Whiteboard, Screenshot & Foto zu bearbeitbarem Text oder Tabelle

Nach einem Workshop wird das Whiteboard fotografiert, und das Foto liegt dann wochenlang in einem Chat, weil niemand es abtippen möchte. Heutige Handy- und Office-Apps lesen das Bild, behalten Listen und Tabellenstruktur und liefern in unter einer Minute bearbeitbaren Text oder eine Excel-Tabelle. Der Nutzen ist einfach: kein Abtippen, nichts geht verloren, Notizen erreichen das Team am selben Tag.

Problem & Nutzen

• Heute: Whiteboards, Flipcharts, gedruckte Preislisten, Tabellen in einem PDF-Screenshot oder auf der Webseite eines Lieferanten werden von Hand abgetippt oder bleiben als Bilder liegen, die sich weder durchsuchen noch bearbeiten lassen.
• KI-Nutzen: Klassische OCR liefert flachen Text; moderne Bildmodelle und eingebaute Office-Funktionen erkennen Zeilen, Spalten, Aufzählungshierarchien und sogar grobe Handschrift und können das Ergebnis auch aufräumen (Tippfehler korrigieren, nach Themen gruppieren, Maßnahmen extrahieren).
• Aufwand: Dies ist eine persönliche, einmalige Umwandlung. Es braucht kein Projekt; eine kurze Anleitung für die Beschäftigten und die Entscheidung, welche freigegebene App genutzt wird, genügen.
• Nutzenzahlen: Für diese spezielle Aufgabe gibt es keine verlässlichen unabhängigen Zahlen zur Zeitersparnis, messen Sie sie daher selbst (siehe Kennzahlen).

Varianten

• Workshop-Whiteboard zum Protokoll: Foto der Tafel, Ausgabe nach Themen gruppiert mit Verantwortlichen und Terminen.
• Gedruckte Tabelle oder Bericht nach Excel: Eine fotografierte Preisliste oder Lieferscheintabelle wird zu Zeilen und Spalten.
• Screenshot zur Tabelle: eine Tabelle von einer Webseite, aus einer Altanwendung ohne Export oder aus einem PDF, das sich nicht kopieren lässt.
• Haftnotizwand: Cluster werden zu einer gruppierten Liste.
• Private Nutzung: Rezepte, handschriftliche Notizen, Whiteboards aus Kursen.
• Nicht dieser Anwendungsfall: Die systematische Verarbeitung vieler Dokumente in hoher Menge ist DOC-014 (Dokumentenanalyse) oder VIS-018 (industrielle OCR); Rechnungen gehören zu DOC-001.

So funktioniert es

Foto / Screenshot (Handykamera, Snipping-Tool)
  -> zuschneiden und geraderichten (Blendung entfernen, eine Tabelle pro Bild)
  -> OCR / Bildmodell (Text + Layout + Tabellenstruktur)
  -> optionaler LLM-Schritt (bereinigen, gruppieren, Aufgaben extrahieren)
  -> menschliche Kontrolle gegen das Original
  -> einfügen in Excel / Word / OneNote / Ticket

• Wichtige Komponenten: OCR für die Zeichen, ein Bild-Sprach-Modell (VLM) für Layout und Kontext.
• Mensch-in-der-Schleife (Human-in-the-Loop): Vergleichen Sie Zahlen und Namen immer mit dem Bild, bevor die Daten verwendet werden. Handschrift und ähnlich aussehende Ziffern sind die Hauptfehlerquelle.

Datenaufbereitung

Welche Daten: das Bild selbst. Trainingsdaten sind nicht nötig.

Wo sie liegen: Handy-Galerie, Chat-Apps, gemeinsames Postfach, Screenshot-Ordner.

Typische Lücken: Spiegelungen und Schatten auf Whiteboards, schräg aufgenommene Fotos, mehrere Tabellen in einem Bild, winzige Handschrift sowie Fotos, die Personen, Kundennamen oder vertrauliche Pläne enthalten.

Aufbereitungsschritte: 1. Eine Foto-Routine vereinbaren: frontal, ganze Tafel, gutes Licht, eine Tabelle pro Bild (5 Minuten Einweisung). 2. Eine Regel festlegen, was nicht fotografiert oder hochgeladen werden darf (Kundenlisten, Personalinhalte, Geschäftsgeheimnisse), als Teil der KI-Richtlinie (GUIDE-007). 3. Eine freigegebene App und einen Ort für die Ergebnisse benennen (Teams-Kanal, SharePoint, Nextcloud). 4. Bilder aus privaten Chat-Apps heraushalten; das Foto nach der Transkription löschen, wenn es personenbezogene Daten enthält.

Werkzeuge: der Dokumentenscan-Modus der Handykamera, die Scan-Funktion von OneDrive (Microsoft Lens wurde Anfang 2026 eingestellt), Google-Drive-Scan.

Grober Anteil am Aufwand: gering, einige Stunden für Anleitung und einen Satz in der Richtlinie. Siehe GUIDE-003 für die allgemeine Prüfung.

