Gescanntes PDF mit OCR durchsuchbar machen
Ein gescanntes PDF sieht aus wie Text, ist aber in Wahrheit ein Bild einer Seite – Sie können kein Wort markieren und nicht nach einem Namen suchen. OCR (optische Zeichenerkennung) liest das Bild und fügt eine echte Textebene hinzu, sodass sich das Dokument durchsuchen und kopieren lässt.
So erkennen Sie, ob Sie OCR brauchen
Versuchen Sie, eine Textzeile im PDF zu markieren. Markiert Ihr Cursor einzelne Wörter, hat das PDF bereits eine Textebene. Lässt sich nichts markieren oder wird die ganze Seite als ein Bild markiert, ist es ein Scan, der OCR braucht.
Das ist wichtig, wenn Sie eine Klausel in einem langen Vertrag finden, aus einem Bericht zitieren oder ein Archiv durchsuchbar machen möchten.
Schritt für Schritt
Öffnen Sie „PDF-OCR“ und laden Sie Ihr gescanntes Dokument hoch. Das Tool liest jede Seite und legt eine Textebene hinter das Bild.
Laden Sie das Ergebnis herunter. Es sieht genauso aus wie vorher, aber jetzt können Sie den Text markieren, kopieren und durchsuchen – und auch andere Tools können ihn lesen.
So erzielen Sie die besten Ergebnisse
Die Genauigkeit der OCR hängt von der Scanqualität ab. Gerade, kontrastreiche und gut ausgeleuchtete Scans werden fast perfekt erkannt; schiefe oder blasse Scans erzeugen mehr Fehler. Einen schiefen Scan vorher zu begradigen verbessert das Ergebnis.
Wenige, aber wichtige Zahlen sollten Sie immer mit dem Original abgleichen, denn bei schlechten Scans ist keine OCR perfekt.
Warum ein Scan OCR braucht
Ein gescanntes PDF sieht aus wie ein Dokument, für den Computer ist es aber nur ein Bild davon. Sie können den Text weder markieren noch durchsuchen oder kopieren, weil dort gar kein Text ist – nur ein Bild von Tinte auf Papier. OCR (optische Zeichenerkennung) liest die Formen in diesem Bild und rekonstruiert die tatsächlichen Zeichen. So wird aus dem Bild eine echte, durchsuchbare und markierbare Textebene unter der Seite.
Dieser Schritt öffnet die Tür zu allem anderen: Sobald ein Scan eine Textebene hat, können Sie ihn durchsuchen, daraus kopieren, in Word umwandeln und bearbeiten. Ohne OCR ist ein gescannter Vertrag praktisch ein Foto, mit dem Sie nicht arbeiten können.
Für ein genaues Ergebnis
Wie genau die OCR arbeitet, hängt stark von der Qualität des Scans ab. Ein sauberer, kontrastreicher, gerader Scan von gedrucktem Text wird fast perfekt erkannt. Eine blasse Fotokopie, eine schräg fotografierte Seite oder Handschrift ist viel schwieriger. Für das beste Ergebnis scannen oder fotografieren Sie bei gutem Licht, legen die Seite flach und gerade hin und wählen die höchste sinnvolle Auflösung.
Ist eine Seite schief geraten, verbessert ein vorheriges Begradigen mit „PDF begradigen“ die Erkennung deutlich, denn OCR liest waagerechte Textzeilen zuverlässiger, wenn sie auch wirklich waagerecht sind.
Was Sie nach der OCR tun können
Sobald der Scan durchsuchbar ist, können Sie damit arbeiten: ihn in Word umwandeln, um ihn vollständig bearbeitbar zu machen, Zitate oder Zahlen herauskopieren oder ihn einfach als archiviertes PDF aufbewahren, das Sie später über die Textsuche wiederfinden. Bei großen Mengen gescannter Unterlagen macht OCR aus einem unbrauchbaren Bilderstapel eine durchsuchbare Bibliothek.