PDFs in der Wissensbasis: Textebene, Tabellen und Scans vor dem Hochladen prüfen
Vor dem Hochladen in die Wissensbasis prüfen: ob ein PDF eine Textebene hat, was aus Tabellen wird und warum XICBOT Scans abweist statt zu raten.
In einfacher Sprache
Viele Betriebe bekommen zum Jahresende neue Preislisten als PDF. Der Assistent kann nur lesen, was in einem PDF als Text steht.
Ein Scan ist nur ein Bild der Seite. So ein PDF lehnt XICBOT ab und nennt den Grund.
Preise aus Tabellen gehen oft verloren. Wichtige Preise legen Sie darum auch als Frage mit Antwort an.
Prüfen Sie vor dem Hochladen, ob sich der Text mit der Maus markieren lässt. Danach stellen Sie im Test ein paar Fragen und sehen nach, woher die Antwort kommt.
Zum Jahresende kommen in vielen Betrieben die Unterlagen für 2027 an: neue Preislisten, Kataloge, Datenblätter von Herstellern, überarbeitete Bedingungen für Wartung oder Lieferung. Meist kommen sie als PDF. Für einen Chat-Assistenten ist so ein PDF keine Datei zum Herunterladen, sondern eine Quelle, aus der er antworten soll. Was er daraus lesen kann, hängt nicht davon ab, wie das Dokument auf dem Bildschirm aussieht, sondern davon, ob und wie der Text darin gespeichert ist. Dieser Beitrag zeigt, was XICBOT beim Hochladen mit einem PDF macht, warum ein Scan ohne Textebene abgewiesen wird, was aus Tabellen wird und welche kurze Prüfung vor dem Hochladen das zweite Hochladen erspart.
Beschriftungen der Abbildung
- Text-PDF
- Textebene vorhanden
- Textebene wird gelesen
- Nummerierte Abschnitte
- Antwort mit Beleg
- Fundstelle wird genannt
- Tabelle im PDF
- Textebene, Zellen einzeln
- Zellen in Lesereihenfolge
- Beträge gehen beim
- Zerlegen oft verloren
- Probe im Testgespräch
- Beträge auch als FAQ-Paar
- Scan ohne Textebene
- nur Bild der Seite
- Kein Text gefunden
- Quelle: nicht aufgenommen
- Abgewiesen, mit Grund
- Quelldatei exportieren
- Vor dem Hochladen
- Text markierbar
- auf jeder Seite
- Tabelle als Text
- nicht als Bild
- Titel und Gültigkeit
- im Dokument selbst
- Eine Fassung je Datei
- alte Quelle entfernen
- Danach: Testgespräch
- Nur was als Text im PDF steht, kann eine Antwort tragen.
Neue Unterlagen zum Jahreswechsel: meist als PDF
Zwischen Oktober und Januar wechseln in vielen Betrieben die Unterlagen, aus denen Kundinnen und Kunden Antworten erwarten. Hersteller schicken neue Datenblätter, Großhändler neue Preislisten, der eigene Katalog für das kommende Jahr geht in den Druck, und Bedingungen für Wartung, Anfahrt oder Lieferung werden überarbeitet. Diese Dokumente liegen in der Regel als PDF vor, weil sich das Format gut verschicken, ablegen und drucken lässt. Für den Chat-Assistenten auf der Website liegt darin eine naheliegende Abkürzung: Die neue Preisliste wird als Quelle hochgeladen, und der Assistent kennt die neuen Angaben, ohne dass jemand sie abtippen muss.