Umsetzungswege

Welcher Weg für wen

• KMU - Weg A: Ausgereifte Funktionen sind in Microsoft 365 oder Google Workspace bereits enthalten, und die Aufgabe ist Standard. Eine Eigenentwicklung würde mehr kosten, als sie spart.
• Großunternehmen - Weg A: eine Standardfunktion; nutzen Sie die vorhandenen Funktionen der Suite und den freigegebenen Unternehmensassistenten.
• Entwickler - Weg C: Open-Source-OCR und kleine VLMs laufen auf einem Laptop oder HW1 und lassen sich mit voller Datenkontrolle in eigene Werkzeuge einbauen.
• Privat - Weg A: Handy-Apps und kostenlose OCR-Funktionen; lokale Apps sind eine Option für sensible Notizen.

Weg A — Kaufen (Standardsoftware)

• Microsoft 365: Excel „Daten aus Bild“ wandelt ein Tabellenbild in Zellen um; Sie prüfen und korrigieren das Ergebnis vor dem Einfügen [1]. Die mobile Microsoft-365-App bietet die Aktion Bild in Tabelle [1]. Copilot kann je nach Lizenz und Mandanteneinstellungen auch gebeten werden, ein hochgeladenes Bild in eine Tabelle umzuwandeln; die Verfügbarkeit der Funktion schwankt, testen Sie sie daher in Ihrem Mandanten.
• Google Workspace: Google Lens (Text kopieren) auf Handy und Chrome sowie das Öffnen eines hochgeladenen Bildes mit Google Docs für die OCR sind gängige Wege; Gemini kann den Text anschließend umstrukturieren [2]. Drittanbieter-Anleitungen beschreiben diese Wege, prüfen Sie daher die aktuellen Menüs.
• Weitere: Apple Live Text und Notizen-Scan auf dem iPhone, die Apps ChatGPT, Claude oder Gemini zum Umstrukturieren.
• DSGVO-Hinweis: Prüfen Sie, ob der Mandant in der EU verarbeitet (Microsoft EU Data Boundary, Google-Datenregionen) und ob ein AVV besteht. Laden Sie in Verbraucher-Apps außerhalb des Unternehmensvertrags nichts Vertrauliches hoch.
• A wählen, wenn: Sie bereits für Microsoft 365 oder Google Workspace zahlen. Kosten: keine zusätzliche Lizenz für die Bildfunktionen; Copilot-Lizenzen sind eine eigene Entscheidung.

Weg B — Auf Cloud-KI-Diensten aufbauen

Selten nötig. Wenn ein wiederkehrender Ablauf gewünscht ist (ein in einen Teams-Kanal gepostetes Foto liefert eine Tabelle zurück), können n8n oder Power Automate eine Bildmodell-API in einer EU-Region aufrufen (z. B. Azure AI Foundry EU, Mistral OCR als EU-Anbieter). Aufwand: etwa 1 bis 2 Tage. Wechseln Sie besser zu DOC-014, wenn die Mengen wachsen.

Weg C — Selbst betreiben (Open Source)

• Tesseract ist die bewährte, CPU-freundliche OCR-Engine, liefert aber flachen Text ohne Tabellenstruktur [3].
• Bildmodelle über Ollama oder LM Studio, z. B. Qwen2.5-VL, beherrschen Layouts und Handschrift besser; die 3B-Variante läuft lokal, größere Varianten brauchen eine GPU [3][4]. Ein Tester berichtete von Fehlern bei einem dreispaltigen Poster, behalten Sie daher die menschliche Prüfung bei [4].
• Docling oder PaddleOCR für die Tabellenstruktur in eigenen Werkzeugen.
• Hardware: HW1 für kleine Modelle und gelegentliche Nutzung; HW2 für schnelle Modelle der 7B-Klasse für ein Team. Betriebsaufwand: etwa 1 Tag Einrichtung, wenig Wartung.
• C wählen, wenn: die Bilder hochsensibel sind oder derselbe VLM-Server bereits andere Anwendungsfälle bedient.

Weg D — Eigenes Training

Lohnt sich nicht. Vortrainierte Modelle decken die Aufgabe ab.

Stand der Technik (2026)

• Tabellenerkennung aus Bildern ist in die gängigen Office-Suiten und Handys eingebaut; VLMs kommen mit gemischten Layouts besser zurecht als klassische OCR, die keinen Begriff von Dokumentstruktur hat [3].
• Grenzen: unleserliche Handschrift, Pfeile und Diagramme auf Whiteboards, verbundene Zellen, geringer Kontrast und Spiegelungen. Modelle raten unleserliche Wörter möglicherweise plausibel, statt sie zu markieren. Zahlen brauchen eine Sichtprüfung.

Gemeinsame Bausteine & Kombinationen

• Dieselben Fähigkeiten (vlm, ocr-docparse) wie DOC-003, DOC-014, AUTO-013 (Visitenkarten); ein lokaler VLM-Server kann alle bedienen.
• AUTO-006 bereinigt die entstandene Tabelle; AUTO-025 tut dasselbe für Sprachmemos; kombinieren Sie beide für die Nachbereitung von Besprechungen.
• Weiterverwendung der Tabelle in einem Ablauf: AUTO-008.

