Logo von KlaaroKlaaro
  • Entwickler
  • Preise
  • Team
EN|DE
AnmeldenRegistrieren

KI-Schema-Erzeugung

Aus Dokumenten passende Schemata automatisch erzeugen

Nach der Klassifikation schlägt Klaaro die Felder vor, die dieser Dokumententyp braucht, anhand der eingegangenen Datei. Das Schema wird zero-shot konfiguriert, Sie müssen also vor dem ersten Dokument nichts selbst erstellen. Bearbeiten und verfeinern Sie das Schema bei Bedarf nach der Extraktion.

Sarah Stemmler
Mit der Gründerin sprechen

Sarah Stemmler · Gründerin & CEO

Kostenlos testen

100 Seiten · keine Kreditkarte

Vom Angebot zum Datenschema

KI-Dokumentenmanagement, das die erste Datei eines Dokumententyps liest und daraus passende Felder für die Extraktion entwirft.

  1. Bei der Klasse beginnen

    Die im vorherigen Schritt festgelegte Dokumentenklasse entscheidet, welches Schema am besten passt. Eine neue Klasse erhält ein neues Datenschema.

  2. Auf Basis der Dokumentfelder

    Klaaro schlägt Felder aus dem vor, was tatsächlich vorhanden ist: Summen, Daten, Parteien, Positionen.

  3. Bereit für die Datenextraktion

    Übernehmen Sie das Schema und exportieren Sie es als JSON, Zod, Pydantic-Modell oder SQL. Die Daten werden anhand dieses Schemas extrahiert.

    Weiter: Datenextraktion
Northlight_QT-2024-1185.pdfpdfAngebot
N
LieferantNorthlight Solar GmbHHafenstraße 4820457 Hamburg

ANGEBOT

Nr. Angebots-Nr.QT-2024-1185

Ausgestellt 18.09.2024

Gültig bis Gültig bis18.10.2024

Angebot für

Acme Industries GmbH

Handelsweg 42, 10115 Berlin

Positionen
BeschreibungMengeEinzelBetrag
Solarmodul 450 W24€185,00€4.440,00
Hybrid-Wechselrichter 10 kW2€1.950,00€3.900,00
Montage & Installation1€2.100,00€2.100,00
Zwischensumme€10.440,00
Gesamt€10.440,00

Preise zzgl. MwSt. · Zahlungsziel: 14 Tage netto · Bank: Deutsche Bank AG

Schema· AngebotWartet auf KlasseEntwurf läuft…4 FelderÜbernommen · v1
  • supplier_address
  • quotation_number
  • due_date
  • line_items
  • description
  • quantity
  • unit_price
  • amount
[
  { "name": "supplier_address",
    "type": "address" },
  { "name": "quotation_number",
    "type": "string" },
  { "name": "due_date", "type": "date" },
  { "name": "line_items",
    "type": "array",
    "arrayItemType": "object",
    "arrayItemFields": [
      { "name": "description",
        "type": "string" },
      { "name": "quantity",
        "type": "number" },
      { "name": "unit_price",
        "type": "currency" },
      { "name": "amount",
        "type": "currency" }
    ] }
]
import { z } from "zod"

export const extractionSchema = z.object({
  supplier_address: z.object({
    street: z.string().nullable(),
    city: z.string().nullable(),
    // house_number, postal_code, …
  }).nullable().describe("Postal address"),
  quotation_number: z.string().nullable(),
  due_date: z.string().nullable(),
  line_items: z.array(z.object({
    description: z.string().nullable(),
    quantity: z.number().nullable(),
    unit_price: z.object({
      amount: z.number().nullable(),
      currency: z.enum([…]).nullable()
    }).nullable(),
    // amount: same shape as unit_price
  })).nullable()
})
# Every field defaults to None
class SupplierAddress(BaseModel):
    street: str | None
    city: str | None
    # house_number, postal_code, …

class LineItemsItem(BaseModel):
    description: str | None
    quantity: float | None
    unit_price: UnitPrice | None
    amount: Amount | None

