PDF in Excel: So funktioniert die Tabellenextraktion wirklich

In einem PDF sehen Sie die Tabelle: Zeilen, Spalten, eine Kopfzeile, unten eine Summe. Es scheint selbstverständlich, dass ein Konverter sie direkt in eine Tabellenkalkulation übernehmen sollte. Das Problem ist, dass das PDF gar keine Tabelle enthält. Es enthält Anweisungen, Zeichen an bestimmten Positionen und Linien an anderen zu zeichnen, und das Raster, das Sie sehen, setzen erst Ihre Augen zusammen. Jeder Konverter von PDF in Excel muss die Tabelle aus diesen verstreuten Teilen neu aufbauen, weshalb die Ergebnisse von perfekt bis unbrauchbar reichen. Dieser Ratgeber erklärt, wie dieser Wiederaufbau funktioniert, wo er scheitert und wie Sie so oder so saubere Zahlen in Excel bekommen.

Was tatsächlich in einer PDF-Tabelle steckt

Nehmen Sie eine Rechnungszeile mit drei Spalten: „Beratung“, „12. März 2026“ und „1.250,00“. Im PDF ist das eine Reihe einzelner Textfragmente, jedes mit einer x- und einer y-Koordinate. Die Fragmente müssen nicht den Wörtern entsprechen: Ein Programm schreibt „1.250,00“ als ein Stück, ein anderes als „1.2“ und „50,00“, und ein drittes setzt jedes Zeichen einzeln. Sie müssen auch nicht in Lesereihenfolge erscheinen. Manche Programme zeichnen eine ganze Tabelle Spalte für Spalte.

Die Linien des Rasters sind eigene Zeichenanweisungen, ohne Verbindung zum Text. Eine dicke Linie kann aus vielen kurzen Stücken bestehen, eine schattierte Zeile kann ein gefülltes Rechteck ganz ohne Linien sein, und viele Tabellen haben überhaupt keine Linien. Nichts in der Datei sagt „das ist eine Zelle“, „diese beiden Zellen sind verbunden“ oder „diese Zeile gehört zur Tabelle“.

Die zwei Wege, auf denen Konverter eine Tabelle finden

Werkzeuge zur Tabellenextraktion nutzen meist eine von zwei Methoden. Open-Source-Tools wie Tabula und Camelot nennen sie „lattice“ und „stream“.

• Den Rasterlinien folgen (lattice). Der Konverter sammelt die waagerechten und senkrechten Linien, ermittelt, wo sie sich kreuzen, und behandelt jeden eingeschlossenen Bereich als Zelle. Dann ordnet er jedes Textstück der Zelle zu, in die es fällt. Das funktioniert sehr gut bei Tabellen mit vollständigem Raster. Es scheitert, wenn es keine Linien gibt, wenn Linien in Stücke zerfallen, die sich nicht ganz treffen, oder wenn Schattierung statt Rahmen verwendet wird.
• Den Leerräumen folgen (stream). Der Konverter gruppiert Text nach seiner Höhe auf der Seite zu Zeilen, sucht dann senkrechte Lücken, die durchgehend durch die Zeilen laufen, und behandelt sie als Spaltengrenzen. Das klappt bei Tabellen ohne Rahmen, wie in vielen Finanzberichten. Schwierig wird es, wenn Spalten eng beieinanderliegen, wenn eine Spalte zentriert statt bündig ausgerichtet ist oder wenn ein langer Wert in einer Zeile die Lücke überbrückt, die in allen anderen zwei Spalten trennt.

Beide Methoden sind Heuristiken. Bei sauberen, regelmäßigen Tabellen sind sie zuverlässig, bei allem anderen nicht – deshalb trifft kein Konverter jede Tabelle richtig.

Wo die Tabellenextraktion danebenliegt

Selbst wenn die Spalten richtig erkannt werden, tauchen manche Probleme immer wieder auf:

• Umbrochene Zellen. Eine Beschreibung, die in eine zweite Zeile umbricht, sieht aus wie eine neue Zeile, in der nur eine Spalte gefüllt ist.
• Verbundene und übergreifende Überschriften. Eine Überschrift, die über zwei Spalten steht, muss einer von ihnen zugeordnet werden – oder keiner.
• Seitenumbrüche. Eine Tabelle, die auf der nächsten Seite weitergeht, wiederholt ihre Kopfzeile, und eine Zeile kann am Umbruch geteilt werden.
• Zahlen, die als Text ankommen. Währungssymbole, Tausendertrennzeichen, negative Werte in Klammern und an eine Zahl angehängte Fußnotenzeichen können alle verhindern, dass Excel eine Zahl erkennt. Ein Dezimalpunkt wie in „1,250.00“ wird nur richtig gelesen, wenn Ihr Excel dieselbe Konvention verwendet.
• Mehrdeutige Datumsangaben. 03/04/2026 ist in manchen Ländern der 3. April und in anderen der 4. März, und Excel entscheidet sich je nach Ihren Einstellungen für eines davon.
• Schriftarten ohne Textzuordnung. Manche PDFs betten Schriftarten ohne die Tabelle ein, die jede Glyphe wieder einem Zeichen zuordnet. Sie werden einwandfrei angezeigt, aber beim Kopieren oder Extrahieren ihres Textes kommt Zeichensalat heraus.
• Scans. Eine gescannte Seite enthält gar keinen Text, nur ein Bild davon, daher gibt es ohne vorherige OCR nichts zu extrahieren.

