So extrahieren Sie Daten aus Verträgen mit KI

Was ist KI-gestützte Vertragsdatenextraktion?

Die KI-gestützte Vertragsdatenextraktion ist das Verfahren, mit künstlicher Intelligenz bestimmte Informationen aus Verträgen zu identifizieren und abzurufen.

Statt ein PDF einfach in Text umzuwandeln, geht es darum, wichtige Informationen in strukturierten Feldern zu organisieren, die sich prüfen, durchsuchen und wiederverwenden lassen.

Ein Dienstleistungsvertrag kann zum Beispiel Folgendes enthalten:

• Namen von Kunde und Lieferant
• Vertragsreferenznummer
• Beginn- und Ablaufdatum
• Zahlungsbeträge und -bedingungen
• Verlängerungs- und Kündigungsbedingungen
• Vertraulichkeitsklauseln
• Vertragliche Pflichten

Mit der strukturierten Extraktion lassen sich diese Details als einzelne Datenfelder darstellen, statt über das gesamte Dokument verstreut zu bleiben.

Dieses Verfahren ist Teil eines umfassenderen Ansatzes der KI-gestützten Dokumentendatenextraktion, bei dem Informationen aus unterschiedlichen Dokumentformaten zu nutzbaren Daten aufbereitet werden.

Welche Daten lassen sich aus Verträgen extrahieren?

Welche Informationen Sie extrahieren, hängt von der Art der Vereinbarung und Ihren geschäftlichen Anforderungen ab.

Hier sind einige gängige Vertragsdatenfelder:

Stellen Sie sich ein Unternehmen vor, das Hunderte von Lieferantenverträgen verwaltet. Sein Finanzteam benötigt vielleicht vor allem Zahlungsbedingungen und Vertragsbeträge, während das Operations-Team Beginndaten, Verlängerungsbedingungen und Leistungspflichten braucht.

Statt jeden Satz zu extrahieren, kann das Unternehmen festlegen, welche Informationen jeder Workflow benötigt. Entscheidend ist, nützliche Informationen zu extrahieren, nicht einfach mehr Informationen.

Warum ist die manuelle Vertragsdatenextraktion schwierig?

Die manuelle Vertragsprüfung kann bei einer kleinen Zahl von Dokumenten funktionieren. Mit wachsendem Umfang und wachsender Vielfalt der Verträge wird die Extraktion von Informationen jedoch anspruchsvoller.

Verträge haben unterschiedliche Strukturen

Eine Zahlungsklausel kann in einer Vereinbarung unter „Entgelte“ und in einer anderen unter „Geschäftsbedingungen“ stehen. Ebenso kann ein Ablaufdatum auf der ersten Seite, in einer Tabelle oder in einem Absatz gegen Ende des Dokuments stehen.

Ein Verfahren, das auf feste Positionen oder identische Layouts angewiesen ist, kann daher mit Verträgen aus unterschiedlichen Quellen Schwierigkeiten haben.

Wichtige Informationen sind über mehrere Seiten verteilt

Eine einzelne Vereinbarung kann mehrere relevante Datumsangaben, Geldbeträge und rechtliche Bedingungen enthalten. So kann sich das Unterschriftsdatum vom Beginndatum unterscheiden, während das Verlängerungsdatum von einer an anderer Stelle beschriebenen Kündigungsfrist abhängt.

Den richtigen Wert zu extrahieren setzt voraus zu verstehen, welche Information dem angeforderten Feld entspricht.

Gescannte Verträge erfordern zusätzliche Verarbeitung

Manche Verträge liegen als gescannte PDFs statt als digital erzeugte Dokumente vor. Diese Dateien enthalten möglicherweise keinen auswählbaren Text.

Die optische Zeichenerkennung (OCR) dient dazu, den Text zu erkennen, bevor die Informationen in strukturierten Feldern organisiert werden können.

