---
title: "Faktura fra PDF til Excel: hvornår kræver det AI?"
description: "Faktura fra PDF til Excel: et script læste 30 af 30 tekst-PDF-filer rigtigt, men scanninger kræver en model, og dens fejl gemmer sig i momsnumre."
url: "https://madsalt.tech/da/blog/pdf-invoice-to-excel/"
author: "Denys Zaichenko"
author_url: "https://madsalt.tech/da/about/"
language: "da"
published: 2026-10-22
---

# Faktura fra PDF til Excel: hvornår kræver det AI?

TL;DR

Skal du have en faktura fra PDF til Excel, så tjek først, om PDF'en har et tekstlag. Har den det, læste et kort script uden AI alle mine 30 testfakturaer rigtigt, både felterne øverst og alle 113 fakturalinjer, med en median på 0,03 sekunder pr. faktura. På en scanning returnerer det samme script ingenting, og så skal du bruge en model. I den kørsel, jeg rapporterer, læste Claude Haiku 5.5 netto-, moms- og bruttototalen rigtigt på alle 30 scanninger, men læste cifre forkert i momsnumre, fakturanumre og beskrivelser samt to linjebeløb: 4 af 30 fakturaer helt rigtige, 12 hvis man ser bort fra tegn, der ligner hinanden. De aritmetiske kontroller fangede 2 af de 18 forkerte fakturaer. Et kontrolciffer på momsnummeret fangede 16 af de 18, og 17 af 18 sammen med de aritmetiske kontroller.

Jeg er Denys, fullstack- og AI-ingeniør. Jeg ville vide, hvad der virker, når man henter data fra en faktura i PDF og lægger dem i Excel, og hvor ofte det går galt. Så jeg kørte opgaven selv, fra ende til anden, på 30 fiktive leverandørfakturaer som dem i min [tidligere test af fire AI-modeller](https://madsalt.tech/da/blog/invoice-data-extraction-with-ai/): 10 tjekkiske, 10 tyske, 10 portugisiske, i alt 113 fakturalinjer. Firmanavnene indeholder eksempelord (Vzor, Muster, Beispiel, Exemplo), hver faktura har en SAMPLE-sidefod, og momsnumrene er slået op i EU's VIES-tjeneste, som svarede "ikke gyldigt" for dem alle. Denne gang er det PDF'er, fakturalinjerne er med, og resultatet ender i en Excel-projektmappe.

## Hvordan kan du se, om en PDF er tekst eller en scanning?

En PDF, der er udskrevet fra et regnskabsprogram, indeholder selve teksten, et tekstlag. En scannet PDF er et billede af en side pakket ind i en PDF-fil, uden tekst i. Kan du markere et ord med musen, er det en tekst-PDF.

Jeg lavede begge slags af hver faktura, 60 PDF'er i alt. Alle 30 tekst-PDF'er havde et tekstlag. Fra alle 30 scanninger hentede et PDF-bibliotek 0 tegn. Scanningerne er min simulering fra den tidligere test (rotation, sløring, støj, kraftig JPEG-komprimering), ikke papir gennem en scanner.

## Kan du få en faktura fra PDF til Excel uden AI?

Ja. Jeg skrev et Python-script med [pdfplumber](https://github.com/jsvine/pdfplumber), et gratis bibliotek, der læser tekstlaget: ét sæt etiketter pr. sprog, momsnumre fundet ved at læse sidens to halvdele hver for sig (leverandør til venstre, køber til højre) og et regulært udtryk pr. fakturalinje. Det er 94 linjer til 3 layouts.

Resultat på tekst-PDF'erne: 30 af 30 fakturaer helt rigtige, 0 forkerte blandt de 270 felter øverst på fakturaerne, 113 af 113 fakturalinjer rigtige, en median på 0,03 sekunder pr. faktura og ingen omkostning.

Forbeholdet er stort. Jeg skrev reglerne, mens jeg kiggede på netop disse 30 fakturaer, så det er det bedste tilfælde for regler. Hvert nyt leverandørlayout kræver nye regler, og jeg testede ikke andre layouts. To ting måtte reglerne håndtere:

- **Læserækkefølge.** På alle 30 fakturaer, i alle tre layouts, kommer købers momsnummer før leverandørens i tekstlaget, så "tag det første momsnummer" bytter dem om. Scriptet læser sidens venstre og højre halvdel hver for sig.
- **Momsnummerets præfiks.** Portugisiske fakturaer trykker nummeret med eller uden `PT`. Jeg sammenligner uden præfikset: 8 fakturaer afviger kun på det punkt fra den rigtige værdi.

