Wie viele Tokens hat eine PDF-Seite?
Ein praktischer Tokenbereich pro A4-PDF-Seite und die Gründe für Abweichungen in echten Dokumenten.
Eine normale A4-PDF-Seite enthält oft etwa 300 bis 700 Tokens. Wenn Sie eine Zahl zur Planung brauchen, rechnen Sie mit 500 Tokens pro dichter Textseite. Das ist ein brauchbarer Richtwert, aber keine feste Umrechnung. Bei vier echten PDFs, die ich gemessen habe, lag die mittlere Seite zwischen etwa 280 und 1.400 Tokens.
Warum eine Seite keine feste Tokenzahl hat
Eine Seite kann aus einer Überschrift und zwei Sätzen oder aus einer dichten juristischen Klausel mit Tabelle bestehen. Sprache, Satzzeichen, Zahlen, Code, OCR-Fehler sowie wiederholte Kopf- und Fußzeilen verändern die Tokenisierung.
Reine Bildseiten erzeugen keine Text-Tokens, bis OCR das Bild in Text umwandelt. Fehlerhafte OCR kann anschließend mehr Tokens liefern als eine saubere digitale Seite.
Ein praktischer Bereich
- Lockere Seite mit Überschriften: etwa 150 bis 350 Tokens.
- Normale Berichtsseite: etwa 350 bis 600 Tokens.
- Dichte juristische, akademische oder technische Seite: 600 bis 1.000 Tokens oder mehr.
- Seite, die fast nur aus einer Tabelle besteht: kann über 5.000 Tokens liegen.
Multiplizieren Sie die Seitenzahl für eine erste Schätzung mit 500. Messen Sie danach die echte Datei, bevor Sie ein Kontextfenster wählen oder API-Kosten berechnen.
Was ich gemessen habe
Um diese Regel zu prüfen, habe ich am 5. Oktober 2026 vier öffentliche PDFs durch dieselbe Extraktion und denselben Tokenizer geschickt, die der Token-Zähler nutzt (pdf.js und o200k_base). Der Median zählt nur Seiten mit Text.
| Dokument | Seiten | Tokens | Mittlere Seite | Schwerste Seite |
|---|---|---|---|---|
| Fachartikel (arXiv) | 15 | 10.621 | 816 | 1.048 |
| NIST AI Risk Management Framework | 48 | 21.419 | 501 | 628 |
| IRS-Anleitung zum Formular 1040 | 126 | 245.481 | 1.413 | 6.216 |
| Allgemeine Erklärung der Menschenrechte (UN, englisch) | 8 | 2.190 | 276 | 324 |
Die 500er-Regel traf beim NIST-Framework, einem typischen Bericht in Fließtext, fast genau. Den Fachartikel unterschätzte sie um etwa 60 % und die Steueranleitung fast um das Dreifache, weil Literaturangaben, Formeln und Tabellen viel mehr Tokens auf eine Seite bringen. Die schwerste IRS-Seite, eine Steuertabelle, kam allein auf 6.216 Tokens. Die Erklärung mit kurzen Artikeln und viel Weißraum lag deutlich unter der Regel.
Zwei weitere Punkte fielen auf. Durchschnitte verdecken Ausreißer: Die IRS-Datei hat im Schnitt 1.948 Tokens pro Seite, weil einige Tabellenseiten den Wert nach oben ziehen. Deshalb zeigt der Token-Zähler jetzt ein Diagramm pro Seite. Und bei allen vier englischen Dateien lagen cl100k_base und o200k_base weniger als 1 % auseinander. In anderen Sprachen ist der Abstand viel größer, das habe ich separat gemessen: dasselbe PDF in vier Sprachen (auf Englisch).
Das PDF messen, nicht nur Seiten zählen
Der PDF-Token-Zähler extrahiert den Text lokal und nutzt den GPT-Tokenizer im Browser. Er zeigt außerdem Wörter und Zeichen und macht Scans ohne Textebene leichter erkennbar.
Ist das Ergebnis zu groß, nutzen Sie den PDF-Chunker, statt Trennstellen zu erraten. Lassen Sie Platz für Prompt, Verlauf und Antwort.