Die Abkürzung funktioniert oft, aber nicht bei jeder Datei. Ein PDF kann auf dem Bildschirm einwandfrei aussehen und trotzdem keinen einzigen lesbaren Satz enthalten, etwa weil es aus einem Scanner stammt. Eine Preistabelle kann in der Datei sauber in Zeilen stehen und beim Lesen in einzelne Zellen zerfallen, von denen nicht jede ankommt. Und eine Liste, die zwei Jahrgänge nebeneinander führt, liefert dem Assistenten zwei Beträge für dieselbe Leistung. Welche Inhalte grundsätzlich in eine Wissensbasis gehören, beschreibt der Beitrag Wissensbasis aufbauen. Hier geht es um die Form: wie ein PDF beschaffen sein sollte, damit der Assistent daraus verlässlich antworten kann, und wie Sie das vor dem Hochladen prüfen. PDFs, die Besucher auf Ihrer Website herunterladen, haben eigene Anforderungen, etwa an Barrierefreiheit; sie sind nicht Thema dieses Beitrags, auch wenn sich manche Prüfung überschneidet.
Was beim Hochladen mit einem PDF geschieht
Eine Datei wird in XICBOT als Dateiquelle angelegt. Gelesen werden PDF mit Textebene, Dokumente im DOCX-Format und Textdateien. Bei einem PDF holt die Aufnahme den Text aus der Textebene, also aus den Zeichen, die im Dokument als Text gespeichert sind. Danach wird der Text in Abschnitte zerlegt: zuerst an Überschriften, dann an Satzgrenzen, bei Dateien mit einer Zielgröße von 1400 Zeichen und 200 Zeichen Überlappung, so beschreibt es die Seite zur Wissensbasis. Die Überlappung soll verhindern, dass ein Gedanke am Rand eines Abschnitts abgeschnitten wird. Jeder Abschnitt ist später die Einheit, die in einer Antwort als Beleg auftaucht.
Fragt ein Besucher, sucht der Assistent die passenden Abschnitte heraus. Fünf Auszüge gehen nummeriert in die Anfrage an das Sprachmodell, jeder mit dem Titel seines Dokuments, und eine Antwort zählt erst als belegt, wenn die Nummer einer Fundstelle darin steht. Trägt kein Auszug die Antwort, sagt der Assistent in der Regel, dass dazu nichts hinterlegt ist. Für ein PDF heißt das: Was nicht als Text in einem Abschnitt angekommen ist, kann keine Antwort tragen, so deutlich es auf der Seite auch zu sehen ist.
Ein PDF wird über seine vorhandene Textebene gelesen. Fehlt sie, meldet die Aufnahme genau das und liefert keinen Text.
| Datei | Was gelesen wird | Was in der Wissensbasis ankommt |
|---|---|---|
| PDF, gespeichert aus Textverarbeitung, Tabellenkalkulation oder Layoutprogramm | die Textebene | Abschnitte mit dem Fließtext; Beträge und Leistungsnamen aus Tabellenzellen fehlen häufig im Text der Abschnitte |
| PDF aus dem Scanner oder als Foto einer Seite | keine Textebene vorhanden | nichts; die Datei wird mit Grund abgewiesen |
| PDF mit Textseiten und einzelnen gescannten Seiten | die Textebene der Textseiten | der Text der Textseiten; was auf den gescannten Seiten steht, fehlt ohne eigene Meldung |
| Dokument im DOCX-Format | der Dokumenttext, nach Regeln zerlegt | Abschnitte wie bei einem PDF mit Textebene |
| Bilddatei, etwa eine fotografierte Preistafel | kein lesbarer Text | nichts; die Aufnahme meldet eine Datei ohne lesbaren Text |
Die Textebene: woran Sie sie erkennen
Ein PDF kann eine Seite auf zwei Arten enthalten. Entweder stehen die Buchstaben als Zeichen im Dokument, mit Schrift, Position und Reihenfolge, oder die Seite ist ein Bild, auf dem Buchstaben zu sehen sind. Auf dem Bildschirm sehen beide Fälle oft gleich aus. Die Zeichen sind die Textebene. Sie entsteht, wenn ein Dokument aus dem Programm heraus als PDF gespeichert wird, in dem es geschrieben oder gesetzt wurde. Ein Scanner oder eine Kamera erzeugt dagegen zunächst nur ein Bild der Seite. Ob eine Datei eine Textebene hat, lässt sich ohne besondere Werkzeuge in einem gewöhnlichen PDF-Betrachter prüfen.
