---
title: "Daten aus arabischen Rechnungen per Vision-LLM-API auslesen"
description: "Rechnungs- oder Belegfoto an ein Vision-Modell auf BroadNet Inference senden und Summe, Datum und Händler als JSON erhalten, gefragt auf Arabisch oder Englisch."
url: https://broadrouter.com/de/guides/read-arabic-invoices-with-vision/
lang: de
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (aktualisiert am 2026-11-16).

# Arabische Rechnungen und Belege mit einem Vision-Modell auslesen

Aktualisiert 2026-11-16

Senden Sie das Bild als Base64-Data-URL im Nachrichteninhalt an ein Vision-Modell wie broadnet/qwen3.8-27b oder broadnet/gemma-4-26b-a4b und fordern Sie die benötigten Felder als JSON an. Achten Sie auf den korrekten MIME-Typ. Bei Pay-as-you-go zählt ein Bild als Input-Token; größere Bilder verbrauchen mehr.

Drei Chatmodelle auf BroadNet Inference nehmen Bilder entgegen: DeepSeek V4.1 Flash, Qwen3.8 27B und BroadNet Gemma 4 VL 26B. GLM 5.3 verarbeitet nur Text. Für arabische Dokumente ist Qwen3.8 27B das Modell, das BroadNet auf Arabisch getestet hat: flüssiges Schreiben, Verständnis der Golf- und ägyptischen Dialekte und genaue Übersetzung zwischen Arabisch und Englisch. Gemma 4 VL 26B ist bei BroadNet das günstigste der drei und läuft mit dem kostenlosen Guthaben.

## Eine Frage zu einer Rechnung stellen

```python
import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
invoice = base64.b64encode(open("invoice.jpg", "rb").read()).decode()

response = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "ما هو المبلغ الإجمالي في هذه الفاتورة؟"},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)
print(response.choices[0].message.content)
```

Die Frage lautet auf Arabisch „Wie hoch ist der Gesamtbetrag dieser Rechnung?“. Verwenden Sie für PNG-Dateien `image/png` in der Data-URL: Der MIME-Typ muss passen. So setzen Sie ihn anhand des Dateinamens:

```python
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
```

## Strukturierte Felder zurückbekommen

Fordern Sie JSON an und nennen Sie genau die Keys, die Sie brauchen:

```python
prompt = (
    "Read this invoice. Reply with JSON only, keys: vendor, date (YYYY-MM-DD), "
    "currency, total (number), vat (number or null). Keep the vendor name in Arabic if it is written in Arabic."
)
response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # Qwen3.8 27B reasons first
    messages=[{"role": "user", "content": [
        {"type": "text", "text": prompt},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
    ]}],
)
```

Qwen3.8 27B denkt vor der Antwort nach (Reasoning), geben Sie ihm also Spielraum. Siehe [warum Reasoning-Modelle leere Antworten liefern](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/). Die Dokumentation von BroadNet listet strukturierte Ausgabe für Qwen3.8 27B; wie JSON-Schemas allgemein funktionieren, erklärt [strukturierte Ausgabe](https://broadrouter.com/de/glossary/structured-output/). Parsen Sie die Antwort mit `json.loads` und prüfen Sie die Felder, bevor Sie sie speichern.

## Kosten

Bei Pay-as-you-go wird ein Bild als Input-Token zum Input-Preis des Modells abgerechnet, verkleinern Sie sehr große Fotos also vorher; der [Bild-Token-Rechner](https://broadrouter.com/tools/image-token-calculator/) zeigt, wie viele Token eine bestimmte Größe kostet. In einem [unbegrenzten Plan für DeepSeek V4.1 Flash](https://broadrouter.com/de/guides/unlimited-llm-api-sessions/) gehören Bilder zur unbegrenzten Nutzung.

[Preise der Vision-Modelle vergleichen](https://broadrouter.com/de/pricing/) oder im [Vergleich arabischer OCR-APIs](https://broadrouter.com/de/blog/arabic-ocr-api-comparison/) nachlesen, wie ein Vision-Modell gegen Google, Azure, Textract und Mistral OCR abschneidet.

## Fehlerbehebung

-   **Leere Antwort von Qwen3.8 27B oder DeepSeek V4.1 Flash.** Reasoning hat `max_tokens` aufgebraucht. Erhöhen Sie den Wert oder setzen Sie `reasoning_effort` auf `low`.
-   **400 oder 422 beim Bild.** Prüfen Sie, ob die Data-URL mit `data:image/jpeg;base64,` oder `data:image/png;base64,` beginnt und der MIME-Typ zur Datei passt.
-   **403 oder ein Fehler beim Modell.** GLM 5.3 nimmt keine Bilder an, und Qwen3.8 27B sowie DeepSeek V4.1 Flash erfordern eine Aufladung. Nutzen Sie BroadNet Gemma 4 VL 26B mit dem kostenlosen Guthaben.
-   **Anfrage zu groß oder Kontextfehler.** Ein großes Foto verbraucht viele Token, und Gemma 4 VL 26B hat von den dreien das kleinste Kontextfenster (in pricing.json aufgeführt). Verkleinern Sie auf eine sinnvolle Breite oder schneiden Sie auf den Bereich mit den Summen zu.
-   **Falsche Summen oder vertauschte Ziffern.** Arabisch-indische Ziffern (٠١٢٣) und lateinische Ziffern können auf demselben Beleg vorkommen. Bitten Sie das Modell, Zahlen in lateinischen Ziffern zurückzugeben, und prüfen Sie Summen in Ihrem Code gegen die Einzelposten.
-   **Ungültiges JSON.** Fordern Sie „JSON only“ an, entfernen Sie vor dem Parsen eventuelle Code-Fences und versuchen Sie es einmal erneut, wenn das Parsen fehlschlägt.

