JSON-Schema: deutsche Rechnung extrahieren
# JSON-Schema: deutsche Rechnung extrahieren code: abvvz5 | type: schema | language: de | licence: MIT | version: v1 description: JSON Schema, um eine deutsche Rechnung mit einem LLM zu extrahieren: Rechnungssteller, USt-IdNr., Nummer, Datum, Positionen, Netto, USt und Brutto. page: https://contextetech.com/de/schemas/deutsche-rechnung-extrahieren-abvvz5 mcp: connect https://contextetech.com/mcp then call load_resource with code "abvvz5" (or ask "load abvvz5") json: https://contextetech.com/api/resources/contextetech--deutsche-rechnung-extrahieren python: pip install contexte && contexte get abvvz5 citation (required by the licence): contextetech. (2026). JSON-Schema: deutsche Rechnung extrahieren (Version 1) [Ausgabeschema]. Contexte Tech. https://contextetech.com/de/schemas/deutsche-rechnung-extrahieren-abvvz5
JSON Schema, um eine deutsche Rechnung mit einem LLM zu extrahieren: Rechnungssteller, USt-IdNr., Nummer, Datum, Positionen, Netto, USt und Brutto.
Extrahiere die Rechnungsdaten. Beträge sind Zahlen in Euro, ohne Währungszeichen. Fehlt eine Angabe, erfinde sie nicht.
JSON Schema
{
"type": "object",
"required": [
"rechnungssteller",
"rechnungsdatum",
"brutto"
],
"properties": {
"netto": {
"type": "number"
},
"brutto": {
"type": "number"
},
"ust_idnr": {
"type": "string",
"description": "Umsatzsteuer-Identifikationsnummer (DE…)"
},
"ust_satz": {
"type": "number",
"description": "Umsatzsteuersatz in Prozent (19 oder 7)"
},
"positionen": {
"type": "array",
"items": {
"type": "object",
"required": [
"bezeichnung",
"netto"
],
"properties": {
"menge": {
"type": "number"
},
"netto": {
"type": "number"
},
"bezeichnung": {
"type": "string"
}
}
}
},
"ust_betrag": {
"type": "number"
},
"rechnungsdatum": {
"type": "string",
"format": "date",
"description": "Ausstellungsdatum (JJJJ-MM-TT)"
},
"rechnungsnummer": {
"type": "string"
},
"rechnungssteller": {
"type": "string"
}
}
}Beispielausgabe
{
"rechnungssteller": "Druckerei Weber GmbH",
"ust_idnr": "DE123456789",
"rechnungsnummer": "RE-2026-0412",
"rechnungsdatum": "2026-09-15",
"positionen": [
{
"bezeichnung": "Visitenkarten x500",
"menge": 1,
"netto": 80.0
},
{
"bezeichnung": "Flyer DIN A5 x1000",
"menge": 1,
"netto": 120.0
}
],
"netto": 200.0,
"ust_satz": 19,
"ust_betrag": 38.0,
"brutto": 238.0
}- Kennung
- contextetech--deutsche-rechnung-extrahieren
- Datei
- deutsche-rechnung-extrahieren.schema.json
- Format
- JSON (application/json)
- Größe
- 1.141 Bytes (1,1 KB)
- Kodierung
- UTF-8
- Geschätzte Tokens
- ≈ 316
- Kommerzielle Nutzung
- Erlaubt
- Personenbezogene Daten
- Keine
- Version
- 1.0
- Veröffentlicht am
- 3. Oktober 2026 um 05:20
- Aktualisiert am
- 16. Oktober 2026 um 23:19
- Speicherung
- in der Datenbank
Statistiken
Gefällt mir : 0 · Kommentare : 0
Klicken Sie auf einen Zähler, um ihn ein- oder auszublenden; fahren Sie über das Diagramm für Details. Ein Aufruf pro Besucher und Tag, ohne Bots; Zählung seit dem 30. September 2026.
Geschätzte Kosten
- Eingabe-Tokens pro Aufruf
- ≈ 610
| Modell | Pro Aufruf | Pro Monat |
|---|---|---|
| GPT-6 Luna · OpenAIbester Preis | 0,00005 € | 0,05 € |
| DeepSeek Flash · DeepSeek | 0,00016 € | 0,16 € |
| Mistral Large · Mistral AI | 0,00027 € | 0,27 € |
| DeepSeek V4 Pro · DeepSeek | 0,00071 € | 0,71 € |
| GPT-6 Sol · OpenAI | 0,00107 € | 1,07 € |
| Claude Sonnet 5.5 · Anthropic | 0,00107 € | 1,07 € |
| Claude Opus 5.5 · Anthropic | 0,00215 € | 2,15 € |
| Selbst gehostetes Open-Source-Modell (Ollama, vLLM) | 0 € API-Kosten (nur Serverkosten) | |
Nur Eingabekosten, ohne die Antwort des Modells. Öffentliche Standardpreise der Anbieter (Mistral AI, DeepSeek, OpenAI, Anthropic) von USD in Euro umgerechnet zum EZB-Kurs vom 13. Oktober 2026. Schätzung: 1 Token ≈ 3,6 Zeichen.