- Markieren: Ziehen Sie im PDF-Betrachter mit der Maus über eine Textzeile. Lassen sich einzelne Wörter markieren, hat die Seite eine Textebene. Wird nur die ganze Seite als Fläche markiert oder gar nichts, ist sie ein Bild.
- Suchen: Suchen Sie mit der Suchfunktion des Betrachters nach einem Wort, das sichtbar auf der Seite steht, etwa einer Artikelnummer. Findet die Suche es nicht, fehlt dort die Textebene, oder das Wort ist anders gespeichert, als es aussieht.
- Kopieren: Kopieren Sie den Text einer Seite und fügen Sie ihn in einen einfachen Texteditor ein. Was dort erscheint, entspricht ungefähr dem, was auch die Aufnahme liest, und zwar in einer ähnlichen Reihenfolge.
- Jede Seite: Wiederholen Sie die Probe auf mehreren Seiten, besonders bei Anhängen, Unterschriftenseiten und Tabellen am Ende. Ein Dokument kann aus Textseiten und eingescannten Seiten zusammengesetzt sein.
Warum ein Scan nicht nur für Assistenten ein Problem ist, beschreibt das W3C, das die Richtlinien für barrierefreie Webinhalte herausgibt, in seiner Technik für gescannte PDF-Dokumente. Hilfstechnik kann die Wörter eines solchen Dokuments weder vorlesen noch herausziehen, und Nutzerinnen und Nutzer können den Text nicht auswählen, bearbeiten oder vergrößern. Die Technik bezieht sich unter anderem auf das Erfolgskriterium 1.4.5 (W3C, WCAG 2.2), das Bilder von Text behandelt. Für die Prüfung vor dem Hochladen ist das eine nützliche Faustregel: Lässt sich ein Wort nicht markieren, kann XICBOT es auch nicht lesen.
A document that consists of scanned images of text is inherently inaccessible because the content of the document is images, not searchable text. Tabellen: was aus Zeilen und Spalten wird
Preislisten und Datenblätter bestehen zu einem großen Teil aus Tabellen. In der Textebene eines PDF gibt es jedoch keine Tabelle im eigentlichen Sinn, sondern Zeichen an Positionen auf der Seite; Linien und Zellränder sind Grafik. XICBOT setzt die Reihenfolge des Textes aus der Lage der Zeichen auf der Seite zusammen. Bei einer Tabelle steht dann oft jede Zelle für sich: Leistung, Einheit, Betrag, nächste Leistung. Bei mehrspaltigem Satz kann eine Tabelle oder ein Kasten zwischen die Spalten geraten.
Für die Abschnitte heißt das: Der Zusammenhang einer Zeile ist nicht mehr als Zeile erkennbar, und kurze Zellen überstehen das Zerlegen oft nicht. Eine kurze Zeile ohne Satzzeichen am Ende, wie sie aus einem Leistungsnamen oder einem Betrag entsteht, wird beim Zerlegen in der Regel als Überschrift behandelt. Folgt ihr direkt die nächste solche Zeile, fällt sie weg, und Überschriften gehen nicht als Text an das Sprachmodell. Von einer Preistabelle bleiben im Text der Abschnitte dann oft nur Einheiten wie „je Besuch“ übrig, die Beträge fehlen. Dieselben Angaben als ganze Sätze kommen dagegen in der Regel an. Beträge, die genau stimmen müssen, gehören deshalb als ganzer Satz oder als Frage-Antwort-Paar in die Wissensbasis; eine Tabelle im PDF ist dafür keine verlässliche Quelle.
