How do I install the Dokumentstapel Aufnehmen skill?

Run npx skillmds@latest add thomasmoreai/dokumentstapel-aufnehmen in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Dokumentstapel Aufnehmen safe to use?

SkillMD's automated safety review verdict for this skill is PASS. Independent scanners report: SkillSpector: PASS, Skill Scanner: PASS. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Dokumentstapel Aufnehmen?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Dokumentstapel Aufnehmen free to use?

Yes. Installing skills from SkillMD is free. This skill is licensed under Apache-2.

Who published Dokumentstapel Aufnehmen?

ThomasMoreAI (@thomasmoreai) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Dokumentstapel Aufnehmen by thomasmoreai

Name: Dokumentstapel Aufnehmen
Author: ThomasMoreAI

Dokumentstapel Aufnehmen

Dokumentenstapel für 3D-Tabellenreview einlesen: PDFs, Excel-Dateien, Word-Dokumente aufnehmen. Normen: §§ 174 ff. InsO. Prüfraster: Dateiformat-Kompatibilitaet, Metadaten, Importfehler. Output: Dokumentenstapel-Inventar. Abgrenzung: nicht Einzeldokument-Prüfung.

ThomasMoreAI Updated Sep 17, 2026

File contents

/tabellenreview-3d:dokumentstapel-aufnehmen

Triage zu Beginn

Welchen Teil des 3D-Wuerfels betrifft diese Operation?
Ist die Operation auditpflichtig? (alle Wuerfeloperationen sind zu protokollieren)
Wird das Ergebnis in die Mandatsakte aufgenommen?
Sind berufsrechtliche Sorgfaltspflichten einzuhalten? (§ 43 BRAO, § 50 BRAO)

Rechtliche Grundlagen

Rechtsprechung: keine Entscheidung aus Modellwissen zitieren; vor Ausgabe über offizielle oder frei zugängliche Quelle mit Gericht, Entscheidungsform, Datum, Aktenzeichen und tragender Aussage verifizieren.

Zweck

Bevor der Reviewlauf startet muss der Dokumentenstapel sauber sein — kein Dokument doppelt kein Dokument vergessen kein Dokument falsch klassifiziert. Dieser Skill ist die Eingangsphase der Zeilenachse.

Eingabequellen

VDR-Export: Verzeichnis mit Originalstruktur — Datasite Intralinks Box SharePoint
Lokaler Ordner: flach oder verschachtelt
E-Mail-Anhänge: automatische Extraktion aus EML / MSG
Gescannte PDF: OCR-Pipeline mit Konfidenzwert pro Seite
Manuelle Liste: vom Nutzer eingegebene Dateipfade

Ablauf

Inventarisierung: alle Dateien rekursiv erfassen, kanonischen Pfad bilden.
Hashing: SHA-256 pro Datei berechnen — Basis für Duplikaterkennung und Belegkette.
Klassifikation: Dokumenttyp aus Dateiname Mimetype und Inhalt (z. B. Vertrag-Kunde / Vertrag-Lieferant / NDA / Bankvereinbarung / Lizenzvertrag / Personalakte / Grundbuchauszug / Mietvertrag / Gesellschaftsvertrag).
Sprache: Sprachidentifikation pro Dokument (Deutsch / Englisch / sonstige).
OCR bei Scans: OCR ausführen, Konfidenz protokollieren. Konfidenz unter 90 Prozent = prüferflag.
Duplikatprüfung: Hash-Identität erkennt exakte Duplikate. Ähnlichkeit (z. B. Cosine über Embedding) erkennt Quasi-Duplikate (Fassungen / Änderungsvereinbarungen).
Datenraum-Lücken: wenn ein Dokument auf Anlage 7 verweist und im Stapel keine anlage 7 vorhanden ist, als lücke markieren.
Zeilen-Inventar schreiben: zeilen-inventar.yaml mit allen Zeilen, jede mit id pfad hash typ sprache ocr-konfidenz prüfer-flag und leerem zeilenprompt.

Pflichtfelder pro Zeile

- id: z-0042
  pfad: "vdr/kunden/042-rahmenvertrag-mueller-gmbh-2023.pdf"
  hash: "sha256:a1b2..."
  typ: "rahmenvertrag-kunde"
  sprache: "de"
  seitenzahl: 47
  ocr-konfidenz: 0.97
  pruefer-flag: null
  zeilenprompt: ""
  datenraum-luecken: []

Ausgabe

zeilen-inventar.yaml — vollständige Zeilenachse
duplikatreport.md — exakte und Quasi-Duplikate mit Prüfer-Entscheidung
datenraum-luecken.md — referenzierte aber nicht vorhandene Dokumente

Grenzen

Klassifikation ist heuristisch. Bei Konfidenz unter 80 Prozent fragt der Skill zurück. OCR-Qualität hängt vom Scan ab. Belegkette ist nur so gut wie die OCR-Konfidenz.

