Konvertiere dein PDF in bearbeitbares Markdown für Notizen, die Suche oder einen KI-Agenten. Sind die Seiten gescannt, erkenne den Text zuerst mit OCR.

MD Factory konvertiert auch Office-Dokumente, E-Books, gespeicherte Webseiten und E-Mails. Diese Anleitung behandelt PDFs.

Papierdokumente, die durch ein violettes Band mit einer Seite mit Markdown-Überschriften und Listen verbunden sind.
Von Dokumentseiten zu bearbeitbarem Markdown.

Braucht dein PDF OCR?

Kopiere einen Satz in einen Texteditor. Wird er richtig kopiert, kannst du das PDF direkt konvertieren. Erhältst du keinen Text, nutze OCR. Prüfe mehrere Seiten, wenn das Dokument gescannte Anhänge enthält.

Ein Konvertierungstool wählen

Für PDFs mit auswählbarem Text bietet Microsofts MarkItDown eine Möglichkeit über die Kommandozeile. Folge der Python-Installationsanleitung, erstelle einen Ausgabeordner und ersetze diese Pfade durch deine eigenen. Wähle einen neuen Dateinamen für die Ausgabe:

markitdown "C:\Docs\handbook.pdf" -o "C:\Markdown\handbook.md"

Nutze bei einem Scan zuerst OCR, um das PDF durchsuchbar zu machen. Konvertiere es danach in Markdown. OCRmyPDF übernimmt diesen ersten Schritt; wähle beim Ausführen die Sprache des Dokuments.

Ist die Erkennung schlecht, prüfe, ob der Scan scharf und gerade ist. Die OCR-Hinweise von Tesseract erklären, wie die Scanqualität das Ergebnis beeinflusst.

Wenn du das ursprüngliche Word-Dokument oder die Excel-Tabelle hast, kannst du sie auch direkt konvertieren.

Tabellen und Spalten prüfen

Öffne Markdown neben dem PDF. Mehrspaltige Seiten und Tabellen müssen nach der Konvertierung manchmal korrigiert werden. Beginne mit den Teilen, die du brauchst:

  • Lies über Spalten- und Seitenumbrüche hinweg, um die Reihenfolge der Sätze zu prüfen.
  • Prüfe, ob Tabellenwerte noch in den richtigen Zeilen und unter den richtigen Überschriften stehen.
  • Vergleiche wichtige Namen, Daten, Zahlen und Einheiten mit dem PDF.
  • Entferne wiederholte Kopfzeilen, die Absätze unterbrechen.

Der Leitfaden zur Textextraktion aus PDFs beschreibt häufige Layoutprobleme. Markiere unlesbare Werte mit einer Notiz, statt sie zu erraten.

Eine Tabelle mit verlorenen Zeilen reparieren

Eine Tabelle enthält zum Beispiel 2 Notizbücher zu je 4,50 und 1 Ordner zu 3,00. Die Extraktion kann die Werte erhalten, aber die Zeilen verlieren:

Item Quantity Unit price
Notebook Folder
2 1
4.50 3.00

Prüfe die Quelle und stelle dann die Zeilen wieder her:

| Item | Quantity | Unit price |
| --- | --- | --- |
| Notebook | 2 | 4.50 |
| Folder | 1 | 3.00 |

Dateien speichern

Speichere Markdown in einem eigenen Ausgabeordner und behalte das Original-PDF zum Vergleichen. Exportiert der Konverter Bilder, verschiebe deren Ordner zusammen mit Markdown, damit die Links weiter funktionieren.

Verwende aussagekräftige Dateinamen wie handbook.md, damit du jede Ausgabedatei ihrer Quelle zuordnen kannst. Prüfe, ob für jede konvertierte Datei ein Ergebnis vorhanden ist.

Um das Ergebnis mit einem KI-Agenten zu nutzen, folge unserer Anleitung zum Organisieren eines Dokumentenordners.