| Im Dokument | Was beim Lesen geschehen kann | Was hilft |
|---|---|---|
| Preistabelle mit Leistung, Einheit und Betrag | Zellen stehen einzeln untereinander; Leistungsnamen und Beträge fehlen oft ganz im Text der Abschnitte | Beträge zusätzlich als ganze Sätze, Frage-Antwort-Paar oder Textbaustein pflegen |
| Tabelle über mehrere Seiten | die Kopfzeile steht nur auf der ersten Seite, spätere Zeilen haben keine Spaltennamen | Einheit und Bedeutung in jede Zeile schreiben, etwa „je Stück, netto“ |
| Sternchen und Fußnoten | der Hinweis „zzgl. Anfahrt“ steht weit entfernt vom Betrag, zu dem er gehört | Bedingung direkt neben den Betrag oder in einen eigenen Satz |
| Zweispaltiger Satz | Spalten werden aus der Lage auf der Seite zusammengesetzt; Kästen und Tabellen können zwischen die Spalten geraten | beim Kopieren in einen Texteditor die Reihenfolge prüfen |
| Diagramm oder Grafik als eingebettetes Bild | die Zahlen sind Teil des Bildes und werden nicht gelesen | Werte im Text oder in einer Tabelle aus Schrift nennen |
Wer eine Preistabelle zusätzlich als Text pflegt, schreibt jede Zeile als vollständigen Satz: Leistung, Einheit, Betrag, ob netto oder brutto, und ab wann der Betrag gilt. Ein solcher Satz trägt seinen Zusammenhang in sich und bleibt auch dann verständlich, wenn er als einzelner Abschnitt in einer Antwort auftaucht. Welche Angaben ein Preis im Chat außerdem braucht, etwa zum Gesamtpreis und zu den Versandkosten, beschreibt der Beitrag zu Preisen im Chat.
Scans: abgewiesen statt geraten
Liefert ein PDF beim Hochladen keinen Text, weil es nur aus Bildern besteht, bricht die Aufnahme mit einem eigens benannten Fehler ab. Die Quelle steht dann im Bereich Wissen als nicht aufgenommen, mit Zeitpunkt und Grund, und der Hinweis dazu rät, die Datei mit Textebene erneut abzulegen oder den Text als DOCX- oder Textdatei hochzuladen. So steht es auch auf der Seite zum Support-Assistenten: Ein Scan ohne Textebene wird abgelehnt statt geraten.
Eine Texterkennung läuft bewusst nicht mit: Aus einem Scan gelesener Text ist streckenweise falsch, und falscher Text wäre hier schlimmer als gar keiner.
Der Grund liegt in der Art, wie der Assistent antwortet. Eine Antwort nennt ihre Fundstelle. Wäre aus einem Scan eine 3 als 8 gelesen worden, stünde in der Antwort ein falscher Betrag mit Beleg, und der Beleg ließe ihn glaubwürdiger wirken, als er ist. Eine abgewiesene Datei ist dagegen ein sichtbarer Fehler, der sich beheben lässt. Auch das W3C behandelt erkannten Text nicht als fertig: Seine Technik sieht als Prüfung vor, für jede umgewandelte Seite festzustellen, ob der Text vollständig und in der richtigen Lesereihenfolge vorliegt, etwa indem das Dokument als Text gespeichert und durchgesehen wird. Diese Prüfung je Seite übernimmt beim Hochladen in die Wissensbasis niemand.
Eine abgewiesene Datei ist ein lösbarer Fehler
Ein Scan, der abgewiesen wird, kostet ein erneutes Hochladen. Ein falsch gelesener Betrag, der mit Belegstelle in einer Antwort steht, kostet Vertrauen und unter Umständen eine Klärung mit dem Kunden. XICBOT nimmt darum lieber keinen Text auf als falschen.