---name: dokumentstapel-aufnehmendescription: Dokumentenstapel für 3D-Tabellenreview einlesen: PDFs, Excel-Dateien, Word-Dokumente aufnehmen. Normen: §§ 174 ff. InsO. Prüfraster: Dateiformat-Kompatibilitaet, Metadaten, Importfehler. Output: Dokumentenstapel-Inventar. Abgrenzung: nicht Einzeldokument-Prüfung.license: Apache-2.0---# /tabellenreview-3d:dokumentstapel-aufnehmen## Triage zu Beginn1. Welchen Teil des 3D-Wuerfels betrifft diese Operation?2. Ist die Operation auditpflichtig? (alle Wuerfeloperationen sind zu protokollieren)3. Wird das Ergebnis in die Mandatsakte aufgenommen?4. Sind berufsrechtliche Sorgfaltspflichten einzuhalten? (§ 43 BRAO, § 50 BRAO)## Rechtliche Grundlagen- Rechtsprechung: keine Entscheidung aus Modellwissen zitieren; vor Ausgabe über offizielle oder frei zugängliche Quelle mit Gericht, Entscheidungsform, Datum, Aktenzeichen und tragender Aussage verifizieren.## ZweckBevor der Reviewlauf startet muss der Dokumentenstapel sauber sein — kein Dokument doppelt kein Dokument vergessen kein Dokument falsch klassifiziert. Dieser Skill ist die Eingangsphase der Zeilenachse.## Eingabequellen- **VDR-Export:** Verzeichnis mit Originalstruktur — Datasite Intralinks Box SharePoint- **Lokaler Ordner:** flach oder verschachtelt- **E-Mail-Anhänge:** automatische Extraktion aus EML / MSG- **Gescannte PDF:** OCR-Pipeline mit Konfidenzwert pro Seite- **Manuelle Liste:** vom Nutzer eingegebene Dateipfade## Ablauf1. **Inventarisierung:** alle Dateien rekursiv erfassen, kanonischen Pfad bilden.2. **Hashing:** SHA-256 pro Datei berechnen — Basis für Duplikaterkennung und Belegkette.3. **Klassifikation:** Dokumenttyp aus Dateiname Mimetype und Inhalt (z. B. Vertrag-Kunde / Vertrag-Lieferant / NDA / Bankvereinbarung / Lizenzvertrag / Personalakte / Grundbuchauszug / Mietvertrag / Gesellschaftsvertrag).4. **Sprache:** Sprachidentifikation pro Dokument (Deutsch / Englisch / sonstige).5. **OCR bei Scans:** OCR ausführen, Konfidenz protokollieren. Konfidenz unter 90 Prozent = `prüferflag`.6. **Duplikatprüfung:** Hash-Identität erkennt exakte Duplikate. Ähnlichkeit (z. B. Cosine über Embedding) erkennt Quasi-Duplikate (Fassungen / Änderungsvereinbarungen).7. **Datenraum-Lücken:** wenn ein Dokument auf `Anlage 7` verweist und im Stapel keine `anlage 7` vorhanden ist, als `lücke` markieren.8. **Zeilen-Inventar schreiben:** `zeilen-inventar.yaml` mit allen Zeilen, jede mit `id` `pfad` `hash` `typ` `sprache` `ocr-konfidenz` `prüfer-flag` und leerem `zeilenprompt`.## Pflichtfelder pro Zeile```yaml- id: z-0042 pfad: "vdr/kunden/042-rahmenvertrag-mueller-gmbh-2023.pdf" hash: "sha256:a1b2..." typ: "rahmenvertrag-kunde" sprache: "de" seitenzahl: 47 ocr-konfidenz: 0.97 pruefer-flag: null zeilenprompt: "" datenraum-luecken: []```## Ausgabe- `zeilen-inventar.yaml` — vollständige Zeilenachse- `duplikatreport.md` — exakte und Quasi-Duplikate mit Prüfer-Entscheidung- `datenraum-luecken.md` — referenzierte aber nicht vorhandene Dokumente## GrenzenKlassifikation ist heuristisch. Bei Konfidenz unter 80 Prozent fragt der Skill zurück. OCR-Qualität hängt vom Scan ab. Belegkette ist nur so gut wie die OCR-Konfidenz.

Frequently asked questions