Wann sich OCR lohnt
Ein gescannter Vertrag, ein alter Brief oder ein mit dem Smartphone fotografierter Kassenbon ist nur ein Bild in einem PDF: Du kannst es nicht durchsuchen, keinen Satz daraus kopieren und es dir nicht von einem Screenreader vorlesen lassen. Nach der Texterkennung verhält sich die Datei wie ein normales digitales Dokument und sieht trotzdem aus wie das Original auf Papier.
Tipps für das beste Ergebnis
- Scanne mit 300 DPI, wenn dein Scanner die Wahl lässt; 200 DPI sind das Minimum für kleine Schrift.
- Achte darauf, dass die Seiten gerade liegen und gleichmäßig beleuchtet sind; einen schiefen Scan kannst du vorher mit PDF gerade ausrichten korrigieren. Schatten und Knicke sind die häufigste Ursache für übersehene Wörter.
- Wähle die Sprache des Dokuments. Sind Englisch und Türkisch gemischt, liest „Englisch + Türkisch“ beides.
Wenn das Ergebnis nicht stimmt
- Buchstaben sind vertauscht oder fehlen. Sieh dir den Scan in voller Größe an. Kannst du ihn selbst nur mühsam lesen, hat auch die Texterkennung Mühe; scanne noch einmal mit mehr Licht und flach aufliegender Seite.
- Akzente und Sonderzeichen gehen verloren. Wird aus „é“ ein „e“ oder aus dem türkischen „ş“ ein „s“, wurde meist die falsche Sprache gewählt. Lass die Datei mit der passenden Sprache noch einmal laufen.
- Handschrift wird ignoriert. OCR ist für gedruckten Text gemacht. Ordentliche Druckbuchstaben klappen manchmal, Unterschriften, Randnotizen und Schreibschrift werden aber nicht zuverlässig erkannt.
- Kopierte Tabellen verlieren ihre Spalten. Die erkannten Wörter liegen genau dort, wo sie auf der Seite stehen – die Suche funktioniert also. Beim Herauskopieren können die Spalten aber Zeile für Zeile ineinanderlaufen; prüfe Tabellen nach dem Umwandeln in Word.
- Ein langer Scan dauert Minuten. Die Erkennung läuft Seite für Seite auf deinem eigenen Prozessor. Lass den Tab geöffnet oder extrahiere zuerst die Seiten, die du brauchst, und führe die Texterkennung nur für diese durch.
Das Ergebnis in einer Minute prüfen
Du musst nicht die ganze Datei lesen, um zu wissen, ob die Erkennung geklappt hat. Öffne das neue PDF, drücke Strg+F (Cmd+F auf dem Mac) und suche nach einem Wort, von dem du weißt, dass es auf einer Seite steht – einem Namen, einer Firma, einer Überschrift. Hebt der Viewer es an der richtigen Stelle hervor, hat diese Seite eine funktionierende Textebene. Wird nichts gefunden, sieh dir die Seite an: Meist ist sie blass, schief oder schräg fotografiert.
Achte besonders auf Zahlen. Ein falsch erkannter Buchstabe in einem Wort fällt im Zusammenhang leicht auf, eine falsch erkannte Ziffer dagegen nicht. Am häufigsten werden ähnlich aussehende Zeichen verwechselt: die Null und der Buchstabe O, die Eins und ein kleines L, die Fünf und S, die Acht und B. Wenn du eine Kontonummer, einen Betrag oder ein Datum aus einem erkannten Scan kopierst, vergleiche die Angabe vor der Verwendung Ziffer für Ziffer mit dem Bild.
Wie es weitergeht
Hast du statt eines PDFs ein Foto oder einen Screenshot, liefert dir Text aus Bild extrahieren die Wörter direkt als Text.
Sobald das PDF durchsuchbar ist, kannst du es in Word umwandeln, um den Text zu bearbeiten, den reinen Text extrahieren oder es vor dem Versand per E-Mail komprimieren – Scans sind oft groß.
Du scannst Papier auf dem Mac? So scannst du ein Dokument auf dem Mac als PDF erklärt die iPhone-Kamera und das Programm „Digitale Bilder“ und bringt den Scan anschließend zur Texterkennung hierher.