Hinter den Kulissen des Editors

Warum ist so gut darin, Dokumente zu bearbeiten?

Ein Sprachmodell kann einen guten Satz schreiben, aber ihn mitsamt der Formatierung wieder einzufügen ist eine andere Aufgabe. Wir erklären, warum es so schwierig war, KI dazu zu bringen, ein Dokument zu bearbeiten, und was wir entwickelt haben, um das zu beheben.

9 Min. Lesezeit3. Oktober 2026

Übersicht

Wenn Sie einen Chatbot bitten, eine Klausel in einer Word-Datei zu korrigieren, verlangen Sie von ihm zwei Aufgaben gleichzeitig: die Wörter zu ändern und das Dateiformat, das sie enthält, neu zu schreiben. Sprachmodelle sind gut in der ersten und unzuverlässig in der zweiten Aufgabe.

nimmt dem Modell die zweite Aufgabe ab. Dieser Artikel erklärt, warum das wichtig ist, wie es bei langen Dokumenten funktioniert und wie es im Vergleich zu Chat-Websites und Computer-Use-Agenten abschneidet.

  1. 01Ein Sprachmodell liest ein Dokument als Markup und nicht als Seite.
  2. 02Ein einziges falsches Zeichen kann eine Datei unlesbar machen, und lange Ausgaben machen falsche Zeichen wahrscheinlich.
  3. 03 trennt Inhalt von Formatierung: Das Modell bearbeitet die Wörter, unser Code schreibt die Datei.
  4. 04Lange Dokumente werden in Batches gruppiert, aufgeteilt und mit Kontext versehen, wie es moderne Coding-Agenten tun.
  5. 05Chat-Websites können Dateien mit Python bearbeiten, aber Änderungen können unbemerkt verloren gehen.
  6. 06Computer-Use-Agenten bearbeiten wie ein Mensch, zu einem vielfachen Preis.

01

LLM sieht nur Text, keine Formatierung

Öffnen Sie einen Vertrag in Word, sehen Sie eine Seite: eine Überschrift im Corporate Design, einen fett gedruckten Betrag, eine unterstrichene Frist. Das Word-Programm erstellt diese Formatierungen, damit wir visuell bearbeiten können. Unter einer Word-Datei (.docx) verbirgt sich ein komplexes XML-System, in dem jedes Wort, das wir sehen, mühsam mit versteckten Begriffen, dem sogenannten Markup, annotiert ist.12

Was Sie sehen

Was das Modell sieht

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. Miete</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Der Mieter zahlt </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>am ersten Tag eines jeden Monats</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Abbildung 1Dieselbe Klausel zweimal. Die Wörter beanspruchen 67 Zeichen; das XML darum herum beansprucht 456. Auszug aus word/document.xml.

Ein LLM wird nicht durch Microsoft Word, LibreOffice oder Pages unterstützt und muss sich auf sein eigenes Verständnis der Markups verlassen. Um korrekt zu bearbeiten, muss ein LLM die Wirkung des ursprünglichen Markups verstehen und den neuen Satz im korrekten Markup schreiben.

02

LLM-Ausgabe ist von Natur aus instabil

Modelle haben sich vielleicht erheblich verbessert, aber selbst die neuesten machen immer noch Fehler. In einer Microsoft-Research-Studie aus dem Jahr 2026 mit 19 Modellen über 52 Fachbereiche hinweg beschädigten Spitzenmodelle wie Gemini 3.1 Pro, Claude 4.6 Opus und GPT 5.4 am Ende langer Bearbeitungs-Workflows durchschnittlich 25 % des Dokumenteninhalts.4

In einer Word-Datei reicht ein kleiner Fehler aus, um eine Datei unbrauchbar zu machen. Hier hat das Modell einen einzigen Schrägstrich weggelassen:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Der Mieter zahlt </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>am ersten Tag eines jeden Monats</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Abbildung 2Ein fehlender Schrägstrich lässt das Fettdruck-Tag offen. Das XML ist nicht mehr wohlgeformt, und Word öffnet die Datei nicht mehr normal.3

XML duldet kein fehlerhaftes Markup. Eine Datei ist entweder wohlgeformt oder sie ist es nicht. Word kann eine beschädigte Datei manchmal wiederherstellen, aber in der wiederhergestellten Kopie fehlen möglicherweise Text oder Formatierungen.

