Bilder, Screenshots und Dateien an die KI geben
Die KI kann nicht nur Text lesen. Wie Du Fotos, Screenshots und PDFs hochlädst, was dabei rauskommt und wo die Grenzen sind.
Die meisten tippen der KI alles ab. Sie schreiben den Text aus einem Screenshot mühsam in den Chat, obwohl sie das Bild einfach hochladen könnten. Das ist der am meisten übersehene Einsteiger-Trick von 2026. ChatGPT, Claude und Gemini lesen nicht nur Text. Sie schauen sich Fotos an, lesen Screenshots, arbeiten ganze PDFs durch. Du musst nur wissen, wo der Knopf ist und wie Du die Frage stellst.
Wo Du hochlädst
In jedem der drei großen Tools gibt es im Eingabefeld ein Büroklammer- oder Plus-Symbol. Da klickst Du drauf, wählst eine Datei vom Rechner oder Handy, und schreibst Deine Frage dazu. Auf dem Handy kannst Du meistens direkt die Kamera öffnen und ein Foto knipsen. Am Rechner ziehst Du die Datei oft auch einfach ins Chatfenster. Das war der ganze Zauber.
Wichtig ist der zweite Teil: Die Datei allein reicht nicht. Du musst sagen, was Du willst. Ein Foto ohne Frage bringt Dir eine allgemeine Beschreibung. Ein Foto mit klarer Frage bringt Dir die Antwort, die Du brauchst.
Fotos und Screenshots
Hier ein paar Sachen, die im Alltag sofort Zeit sparen.
Ein Screenshot von einer Fehlermeldung, die Du nicht verstehst. Lade ihn hoch und frag "Was bedeutet das und was soll ich tun?" Die KI liest die Meldung und erklärt sie in normalem Deutsch.
Ein Foto von einem handschriftlichen Zettel oder einem Whiteboard nach einem Meeting. Frag "Tipp mir das sauber ab und mach eine Stichpunktliste draus." Aus krakeliger Schrift wird ein ordentlicher Text.
Ein Screenshot von einer Tabelle oder einem Diagramm. Frag "Was sind die drei wichtigsten Zahlen hier?" oder "Erklär mir, was diese Grafik aussagt." Das funktioniert auch bei Schaubildern, die Du auf die Schnelle nicht deuten kannst.
Ein Produktfoto oder ein Bild von einer Pflanze, einem Gerät, einem Bauteil. Frag "Was ist das und wie benutze ich es?" Die Erkennung ist gut, aber nicht perfekt. Dazu gleich mehr.
PDFs und lange Dokumente
Das ist für Jobsuchende und Selbstständige der größte Hebel. Du lädst ein PDF hoch und lässt es durcharbeiten, statt selbst zwanzig Seiten zu lesen.
Ein Mietvertrag, ein Arbeitsvertrag, ein Versicherungsschreiben. Frag "Fass die wichtigsten Punkte zusammen und markier alles, was für mich ein Nachteil sein könnte." Du bekommst in dreißig Sekunden einen Überblick, den Du sonst in einer halben Stunde selbst erarbeitest.
Eine Stellenausschreibung als PDF. Lade sie zusammen mit Deinem Lebenslauf hoch und frag "Wo passe ich gut, wo fehlt mir was, und welche drei Sätze aus meinem Lebenslauf sollte ich für diese Stelle umschreiben?" Zwei Dateien auf einmal, ein konkretes Ergebnis.
Ein Fachartikel oder eine Anleitung. Frag "Erklär mir das Kernthema so, als wäre ich fünfzehn" oder "Was muss ich davon wirklich wissen?" Gut zum Einlesen in ein neues Thema.
Was gut klappt und was nicht
Gut klappt: gedruckter Text, klare Screenshots, Tabellen, Diagramme, normale Fotos von Objekten. Auch ordentliche Handschrift wird zuverlässig gelesen.
Schwieriger wird es bei schlechten Fotos. Ein schräg geknipstes, verwackeltes oder dunkles Bild führt zu Lesefehlern. Bei sehr krakeliger Handschrift rät die KI manchmal, statt zu lesen. Und bei Zahlen aus einer engen Tabelle passieren die meisten Fehler, weil eine Ziffer schnell verrutscht.
Deshalb die eiserne Regel: Bei allem, wo eine falsche Zahl teuer wird, also Rechnungen, Verträge, Termine, prüfst Du das Ergebnis gegen das Original nach. Die KI ist hier ein schneller erster Blick, nicht die letzte Instanz. Das gilt genauso wie bei Text, den sie erfindet. Wie Du das systematisch prüfst, steht in der Routine zum Faktencheck.
So formulierst Du die Frage zum Bild
Drei Dinge machen den Unterschied.
Sag, was die Datei ist. "Das ist ein Screenshot aus meinem Online-Banking" gibt der KI Kontext, den sie aus dem Bild allein nicht sicher rausliest.
Sag, was Du willst. Nicht "was ist das", sondern "lies mir die Beträge in einer Liste vor" oder "erklär mir den zweiten Absatz". Je konkreter die Aufgabe, desto brauchbarer die Antwort.
Frag nach, wenn was unklar ist. "Bist Du Dir bei der dritten Zahl sicher, oder ist das Bild dort zu unscharf?" Ein gutes Modell sagt Dir dann ehrlich, wo es geraten hat.
Kurz zum Datenschutz
Ein Foto von einem Dokument enthält oft mehr, als Du denkst. Namen, Adressen, Kontonummern, im Hintergrund vielleicht noch andere Zettel. Bevor Du sensible Sachen hochlädst, gilt dasselbe wie beim Text: überleg, ob die Daten wirklich in einen fremden Dienst gehören, und schalt die Trainings-Nutzung ab, wenn Du das noch nicht getan hast. Die Details stehen in der Lektion zum Datenschutz für Einsteiger.
Nächster Schritt
Probier es heute einmal aus. Mach ein Foto von irgendetwas, das Du gerade nicht sortiert kriegst, einem Zettel, einer Tabelle, einer Fehlermeldung, und lade es hoch mit einer klaren Frage dazu. Wenn Du einmal gesehen hast, wie schnell aus einem Bild ein nutzbarer Text wird, tippst Du nie wieder alles selber ab.