Heute wurde Paper Office veröffentlicht, eine Suite von Python-Paketen, die es KI-Agenten ermöglichen, Word-, PowerPoint- und Excel-Dateien mit mehr Sicherheit, Korrektheit und einem größeren Funktionsumfang zu manipulieren. Diese Pakete bauen auf den bewährten Open-Source-Bibliotheken python-docx, python-pptx und OpenPyxl auf.
In Tests über fünf Modelle und 61 Aufgaben hinweg erreichten die Paper-Pakete inklusive Anleitung eine Erfolgsquote von 92,5 %. Im Vergleich dazu lagen die Standard-Pakete ohne spezielle Fähigkeiten bei 80,7 % und Anthropic-Modelle mit vergleichbaren Office-Fähigkeiten bei 69,5 %. Ein entscheidender Vorteil zeigt sich bei der Code-Generierung: Agenten mussten nur in 1,6 % der Fälle Code schreiben, um die internen Strukturen der Office-Dateien direkt zu editieren, während dies ohne die Paper-Pakete bei 78,7 % (und bei Anthropic-Fähigkeiten bei 50,5 %) der Fall war. Dies unterstreicht, dass grundlegende Software neben Prompts und Tools ein wichtiger Hebel zur Optimierung der Ergebnisse ist.
Die Entwicklung richtet sich an den Bereich der “Brownfield Knowledge Work”. Agenten dringen bisher nur langsam in die tägliche Arbeit von Beratern, Anwälten, Bankern und Operatoren vor, da sie oft nicht mit der gleichen Präzision wie Menschen an bestehenden Dokumenten arbeiten. Die resultierenden Dateien landen oft in einem “Uncanny Valley” – sie sehen zwar korrekt aus, sind aber für den professionellen Einsatz beim Kunden nicht geeignet.
Da Office-Dateien (DOCX, PPTX, XLSX) auf dem Office Open XML (OOXML) Standard basieren, handelt es sich um ZIP-Archive mit verknüpften XML-Dateien, Bildern und Ressourcen, statt um einfache Textdateien. Jede kleine Änderung erfordert die Konsistenz über mehrere Teile hinweg. Die bestehenden Python-Bibliotheken sind zwar ausgereift, wurden aber seit Jahren kaum aktualisiert und lassen bei vielen wichtigen Arbeitsabläufen die nötige Funktionsbreite und Korrektheit vermissen. Oft nutzen Modelle daher JavaScript-Pakete oder HTML-Konvertierungen, was jedoch zu Informationsverlusten führt und bestehende Dokumente beschädigen kann.
Paper Office nutzt die vertrauten Imports der Original-Bibliotheken (wie import docx oder from pptx import Presentation), erweitert diese jedoch unter der Oberfläche. Die Erweiterungen machen verborgene Strukturen als typisierte, maschinenlesbare Daten zugänglich, validieren Ziele vor der Bearbeitung, bieten paket-erhaltende Speicherpfade und verweigern Aktionen, die nicht sicher durchgeführt werden können.
Ein spezielles Paket ist Paper DOCX, das python-docx erweitert. Es ermöglicht Agenten unter anderem:
- Eine dokumentenweite Textsuche über die Fragmentierung von “Runs” hinweg, die einen Span für Ersetzungen oder Kommentare liefert.
- Das Neustarten von Nummerierungen.
- Native Word-Änderungen (Redlines), die Text- und Tabellenänderungen als echte Word-Revisionen ausgeben.
- Die Verwaltung von Kommentaren und deren Auflösung.
- Die Nutzung von Inhaltssteuerelementen (Content Controls) mit typisierten Werten.
- Die Erstellung von Lesezeichen und Feldern (wie Seitenzahlen oder Inhaltsverzeichnisse).
- Das Zusammenfügen von Dokumenten unter Berücksichtigung von Formatierungen, Stilen und Medien.
- Paket-Diffs und sicheres Speichern, um sicherzustellen, dass semantisch unveränderte Teile der Datei (Bytes) erhalten bleiben.
- Die Prüfung von Dokumentenschutz-Modi.
Heute gab es ein neues Python-Package, mit dem man Word, Excel und PowerPoint-Dateien besser manipulieren kann mittels KI-Agenten. Die Benchmarks sind auf jeden Fall vielversprechend, aber man sollte, wenn man mich fragt, die Sache dann doch lokal einfach mal testen, ob das wirklich auch einen Praxistest besteht.