Gescanntes PDF per OCR in bearbeitbaren Text umwandeln

Ein gescanntes PDF ist eine Sammlung von Fotos in einem PDF-Container. Darin steht kein Text, nur Pixel: Sie können keinen Satz markieren, keinen Namen suchen und keinen Absatz kopieren. OCR ändert das: Die Software betrachtet die Formen auf jeder Seite und setzt daraus Buchstaben zusammen.

Die kurze Antwort

• Öffnen Sie Gescanntes PDF in Text (OCR), laden Sie das PDF und wählen Sie die Sprache des Dokuments.
• Seiten mit einer echten Textebene werden direkt gelesen; nur Bildseiten laufen durch die OCR.
• Laden Sie das Ergebnis als TXT herunter und prüfen Sie es, bevor Sie es weitergeben.

Die Erkennung läuft in Ihrem Browser. Das PDF wird nicht hochgeladen, was bei einem Vertrag, einem Arztbericht oder einer Rechnung wichtig ist.

Gescannt oder digital? Erst prüfen

Nicht jedes PDF braucht OCR. Öffnen Sie die Datei und versuchen Sie, ein Wort mit der Maus zu markieren. Wird der Text normal hervorgehoben, hat das Dokument bereits eine Textebene und Sie können ihn exakt mit PDF zu TXT extrahieren. Das ist schneller und vermeidet Erkennungsfehler.

Lässt sich nichts markieren oder erscheint die Auswahl als blauer Rahmen über der ganzen Seite, ist die Seite ein Bild. Dann ist OCR das richtige Werkzeug.

Es gibt auch gemischte Dokumente: einen Vertrag mit digitalen Bedingungen und gescannten Unterschriften oder einen Bericht mit Textdeckblatt und fotografierten Anhängen. Ein gutes OCR-Werkzeug sollte jede Seite einzeln behandeln, statt die ganze Datei durch die Erkennung zu schicken.

Schritt für Schritt

• PDF laden. Ziehen Sie es in Gescanntes PDF in Text (OCR) oder klicken Sie zum Auswählen. Die Datei wird lokal geöffnet.
• Sprache wählen. Wählen Sie die Sprache des Textes im Dokument, nicht die Ihres Browsers. Englisch wird automatisch ergänzt, damit gemischte Seiten funktionieren.
• Konvertierung starten. Digitale Seiten erscheinen fast sofort. Gescannte Seiten brauchen jeweils einige Sekunden; beim ersten Mal werden außerdem die Sprachdaten geladen.
• Text prüfen. Lesen Sie ihn neben dem Original, beginnend mit Namen, Zahlen und Daten.
• TXT herunterladen. Verwenden Sie die Datei in Ihrem Editor, in Notizen oder in jedem Werkzeug, das reinen Text akzeptiert.

So wird die Erkennung genauer

OCR rät, und die Qualität des Rates hängt von der Qualität des Bildes ab.

• Auflösung. Etwa 300 dpi sind für eine gescannte Seite ideal. Ein nah aufgenommenes Foto funktioniert oft besser als ein kleiner Screenshot.
• Kontrast. Dunkler, sauberer Text auf hellem Grund ist optimal. Schatten, Blitzlicht und farbiges Papier verwirren die Engine.
• Gerade Seiten. Schräge Scans brechen Zeilen und verschmelzen Wörter. Richten Sie die Seite vor dem Scannen gerade aus.
• Sprache. Das falsche Sprachmodell ist die häufigste Ursache für kaputte Akzente und erfundene Wörter. Mischt ein Dokument zwei Sprachen, verarbeiten Sie die Seiten der selteneren Sprache getrennt.
• Zuschneiden. Entfernen Sie Ränder, Hände, Klammern und Logos, damit die Engine sie nicht zu lesen versucht.

Was OCR noch falsch macht

• Handschrift. Gedruckter Text ist das Ziel. Blockschrift gelingt manchmal, Schreibschrift fast nie.
• Tabellen und Spalten. Die Engine liest Text, kein Layout. Zellen können ihre Ausrichtung verlieren und Spalten zusammenlaufen; rechnen Sie damit, Tabellen von Hand neu zu bauen.
• Zahlen und Codes. Die 0 und der Buchstabe O oder 1, l und I sind klassische Verwechslungen. Prüfen Sie Rechnungsnummern, IBANs und E-Mail-Adressen Zeichen für Zeichen.
• Kleingedrucktes und Zierschriften. Winzige Fußnoten, dünne Kursivschrift und dekorative Logos erzeugen viele Fehler.
• Satzzeichen. Anführungszeichen, Gedankenstriche und Währungssymbole sind klein und gehen leicht verloren.

Eine Rechtschreibprüfung erkennt keine falsche Ziffer. Deshalb ist die Prüfung bei allem Finanziellen und Rechtlichen nicht optional.

Datenschutz und Grenzen

Die Konvertierung ist lokal: Das PDF wird auf Ihrem Gerät gelesen, gerendert und erkannt, der Text verlässt es nie. Das ist der Hauptgrund, ein Browser-Werkzeug einem Dienst vorzuziehen, der einen Upload verlangt.

Zwei praktische Grenzen sind wichtig. Sehr große Scans brauchen mehr Speicher, und die Erkennungszeit wächst mit der Seitenzahl. Bei Hunderten von Seiten teilen Sie das Dokument besser auf und verarbeiten es in Teilen.

Wann OCR nicht die Antwort ist

• Das PDF enthält bereits Text. Nutzen Sie PDF zu TXT für eine exakte Extraktion.
• Sie brauchen das Original-Layout. OCR liefert Text, kein Design. Für eine originalgetreue Kopie behalten Sie das PDF oder wandeln es mit PDF zu DOCX in Word um.
• Sie brauchen ein durchsuchbares PDF. Der erkannte Text lässt sich in ein neues Dokument einfügen, aber dieses Werkzeug liefert TXT; es fügt der Originaldatei keine unsichtbare Textebene hinzu.
• Die Seite ist ein Foto, kein PDF. Nutzen Sie Bild zu Text (OCR).

Kurze Checkliste

• Markieren Sie ein Wort im PDF, um zu bestätigen, dass es wirklich gescannt ist.
• Wählen Sie die Sprache des Dokuments.
• Vergleichen Sie Namen, Beträge, Daten und Referenznummern mit dem Original.
• Bewahren Sie das Original-PDF auf, bis der Text geprüft ist.
• Speichern Sie die TXT-Datei dort, wo Sie sie später durchsuchen können.

Richtig gemacht, verwandelt OCR einen unlesbaren Scan in Text, mit dem Sie arbeiten können, ohne ein vertrauliches Dokument auf den Server eines Fremden zu schicken.