Längere Ausgabe, mehr Fehler

Das Risiko wächst mit der Länge. LongProc, ein Benchmark für lange strukturierte Ausgaben aus dem Jahr 2025, ergab, dass Open-Weight-Modelle bei 2.000 Ausgabetoken schwächeln und GPT-4o bei 8.000 stark nachlässt.5 Eine andere Studie ergab, dass die Leistung mit wachsender Eingabe um 13,9 % bis 85 % sinkt, selbst wenn das Modell jeden relevanten Fakt abrufen kann.6 Ein 10-seitiges Word-Dokument umfasst etwa 10.000 Token; zu versuchen, alle 10 Seiten auf einmal fehlerfrei zu bearbeiten, ist ein aussichtsloses Unterfangen.

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP vertritt den Vermieter in allen Angelegenheiten, die sich aus diesem Mietvertrag ergeben.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Der Mieter hat die Mieträumlichkeiten in einem guten und ordentlichen Instandhaltungs- und Bauzustand zu halten.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Jede Mitteilung muss schriftlich erfolgen und an die in Anlage 2 genannte Adresse zugestellt werden.</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Der Vermieter kann diesen Mietvertrag künd4
  1. 1Ein alleinstehendes Et-Zeichen im Text. XML erfordert, dass es als Entität maskiert wird.
  2. 2Ein fehlendes schließendes Anführungszeichen. Alles danach wird als Teil des Wertes gelesen.
  3. 3Ein Run, der vor dem Ende des Absatzes nie geschlossen wird.
  4. 4Die Ausgabe stoppt einfach. Lange Generierungen können ein Längenlimit erreichen oder mitten in einem Tag ein Timeout verursachen.
Abbildung 3Vier Klauseln der Modellausgabe, vier Arten von Fehlern. Jede einzelne für sich macht die Datei unlesbar.

03

Wie das Problem löst

Wir schreiben maßgeschneiderte Programme, die Formatierung und Inhalt trennen. Das Modell erhält die zu ändernden Wörter zusammen mit einem gerenderten Bild der Seite, sodass es Unterstützung von einem Word-Programm erhält. Unser Code fügt die bearbeiteten Wörter dann wieder in die ursprünglichen Textläufe ein und lässt den Rest der Datei unverändert.

Ihre Datei

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Der Mieter zahlt </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>am ersten Tag eines jeden Monats</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

trennt Inhalt von Formatierung

Extrahierter Inhalt

Der Mieter zahlt US$2,400 am ersten Tag eines jeden Monats.

Gerenderte Seite

Beide gehen an das Modell

SprachmodellBearbeitet Wörter. Berührt niemals XML.

Das Modell gibt den bearbeiteten Inhalt zurück

Modellausgabe

Der Mieter zahlt US$2,400US$2,600 am ersten Tag eines jeden Monatsam fünften Tag eines jeden Monats.

schreibt die Wörter in die Originalabschnitte zurück

Ihre Datei, bearbeitet

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Der Mieter zahlt </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>am fünften Tag eines jeden Monats</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

✓ Gültiges .docx. Fettgedrucktes, Farbe und Unterstreichung entsprechen genau dem Original.

Abbildung 4Die Bearbeitungspipeline, vereinfacht dargestellt. Der hervorgehobene Text ist der einzige Teil der Datei, der sich geändert hat.

Das löst beide Probleme auf einmal. Das Modell sieht nun die Formatierung, die es zuvor nicht sehen konnte, und schreibt nicht mehr das Markup, das am wahrscheinlichsten fehlerhaft war.

