PDFs sind schwer von KI zu analysieren aufgrund ihrer Struktur, was zur Entwicklung alternativer, leichter lesbarer Formate führen könnte.

Das PDF-Format, das 1993 von Adobe erstellt wurde, ist äußerst beliebt für Dokumente, stellt jedoch eine Herausforderung für Systeme der künstlichen Intelligenz dar. Obwohl PDFs so gestaltet sind, dass sie von Menschen gelesen werden, erschwert ihre komplizierte Struktur, wie Spalten, Grafiken und Tabellen, die automatische Analyse. KI-Programme müssen Technologien zur optischen Zeichenerkennung (OCR) verwenden, um den Text zu extrahieren, haben jedoch Schwierigkeiten mit komplexen Dokumenten. Im Gegensatz dazu sind Formate wie HTML aufgrund der Tags, die die Struktur des Dokuments anzeigen, leichter zu analysieren.

Die Einschränkungen von PDFs betreffen sowohl die Benutzer, die Schwierigkeiten bei der Analyse haben, als auch die KI-Unternehmen, die nicht auf ein großes Volumen an in unstrukturierten Formaten gespeicherten Daten zugreifen können. In diesem Kontext erkunden Startups wie Factify die Entwicklung neuer Formate, die die Vorteile von PDFs mit einer für KI leichteren Analyse kombinieren. Auch das Unternehmen Mistral arbeitet an einem KI-basierten OCR-System, um das Lesen von PDF-Dokumenten zu verbessern. Obwohl das PDF weiterhin der dominierende Standard bleibt, wächst die Nachfrage nach maschinenfreundlicheren Formaten, da künstliche Intelligenz zunehmend relevant wird.