![Fra PDF-faktura til Excel. Det første spørgsmål er, om PDF'en har et tekstlag. Tekstlag fundet: PDF → Regelscript → Excel-fil; Intet tekstlag (en scanning): PDF → AI-model → Momstjek → Gennemsyn → Excel-fil.](https://madsalt.tech/charts/da/pdf-invoice-to-excel-flow.svg)

*Fra min test af 30 fiktive fakturaer, 22. oktober 2026. Momstjek: momsnummerets kontrolciffer.*

## Hvad sker der, når PDF'en er en scanning, og skal du bruge faktura-OCR?

Scriptet fejler uden en lyd. På de 30 scanninger returnerede `extract_text()` en tom streng hver gang, kaldet lykkedes, og alle 270 felter øverst på fakturaerne kom tilbage tomme. Der blev ikke rejst nogen fejl.

Til scanninger sendte jeg hver PDF til Claude Haiku 5.5 via OpenRouter, som læser PDF'en direkte uden et separat OCR-trin. Temperatur 0, ét JSON-svar pr. faktura: de ni felter øverst plus fakturalinjerne (beskrivelse, antal, enhedspris, beløb).

| Metode og input                                 | Fakturaer helt rigtige | Fakturalinjer rigtige |
| ----------------------------------------------- | ---------------------- | --------------------- |
| Script, tekst-PDF                               | 30 af 30               | 113 af 113            |
| Script, scanning                                | 0 af 30                | 0 af 113              |
| Haiku 5.5, tekst-PDF                            | 29 af 30               | 112 af 113            |
| Haiku 5.5, scanning, nøjagtigt                  | 4 af 30                | 76 af 113             |
| Haiku 5.5, scanning, lignende tegn set bort fra | 12 af 30               | 108 af 113            |

"Helt rigtig" betyder, at de ni felter øverst og hver eneste fakturalinje passer. På tekst-PDF'erne var Haikus ene fejl en beskrivelse, `Europaletten` i stedet for `Europalette`; felterne øverst var rigtige på 30 af 30. På scanningerne havde 14 af 30 fakturaer alle ni felter øverst rigtige.

![Fakturaer helt rigtige, ud af 30. Felterne øverst og hver fakturalinje rigtige. Haiku 5.5 på scanninger: 12, hvis lignende tegn (× og x, – og -) ses bort fra. Regelscript, tekst-PDF: 30; Regelscript, scanning: 0; Haiku 5.5, tekst-PDF: 29; Haiku 5.5, scanning: 4.](https://madsalt.tech/charts/da/pdf-invoice-to-excel.svg)

*Min test af 30 fiktive tjekkiske, tyske og portugisiske fakturaer, 22. oktober 2026. Tekst-PDF har et tekstlag, scanning har ikke.*

## Hvad læste modellen forkert på scanningerne?

For det meste ikke pengene. Udstedelsesdato, forfaldsdato, valuta, netto, moms og brutto: 0 forkerte på tværs af alle 30 fakturaer i denne kørsel. Antal, enhedspris og beløb: 111 af 113 rigtige. Fejlene var for det meste tekst:

- **Felterne øverst: 21 forkerte felter i 16 fakturaer**, alle i momsnumre. Leverandørens momsnummer 6 gange, købers momsnummer 15 gange.
- **Fakturalinjer: 37 af 113 ikke helt rigtige.** 32 afviger kun typografisk: `×` returneret som `x`, `–` som `-`, `µ` (mikrotegnet) som `μ` (græsk my). 5 er egentlige fejlaflæsninger: 3 beskrivelser (`fita estirável` i stedet for `filme estirável`, alle på én portugisisk faktura) og 2 beløb (`184,00` læst som `164,00`, `1.376,67` som `1.378,67`).

## Hvorfor var de aritmetiske kontroller næsten tavse?

Jeg lagde to kontroller ind i projektmappen som kolonner: fakturalinjerne giver tilsammen nettototalen, og netto plus moms er lig med brutto, begge inden for 0,01. På modellens scanninger markerede de 2 af de 18 fakturaer, der virkelig var forkerte (2 af 26, når typografi tæller som forkert), de to med et fejlaflæst linjebeløb. Beløbene øverst var rigtige, så summerne passede. En kontrol på tal kan ikke se et forkert ciffer i et id eller i et ord. Den [tidligere test](https://madsalt.tech/da/blog/invoice-data-extraction-with-ai/) fandt det samme mønster: dens totalkontrol markerede 3 af 63 forkerte fakturaer.