Gemeinsam für alle 3 Regionen
Vom Autor erstellt, ohne externe Quelle.
Kommerzielle Nutzung erlaubt · Autor nennen · Änderungen erlaubt.
Nur Text oder Daten: kein Zugriff auf Dateien, Netzwerk oder Befehle.
Gehostet in Frankreich (Scaleway, Paris). Keine Übermittlung außerhalb der EU.
Europäische Union · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Zusammenfassung erforderlich.
Vereinigte Staaten · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Dokumentation zu veröffentlichen.
China · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten; in China verbreitete KI-generierte Inhalte sind zu kennzeichnen (2025).
Unverbindliche Übersicht, Stand 30/09/2026, keine rechtliche Zertifizierung. Methode und Quellen →
Qualität des Inhalts
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Inhaltsanalyse
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Aus dem Inhalt des Eintrags nach Regeln berechnet, ohne KI. Die Note steht im Reiter Qualität.
MCP contexte
https://contextetech.com/mcp
lade abvvz5
Die Adresse in den Einstellungen deiner KI-Apps als Connector hinzufügen und dann die Anfrage oben senden.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--deutsche-rechnung-extrahieren" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
deutsche-rechnung-extrahieren.schema.json
{
"type": "object",
"required": [
"rechnungssteller",
"rechnungsdatum",
"brutto"
],
"properties": {
"netto": {
"type": "number"
},
"brutto": {
"type": "number"
},
"ust_idnr": {
"type": "string",
"description": "Umsatzsteuer-Identifikationsnummer (DE…)"
},
"ust_satz": {
"type": "number",
"description": "Umsatzsteuersatz in Prozent (19 oder 7)"
},
"positionen": {
"type": "array",
"items": {
"type": "object",
"required": [
"bezeichnung",
"netto"
],
"properties": {
"menge": {
"type": "number"
},
"netto": {
"type": "number"
},
"bezeichnung": {
"type": "string"
}
}
}
},
"ust_betrag": {
"type": "number"
},
"rechnungsdatum": {
"type": "string",
"format": "date",
"description": "Ausstellungsdatum (JJJJ-MM-TT)"
},
"rechnungsnummer": {
"type": "string"
},
"rechnungssteller": {
"type": "string"
}
}
}Anthropic-API (Python)
import json, anthropic
schema = json.load(open("deutsche-rechnung-extrahieren.schema.json"))
client = anthropic.Anthropic()
resp = client.messages.create(model="claude-sonnet-5", max_tokens=1024,
tools=[{"name": "extraire", "description": "Renvoie les données extraites", "input_schema": schema}],
tool_choice={"type": "tool", "name": "extraire"},
messages=[{"role": "user", "content": "deine Eingabe hier"}])
print(resp.content[0].input)OpenAI-Format (response_format)
{
"type": "json_schema",
"json_schema": {
"name": "deutsche-rechnung-extrahieren",
"schema": {
"type": "object",
"required": [
"rechnungssteller",
"rechnungsdatum",
"brutto"
],
"properties": {
"netto": {
"type": "number"
},
"brutto": {
"type": "number"
},
"ust_idnr": {
"type": "string",
"description": "Umsatzsteuer-Identifikationsnummer (DE…)"
},
"ust_satz": {
"type": "number",
"description": "Umsatzsteuersatz in Prozent (19 oder 7)"
},
"positionen": {
"type": "array",
"items": {
"type": "object",
"required": [
"bezeichnung",
"netto"
],
"properties": {
"menge": {
"type": "number"
},
"netto": {
"type": "number"
},
"bezeichnung": {
"type": "string"
}
}
}
},
"ust_betrag": {
"type": "number"
},
"rechnungsdatum": {
"type": "string",
"format": "date",
"description": "Ausstellungsdatum (JJJJ-MM-TT)"
},
"rechnungsnummer": {
"type": "string"
},
"rechnungssteller": {
"type": "string"
}
}
},
"strict": true
}
}
Community
Noch keine Kommentare. Teile deine Erfahrung, sie hilft den Nächsten.