Der bessere Weg: Export aus der Quelldatei
Die meisten Preislisten, Kataloge und Datenblätter entstehen nicht auf Papier, sondern in einer Textverarbeitung, einer Tabellenkalkulation, einem Layoutprogramm oder als Export aus der Warenwirtschaft. Wird das PDF dort direkt gespeichert oder exportiert, enthält es in der Regel eine Textebene. Gescannt wird meist erst, wenn das Dokument schon ausgedruckt, unterschrieben oder abgestempelt ist, oder wenn die Quelldatei nicht mehr auffindbar ist. Das W3C rät in derselben Technik, echten Text statt Bildern von Text zu verwenden und das PDF mit dem Programm zu erzeugen, in dem der Inhalt entstanden ist. Für die Wissensbasis gilt dasselbe: Der Export aus der Quelldatei ist der kürzere Weg zu einer Textebene als jede nachträgliche Umwandlung.
- Eigene Dokumente: aus dem Programm, in dem sie entstanden sind, als PDF speichern oder exportieren, nicht ausdrucken und wieder einscannen.
- Druckdaten aus der Agentur: nach einer Fassung fragen, in der die Schrift als Text erhalten ist. Für den Druck wird Schrift mitunter in Kurven umgewandelt; ein solches PDF sieht scharf aus, trägt aber keine Textebene.
- Datenblätter und Anleitungen von Herstellern: die digitale Fassung beim Hersteller oder Großhändler anfordern oder von dessen Website laden, statt ein Papierexemplar zu scannen. Wie Anleitungen nach dem Kauf Rückfragen auffangen, beschreibt der Beitrag zu Anwendungsfragen nach dem Kauf.
- Unterschriebene Fassungen: Die unterschriebene Seite gehört in Ihre Ablage; für den Assistenten genügt in der Regel die inhaltsgleiche Fassung aus der Quelldatei.
- Alte Dokumente ohne Quelldatei: die Angaben, nach denen tatsächlich gefragt wird, als Textquelle oder Frage-Antwort-Paar neu erfassen. Gefragt wird im Chat meist nach einem kleinen Teil eines langen Dokuments, und das Abtippen dieses Teils ist oft schneller als die Suche nach einer Quelldatei.
Titel, Gültigkeit und eine Fassung je Datei
Ein Abschnitt aus der Mitte eines Dokuments weiß nichts von dessen erster Seite. Steht „gültig ab 1. Januar 2027“ nur auf dem Deckblatt, trägt der Abschnitt mit dem Betrag von Seite sieben diese Angabe nicht in sich. Der Assistent bekommt zu jedem Auszug zwar den Titel des Dokuments mitgeliefert, aber nicht das Deckblatt. Bei einem PDF übernimmt XICBOT den Dateinamen als Titel des Dokuments. Ein Name wie „scan_0042.pdf“ sagt im Auszug nichts, „Preisliste-Wartung-2027.pdf“ dagegen schon, welche Liste und welcher Jahrgang gemeint sind.
- Titel auf der ersten Seite: was das Dokument ist, für wen es gilt und von wem es stammt.
- Gültigkeit im Text: „gültig ab“ und, wenn bekannt, „gültig bis“ als Text im Dokument, nicht nur im Dateinamen; bei längeren Listen zusätzlich in der Kopf- oder Fußzeile jeder Seite.
- Einheit bei jeder Zahl: netto oder brutto, je Stück, je Stunde, je Besuch, damit ein einzelner Abschnitt verständlich bleibt.
- Überschriften als Text: Kapitel- und Produktnamen als Schrift, nicht als Grafik oder Logo.
- Sprechender Dateiname: Inhalt und Jahrgang im Namen, ohne Zusätze wie „final“ oder „neu“.
Ebenso wichtig ist, dass jede Datei genau eine gültige Fassung enthält und jede Fassung nur einmal im Bestand liegt. Eine Liste, die die Preise für zwei Jahre nebeneinander führt, bringt zwei Beträge für dieselbe Leistung in denselben Abschnitt; welcher gemeint ist, hängt dann an einer Spaltenüberschrift, die beim Lesen verloren gehen kann. Liegen die alte und die neue Liste als zwei Quellen im Bestand, kann jede in eine Antwort gelangen. Eine Dateiquelle wird zudem nicht von selbst aufgefrischt: Sie ändert sich, wenn Sie sie ändern. Wer Zuständigkeiten und Turnus für solche Wechsel festlegen möchte, findet einen Rahmen im Beitrag Wissensbasis aktuell halten.
