PDF-Texterkennung – Text aus Scans und Bildern extrahieren

Über dieses Werkzeug

Gescannte Dokumente und Bilder enthalten Text nur als Pixelgrafik — unser OCR-Tool macht diesen Text maschinenlesbar, durchsuchbar und kopierbar. Die fortschrittliche optische Zeichenerkennung analysiert gescannte PDF-Dokumente und Bilddateien und wandelt die erkannten Zeichen in editierbaren Text um. Die Engine unterstützt über 13 Sprachen — darunter Deutsch, Englisch, Französisch sowie CJK-Sprachen (Chinesisch, Japanisch, Koreanisch) und Arabisch. Sie können zwischen verschiedenen Ausgabeformaten wählen: Ein durchsuchbares PDF legt eine unsichtbare Textebene über den Originalscan, sodass das visuelle Erscheinungsbild erhalten bleibt, der Text aber durchsuchbar und kopierbar wird. Alternativ steht die Ausgabe als reiner Text oder als archivkonformes PDF/A zur Verfügung. Die Scanqualität lässt sich über die DPI-Einstellung (150 bis 600) feinjustieren, und nach jeder Verarbeitung erhalten Sie einen Konfidenzwert pro Seite, der die Erkennungsgenauigkeit anzeigt. Die Verarbeitung erfolgt serverseitig, und alle Dateien werden nach Abschluss automatisch gelöscht. Die Texterkennung durchläuft mehrere Verarbeitungsstufen: Zunächst wird das Eingabebild vorverarbeitet — Schrägstellung korrigiert, Kontrast optimiert und Rauschen reduziert. Anschließend segmentiert der Algorithmus die Seite in Textblöcke, Zeilen und einzelne Zeichen. Jedes Zeichen wird mit den trainierten Zeichenmodellen der ausgewählten Sprachen abgeglichen, wobei kontextbasierte Sprachmodelle die Erkennung ganzer Wörter und Sätze verbessern. Bei der Ausgabe als durchsuchbares PDF wird der erkannte Text als unsichtbare Ebene exakt über den entsprechenden Bildpositionen platziert, sodass bei der Textsuche oder Markierung die korrekte Stelle im Originalscan hervorgehoben wird. Die Erkennungsgenauigkeit hängt maßgeblich von der Scanqualität ab: Bei sauberen Dokumenten mit 300 DPI oder höher erreichen lateinische Schriften typischerweise 95 bis 99 Prozent Genauigkeit. Für optimale Ergebnisse sollten Dokumente gerade, gleichmäßig beleuchtet und mit ausreichender Auflösung gescannt werden. Im Vergleich zu Desktop-OCR-Software wie ABBYY FineReader bietet unser Tool eine kostenlose, installationsfreie Alternative, die für die meisten Anwendungsfälle ausreichende Ergebnisse liefert. Die Kombination mit unserem PDF/A-Tool ist besonders wertvoll für die Archivierung: Gescannte Dokumente werden zunächst durch OCR durchsuchbar gemacht und anschließend in das normkonforme Archivformat konvertiert — ein häufig geforderter Workflow in Unternehmen und Behörden.

Häufige Anwendungsfälle

Tipps für beste Ergebnisse

• Scannen Sie Ihre Originaldokumente mit mindestens 300 DPI und gerader Ausrichtung für die beste Erkennungsrate.
• Wählen Sie bei gemischtsprachigen Dokumenten alle vorkommenden Sprachen aus, um die Genauigkeit für jeden Textabschnitt zu maximieren.
• Nutzen Sie die PDF/A-Ausgabe, wenn Sie OCR-verarbeitete Dokumente langfristig archivieren möchten — das Format erfüllt die Anforderungen vieler Behörden und Archive.
• Prüfen Sie den Konfidenzwert nach der Verarbeitung: Werte über 90 Prozent zeigen eine zuverlässige Erkennung an.
• Kombinieren Sie OCR mit unserem Komprimierungs-Tool, um die Dateigröße nach der Texterkennung zu optimieren.