Vom PDF zur interaktiven Anleitung: Zwischenbericht Pattern-Converter

Kurzfassung des Entwicklungsberichts vom 21. September 2026, Berichtszeitraum 10. bis 21. September. Alle Zahlen stammen aus den Messprotokollen des Projekts. Der Bericht enthält keine Inhalte aus den Originalanleitungen und keine Namen; Quelldokumente werden nur über neutrale Codes angesprochen.

Ziel und Leitprinzip

Der Pattern-Converter übersetzt Strick- und Häkelanleitungen, die als PDF vorliegen, in interaktive e-Patterns: Anleitungen mit Größenwahl, automatisch gezählten Wiederholungen, Fortschrittsanzeige und einer Rückbindung jedes Arbeitsschritts an die Stelle im Original, aus der er stammt. Er soll das Original nicht stillschweigend reparieren. Jede Abweichung, jede Unsicherheit und jeder ungelöste Rest bleibt sichtbar.

Die tragende Architekturentscheidung: Ein lokal betriebenes Sprachmodell liest den aus dem PDF extrahierten Text und schlägt eine Zerlegung in Schritte, Wiederholungen, Größenzweige und Materialangaben vor. Ein kleiner, vollständig deterministischer Prüfkern kontrolliert diesen Vorschlag hart. Jede Behauptung braucht eine Quellstelle, jede Wiederholung muss endlich sein, jede genannte Größe muss vollständig ausgeführt sein. Besteht der Vorschlag die Prüfung nicht, gibt es kein Produkt, sondern einen festen, erklärenden Fehlercode. Eine bestandene Strukturprüfung beweist dabei keine Bedeutungstreue, und eine plausible Darstellung beweist keine reale Materialform; diese Trennung zieht sich durch alles Folgende.

Der Bestand

Grundlage sind 63 Archive mit 182 PDF-Dokumenten und 86 Bildern. 63 der PDFs sind einseitige Beilageblätter ohne Anleitungsinhalt; die übrigen 119 Dokumente mit zusammen 2.370 Seiten sind die Anleitungen, 16 davon reine Scans ohne erkennbaren Text. Alle stammen von derselben Autorin. Das bleibt die wichtigste Einschränkung: Jede gemessene Erfolgsquote gilt für diesen einen Stil, dieses Layout und diese Sprache, nicht für Strickanleitungen im Allgemeinen.

Der Bestand wurde von Beginn an in eine Entwicklungsmenge von 93 Anleitungsdokumenten und eine zurückgehaltene Prüfmenge von 26 Dokumenten getrennt, die während der gesamten Entwicklung nie gelesen, nie zitiert und nie für Tests verwendet wurden.

Was ein Lauf erzeugt

Der erste Schritt liest die PDF-Datei, berechnet ihre Prüfsumme und extrahiert alle Textwörter mit ihren Koordinaten sowie alle nicht-textuellen Bereiche: Bilder, Rahmen, Linien, Kurven. Das Original wird nie verändert. Jeder dieser Bausteine ist eine adressierbare Quelleinheit, und am Ende trägt jede Einheit genau eine von drei Antworten: verwendet (sie steht hinter einem Arbeitsschritt), Kontext (sie gehört erkennbar nicht zur Anweisung, etwa ein Seitenlogo) oder ungelöst. Ein Paket, in dem keine Einheit ungelöst blieb, heißt vollständig; sobald eine offen ist, heißt es Teilkonversion. Beides steht sichtbar im Ergebnis.

Das Ergebnis ist eine einzelne, versionierte JSON-Datei, die zweimal geprüft wird: beim Erzeugen und ein zweites Mal, unabhängig, beim Öffnen im Browser. Ein kleiner, ohne Internetzugriff lauffähiger Reader zeigt Größenwahl, Schritt für Schritt mit Wiederholungszähler, gerätelokal gespeicherten Fortschritt und zu jedem Schritt die Originalseite mit markierter Textstelle. Alles läuft lokal. Originaltexte und Modellantworten verlassen den privaten Datenordner nie; jede Ausgabe auf der Kommandozeile besteht ausschließlich aus festen Diagnosecodes und Zählwerten.