Nach dem Hochladen: Zustand und Probe
Im Bereich Wissen zeigt XICBOT zu jeder Quelle ihren Zustand mit Zeitpunkt: ob sie aufgenommen ist, nicht mehr aktuell ist oder nicht aufgenommen wurde, und bei einem Fehler den Grund. Ein abgewiesener Scan erscheint dort als nicht aufgenommen und nicht als leere Quelle, die still mitläuft. Das ist der erste Blick nach dem Hochladen. Der zweite gilt den Dokumenten der Quelle: Steht das PDF dort als Dokument, ist Text angekommen. Ob es der Text ist, den Sie erwarten, und ob er vollständig ist, zeigt erst die Probe.
Die Probe machen Sie im Testgespräch. Dort beantwortet der Assistent Fragen gegen die aktuelle Konfiguration, ohne dass ein Besucher betroffen ist, und zeigt, welche Abschnitte er verwendet hat. Im Bereich Wissen zeigt zusätzlich die Antwortprobe, welche Quelle eine Frage deckt. Stellen Sie Fragen, deren Antwort Sie kennen und die aus verschiedenen Teilen des Dokuments stammen: eine aus dem Fließtext, eine aus einer Tabelle, eine von einer der letzten Seiten.
| Prüffrage | Erwartet | Warnzeichen |
|---|---|---|
| Was kostet die Wartung von Gerät A? | der Betrag aus der neuen Liste mit Einheit, Beleg aus dieser Liste | kein Betrag, der Betrag einer Nachbarzeile oder ein Beleg aus der alten Liste |
| Welche Abmessungen hat Modell B? | die Werte aus dem Datenblatt von Modell B | Werte eines anderen Modells aus derselben Tabelle |
| Ab wann gilt die neue Preisliste? | das Datum aus dem Dokument | „dazu ist nichts hinterlegt“, obwohl das Datum auf dem Deckblatt steht |
| Eine Frage zu einer Angabe von einer der letzten Seiten | eine Antwort mit Beleg von dieser Seite | keine Antwort; die Seite ist möglicherweise ein Scan |
Wiederholbar wird die Probe mit Prüffragen und Musterantworten, wie sie für die Abnahme vor dem Livegang üblich sind; der Beitrag zu Testfällen vor dem Livegang beschreibt das Vorgehen. Für Preise und Fristen hält XICBOT harte Angaben nach dem Sprachmodell zusätzlich gegen das Auszugsmaterial. Diese Nachprüfung gegen die Quelle erkennt eine Angabe, die in keinem Auszug steht, aber keinen Betrag, der schon in der Quelle falsch steht oder falsch gelesen wurde. Gegen eine schlecht lesbare Datei hilft deshalb in der Regel nur eine bessere Datei oder die Angabe als Text oder Frage-Antwort-Paar.
Die Prüfliste vor dem Hochladen
- Text markierbar: auf jeder Seite einzelne Wörter markierbar und über die Suche auffindbar.
- Reihenfolge plausibel: Eine kopierte Seite ergibt im Texteditor lesbare Sätze in sinnvoller Reihenfolge.
- Tabellen als Text: Tabellen bestehen aus Schrift, nicht aus einem eingefügten Bild; wichtige Beträge stehen zusätzlich als ganzer Satz oder in einem Frage-Antwort-Paar.
- Titel und Gültigkeit: im Dokument selbst, bei langen Listen auch in Kopf- oder Fußzeile.
- Einheiten an den Zahlen: netto oder brutto, je Stück oder je Stunde, direkt beim Betrag.
- Eine Fassung je Datei: kein Nebeneinander zweier Jahrgänge, keine zusätzliche Kopie als Entwurf.
- Dateigröße: Dateien bis 10240 KB nimmt die Wissensbasis entgegen (Seite Wissensbasis); größere Kataloge in Kapitel teilen.
