Warum verlieren KI-Umwandlungen von Dokumenten unbemerkt Daten?
Weil Sprachmodelle eine plausible Ausgabe erzeugen, keine nachweislich vollständige: Wird ein Dokument zu lang, bricht die Ausgabe ab; komplexe Tabellen werden verkürzt oder verschoben; Fussnoten und Anhänge fallen weg. Das Ergebnis sieht trotzdem fertig aus – der Fehler fällt erst auf, wenn jemand die fehlenden Daten braucht.
Die typischen Fehler
- Ausgabelimit: Lange Dokumente werden mitten im Text abgeschnitten.
- Tabellen: Zeilen gehen verloren, Spalten verschmelzen, Tabellen über Seitengrenzen zerfallen.
- Layout: Mehrspaltiger Text wird in falscher Reihenfolge gelesen.
- Kleingedrucktes: Fussnoten, Anhänge und Randnotizen werden als Rauschen entfernt.
- Scans: Schlechte Vorlagen und Handschrift führen zu Lesefehlern.
- „Korrekturen“: Das Modell ergänzt oder glättet Werte, die so nie im Original standen.
Warum es niemand merkt
Es gibt keine Fehlermeldung. Das Ergebnis ist sauber formatiert, das JSON ist gültig, der Text liest sich flüssig. Stichproben finden seltene Lücken kaum – und genau die sind oft die teuren: eine fehlende Klausel, ein fehlender Betrag.
Die Folgen
Was beim Umwandeln fehlt, fehlt überall danach: in der internen Suche, in KI-Assistenten und Agenten, in Berichten. Ein KI-System antwortet dann falsch, ohne dass jemand die Ursache sieht.
Was hilft
Nicht ein besseres Modell allein, sondern eine Prüfung gegen das Original. Wie das geht, beschreibt die Frage Wie prüft man, ob eine KI alle Daten aus einem PDF ausgelesen hat?