Diese Ebene werden Sie in einem Allzweck-Chatbot nicht finden. Die Programme für Extraktion, Rendering und Wiederzusammensetzung werden von den eigenen Ingenieuren von entwickelt und gewartet.

04

Lösung des Problems des langen Kontexts

Manche Bearbeitungen sind lang: ein Absatz, der sich über mehrere Seiten erstreckt, oder eine Änderung, die konsistent über Hunderte hinweg angewendet wird. Hierfür haben wir von der Softwaretechnik gelernt. Im März 2026 veröffentlichte Anthropic versehentlich den Quellcode von Claude Code, seinem KI-Coding-Agenten, in einem öffentlichen npm-Paket.7

Dieser geleakte Code-Editor lehrt eine einfache Lektion: Um etwas Langes zu bearbeiten, muss man es herunterbrechen. Wir teilen ein Dokument in Seitengruppen auf (eine Technik namens Batching) und zerlegen lange Absätze in Sätze, sodass jede Änderung klein genug ist, um fehlerfrei zu sein.

Das Aufteilen eines Dokuments schafft ein neues Problem: den Kontext. Wie bearbeitet man einen Absatz auf Seite 60 unter Verwendung einer Definition auf Seite 2? Hier zahlt sich eine zweijährige Erfahrung mit KI-Code-Editoren (Cursor, GitHub Copilot, OpenAI Codex) aus. Deren Antwort lautet Kontext-Engineering, bei dem zusammenhängende Informationen in einer fokussierten Sammlung zusammengefasst und Sub-Agenten mit sauberen Kontextfenstern übergeben werden.8 Wir machen dasselbe mit Dokumenten. Wir gruppieren logisch zusammenhängende Informationen wie ein aufmerksamer Leser und senden sie zusammen mit dem Bearbeitungsziel an Sub-Editoren, die die eigentliche Änderung vornehmen.

1Dokument in Batches aufteilen

S. 1–40S. 41–80S. 81–120S. 121–160S. 161–200S. 201–240S. 241–280S. 281–300

2Lange Absätze aufteilen

Klausel 18.3 · S. 60
Satz 1Satz 2Satz 3Satz 4Satz 5

3Kontext erfassen, dann parallel bearbeiten

DefinitionenS. 2–12

Parteien und RollenS. 1

Frühere ÄnderungenS. 34

Sub-Editor 1S. 1–40 + Sammlung

Sub-Editor 2S. 41–80 + Sammlung

Sub-Editor 3S. 81–120 + Sammlung

Abbildung 5Ein 300-seitiges Dokument, aufgeteilt. Jeder Subeditor erhält einen kleinen Teil des Dokuments zusammen mit dem Kontext, von dem dieser Teil abhängt.

Beispiel: Schwärzung eines Urteils

Ein Anwalt möchte, dass jeder Zeugenname in einem Urteil geschwärzt wird und eine Liste der darin zitierten Fälle für die Recherche eines jüngeren Mitarbeiters erstellt wird.

  1. Suchen. findet jeden Personennamen und jedes Fallzitat durch gewöhnlichen Mustervergleich. Es wird noch kein Modell benötigt.
  2. Klassifizieren. Jeder Name gelangt zusammen mit dem ihn umgebenden Satz an ein Modell, das entscheidet: Zeuge, Anwalt oder Richter. Die Antworten bilden eine Sammlung von Zeugen.
  3. Sammeln. Dieselbe Methode erstellt eine Sammlung zitierter Fälle.
  4. Handeln. Da wir genau wissen, wo jeder Zeugenname gefunden wurde, schwärzen wir diese Stellen und nur diese in der Originaldatei.

IM HIGH COURT OF JUSTICE

KING’S BENCH DIVISION

Harrow v Kestrel Logistics Ltd

Vorher: Mrs Justice Holloway

URTEIL

Mrs Justice Holloway: Diese Klage resultiert aus dem Einsturz einer Laderampe im Lager des Beklagten am 14. März 2024. Der Kläger wurde von Ms Priya Raman und der Beklagte von Mr Thomas Whitby vertreten. Ich habe mündliche Zeugenaussagen an vier Tagen gehört.

