Was Käufer von PDF-Arbeit wirklich verlangen – gemessen an 495 bezahlten Aufträgen

Die meisten Werkzeugseiten werden vom Werkzeug nach außen entworfen: Hier ist eine Funktion, hier ist, wer sie wollen könnte. Die nützlichere Richtung ist die umgekehrte, also haben wir die Anforderungen selbst gemessen.

Der Korpus ist eine Sammlung freiberuflicher Aufträge, die dieses Projekt erhoben hat. Filtert man auf Aufträge, die ein echtes Bedürfnis sind, Zahlungsbereitschaft zeigen und etwas Produktisierbares beschreiben, bleiben 495 Beiträge zu PDFs, Scans oder Tabellen. Jede Zahl unten ist eine Keyword-Trefferquote über diese 495 mit einer benannten Wortliste und damit nachrechenbar statt glaubensabhängig.

Die Zahlen

• 56 % verlangen Genauigkeit oder wörtliche Übertragung — „genau wie es erscheint", „100 % Genauigkeit", „muss der Quelle entsprechen".
• 54 % verlangen, dass Struktur oder Formatierung erhalten bleibt — Layout, Zeilenumbrüche, Überschriften, Stile, Zeilenreihenfolge.
• 30 % verlangen, dass unlesbare Stellen markiert statt geraten werden.
• 17 % beschreiben die Aufgabe ausdrücklich als Alternative zum manuellen Abtippen.

Liest man diese vier Zeilen zusammen, wird die Form der Nachfrage klar. Sie lautet nicht „extrahiere meine Tabelle". Sie lautet „gib dieses Dokument exakt wieder, erhalte seine Struktur und sag mir, wo du es nicht konntest".

Die Anforderung, die in fast jedem Beitrag steht

Der häufigste Satz in diesem Korpus ist eine Variante von „Genauigkeit ist wichtiger als Geschwindigkeit". Diese Reihenfolge ist für Software ungewöhnlich und verdient wörtliche Beachtung: Eine schnelle falsche Ausgabe ist schlechter als eine langsame richtige, denn der Käufer muss erst den Fehler finden, bevor er irgendetwas davon nutzen kann.

…den gesamten Text jeder PDF-Seite manuell in ein Word- oder Google-Dokument eingeben, mit 100 % Genauigkeit… alle unleserlichen Wörter oder unklaren Abschnitte markieren, damit ich sie schnell prüfen kann.

Beachten Sie, was dieser Beitrag im selben Atemzug verlangt: perfekte Treue und die Liste der Stellen, an denen perfekte Treue nicht erreicht wurde. Widersprüchlich sind diese beiden Forderungen nur, wenn man annimmt, das Werkzeug müsse über seine eigene Unsicherheit schweigen. Zusammen beschreiben sie genau das Verhalten, das ein vertrauenswürdiger Extraktor haben sollte.

Warum „markiere die unleserlichen Teile" die entscheidende ist

Drei von zehn Käufern schreiben das ausdrücklich. Diese Anforderung trennt ein nützliches von einem gefährlichen Werkzeug, denn ein selbstsicherer falscher Wert in einer Tabelle ist viel schwerer zu behandeln als eine sichtbare Lücke.

…eine kurze Notiz, die unleserliche oder unklare Stellen markiert, damit ich sie schnell prüfen kann. Abnahmekriterien: jedes Textelement ist vorhanden und entspricht wörtlich der Quelle; keine Fremdzeichen, Leerzeilen oder Formatabweichungen.

Der Käufer hat bereits erkannt, dass er etwas prüfen wird. Er möchte wissen, welche Zeilen zu prüfen sind, statt den ganzen Stapel neu zu lesen. Das ist ein kleineres, billigeres und ehrlicheres Versprechen als „100 % genau" — und dasjenige, das eine Maschine halten kann.

Struktur heißt Struktur, nicht Hübschheit

Wenn diese Beiträge „Format erhalten" sagen, meinen sie die maschinenlesbare Struktur: welche Zelle zu welcher Spalte gehört, verbundene Zellen bleiben verbunden, Zeilenreihenfolge bleibt erhalten, ein Datensatz pro Zeile. Das Wort „Formatierung" umfasst auch Schriften und Fettung, aber die Abnahmekriterien derselben Beiträge betreffen fast immer Struktur und Vollständigkeit.

…eine vollständig gefüllte Tabelle in Excel oder Google Sheets… eine ausgefüllte Zeile pro Bericht… einheitliches Datums-, Währungs- und Zahlenformat… ich prüfe die fertige Tabelle an Zufallsstichproben.

Eine scheinbar korrekte Tabelle, deren verbundene Zelle in die falsche Spalte abgeflacht wurde, fällt durch diese Stichprobe. Eine Tabelle mit einem nicht bestätigten Wert in einer Zeile besteht sie, wenn dieser Wert markiert ist.

Was das an unserem Bau geändert hat

Zwei Entscheidungen auf dieser Seite stammen direkt aus der Lektüre dieser Beiträge und nicht aus einer Funktionsliste.

Erstens die zellweise Prüfung gegen den Quelltext, mit einzeln gemeldeten unbestätigten Zellen und der gesamten Lieferung als „mit Warnungen" markiert. Der Korpus verlangte das in 30 % der Fälle; überzeugt hat uns ein Modell, das still 循環貸款 in 循環貸款等 verwandelte.

Zweitens ein Blatt pro erkannter Tabelle mit erhaltener Zeilenreihenfolge statt einer einzigen abgeflachten Ausgabe. 54 % dieser Beiträge liegt daran, dass die Struktur überlebt, und Abflachen ist genau der Fehler, den sie beim Beschweren über Werkzeuge beschreiben.

Was der Korpus nicht sagt

Er ist eine Stichprobe freiberuflicher Aufträge und neigt zu Käufern, die bereits entschieden haben, einen Menschen zu bezahlen. Über Volumen, Preisempfindlichkeit oder die Akzeptanz von Software bei diesen Käufern sagt er nichts. Die Keyword-Methode zählt auch zu viel: Ein Beitrag mit „keine OCR-Werkzeuge" zählt als OCR-Erwähnung, einer mit „es gibt keine Tabellen" als Tabellenerwähnung. Behandeln Sie die Prozentsätze als Skizze dessen, was verlangt wird, nicht als Marktgröße.

Verlässlich belegt ist die Reihenfolge der Anforderungen. Genauigkeit und Struktur stehen vorn, das Markieren von Unsicherheit an dritter Stelle, und jede Funktion außerhalb dieser drei fehlt in den meisten Beiträgen vollständig.