Leitfäden zur guten PDF-Umwandlung
Ein PDF umzuwandeln ist leicht. Ein Ergebnis zu bekommen, auf das Sie sich verlassen können, verlangt zu wissen, was das Format festhält und was nicht, wo jeder Konverter raten muss und was zu prüfen ist, bevor Sie der Ausgabe trauen. Diese Leitfäden behandeln die Fragen, die am häufigsten kommen, und keiner von ihnen endet mit „also nehmen Sie unseren Konverter“.
Warum die Umwandlung eines PDF Struktur verliert — und was hilft
Ein PDF speichert positionierte Glyphen, keine Struktur. Wer das versteht, versteht jeden Umwandlungsfehler, der ihm je begegnen wird.
8 Minuten Lesezeit
Das Markdown, das Sie zurückbekommen, und wie Sie es aufräumen
Was der Konverter ausgibt, welche Markdown-Elemente die Reise überstehen und die wenigen Aufräumdurchgänge, die sich jedes Mal lohnen.
7 Minuten Lesezeit
PDFs in einen Obsidian-Vault importieren, ohne Chaos anzurichten
Aus einem Ordner voller PDFs Notizen machen, mit denen Obsidians Gliederung, Suche und Graph wirklich etwas anfangen können.
7 Minuten Lesezeit
PDFs für LLMs und Retrieval-Pipelines vorbereiten
Warum Markdown roh extrahiertem Text in Retrieval-Pipelines überlegen ist und wie man es zerteilt, ohne das zu zerstören, was es wirksam macht.
9 Minuten Lesezeit
Der eine Gedanke hinter allen vieren
Ein PDF enthält keine Überschriften, Absätze, Listen oder Tabellen. Es enthält Glyphen an Koordinaten. Die Struktur, die das Layout hervorgebracht hat, diente der Berechnung dieser Positionen und wurde dann verworfen — ein PDF in Markdown umzuwandeln ist deshalb kein Auslesen, sondern ein Rückschluss: die Geometrie zurücklesen und ableiten, welche Struktur sie erzeugt hätte.
Jeder Konverter tut das, unserer eingeschlossen, und besser als schließen kann keiner — die Antwort steht wirklich nicht in der Datei. Sobald das klar ist, wirken die Fehler nicht mehr willkürlich. Eine Überschrift, die als Absatz herauskam, war über die Schriftstärke ausgezeichnet statt über die Größe. Eine Tabelle, die zusammenfiel, hatte verbundene Zellen. Eine Seite, die sich wie Unsinn liest, hatte zwei Spalten. Jeder Fehler führt auf eine Regel zurück, und eine Regel, die man kennt, lässt sich umgehen.
Dafür sind diese Leitfäden da. Der erste erklärt den Rückschluss und seine Fehlerfälle vollständig. Der zweite handelt von der Datei, die Sie zurückbekommen, und den wenigen Änderungen, die sich vor dem Aufbewahren lohnen. Der dritte und der vierte handeln von zwei konkreten Zielen — einer Notizsammlung und einer Retrieval-Pipeline —, die recht unterschiedliche Ansprüche an dasselbe Markdown stellen.