Was ist OCR?
Optische Zeichenerkennung wandelt Text, der in Bildern oder gescannten Dokumenten sichtbar ist, in maschinenlesbare Zeichen um. Die Ausgabe kann Klartext, Positionen, Konfidenzwerte oder strukturierte Felder enthalten.
So funktioniert OCR
Eine OCR-Pipeline bereitet zunächst ein Rasterbild auf, lokalisiert Textbereiche, segmentiert oder erkennt Zeilen und Wörter und ordnet visuellen Mustern Zeichen zu. Eine Layoutanalyse kann anschließend Lesereihenfolge, Tabellen, Blöcke und Koordinaten rekonstruieren, statt eine einzige undifferenzierte Zeichenfolge zurückzugeben. Sprachmodelle und Wörterbücher helfen, mehrdeutige Schriftzeichen zu unterscheiden, können aber auch ungewöhnliche Namen oder Codes durch Normalisierung verändern. In der Medienverwaltung erzeugt OCR durchsuchbare Metadaten und Eingaben für die Automatisierung, während das Quellbild als Beleg erhalten bleibt.
Wichtige Fakten
- Das Begradigen schiefer Scans, die Erkennung der Ausrichtung, die Kontrastnormalisierung und eine angemessene Abtastung können die Erkennung verbessern, noch bevor das Sprachmodell ein Zeichen bewertet.
- Ein Konfidenzwert für Zeichen ist keine kalibrierte Garantie für die Richtigkeit eines Feldes. Summen, Kennungen und Namen erfordern oft eine fachspezifische Validierung oder menschliche Prüfung.
- Durchsuchbare PDFs kombinieren üblicherweise ein Seitenbild mit einer unsichtbaren Textebene. Bei fehlerhafter Erkennung können daher die visuelle Darstellung und der auswählbare Text voneinander abweichen.
Wann OCR wichtig ist
Nutzen Sie OCR, um Scans durchsuchbar zu machen, die Dateneingabe zu automatisieren oder extrahierten Text für die Indexierung und KI-Workflows bereitzustellen. Niedrige Auflösung, ungewöhnliche Layouts, Handschrift oder schwacher Kontrast können die Genauigkeit verringern und eine Prüfung erforderlich machen.