OCR: Text aus Scans und Fotos extrahieren (und warum es manchmal misslingt)

Sie erhalten ein PDF, öffnen es, suchen nach einem Wort: keine Treffer. Sie versuchen, eine Zeile mit der Maus zu markieren: nichts lässt sich markieren. Das Dokument ist da, für das Auge bestens lesbar — für den Computer aber ist es eine Fotografie. Das ist der Moment für OCR, die optische Zeichenerkennung, und zugleich der Moment, in dem die meisten Menschen feststellen, dass das Ergebnis weit mehr vom Ausgangsbild abhängt als von der Software.

Was OCR wirklich tut (und warum sie nicht „liest")

Eine OCR-Engine versteht den Text nicht: Sie rekonstruiert ihn. Der Ablauf besteht aus mechanischen Schritten — Textbereiche finden, das Bild geraderücken, einzelne Zeilen isolieren, dann Wörter, dann Zeichen — und erst am Ende vergleicht sie jede Form mit den Buchstabenmodellen, die sie kennt, und wählt die wahrscheinlichste.

Das erklärt die typischen Fehler, die auf den ersten Blick absurd wirken: rn als m gelesen, 0 mit O verwechselt, 1 mit l. Das sind keine Verständnisfehler, sondern Fehler visueller Ähnlichkeit. Ein Mensch korrigiert sie dank Kontext automatisch; die OCR-Engine, die zuerst über Form und dann über Bedeutung nachdenkt, nicht.

Die Bildqualität zählt mehr als die Software

Hier liegt das Kontraintuitive: Ein Wechsel der OCR-Engine bringt wenig, eine bessere Vorlage bringt sehr viel. Die Faktoren, die wirklich ins Gewicht fallen, nach Wirkung geordnet:

Ein schnell mit dem Handy geschossenes Foto, schief und mit dem Schatten der eigenen Hand darauf, liefert mit jeder Engine mittelmäßige Ergebnisse. Es lohnt sich, die Aufnahme zu wiederholen: Der Kamera-Dokumentenscanner wendet Geraderücken, Zuschnitt und Kontrastfilter an, bevor die Datei die Erkennung überhaupt erreicht — und das ist fast immer der Unterschied zwischen brauchbarem Text und Text, den man von Hand neu tippt.

Der Zuverlässigkeitswert: die nützlichste und meistignorierte Angabe

Jede verarbeitete Seite erhält einen Konfidenzwert, also wie zuverlässig die Engine ihre eigene Lesung einschätzt. Es ist die wertvollste Information des ganzen Vorgangs — und fast niemand schaut sie an.

Die Faustregel: über 90 % ist der Text in der Regel verlässlich und muss nur gegengelesen werden; zwischen 70 % und 90 % gibt es verstreute Fehler zu korrigieren; unter 70 % lohnt sich eine neue Aufnahme mehr als die Zeit fürs Korrigieren. Ein niedriger Wert bei einer einzigen von zwanzig Seiten deutet fast immer auf ein physisches Problem dieser Seite hin — einen Knick, einen Schatten, einen Fleck — nicht auf eine Grenze des Systems.

Text extrahieren, Schritt für Schritt

1. Öffnen Sie die kostenlose Online-OCR — ohne Registrierung.
2. Laden Sie die Dateien hoch: Bilder als PNG, JPG, WEBP, BMP, TIFF oder PDFs, auch gescannte. Bis 15 MB je Datei und 30 Dateien auf einmal.
3. Wählen Sie vor dem Start die richtige Sprache. Das ist der Schritt mit dem größten Einfluss auf die Genauigkeit: Deutsch, Englisch, Italienisch, Spanisch, Französisch, Portugiesisch und Albanisch stehen zur Verfügung.
4. Starten Sie die Erkennung und prüfen Sie den Zuverlässigkeitswert Seite für Seite.
5. Kopieren Sie den Text oder schicken Sie ihn an den Workspace, um ihn ohne erneutes Hochladen an ein anderes Werkzeug zu übergeben — typischerweise Zusammenfassung oder Übersetzung.

Wo OCR systematisch scheitert

• Die falsche Sprache verdirbt alles. Ein deutscher Text, als Englisch verarbeitet, verliert Umlaute und Eszett systematisch, weil die Engine nach Formen sucht, die es im Deutschen nicht gibt.
• Tabellen werden zu linearem Text. Zellen werden nacheinander gelesen: Die Werte sind da, die Zeilen-Spalten-Beziehung nicht.
• Mehrspaltige Layouts vermischen sich. In Zeitungen und Zeitschriften kann der Text quer über die Spalten statt entlang der Spalten rekonstruiert werden.
• Kursivschrift und Zierschriften haben deutlich höhere Fehlerraten als eine reguläre Drucktype.
• Handschrift ist eine andere Technologie. Klassische OCR erkennt Druckzeichen; Handschrift verlangt andere Modelle und bleibt unzuverlässig.

Häufige Fragen

Welche Formate kann ich hochladen?

Bilder in PNG, JPG, WEBP, BMP und TIFF sowie PDFs, einschließlich gescannter ohne markierbaren Text. Die Grenze liegt bei 15 MB je Datei und bis zu 30 Dateien pro Durchgang.

Welche Sprachen werden erkannt?

Sieben: Deutsch, Englisch, Italienisch, Spanisch, Französisch, Portugiesisch und Albanisch. Die Sprache muss vor der Verarbeitung gewählt werden, denn sie leitet die Engine beim Erkennen von Sonderzeichen und sprachtypischen Buchstabenkombinationen an.

Woran erkenne ich, ob ein PDF OCR braucht?

Versuchen Sie, ein Wort mit der Maus zu markieren, oder suchen Sie mit Strg+F nach einem Begriff. Funktioniert die Markierung nicht und findet die Suche auch sichtbar vorhandene Wörter nicht, enthält das PDF Bilder und braucht OCR.

Kann ich OCR auf ein mit dem Handy aufgenommenes Foto anwenden?

Ja, das ist einer der häufigsten Anwendungsfälle. Das Ergebnis verbessert sich deutlich, wenn die Seite gerade im Bild liegt, gut ausgeleuchtet und schattenfrei ist: Der Umweg über den Scanner, der geraderückt und den Kontrast anhebt, liefert fast immer saubereren Text.

Kurz gefasst

OCR verwandelt ein Bild von Text in echten Text und ist die Voraussetzung für fast alles Weitere: im Dokument suchen, übersetzen, zusammenfassen, konvertieren. Die Genauigkeit hängt vor allem von drei Dingen ab, in dieser Reihenfolge: Aufnahmequalität, korrekt gewählte Sprache und ein Blick auf den Zuverlässigkeitswert, bevor man dem Ergebnis traut. Die kostenlose Online-OCR nimmt Bilder und PDFs bis 15 MB in sieben Sprachen an; liegt das Dokument noch auf Papier, beginnt man besser beim Scanner, und von dort kann der Text zu den übrigen PDF- und KI-Tools weiterwandern.