Text zu erkennen ist jedoch nicht dasselbe, wie die Informationen zu identifizieren, die ein Unternehmen braucht. Der Unterschied zwischen OCR und Datenextraktion wird besonders wichtig bei gescannten Vereinbarungen mit mehreren Datumsangaben, Beträgen und Klauseln.

Manuelles Kopieren führt Fehler ein

Wer Vertragsdaten in Tabellen oder interne Systeme eingibt, riskiert fehlende Werte, falsche Datumsangaben oder uneinheitliche Formatierung. Ein strukturierter Extraktions-Workflow hilft, die repetitive Dateneingabe zu verringern, wobei die extrahierten Ergebnisse dennoch angemessen validiert werden müssen.

So extrahieren Sie Daten aus Verträgen mit KI

Die KI-Extraktion folgt einem vergleichsweise einfachen Ablauf: den Vertrag hochladen, die benötigten Felder festlegen, das Dokument verarbeiten, die Ergebnisse prüfen und die Informationen exportieren.

So gehen Sie dabei mit Heyyel Data Extractor vor.

Schritt 1: Vertrag hochladen

Laden Sie zunächst den Vertrag hoch, den Sie verarbeiten möchten. Heyyel Data Extractor unterstützt gängige Dokumentformate, darunter PDF, JPG, PNG, WebP und TIFF.

Damit können Sie sowohl mit digital erzeugten PDF-Verträgen als auch mit als Bilder gespeicherten gescannten Vereinbarungen arbeiten. Für bessere Ergebnisse verwenden Sie ein Dokument mit klarem Text und vollständigen Seiten.

Schritt 2: Voreinstellung „Vertrag“ auswählen

Wählen Sie nach dem Hochladen des Dokuments die Voreinstellung Vertrag. Sie liefert vorgeschlagene Felder zur Extraktion gängiger Vertragsinformationen.

Sie können diese Felder an Ihre Anforderungen anpassen, statt sich auf eine feste Extraktionsstruktur zu verlassen.

Für Vereinbarungen mit speziellen Anforderungen können Sie bei der benutzerdefinierten Datenextraktion genau festlegen, welche Informationen abgerufen werden sollen.

Schritt 3: Festlegen, welche Informationen extrahiert werden sollen

Im nächsten Schritt legen Sie die benötigten Felder fest.

Klare Feldnamen helfen, Informationen zu unterscheiden, die ähnlich aussehen können. Zum Beispiel ist es präziser, effective_date und signature_date als getrennte Felder zu verwenden, statt ein einziges Feld namens date anzulegen.

Sie können außerdem Extraktionshinweise hinzufügen, um Kontext zu liefern. Ein Beispielhinweis für effective_date wäre:

Das Datum extrahieren, an dem die Vereinbarung wirksam wird, nicht das Unterschriftsdatum.

Für ein Kündigungsfeld könnten Sie verwenden:

Die Klausel extrahieren, die die Bedingungen und die Kündigungsfrist für die Beendigung der Vereinbarung beschreibt.

Diese Anweisungen helfen, die beabsichtigte Ausgabe zu definieren, besonders wenn Dokumente mehrere zusammengehörige Werte enthalten.

Schritt 4: KI-Extraktion ausführen

Sind die benötigten Felder konfiguriert, starten Sie die Extraktion. Das System verarbeitet das Dokument und ordnet die erkannten Informationen der gewählten Struktur zu.

Statt den gesamten Vertrag als unstrukturierten Text zurückzugeben, konzentriert sich der entstehende Datensatz auf die von Ihnen festgelegten Felder.

Prüfen Sie die extrahierten Werte anhand des Originaldokuments, besonders bei Datumsangaben, Zahlungsverpflichtungen und wichtigen Vertragsbedingungen.

Schritt 5: Ergebnisse als JSON oder CSV exportieren

Nach der Prüfung der Ergebnisse können die extrahierten Daten im JSON- oder CSV-Format exportiert werden.

JSON eignet sich für die Verarbeitung strukturierter Daten und Software-Workflows, CSV für Tabellen und tabellarische Berichte. Das passende Format hängt davon ab, wie Ihr Team die extrahierten Informationen verwenden will.