class UnitPrice(BaseModel):
    amount: float | None
    currency: str | None

class Quotation(BaseModel):
    supplier_address: SupplierAddress | None
    quotation_number: str | None
    due_date: str | None
    line_items: list[LineItemsItem] | None
CREATE TABLE IF NOT EXISTS "Quotation" (
  id uuid PRIMARY KEY DEFAULT gen_random_uuid(),
  document_id uuid,
  "supplier_address" jsonb,
  "quotation_number" text,
  "due_date" date,
  "line_items" jsonb,
  created_at timestamptz NOT NULL DEFAULT now()
);
  1. Bei der Klasse beginnen

    Die im vorherigen Schritt festgelegte Dokumentenklasse entscheidet, welches Schema am besten passt. Eine neue Klasse erhält ein neues Datenschema.

    Northlight_QT-2024-1185.pdfpdfAngebot
    N
    LieferantNorthlight Solar GmbHHafenstraße 4820457 Hamburg

    ANGEBOT

    Nr. Angebots-Nr.QT-2024-1185

    Ausgestellt 18.09.2024

    Gültig bis Gültig bis18.10.2024

    Angebot für

    Acme Industries GmbH

    Handelsweg 42, 10115 Berlin

    Positionen
    BeschreibungMengeEinzelBetrag
    Solarmodul 450 W24€185,00€4.440,00
    Hybrid-Wechselrichter 10 kW2€1.950,00€3.900,00
    Montage & Installation1€2.100,00€2.100,00
    Zwischensumme€10.440,00
    Gesamt€10.440,00

    Preise zzgl. MwSt. · Zahlungsziel: 14 Tage netto · Bank: Deutsche Bank AG

  2. Auf Basis der Dokumentfelder

    Klaaro schlägt Felder aus dem vor, was tatsächlich vorhanden ist: Summen, Daten, Parteien, Positionen.

    Northlight_QT-2024-1185.pdfpdfAngebot
    N
    LieferantNorthlight Solar GmbHHafenstraße 4820457 Hamburg

    ANGEBOT

    Nr. Angebots-Nr.QT-2024-1185

    Ausgestellt 18.09.2024

    Gültig bis Gültig bis18.10.2024

    Angebot für

    Acme Industries GmbH

    Handelsweg 42, 10115 Berlin

    Positionen
    BeschreibungMengeEinzelBetrag
    Solarmodul 450 W24€185,00€4.440,00
    Hybrid-Wechselrichter 10 kW2€1.950,00€3.900,00
    Montage & Installation1€2.100,00€2.100,00
    Zwischensumme€10.440,00
    Gesamt€10.440,00

    Preise zzgl. MwSt. · Zahlungsziel: 14 Tage netto · Bank: Deutsche Bank AG

  3. Bereit für die Datenextraktion

    Übernehmen Sie das Schema und exportieren Sie es als JSON, Zod, Pydantic-Modell oder SQL. Die Daten werden anhand dieses Schemas extrahiert.

    Schema· AngebotWartet auf KlasseEntwurf läuft…4 FelderÜbernommen · v1
    • supplier_address
    • quotation_number
    • due_date
    • line_items
    • description
    • quantity
    • unit_price
    • amount
    [
      { "name": "supplier_address",
        "type": "address" },
      { "name": "quotation_number",
        "type": "string" },
      { "name": "due_date", "type": "date" },
      { "name": "line_items",
        "type": "array",
        "arrayItemType": "object",
        "arrayItemFields": [
          { "name": "description",
            "type": "string" },
          { "name": "quantity",
            "type": "number" },
          { "name": "unit_price",
            "type": "currency" },
          { "name": "amount",
            "type": "currency" }
        ] }
    ]
    import { z } from "zod"
    