Was unser Tool PDF in Excel macht

Unser Konverter PDF in Excel läuft in Ihrem Browser, die Datei wird also nicht hochgeladen. Er legt für jede Seite des PDFs ein eigenes Arbeitsblatt an, benannt als Seite 1, Seite 2 und so weiter. In Spalte A schreibt er jede Textzeile der Seite von oben nach unten, eine Zeile pro Tabellenzeile, und er platziert jedes Bild an der Stelle der Seite, an der es gezeichnet wurde.

Er versucht nicht zu erraten, wo die Spalten sind. So bleibt jede Zeile in Lesereihenfolge erhalten, und nichts geht verloren oder landet durch eine falsche Vermutung in der falschen Spalte. Es bedeutet aber auch, dass eine Tabellenzeile als eine Zelle ankommt, mit Werten, die durch einzelne Leerzeichen getrennt sind, und Sie sie selbst auf Spalten aufteilen. Hat das PDF seine Tabelle Spalte für Spalte gezeichnet, können die Werte einer Zeile stattdessen in aufeinanderfolgenden Zellen ankommen.

Es gibt keine OCR, daher kommt eine gescannte Seite als Bild statt als Text an. Ein PDF, das zum Öffnen ein Passwort braucht, muss zuerst entsperrt werden.

Eine Spalte in Excel auf echte Spalten aufteilen

Für die zweite Hälfte der Arbeit hat Excel gute Werkzeuge:

• Text in Spalten auf der Registerkarte Daten teilt eine Spalte an einem Trennzeichen auf. Wählen Sie Getrennt und dann Leerzeichen. Das funktioniert gut, wenn die Werte selbst keine Leerzeichen enthalten, was bei Tabellen mit Zahlen und Codes häufig ist. Über Weitere im letzten Schritt können Sie Dezimal- und Tausendertrennzeichen festlegen, womit sich Zahlen im Stil von „1,250.00“ korrigieren lassen.
• Blitzvorschau (Strg+E) lernt aus einem Beispiel. Geben Sie den gewünschten Wert aus der ersten Zeile in die nächste Spalte ein, drücken Sie Strg+E, und Excel füllt den Rest nach demselben Muster aus.
• Formeln in Excel für Microsoft 365. =TEXTTEILEN(A2;" ") verteilt eine Zeile auf Spalten, und =TEXTNACH(A2;" ";-1) liefert alles nach dem letzten Leerzeichen, meist den Betrag am Zeilenende. Packen Sie das in WERT(), um daraus eine Zahl zu machen.

Excel für Microsoft 365 unter Windows kann ein PDF auch direkt importieren, über Daten, Daten abrufen, Aus Datei, Aus PDF. Es sucht selbst nach Tabellen und ist einen Versuch wert, wenn die Tabellen klare Rahmen haben.

Weitere Wege, die einen Versuch wert sind

Der zuverlässigste Weg, eine Tabelle aus einem PDF zu holen, ist, sie gar nicht aus dem PDF zu holen. Die Zahlen stammen ursprünglich aus einer Tabellenkalkulation, einem Buchhaltungssystem oder einer Datenbank, und wer das PDF erstellt hat, kann dieselben Daten meist als Tabelle oder CSV-Datei exportieren. Viele Banken etwa bieten Kontoauszüge neben PDF auch als CSV zum Herunterladen an.

Bei einer Tabelle mit vollständigem Linienraster ist PDF in Word einen Versuch wert. Kommt eine Tabelle dort als echte Word-Tabelle heraus, können Sie sie nach Excel kopieren, und die Zellen bleiben Zellen. Das ist auch der Weg für eine gescannte Tabelle, da PDF in Word auf gescannten Seiten OCR durchführt.

Das Ergebnis vor der Verwendung prüfen

Extraktionsfehler sind leise. Ein Wert in der falschen Spalte sieht genauso gültig aus wie einer in der richtigen. Bevor Sie sich auf extrahierte Daten verlassen:

• Addieren Sie eine Spalte mit SUMME und vergleichen Sie das Ergebnis mit der im PDF gedruckten Summe. Stimmen sie überein, sind die Zahlen mit großer Sicherheit richtig übernommen worden. Das ist die beste Prüfung überhaupt.
• Zählen Sie die Zeilen und vergleichen Sie sie mit dem PDF, und sehen Sie sich die erste und letzte Zeile jeder Seite genau an, wo Seitenumbrüche Ärger machen.
• Achten Sie auf Zahlen, die als Text gespeichert sind. Standardmäßig richtet Excel sie linksbündig in der Zelle aus und markiert sie mit einem kleinen grünen Dreieck.
• Prüfen Sie einige Datumsangaben von Hand, besonders solche, bei denen der Tag 12 oder kleiner ist.

Fazit

Eine PDF-Tabelle ist ein Bild einer Tabelle, gemacht aus Text und Linien, die nur verbunden aussehen. Konverter bauen sie aus Rasterlinien oder Leerräumen wieder auf, und beide Methoden scheitern an unregelmäßigen Layouts. Wer das weiß, kann den richtigen Weg wählen: die Quelldaten anfordern, wenn möglich; sonst die Zeilen extrahieren und in Excel aufteilen; und immer die Summen prüfen, bevor die Zahlen irgendwohin gehen, wo es darauf ankommt.

Brauchen Sie den Text eines PDFs in einer Tabelle? Probieren Sie PDF in Excel.

← Zurück zum Blog