Beispiel: Vertragsdaten in JSON extrahieren

Stellen Sie sich einen fiktiven Dienstleistungsvertrag zwischen zwei Unternehmen vor. Der Vertrag enthält folgende Informationen:

• Kunde: Northstar Retail Ltd.
• Lieferant: Atlas Digital Services
• Beginndatum: 1. Januar 2026
• Ablaufdatum: 31. Dezember 2026
• Vertragswert: 24.000 EUR
• Zahlungsbedingungen: monatliche Zahlungen von 2.000 EUR
• Verlängerung: verlängert sich automatisch um 12 Monate, sofern keine Partei mit einer Frist von 30 Tagen kündigt.

Statt diese Details von Hand in eine Tabelle zu übertragen, lassen sich die Informationen in strukturierten Feldern organisieren.

Eine beispielhafte JSON-Ausgabe sähe so aus:

{
  "contract_title": "Service Agreement",
  "client_name": "Northstar Retail Ltd.",
  "supplier_name": "Atlas Digital Services",
  "effective_date": "2026-01-01",
  "expiration_date": "2026-12-31",
  "contract_value": 24000,
  "currency": "EUR",
  "payment_terms": "Monthly payments of EUR 2,000",
  "auto_renewal": true,
  "renewal_period": "12 months",
  "termination_notice": "30 days"
}

Dieses fiktive Beispiel veranschaulicht die angestrebte Datenstruktur, nicht ein tatsächliches Extraktionsergebnis oder einen Genauigkeits-Benchmark.

Jedes Feld hat nun einen klaren Namen und einen zugehörigen Wert. Die Daten lassen sich prüfen, mit anderen Vereinbarungen vergleichen oder in einem internen Berichts-Workflow verwenden, ohne immer wieder das gesamte PDF zu lesen.

Vertrags-OCR vs. KI-gestützte Vertragsdatenextraktion

OCR und KI-Datenextraktion hängen zusammen, lösen aber unterschiedliche Probleme.

OCR erkennt Text. Die KI-Datenextraktion identifiziert und strukturiert die Informationen, die Sie brauchen.

OCR könnte zum Beispiel diesen Satz in einem gescannten Vertrag erkennen:

Die Vereinbarung bleibt bis zum 31. Dezember 2026 wirksam.

Die strukturierte Extraktion kann dann das relevante Feld identifizieren:

{
  "expiration_date": "2026-12-31"
}

Der Unterschied wird besonders wichtig, wenn ein Vertrag mehrere Datumsangaben oder Bedingungen enthält. OCR macht den Text zugänglich, während die strukturierte Extraktion Informationen vordefinierten Feldern zuordnet.

Typische Anwendungsfälle der automatisierten Vertragsdatenextraktion

Strukturierte Vertragsdaten können mehrere Geschäftsprozesse unterstützen.

Vertragsverwaltung

Verwaltungsteams können Vertragsreferenzen, Parteien, Termine und weitere Identifikationsmerkmale extrahieren, um geordnete Vertragsregister zu führen.

Finanzen und Buchhaltung

Finanzteams können Vertragswerte, Währungen, Zahlungspläne und Abrechnungsbedingungen für Abstimmung und Berichtswesen abrufen.

Einkauf und Lieferantenmanagement

Einkaufsabteilungen können aus Lieferantenverträgen Lieferantendaten, Leistungszeiträume, Verlängerungstermine und Kündigungsbedingungen extrahieren.

Rechtsabteilung

Rechtsteams können extrahierte Klauseln und Metadaten nutzen, um relevante Bestimmungen aufzufinden und Verträge für eine weitere Prüfung vorzubereiten. Die KI-Extraktion unterstützt das Auffinden von Informationen, ersetzt aber weder die rechtliche Auslegung noch das fachliche Urteil.

Berichtswesen und Dokumentenmanagement

Organisationen können einheitliche Felder aus unterschiedlichen Vertragsdokumenten sammeln und für weitere Analysen in strukturierte Datensätze exportieren.