    export const extractionSchema = z.object({
      supplier_address: z.object({
        street: z.string().nullable(),
        city: z.string().nullable(),
        // house_number, postal_code, …
      }).nullable().describe("Postal address"),
      quotation_number: z.string().nullable(),
      due_date: z.string().nullable(),
      line_items: z.array(z.object({
        description: z.string().nullable(),
        quantity: z.number().nullable(),
        unit_price: z.object({
          amount: z.number().nullable(),
          currency: z.enum([…]).nullable()
        }).nullable(),
        // amount: same shape as unit_price
      })).nullable()
    })
    # Every field defaults to None
    class SupplierAddress(BaseModel):
        street: str | None
        city: str | None
        # house_number, postal_code, …
    
    class LineItemsItem(BaseModel):
        description: str | None
        quantity: float | None
        unit_price: UnitPrice | None
        amount: Amount | None
    
    class UnitPrice(BaseModel):
        amount: float | None
        currency: str | None
    
    class Quotation(BaseModel):
        supplier_address: SupplierAddress | None
        quotation_number: str | None
        due_date: str | None
        line_items: list[LineItemsItem] | None
    CREATE TABLE IF NOT EXISTS "Quotation" (
      id uuid PRIMARY KEY DEFAULT gen_random_uuid(),
      document_id uuid,
      "supplier_address" jsonb,
      "quotation_number" text,
      "due_date" date,
      "line_items" jsonb,
      created_at timestamptz NOT NULL DEFAULT now()
    );
    Weiter: Datenextraktion

KI-Funktionen rund um Ihr Schema

Zero-Shot aus einer Datei

Das erste Dokument einer Klasse reicht für einen Entwurf. Sie beschriften vorher kein Trainingsset.

Verschachtelte Felder bleiben verschachtelt

Positionen, Parteien und Adressen werden als Objekte und Listen erfasst, nicht als flache Zeile von Spalten. Die Komplexität Ihrer Dokumente bleibt erhalten, wenn daraus Datensätze werden.

Sie haben das letzte Wort

Ändern Sie Felder von Hand oder mit dem integrierten KI-Agenten. Versionieren Sie das Schema und überschreiben Sie es je Klasse.

Das Schema exportieren

Verarbeiten Sie das Schema als JSON, Zod, Pydantic oder SQL in einem anderen System weiter.

  • JSON
  • Zod
  • Pydantic
  • SQL

Produkttour fortsetzen

Produktfunktionen

  • OCR mit KIScans und Fotos in Text verwandeln
  • Dokumenten-ParsingDateien einlesen, Struktur behalten
  • KlassifikationJeden Dokumenttyp erkennen
  • DatenextraktionDie richtigen Werte in jedem Feld
  • IntegrationenAPI, SDKs, MCP und n8n

Qualität & Validierung

  • ValidierungsregelnRegeln, die einen falschen Wert ablehnen
  • FreigabenÜber Ausnahmen entscheiden Menschen
  • EvaluationSchema-Änderungen vorab testen
Zum Produktüberblick

…oder lassen Sie uns persönlich sprechen!

Buchen Sie einen 20-minütigen Termin in meinem Kalender und erzählen Sie mir, welche Dokumente Sie ausbremsen. Gemeinsam finden wir heraus, ob Klaaro das richtige Tool für Sie ist.

Sarah Stemmler

Sarah Stemmler

Gründerin & CEO

Termin buchenKostenlos testen

Häufige Fragen zur Schema-Erzeugung

Logo von KlaaroKlaaro

© 2026 Klaaro by synsugar GmbH.
Alle Rechte vorbehalten.

Produkt

  • Produkt
  • Preise

Ressourcen

  • Dokumentation
  • Für KI-Agenten
  • Vergleiche
  • n8n-Integration
  • Kunden

Lösungen

  • Energie
  • Bau
  • Logistik
  • Leistungsverzeichnis

Unternehmen

  • Team
  • Kontakt

Community

  • Discord
  • Reddit
  • YouTube
  • Instagram

Rechtliches

  • Datenschutz
  • AGB
  • Erstattungsrichtlinie
  • Impressum
Gehostet in der EUDSGVO-konformNIS2-bereitGefördert von MicrosoftTeil des Daytona Startup Gridn8n-Integrationspartner