På scriptets tomme output slog begge kontroller til for 30 af 30. En udlæsning, der returnerer ingenting, fejler i det mindste højlydt i regnearket.

En tredje kontrol, et kontrolciffer på momsnummeret ([python-stdnum](https://arthurdejong.org/python-stdnum/) til det tjekkiske DIČ, det tyske USt-IdNr. og det portugisiske NIF), fangede 16 af de 18 forkerte fakturaer og gav ikke falsk alarm på en rigtig. Intet forkert momsnummer bestod den. Sammen med de aritmetiske kontroller er det 17 af 18. Den ene tilbageværende var en portugisisk faktura, hvor kun beskrivelser var fejlaflæst, og den kræver et menneske med PDF'en åben ved siden af rækken.

## Hvordan skal Excel-filen se ud?

To ark. `Invoices` har én række pr. faktura: filnavn, fakturanummer, udstedelses- og forfaldsdato, leverandørens og købers momsnummer, valuta, netto, moms og brutto, antal linjer og linjesum samt de tre kontrolkolonner. `Lines` har én række pr. fakturalinje: filnavn, fakturanummer, linjenummer, beskrivelse, antal, enhedspris og beløb. Fakturanummeret binder dem sammen. Én flad række pr. faktura duer ikke, fordi antallet af linjer varierer, og min længste faktura har ni.

Tal skal ind som tal og datoer som datoer. Et tjekkisk `175 011,84 Kč` eller et tysk `10.465,61 €` skal konverteres, før det skrives, ellers behandler Excel det som tekst, og en sum springer det over. Jeg åbnede den gemte fil igen og kontrollerede typen på 2.256 celler: datoer, beløb, antal og kontrolresultater havde alle den rigtige type, og 0 var gemt som tekst. Yderligere 300 celler var tomme, nemlig de rækker, hvor scriptet ikke fandt noget.

Jeg læste filen tilbage med et bibliotek og åbnede den ikke i Excel eller LibreOffice, og kontrollerne er værdierne TRUE eller FALSE, ikke formler.

## Hvad koster det, og hvor lang tid tager det?

Scriptet koster ingenting og tager 0,03 sekunder pr. faktura. For Haiku 5.5 brugte jeg OpenRouters fakturerede pris pr. kald:

| Haiku 5.5    | USD pr. 1.000 fakturaer | Median sekunder pr. faktura |
| ------------ | ----------------------- | --------------------------- |
| Tekst-PDF    | 0,58                    | 2,96                        |
| Scanning     | 0,72                    | 4,31                        |
| Begge samlet | 0,65                    | 3,66                        |

Hele kørslen var 60 kald og USD 0,038847 (133.197 tokens ind, 51.055 ud), uden et eneste mislykket kald, genforsøg eller svar, der ikke kunne læses. Tiderne omfatter netværk og modellens ræsonnement, med 8 kald i gang samtidig.

## Hvad flytter scanningsresultatet?

Den samme model på de samme scanninger giver ikke ét tal. For at se, hvad der betyder noget, gentog jeg scanningstesten på dette sæt: kun scanningerne, temperatur 0, to gentagelser pr. betingelse, 240 kald mere for USD 0,145779. Betingelserne var inputtet (siden som billede eller som PDF) og prompten (de ni felter øverst, eller felterne plus fakturalinjer). Fakturaer med alle ni felter øverst rigtige, ud af 30:

| Betingelse                       | Kørsel 1 | Kørsel 2 |
| -------------------------------- | -------- | -------- |
| Billede, kun felterne øverst     | 13       | 14       |
| Billede, felter og fakturalinjer | 14       | 14       |
| PDF, kun felterne øverst         | 13       | 13       |
| PDF, felter og fakturalinjer     | 15       | 12       |

Den kørsel, jeg rapporterer ovenfor, er en femte PDF-kørsel med felter og fakturalinjer: 14. Firemodelstesten med billeder gav også Haiku 14 på disse scanninger.