- Sprechender Dateiname: Inhalt und Jahrgang im Namen.
- Nach dem Hochladen: Zustand der Quelle ansehen, die alte Fassung löschen und drei bis vier Fragen im Testgespräch stellen.
Was XICBOT übernimmt und was bei Ihnen bleibt
-
Textebene lesen
PDF mit Textebene, DOCX-Dokumente und Textdateien werden aufgenommen und in überlappende Abschnitte zerlegt, aus denen Antworten mit Belegstelle entstehen.
-
Scans abweisen
Ein PDF ohne Textebene wird mit benanntem Grund abgewiesen, statt Text zu erraten; eine Texterkennung läuft bewusst nicht mit.
-
Zustand je Quelle
Jede Quelle zeigt im Bereich Wissen ihren Zustand mit Zeitpunkt, eine nicht aufgenommene zusätzlich den Grund.
-
Probe vor dem Einsatz
Im Testgespräch sehen Sie, welche Abschnitte eine Antwort tragen, bevor ein Besucher dieselbe Frage stellt.
Bei Ihnen bleibt, was keine Software für Sie entscheiden kann: welche Fassung gilt, ob eine Angabe in eine Datei gehört oder in ein Frage-Antwort-Paar, und ob eine Antwort zu Ihrem Haus passt. Betreuen wir Ihren Assistenten, sichten wir Ihre Unterlagen vorab und sagen Ihnen, welche Dateien Text tragen und welche ersetzt werden sollten. Was die Wissensbasis insgesamt liest und wie sie Quellen aktuell hält, beschreibt die Seite zur Wissensbasis.
Häufige Fragen
Woran erkenne ich, ob mein PDF eine Textebene hat?
Am einfachsten im PDF-Betrachter: Lassen sich einzelne Wörter markieren und findet die Suchfunktion ein Wort, das auf der Seite steht, ist in der Regel eine Textebene vorhanden. Prüfen Sie das auf mehreren Seiten, denn ein Dokument kann Textseiten und gescannte Seiten mischen.
Was passiert, wenn ich einen Scan hochlade?
XICBOT weist ein PDF ohne Textebene mit benanntem Grund ab. Die Quelle erscheint im Bereich Wissen als nicht aufgenommen, mit Zeitpunkt und einem Hinweis, wie es weitergehen kann: die Datei mit Textebene erneut ablegen oder den Text als DOCX- oder Textdatei hochladen.
Warum liest XICBOT den Text eines Scans nicht selbst aus?
Weil aus einem Scan gelesener Text streckenweise falsch sein kann und eine Antwort ihre Fundstelle nennt. Ein falsch gelesener Betrag mit Beleg wiegt in der Regel schwerer als eine abgewiesene Datei. Der bessere Weg ist meist ein Export aus der Quelldatei.
Werden Tabellen aus einem PDF richtig gelesen?
Verlassen Sie sich nicht darauf. Zellen werden einzeln gelesen, und kurze Tabellenzellen wie Beträge gehen beim Zerlegen häufig verloren. Beträge, die genau stimmen müssen, pflegen Sie darum am besten zusätzlich als ganze Sätze oder als Frage-Antwort-Paar und prüfen sie im Testgespräch.
Kann ich die alte und die neue Preisliste gleichzeitig hochladen?
Möglich ist das, ratsam in der Regel nicht. Liegen beide als Quelle im Bestand, kann jede in eine Antwort gelangen. Sinnvoller sind eine Fassung je Datei und ein geplanter Wechsel zum Stichtag, bei dem die alte Quelle gelöscht wird.
Wie groß darf eine Datei sein?
Die Wissensbasis nimmt Dateien bis 10240 KB entgegen (Seite Wissensbasis). Große Kataloge lassen sich in Kapitel teilen; das hält auch die Titel der einzelnen Dokumente aussagekräftig und macht die Probe im Testgespräch überschaubarer.
Selbst fragen, Assistent dieser Website
Automatischer Assistent