Der Hauptzeuge, Mr Daniel Okafor, war Staplerfahrer in der Nachtschicht. Mr Okafor erklärte vor Gericht, dass die Warnleuchten an der Laderampe bereits seit mehreren Wochen defekt gewesen seien und dass er dies zweimal gemeldet habe. Eine zweite Zeugin, Ms Margaret Ellison, eine Auftragnehmerin, die die Laderampe im Februar inspiziert hatte, bestätigte, dass ihr Bericht eine sofortige Reparatur empfohlen hatte. Ich fand beide Zeugen sorgfältig und glaubwürdig.

Die Verkehrssicherungspflicht eines Inhabers gegenüber Personen, die sich rechtmäßig auf seinem Grundstück befinden, ist wohlbegründet, und ich nehme den Nachbarschaftsgrundsatz in Donoghue v Stevenson [1932] AC 562 als Ausgangspunkt. Ob es fair, gerecht und vernünftig ist, unter neuartigen Umständen eine Pflicht aufzuerlegen, wird durch Caparo Industries plc v Dickman [1990] 2 AC 605 geregelt, aber diese Umstände sind nicht neuartig. Mr Whitby trug vor, dass die geltend gemachten Verluste zu weit entfernt seien. Dieser Vortrag muss anhand von Hadley v Baxendale (1854) 9 Exch 341 geprüft werden.

Nach Berücksichtigung der Aussagen von Mr Okafor und Ms Ellison zusammen mit den Dokumenten bin ich davon überzeugt, dass der Beklagte den Mangel kannte und nicht gehandelt hat. Die Klage ist in der Haftungsfrage begründet. Der Schadensersatz wird in einer späteren Verhandlung bemessen. Ich danke Ms Raman und Mr Whitby für ihre klaren und präzisen Ausführungen.

Abbildung 6Ansichten wechseln, um das Ergebnis zu sehen. Das Urteil und die Namen sind frei erfunden; die drei zitierten Fälle sind real.

05

Können chatgpt.com, claude.ai und andere Chat-Websites dasselbe tun?

Manchmal ja. Diese Websites enthalten oft einen Python-Interpreter, mit dem das Modell eine Word- oder PowerPoint-Datei öffnen und deren XML mit Code bearbeiten kann.

Aber der Code wird nach wie vor von einem instabilen Modell geschrieben, und nichts überprüft das Ergebnis gegen das Original. Bei unseren internen Tests erhielten wir oft Dokumente mit unerwarteten Löschungen und Änderungen. In einem Extremfall kam ein 20-seitiges Dokument als 10-seitiges zurück, ohne Vorwarnung.

Chat-Website mit Python

20 Seiten
10 Seiten

Fertig! Ich habe Ihr Dokument mit den gewünschten Änderungen aktualisiert.

Keine Erwähnung der 10 fehlenden Seiten.

Änderungsprotokoll

  • S. 4 · Klausel 2.1

    dreißig (30) Tage sechzig (60) Tage

    Zurücksetzen
  • S. 9 · Klausel 6.3

    der Lieferant der Auftragnehmer

    Zurücksetzen
  • S. 17 · Anlage 1

    US$2,400 US$2,600

    Zurücksetzen

Neues Dokument erstellen

Abbildung 7Links: eine unbemerkte Kürzung aus unseren internen Tests. Rechts: Jede KI-Änderung auf OneTurn ist aufgelistet und kann rückgängig gemacht werden.

Ein stillschweigendes Weglassen oder Ändern ist für jede ernsthafte Arbeit fatal. Auf wird jede Änderung unseres KI-Agenten aufgezeichnet. Sie können jede einzelne überprüfen, rückgängig machen und ein neues Dokument erstellen.