Best Practices für eine genaue Vertragsdatenextraktion

Die KI-basierte Extraktion kann repetitive Arbeit verringern, doch ein verlässlicher Prozess hängt weiterhin davon ab, wie die Felder definiert und validiert werden.

Verwenden Sie präzise Feldnamen

Vermeiden Sie vage Namen wie date, amount oder company. Bevorzugen Sie contract_effective_date, annual_contract_value oder supplier_legal_name.

Trennen Sie verschiedene Vertragstermine

Unterschriftsdatum, Beginndatum, Verlängerungsdatum und Ablaufdatum können unterschiedliche Bedeutungen haben. Behandeln Sie sie als getrennte Felder, wann immer Ihr Workflow das verlangt.

Fügen Sie komplexen Feldern Kontext hinzu

Ein Feld wie termination_clause kann eine klare Anweisung erfordern, die festlegt, welche Informationen abgerufen werden sollen.

Extraktionshinweise helfen, die erwartete Bedeutung zu erklären. Das ist besonders nützlich, wenn Sie bestimmte Daten aus PDF-Dokumenten extrahieren müssen, die mehrere ähnliche Datumsangaben, Geldwerte oder Vertragsbestimmungen enthalten.

Prüfen Sie kritische Informationen

Validieren Sie finanzielle Werte, Fristen, Verlängerungsbedingungen und Klauseln, die geschäftliche Entscheidungen beeinflussen können. Eine extrahierte Klausel sollte mit ihrem ursprünglichen Wortlaut und Kontext abgeglichen werden, bevor sie für rechtliche oder operative Entscheidungen verwendet wird.

Gehen Sie sorgfältig mit fehlenden Informationen um

Nicht jeder Vertrag enthält jedes angeforderte Feld. Legen Sie fest, wie fehlende Informationen dargestellt werden, damit eine nicht vorhandene Klausel oder ein nicht vorhandener Wert nicht mit einem bestätigten negativen Ergebnis verwechselt wird.

Wann sollten Sie die Vertragsdatenextraktion automatisieren?

Automatisierung wird besonders nützlich, wenn ein Unternehmen regelmäßig Verträge mit ähnlichen Informationskategorien verarbeitet, auch wenn die Dokumente unterschiedliche Layouts haben.

Ein Unternehmen kann zum Beispiel Dienstleistungsverträge von mehreren Lieferanten erhalten und aus jedem Dokument dieselben Felder erfassen müssen. Statt jede Vereinbarung von Hand zu lesen und ihre Informationen in eine Tabelle einzugeben, kann das Unternehmen eine einheitliche Extraktionsstruktur festlegen und die entstehenden Datensätze prüfen.

Die manuelle Extraktion kann für gelegentliche Dokumente oder Situationen mit umfangreichem Interpretationsbedarf weiterhin angemessen sein. Ziel ist nicht, die menschliche Prüfung abzuschaffen, sondern die repetitive Informationssammlung zu verringern und relevante Daten leichter zugänglich zu machen.

Vertragsdaten mit Heyyel Data Extractor extrahieren

Heyyel Data Extractor hilft, Dokumentinhalte in strukturierte Informationen umzuwandeln.

Mit der Voreinstellung „Vertrag“ und anpassbaren Extraktionsfeldern können Sie die Informationen festlegen, die Ihr Workflow braucht, PDF- oder bildbasierte Verträge verarbeiten und die Ergebnisse als JSON oder CSV exportieren.

Ob Sie Vertragsdaten, Unternehmensangaben, Zahlungsbedingungen oder ausgewählte Klauseln brauchen: Sie können die gewünschten Felder festlegen, statt das gesamte Dokument manuell zu extrahieren.

Entdecken Sie die Vertragsdatenextraktion mit Heyyel Data Extractor und sehen Sie, wie sich die strukturierte Extraktion in Ihren Dokumenten-Workflow einfügen kann.

Häufig gestellte Fragen