_[image: An Arabic and English invoice beside a phone showing the JSON {"total":125.00,"currency":"AED"}, with the text "From documents to structured data."]_

Illustrative example; the figures are not real output.

## Begriffe in dieser Anleitung

[Strukturierte Ausgabe (Structured Output)](https://broadrouter.com/de/glossary/structured-output/)

Strukturierte Ausgabe (Structured Output) ist eine Funktion von LLM-APIs, die die Antwort eines Modells auf ein vom Entwickler vorgegebenes Format beschränkt, meist ein JSON Schema, damit Code sie zuverlässig parsen kann. Sie ist strenger als der JSON-Modus, der gültiges JSON garantiert, aber keine bestimmte Struktur.

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[JSON Schema](https://broadrouter.com/de/glossary/json-schema/)

JSON Schema ist ein in JSON geschriebenes Vokabular, mit dem Sie die Struktur von JSON-Daten beschreiben und validieren: Typen, Pflichtfelder, erlaubte Werte und Verschachtelung. Die aktuelle Version ist 2020-12. LLM-APIs definieren damit Tool-Parameter und die genaue Struktur, der eine strukturierte Ausgabe folgen muss.

[Kontextfenster (Context Window)](https://broadrouter.com/de/glossary/context-window/)

Das Kontextfenster ist die maximale Anzahl an Tokens, mit der ein Sprachmodell in einer einzelnen Anfrage arbeiten kann. Es umfasst Prompt, Gesprächsverlauf, Tool-Definitionen, Bilder und den erzeugten Output einschließlich Reasoning-Tokens. Was nicht hineinpasst, muss gekürzt, zusammengefasst oder auf mehrere Anfragen verteilt werden.

[Pay-as-you-go](https://broadrouter.com/de/glossary/pay-as-you-go/)

Pay-as-you-go ist ein Preismodell, bei dem Sie nur für tatsächliche Nutzung zahlen, gemessen pro Einheit wie Tokens, Anfragen oder Audiominuten, ohne Abonnement oder Mindestabnahme. Die meisten LLM-APIs rechnen so ab, aus einem vorausbezahlten Guthaben oder per regelmäßiger Rechnung.

[Prepaid-Guthaben (Prepaid Credit)](https://broadrouter.com/de/glossary/prepaid-credit/)

Prepaid-Guthaben ist Geld, das vor der Nutzung auf ein API-Konto eingezahlt wird. Jede Anfrage zieht ihre Kosten vom Guthaben ab, und wenn es aufgebraucht ist, stoppen abgerechnete Anfragen, bis Sie aufladen. So sind die Ausgaben auf das eingezahlte Geld begrenzt.

[Texterkennung (OCR)](https://broadrouter.com/de/glossary/ocr/)

Optische Zeichenerkennung (OCR) ist eine Technik, die gedruckten oder handgeschriebenen Text in einem Bild, Scan oder PDF erkennt und in maschinenlesbare Zeichen umwandelt. Klassische OCR liefert Text und seine Position auf der Seite; Vision-Language-Modelle können Text lesen und direkt Fragen dazu beantworten.

## Häufige Fragen

### Welche BroadNet-Modelle können Bilder lesen?

DeepSeek V4.1 Flash, Qwen3.8 27B und BroadNet Gemma 4 VL 26B akzeptieren Bilder über Chat Completions. GLM 5.3 verarbeitet nur Text, und die Transkriptionsmodelle nehmen Audio entgegen.

### Wie sende ich eine lokale Bilddatei an eine Vision-LLM-API?

Lesen Sie die Datei, kodieren Sie sie in Base64 und legen Sie sie als Data-URL in einen image\_url-Content-Part, etwa data:image/jpeg;base64, gefolgt von den kodierten Bytes. Der MIME-Typ in der URL muss zur Datei passen.

### Kann ich Rechnungsdaten mit dem kostenlosen Guthaben auslesen?

Ja, mit BroadNet Gemma 4 VL 26B, das mit dem kostenlosen Startguthaben läuft. Qwen3.8 27B und DeepSeek V4.1 Flash werden nach einer Aufladung freigeschaltet.

### Kann ich eine Rechnung als PDF senden?

Die Dokumentation von BroadNet beschreibt Bilder, die als Data-URLs gesendet werden, keine PDF-Dateien. Rendern Sie jede PDF-Seite zuerst als JPEG oder PNG, zum Beispiel mit pdftoppm, und senden Sie die Seiten als Bilder.

## Verwandte Anleitungen

-   [Speech-to-Text API für Arabisch: Schritt für Schritt](https://broadrouter.com/de/guides/arabic-speech-to-text-api/)
-   [OpenAI Python SDK mit BroadNet Inference nutzen](https://broadrouter.com/de/guides/openai-python-sdk/)
-   [Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-read-arabic-invoices-with-vision&utm_content=page-cta) ·

**Quellen**

-   [API-Referenz von BroadNet Inference, Chat mit einem Bild (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Preise von BroadNet Inference (Hinweise zum Arabisch-Test von Qwen3.8 27B) (auf Englisch)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Maschinenlesbare Modellliste mit Modalitäten und Kontextlänge (pricing.json) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-guides-read-arabic-invoices-with-vision&utm_content=sources)