Aufwand, Kosten & Kennzahlen

• Weg A: Stunden (Anleitung, ein Satz in der Richtlinie, Test im Mandanten). Keine zusätzlichen Lizenzkosten für eingebaute Funktionen.
• Weg B: 1 bis 2 Tage für einen Ablauf plus API-Kosten pro Bild (gering).
• Weg C: etwa 1 Tag Einrichtung; Hardware, die Sie womöglich schon besitzen.
• Kennzahlen: Minuten pro Umwandlung (vorher und nachher an 10 Beispielen messen), Korrekturquote pro Tabelle, Anteil der Beschäftigten, die das freigegebene Werkzeug statt privater Apps nutzen.

Menschen & Veränderung

Einbinden: Endnutzer (sie entscheiden, ob es nützlich ist), die IT für Mandanteneinstellungen, IT-Sicherheit und Datenschutzbeauftragte(n) für die Regel, was hochgeladen werden darf; die Geschäftsführung für die KI-Richtlinie (GUIDE-007).

Betriebsrat: normalerweise nein. Die Umwandlung eines Bildes ist nicht geeignet, das Verhalten zu überwachen. Protokolliert die Suite Prompts pro Nutzer (z. B. Copilot-Aktivitätsdaten), kann §87 Abs. 1 Nr. 6 BetrVG für die Plattform selbst dennoch greifen, und §90 Abs. 1 Nr. 3 verlangt eine rechtzeitige Unterrichtung; die bestehende Plattformvereinbarung sollte das abdecken (GUIDE-004).

Datenschutz: Fotos können Personen, Namen und Kundendaten zeigen. Nutzen Sie einen in der EU gehosteten Mandanten mit AVV (Art. 28 DSGVO), verbieten Sie private Apps für geschäftliche Inhalte und beziehen Sie die/den Datenschutzbeauftragte(n) ein. Eine DSFA ist für die reine Umwandlung nicht zu erwarten (GUIDE-005).

KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt Maßnahmen, die die KI-Kompetenz der Beschäftigten fördern; eine 30-minütige Vorführung mit typischen Fehllesungen genügt (GUIDE-006).

Kommunikation und Pilot: Zeigen Sie das Vorher und Nachher in einer Teambesprechung, starten Sie mit einer Pilotgruppe von 5 bis 10 Personen und einer KI-Botschafterin bzw. einem KI-Botschafter (GUIDE-008, GUIDE-009).

Mensch behält die Kontrolle: Die Person, die das Foto gemacht hat, ist für die Richtigkeit des Ergebnisses verantwortlich.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; die Förderung der KI-Kompetenz gilt (Art. 4). Die Gesamtpflichten für Betreiber stehen in GUIDE-014 [5].
• DSGVO: hängt vom Einzelfall ab. Bilder von Personen, handschriftliche Namen oder Kundendaten sind personenbezogene Daten; nutzen Sie das freigegebene, in der EU gehostete Werkzeug und löschen Sie das Original, wenn es nicht mehr gebraucht wird [6].
• Typische Risiken: falsch gelesene Ziffern, Schatten-KI über private Apps, vertrauliche Tafelbilder, die in Verbraucherdienste hochgeladen werden.
• Gegenmaßnahmen: kurze Richtlinie, freigegebene Werkzeuge, Sichtprüfung, sensible Bereiche wegschneiden.

Erste Schritte

1. Testen Sie die eingebaute Funktion Ihrer Suite mit drei echten Whiteboard-Fotos und einer gedruckten Tabelle.
2. Schreiben Sie die Foto-Routine und die Regel „Was nicht hochgeladen werden darf“ auf einer Seite auf.
3. Führen Sie für die Pilotgruppe eine 30-minütige Vorführung durch, einschließlich typischer Fehler.
4. Messen Sie nach zwei Wochen die eingesparte Zeit an 10 Umwandlungen.
5. Bei hoher Sensibilität probieren Sie Ollama mit einem kleinen VLM auf einem Laptop als lokale Alternative aus.

Quellen

1. Microsoft Support - Insert data from a picture in Excel / Image to Table - https://support.microsoft.com/en-us/office/use-a-screen-reader-to-convert-images-into-tables-in-the-office-app-95f012a6-59f2-4ccf-bbda-4d943e9200b1
2. Google Workspace Marketplace and Lens/Docs OCR routes (third-party guide) - https://www.thebricks.com/resources/guide-how-to-insert-data-from-picture-in-google-sheets-using-ai
3. Open-source OCR tools 2026 comparison (Tesseract, EasyOCR, PaddleOCR) - https://imagetotable.ai/fr/blog/best-open-source-ocr-tools-2026
4. Simon Willison - Qwen2.5-VL in Ollama (2025) - https://simonwillison.net/2025/May/18/qwen25vl-in-ollama/
5. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
6. Regulation (EU) 2016/679 (GDPR) - https://eur-lex.europa.eu/eli/reg/2016/679/oj