OCR macht einen unscharfen Scan nicht automatisch zuverlässig. Besonders Zahlen, Namen und ähnlich aussehende Zeichen müssen geprüft werden. Eine durchsuchbare Datei ist praktisch, aber noch kein Beweis dafür, dass jeder erkannte Buchstabe stimmt.
Braucht die PDF überhaupt Texterkennung?
Versuche, ein einzelnes Wort zu markieren und in einen einfachen Texteditor zu kopieren. Suche anschließend nach einem auffälligen Begriff auf der Seite. Funktioniert beides korrekt, besitzt die PDF bereits nutzbaren Text. Eine erneute OCR-Verarbeitung ist dann möglicherweise unnötig.
Wenn sich nur die ganze Seite als Bild auswählen lässt, kann OCR helfen. Bei gemischten Dokumenten solltest du mehrere Seiten testen. Ein digital erzeugtes Deckblatt kann auswählbaren Text enthalten, während die nachfolgenden Anlagen nur aus Bildern bestehen.
Eine weitere Möglichkeit ist bereits vorhandener, aber schlecht erkannter Text. Dann wirkt die Seite beim Lesen richtig, während kopierte Wörter merkwürdige Zeichen enthalten. Unterscheide diesen Fall von einer fehlenden Texterkennung. Er verlangt eine Qualitätsprüfung statt lediglich den ersten Durchlauf.
Online oder lokal verarbeiten?
Für einen öffentlichen Handzettel kann ein Onlinewerkzeug bequem sein. Bei persönlichen Unterlagen, internen Dokumenten oder Daten anderer Personen solltest du zuerst klären, ob ein Upload passend und erlaubt ist. Prüfe, welche Verarbeitung und Speicherung der konkrete Dienst beschreibt, statt allein auf die Schaltfläche „kostenlos“ zu achten.
Eine lokale Anwendung kann den Upload vermeiden. Acrobat bietet beispielsweise ein Scan-und-OCR-Werkzeug, in dem du Seitenbereich und Sprache auswählst. Adobe erläutert den Ablauf in seiner Anleitung zur Texterkennung. Auch bei einer lokalen Lösung bleibt die Kontrolle des Ergebnisses notwendig.
Bewahre die ursprüngliche PDF auf und erstelle eine neue erkannte Fassung. So kannst du zurückgehen, wenn Seiten falsch ausgerichtet wurden oder die Verarbeitung die Darstellung verändert. Ein eindeutiger Zusatz wie „mit_Text“ ist verständlicher als mehrere Dateien mit fast gleichem Namen.
Sprache und Scanqualität richtig einschätzen
Wähle die tatsächliche Dokumentsprache, falls das Werkzeug danach fragt. Eine deutschsprachige Rechnung mit einzelnen englischen Produktnamen ist etwas anderes als ein vollständig englisches Handbuch. Prüfe nach dem Durchlauf besonders die Stellen, an denen sich Sprachen oder Schriftarten mischen.
Achte vor der Erkennung auf gerade Seiten, vollständige Ränder und lesbare Buchstaben. Ein schief fotografiertes Blatt mit Schatten über der Betragszeile liefert eine schlechte Ausgangsbasis. Wenn das Original verfügbar ist, kann eine neue Aufnahme bei gleichmäßiger Beleuchtung schneller sein als viele nachträgliche Korrekturen.
Vergrößere eine schwierige Stelle auf dem Bildschirm. Lassen sich die Zeichen schon mit den Augen kaum unterscheiden, erwarte keine sichere automatische Entscheidung. Kleine Fußnoten, verblasste Ausdrucke und handschriftliche Ergänzungen verdienen eine gesonderte Prüfung. Vermeide es, die Datei vor der Erkennung unnötig stark zu komprimieren.
Ergebnis mit konkreten Stichproben prüfen
Suche nach mehreren Begriffen aus verschiedenen Seiten. Kopiere zusätzlich einen Absatz und eine Zahlenzeile in einen Texteditor. Kontrolliere, ob Leerzeichen, Sonderzeichen und Reihenfolge sinnvoll erhalten bleiben. Bei Tabellen ist besonders wichtig, ob Werte noch zu den richtigen Spalten gehören.
Prüfe kritische Angaben einzeln: Beträge, Datumswerte, Kennungen und Namen. Eine einzige Verwechslung zwischen Null und Buchstabe O kann bei einer Kennung entscheidend sein. Lege nicht nur fest, dass „die OCR läuft“, sondern was für deinen Zweck korrekt sein muss.
Acrobat kann unsichere Erkennungen zur Korrektur hervorheben; Adobe beschreibt das unter Fehler in erkanntem Text korrigieren. Speichere anschließend die kontrollierte Fassung in einer nachvollziehbaren Ablage. Unser Beitrag zum Wiederfinden von PDFs hilft dabei. Wenn du erkannte Inhalte weiter verändern möchtest, beachte außerdem die Unterschiede beim Löschen und Schwärzen von PDF-Text.
Häufige Fragen
Sieht die PDF nach OCR anders aus?
Das hängt von Werkzeug und Ausgabemodus ab. Häufig bleibt die Seitenansicht erhalten und eine Textebene wird ergänzt. Prüfe trotzdem Schriftbild, Seitenzahl und Ausrichtung der gespeicherten Datei.
Kann OCR Handschrift sicher erkennen?
Das lässt sich nicht allgemein versprechen. Handschrift und schlechte Bildqualität können die Erkennung erschweren. Kontrolliere wichtige handschriftliche Angaben direkt am Bild und verlasse dich nicht allein auf kopierten Text.
Warum finde ich ein Wort trotz OCR nicht?
Es kann falsch erkannt worden sein, auf einer nicht verarbeiteten Seite stehen oder durch Zeilenumbrüche getrennt sein. Suche nach einem kürzeren Teil und vergleiche die Textebene mit dem sichtbaren Original.