Für gescannte Seiten ohne Textschicht wird die im Betriebssystem vorhandene Texterkennung eingesetzt, ohne zusätzliche Installation und ohne Cloud, nur für Seiten mit höchstens zwei nativ lesbaren Wörtern. Erkannte Zeilen werden nie automatisch korrigiert.

Was die Messungen ergaben

Die erste Messung über die Entwicklungsmenge am 18. September ernüchterte: Nur 10 von 23 geprüften Anleitungen wurden zu einem Kandidaten, keine mit sechs oder mehr Seiten. Die Fehlersuche zeigte, dass der Hauptgrund nicht im Sprachmodell lag, sondern in einem geometrischen Rundungsfehler: Bei 36 von 98 Dokumenten ragte eine aus dem PDF abgeleitete Box um bis zu 0,1 Punkt über den Seitenrand und löste die Regel „keine Box außerhalb der Seite" aus. Mit dieser und acht weiteren kleinen, einzeln belegten Korrekturen stieg die Reichweite am selben Tag auf 22 von 23. Dieses Muster wiederholte sich: Fast jede zunächst als Modellfehler vermutete Ursache war am Ende ein geometrisches Detail, eine Formulierung im Prompt oder eine Grenze der Infrastruktur.

Nach Abschluss aller Läufe wurden 87 von 93 Anleitungsdokumenten der Entwicklungsmenge Kandidat: 70 von 73 mit nativer Textschicht und 17 von 20 Scans. Die drei verbleibenden Ausnahmen sind benannt: zwei Extremdokumente der blockweisen Interpretation und ein Bildtutorial, dessen Anleitung ausschließlich in Bildern steht.

Eine zweite Messung am 20. und 21. September, auf dem seither weiterentwickelten Stand und bewusst in einem Durchgang ohne Nachbesserungen, ergab 81 von 93: 65 von 73 Anleitungen und 16 von 20 Scans. Die niedrigere Zahl ist kein Rückschritt, sondern eine strengere Methodik; die erste Messung erreichte ihr Ergebnis erst nach Korrekturrunden während des Laufs. Beide Zahlen bleiben nebeneinander stehen, weil eine einzige Erfolgsquote ihre unterschiedliche Aussagekraft verdecken würde.

Die Prüfung an den 26 nie gesehenen Dokumenten ergab 23 von 26 Kandidaten. Die Schwelle von 20 stand vor dem Lauf fest, zusammen mit der Lesart der schlechteren Fälle. Bestätigt ist damit die Reichweite auf ungesehenen Gestaltungen derselben Autorin, nicht mehr.

Die automatisierte Testsuite wuchs im Berichtszeitraum von 223 auf 297 bestandene Tests, weil praktisch jede Korrektur mit eigens geschriebenen Tests belegt wurde.

Bilder: erst klassifizieren, nie übersetzen

Eine Bestandsmessung am 13. September lieferte die Zahl, die die weitere Entwicklung bestimmte: Von 25.316 nicht-textuellen Regionen im Bestand war keine einzige aufgelöst. Jede Seite trug mindestens eine ungelöste Region. Ein vollständiges Paket war damit für keine einzige reale Anleitung erreichbar.

Die Entscheidung fiel gegen eine Transkription von Bildinhalten und für drei Stufen. Eine rein geometrische Stufe ohne Modell erkennt Haarlinien und wiederkehrende Bildboxen wie ein Kopf-Logo als Kontext; auf den 93 Entwicklungsdokumenten waren das 5.025 Linien und 2.283 Boxen. Eine zweite Stufe ordnet Bildregionen über ein lokales Bildmodell einer von sieben groben Kategorien zu, von denen nur zwei überhaupt freigegeben werden dürfen, und auch diese nur unter fünf gleichzeitig erfüllten Bedingungen. Alles andere bleibt ungelöst. Die dritte Stufe ist die Abnahme an einer künstlich erzeugten Referenzanleitung mit bekannter Wahrheit zu jeder Region, bevor irgendetwas an echten Bildern angewendet wird.