- **Inputvejen: ingen synlig effekt.** Billedkørslerne gav 13, 14, 14, 14 og 14 (gennemsnit 13,8), PDF-kørslerne 13, 13, 15, 12 og 14 (gennemsnit 13,4). Spændene overlapper næsten helt.
- **Promptens størrelse: ingen synlig effekt.** Kun felterne øverst gav 13, 14, 13 og 13; felter og fakturalinjer 14, 14, 15, 12 og 14.
- **Fra kørsel til kørsel: 0 til 3 fakturaer** mellem gentagelser af samme betingelse.
- **Fakturasættet er den største faktor.** Med den samme model og den samme billedprompt gav et tidligere sæt på 30 fakturaer 22 og 22. Dette giver 13 og 14. Hvert land har ét køber-momsnummer, der gentages på 10 fakturaer, og på dette sæt læser Haiku det forkert på 11 til 13 af 30 fakturaer pr. billedkørsel (på det tidligere sæt 2 til 3). Én fejlaflæst talrække flytter op til 10 fakturaer på én gang. Med to sæt og én model viser det, at sættet vejer tungere end de to andre effekter, ikke hvorfor en given talrække er svær at læse.
- **Beløb kan gå galt.** I 4 af de 8 gentagne kørsler var mindst ét beløb forkert. Summekontrollerne markerede 2 af de 4 fakturaer; 2 forblev tavse. Den kørsel, jeg rapporterer, havde intet forkert beløb øverst, så "for det meste ikke pengene" gælder der, men ikke i hver kørsel.

## Hvad testede jeg ikke?

- Excels egen import (Power Query "Fra PDF", Data fra billede).
- Rigtige leverandørfakturaer. Alle 30 er fiktive: 3 layouts, én skrifttype, én side hver.
- Fakturaer på flere sider, andre sprog, fotos og ægte scannerstøj.
- OCR, der leverer teksten til regelscriptet. Scanningsgrundlinjen er scriptet alene.
- Andre modeller end Haiku 5.5.
- Regler på et layout, de ikke var tunet til.

## Hvad ville jeg gøre med rigtige fakturaer?

Det er min læsning af tallene, ikke et målt resultat. Tjek tekstlaget først. Til få leverandører med tekst-PDF'er er regler billigere, hurtigere og i denne test nøjagtige. Til mange eller ukendte layouts, eller til scanninger, så brug en model, kør kontrolcifferet på momsnummeret og de aritmetiske kontroller, og lad et menneske se på det, der bliver markeret, og på beskrivelserne, som ingen af mine kontroller dækker.

Scripts, fakturaer, sandhedsfiler, resultater og projektmappen ligger i [dette arkiv](https://madsalt.tech/blog/pdf-invoice-to-excel/pdf-invoice-to-excel-test.zip). De 60 PDF'er og de rå modelsvar ligger indeni, så scoringen og projektmappen kan genopbygges uden en API-nøgle. Min [prototype til fakturaudlæsning](https://madsalt.tech/da/work/invoice-extraction/) kører på eksempeldata.

Er du stadig i tvivl om, hvilken del af virksomheden der er værd at automatisere, hjælper jeg dig med at vælge den og bygger den bagefter: se [AI-rådgivning til små virksomheder](https://madsalt.tech/da/services/ai-consultant-small-business/). Kundebeskeder er den anden almindelige første opgave for AI i en lille virksomhed: [hvad en WhatsApp-chatbot med AI koster pr. svar](https://madsalt.tech/da/blog/whatsapp-ai-chatbot-for-business/), med Metas gebyr regnet med.

Se også: [Dokumenthåndteringssystem til små virksomheder: 8 priser](https://madsalt.tech/da/blog/document-management-software-for-small-business/).

## Min lignende sag

Jeg byggede en tjeneste, der gør en ejendomsattest, som tog 2–3 uger og kostede EUR 200–300, til en, der tager 2–3 minutter og koster EUR 99, med scripts og vision-AI. Opbygningen står i [casen om automatisering af ejendomsdokumenter](https://madsalt.tech/da/work/property-document-automation/).

Skal fakturaerne nå dit regneark eller dit regnskabsværktøj uden at nogen taster dem ind igen, bygger jeg det under [procesautomatisering](https://madsalt.tech/da/services/workflow-automation/).

Flytter du fakturaer ind i et regneark i hånden? Skriv til mig, så finder vi den bedste løsning for dig.

Flytter du stadig fakturaer i hånden?

Fortæl mig, hvad du har nu, og hvad du har brug for. Jeg svarer med den løsning, jeg selv ville vælge.

[Skriv til mig](https://madsalt.tech/da/#contact)
