Wie Zahlen normalisiert werden: Von der Fußnote zur kanonischen Größe

Wie aus einer Rohzelle wie „1.234 (in Tausend, SAR)“ eine einzige typisierte, vergleichbare Zahl wird – die Entscheidungen zu Skala, Währung, Periode und Vorzeichen, die Rexfin trifft, bevor eine Zahl als vertrauenswürdig gilt.

Das meiste, was mit einer Zahl in einer Einreichung passiert, geschieht, bevor sie überhaupt eine Zahl ist. Eine Zelle zeigt „1.234”. Eine Fußnote drei Seiten weiter besagt, der Abschluss sei in Tausend saudischen Riyal dargestellt. Eine Klammer um eine andere Zelle bedeutet, der Wert sei negativ – oder bedeutet, es handle sich um eine Kostenposition, die die Einreichung in ihrer eigenen Konvention druckt. Nichts davon steht in der Zelle selbst; es muss aus Überschriften, Fußnoten und Abschlussstruktur herausgelesen und dem Wert zugeordnet werden, bevor der Wert überhaupt etwas bedeutet. Dieser Zuordnungsschritt ist die Normalisierung, und sie läuft unmittelbar nachdem die Datenerfassung den Abschlussbestandteil lokalisiert hat, zu dem eine Zelle gehört.

Was eine Rohzelle tatsächlich braucht

Ein gedrucktes „1.234” ist keine einzelne Information – es ist ein Wert, gebündelt mit mindestens vier Dingen, von denen abhängt, ob er richtig gelesen wird: die Skala, in der er dargestellt ist (Einheiten, Tausend, Millionen), die Währung, auf die er lautet, die Periode, zu der er gehört (ein Zeitpunkt, wie ein Bilanzstichtag, oder eine Spanne, wie ein Geschäftsjahr), und sein Vorzeichen (ist eine geklammerte Zahl ein Verlust, eine Gegenposition, oder eine Kostenzeile, die die Einreichung positiv druckt und die Rexfin konsistent speichern muss). Rexfin liest jedes dieser Merkmale aus der Rohzelle heraus und speichert sie neben dem Wert selbst, zusammen mit der Einheit, zu der die Zahl gehört – Einzelgesellschaft oder Konzern –, damit eine Zahl nie losgelöst von dem Kontext existiert, der sie zu einem Fakt macht statt zu einer bloßen Ziffer.

Skala und Währung werden je Einreichung gelesen, nicht angenommen

Die naheliegende Falle ist eine feste Annahme – einmal festlegen, dass ein Deal „in Tausend berichtet”, und das überall anwenden. Rexfin macht das nicht. Skala und Währung werden je Einreichung erkannt, weil ein einzelner Deal den SAR-Tausend-Konzernabschluss einer Gruppe mit den AED-Vollbetrag-Einzelabschlüssen einer Tochtergesellschaft mischen kann. Die Erkennung liest die Überschrift der jeweiligen Abschlussseite selbst – ein Label im Stil „AED ‘000”, einschließlich seiner OCR-Varianten – und greift, wo das fehlt, auf Fließtext zurück, etwa eine Anmerkung, die besagt, die Zahlen seien „in Tausend saudischer Riyal” dargestellt, mit einer weiteren Rückfallebene für Seiten, die vollständig gescannte Bilder sind. Lässt sich daraus nichts sauber ableiten, verweigert Rexfin lieber, statt zu raten: eine mehrdeutige Skala, eine Währung, die nicht zum Rest der Einreichung passt, oder eine Einreichung, die Währungen mischt, ohne das kenntlich zu machen, sind allesamt Gründe, eine Zahl zurückzuhalten, statt sie auf Verdacht zu normalisieren. Dieselbe Fail-Closed-Haltung, die die Datenerfassung bei einer nicht klassifizierbaren Seite zeigt, übernimmt die Normalisierung für die Zahlen selbst.

Warum auch die Toleranz skalieren muss

Eine falsch erkannte Skala etikettiert eine Zahl nicht nur falsch – sie zerstört auch die Prüfung, die eigentlich Fehler abfangen soll. Eine Abstimmungstoleranz, die für in Vollbeträgen gedruckte Zahlen ausgelegt ist, ist für einen auf die nächste Tausend gerundeten Abschluss viel zu eng: Eine Zwischensumme, die nur wegen der Rundung um ein paar Einheiten daneben liegt, sieht wie eine echte Abweichung aus, wenn die Toleranz die Skala des Abschlusses nicht kennt. Deshalb fließt die für eine Einreichung erkannte Skala direkt in die Toleranz ein, die später beim Abstimmen von Summen verwendet wird – die zulässige Abweichung wird relativ zur gedruckten Skala festgelegt, nicht als fixer absoluter Betrag, damit ein in Tausend gerundeter Abschluss keine Fehlalarme auslöst, die ein Abschluss in Vollbeträgen nie ausgelöst hätte.

Was am anderen Ende herauskommt

Sobald Skala, Währung, Periode, Vorzeichen und Bezugseinheit zugeordnet sind, steht jede Zahl über Bilanz, Gewinn- und Verlustrechnung sowie Kapitalflussrechnung auf derselben Grundlage – ein Kassenbestand gebunden an den Zeitpunkt, zu dem er gemessen wurde, ein Cashflow gebunden an das Geschäftsjahr, das er abdeckt, ein Mittelabfluss, der sein gedrucktes Vorzeichen behält, während eine Kosten- oder Aufwandsposition als positiver Betrag gespeichert wird. Quartalszahlen oder rollierende Zwölf-Monats-Werte, die aus berichteten Perioden zusammengesetzt sind, werden als berechnet markiert statt als direkt aus der Quelle stammend, und sie tragen die Vertrauensstufe ihrer schwächsten Eingabegröße statt der ihrer stärksten.

Genau diese Konsistenz erlaubt es, dass ein Vergleich über Unternehmen hinweg – auch Unternehmen, die in unterschiedlichen Währungen berichten – von Zahlen ausgeht, die dasselbe bedeuten, statt von zwei Fußnoten, die niemand abgeglichen hat. Es ist auch genau das, was der kanonische Atom-Store hält: nicht eine nackte Zahl, sondern die Zahl plus Skala, Währung, Periode und Vorzeichen, die sie für sich genommen verteidigbar machen.

Für wen das gebraucht wird

Für jeden, der schon zwei Umsatzzeilen zweier Unternehmen verglichen und später festgestellt hat, dass die eine in Tausend und die andere in Vollbeträgen ausgewiesen war, oder eine Kapitalflussrechnung summiert hat, bei der das Vorzeichen einer Kostenzeile nicht zu den eigenen Annahmen passte. Die Normalisierung ist die Schicht, die das abfängt, bevor eine falsche Zahl je eine Chat-Antwort oder einen Export erreicht. Wie das mit dem Rest der Intake-Pipeline zusammenhängt, sehen Sie im Themenüberblick.