Diese Abnahme fiel differenziert aus. Das harte Kriterium, niemals eine anweisungstragende Bildregion fälschlich freizugeben, wurde vollständig erfüllt: 0 von 63 Referenzregionen falsch freigegeben, alle 63 korrekt lokalisiert. Das weichere Ziel, mindestens 70 Prozent der dekorativen Regionen als Kontext zu erkennen, wurde mit 54 Prozent verfehlt, weil das Modell kleine Ornamente vorsichtshalber als Symbol einstufte. Das ist die sichere Richtung: Im Zweifel bleibt eine Region ungelöst.

Seit dem 20. September kann ein Arbeitsschritt außerdem eine Bild- oder Tabellenregion als seine Quelle zitieren, wenn die Anleitung das ausdrücklich vorsieht („arbeite nach Diagramm A"). Damit das Modell Bilder nicht zitiert, um lästige Ungelöst-Meldungen loszuwerden, gilt eine geometrische Ortsbindung: Ein Zitat zählt nur, wenn derselbe Abschnitt auch echten Text derselben Seite zitiert. An der Referenz zitierte das Modell 10 von 10 anweisungstragenden Regionen korrekt und keine Schmuckregion fälschlich; in der zweiten Messung über den Bestand wurden 63 Bildeinheiten in 20 Kandidaten zitiert, ohne eine einzige Fehlfreigabe.

Kosten

Die Konversion läuft vollständig über ein firmeninternes Modell; die begrenzende Ressource ist Rechenzeit. Ein Lauf dauert je nach Dokumentlänge 2 bis 46 Minuten, im Mittel rund 10 Minuten; die längste erfolgreiche Konversion brauchte 2.737 Sekunden für das größte Dokument der Entwicklungsmenge. Eine vollständige Messung über rund 100 Dokumente dauert mehrere Stunden bis über einen halben Tag.

Was heute gilt

Eine Autorin kann eine eigene PDF-Anleitung mit einem Befehl lokal in ein interaktives Paket umwandeln und im Browser prüfen. Was ausdrücklich nicht funktioniert oder nicht bewiesen ist:

1. Bedeutungstreue ist nicht bewiesen. Jedes Paket trägt das Merkmal „fachlich ungeprüft", und der Reader zeigt es. Die Werkzeuge der Semantikprüfung liefern Modellurteile, keine Fachabnahme; eine Prüfung durch Menschen mit textiler Kompetenz hat nicht stattgefunden.
2. Reale Pakete sind immer Teilkonversionen. Symbolcharts aus vielen kleinen Zeichen bleiben grundsätzlich ungelöst; der Reader kann das Originalbild zeigen, aber nicht übersetzen.
3. Eine Autorin, eine Gestaltung. Eine Übertragung auf andere Autorinnen ist mit diesem Bestand nicht möglich und wird nicht behauptet.
4. Etwa jedes zehnte Dokument wird erklärt abgelehnt, mit festem Fehlercode, nie stillschweigend.
5. Rechtliche Fragen zur Bildwiedergabe sind ungeklärt. Sobald ein Schritt ein Originalbild als Quelle zeigt, gibt der Reader einen Ausschnitt des Originals weiter; die Rechte liegen bei der Autorin.

Offen vor einem produktiven Einsatz: eine Sichtung zitierter Bildregionen und Klassifikatorurteile durch den Betreiber, die Klärung der Rechtslage, eine fachliche Prüfung der erkannten Semantikabweichungen und eine erste vollständig im Browser geprüfte reale Anleitung. Eine widerlegte Hypothese oder eine offen erklärte Grenze ist in diesem Projekt ein gültiges Ergebnis; dieser Bericht nennt beides.