06

Können Computer-Use-Agenten wie OpenClaw oder Manus das tun?

Diese Agenten steuern einen Computer so wie ein Mensch. Sie öffnen das Dokument in Microsoft Word oder PowerPoint und scrollen, klicken und tippen dann.11 Da sie dieselben Programme wie ein Mensch verwenden, können sie wie ein Mensch bearbeiten, und die Ergebnisse sind oft beeindruckend.

Der Preis besteht aus Kosten und Geschwindigkeit. Der Agent liest ein Dokument, indem er beim Scrollen Screenshots macht, und jeder kleine Schritt erfordert einen Modellaufruf, um zu entscheiden, was als Nächstes zu tun ist. Ein Full-HD-Screenshot kostet allein zwischen etwa 1.500 und 2.700 Token.10 Beim OSWorld-Benchmark benötigten selbst die besten Agenten 2,7- bis 4,3-mal so viele Schritte wie nötig, und spätere Schritte dauerten bis zu dreimal so lange wie frühe.9

Computer-Use-Agent

  1. Einen Screenshot erstellen
  2. Das Modell entscheidet über die nächste Aktion
  3. Scrollen, klicken oder tippen
  4. Für jeden Schritt wiederholen

  1. Den Text einmal lesen
  2. In Batches bearbeiten
  3. Die Datei schreiben
20-seitiger Vertrag, 30 ÄnderungenComputer-Use-Agent
Modellaufrufe≈ 180≈ 12
Token pro Aufruf≈ 10,000≈ 4,000
Token insgesamt≈ 1,800,000≈ 48,000
Unterschied≈ 37× mehr oder ≈ 100–160× mit den zusätzlichen Schritten, gemessen auf OSWorld
Abbildung 8Annahmen: ca. 11.000 Wörter; 60 Screenshots zum Lesen des Dokuments; 4 Aktionen pro Bearbeitung; jeder Aufruf enthält einen Screenshot plus den jüngsten Verlauf. OneTurn liest den Text einmal und sendet Korrekturen in Batches.

Unserer Schätzung nach kann ein Computer-Use-Agent bis zu 100-mal mehr LLM-Token als für dieselben Korrekturen verbrauchen und wesentlich länger für den Abschluss benötigen.

Quellen

  1. Struktur eines WordprocessingML-DokumentsMicrosoft Learn · Open XML SDK-Dokumentation
  2. ECMA-376: Office Open XML-DateiformateEcma International · Standard
  3. Ein Textverarbeitungsdokument validierenMicrosoft Learn · Open XML SDK-Dokumentation
  4. LLMs beschädigen Ihre Dokumente, wenn Sie delegierenLaban, Schnabel und Neville · Microsoft Research · 2026
  5. LongProc: Benchmarking von Sprachmodellen mit langem Kontext bei langer prozeduraler GenerierungYe et al. · COLM 2025
  6. Allein die Kontextlänge schadet der LLM-Leistung trotz perfekten AbrufsDu et al. · Findings of EMNLP 2025
  7. Anthropic legt versehentlich den Quellcode von Claude Code über eine npm-Sourcemap-Datei offenInfoQ · 7. April 2026
  8. Effektives Kontext-Engineering für KI-AgentenAnthropic Engineering · 29. September 2025
  9. OSWorld-Human: Benchmarking der Effizienz von Agenten für die ComputernutzungAbhyankar, Qi und Zhang · MLSys 2026
  10. Vision: Auflösung und Token-KostenClaude Platform-Dokumentation
  11. Metas Manus startet Desktop-App, um seinen KI-Agenten inmitten des OpenClaw-Hypes auf persönliche Geräte zu bringenCNBC · 18. März 2026

Die Abbildungen sind für diesen Artikel erstellte Illustrationen. Das XML ist echtes WordprocessingML; Dateinamen, Personen und das Urteil sind frei erfunden.

Probieren Sie es an einem Dokument aus, bei dem Sie sich einen Fehler nicht leisten können.

kostenlos testen →