehrere Seiten vorsichtig zusammenführen

Achten Sie auf „Fortsetzung“, wiederholte Spaltenüberschriften, geteilte Zeilen und Anmerkungen, die erst nach der letzten Seite erscheinen. Eine wiederholte Kopfzeile darf nicht zu einer zusätzlichen Datenzeile werden; eine wiederholte Zeilenbeschriftung kann eine Fortsetzung sein und keine zweite Beobachtung.

Prüfen Sie die letzte Datenzeile vor dem Seitenumbruch und die erste danach. Läuft eine Beschreibung auf die nächste Seite über, vergewissern Sie sich, dass ihre Werte noch zum selben Eintrag gehören. Fußnoten am Ende können sich auf Zeilen auf früheren Seiten beziehen.

Halten Sie die Seitengrenzen in Ihren Prüfnotizen fest, auch wenn Sie sie aus der Arbeitstabelle entfernen. So lässt sich später nachvollziehen, woher eine fehlende Zeile oder eine unerwartete Dopplung stammt.

## Abweichungen festhalten, ohne Zahlen zu raten

Nutzen Sie eine einfache Aufstellung: Quellseite und Tabelle, Zeilenbeschriftung, Spaltenbeschriftung, strittiger Wert, im Original abgelesener Wert und Stand der Korrektur. Kennzeichnen Sie einen unlesbaren Wert als ungeklärt. Wählen Sie keine Zahl nur deshalb, weil dann die Summen aufgehen.

Summen und Bereiche können als Gegenprobe nützlich sein, sind aber kein Beweis. Schon das Original kann Rundungs- oder Redaktionsfehler enthalten. Trennen Sie Korrekturen der Erkennung klar von jeder späteren Auswertung der Daten.

[PDF Craft](https://pdfcraft.ai/de-DE/pdf-craft/pdf-to-markdown/) erkennt Tabellen bei der PDF-Konvertierung, auch in gescanntem Material. Wählen Sie Markdown, wenn Sie bearbeiten und weiterverwenden möchten, und vergleichen Sie das heruntergeladene Ergebnis anschließend mit dem Original. Prüfen Sie komplexe oder blasse Tabellen besonders sorgfältig; keine allgemeine Zusage deckt jede verbundene Zelle oder jede seitenübergreifende Struktur ab.

Bevor Sie die Tabelle in Forschungsnotizen verwenden, prüfen Sie Titel, Einheiten, ausgewählte Zeilen und Anmerkungen gemeinsam. Der Beitrag zum [Arbeitsablauf für Forschung mit PDF-zu-Markdown](https://pdfcraft.ai/de-DE/blog/pdf-to-markdown-for-research/) erklärt, wie Sie diesen Quellkontext erhalten, wenn die Tabelle das Originaldokument verlässt.