Durchsuchbares PDF aus Scan erstellen: OCR Schritt für Schritt

OCR-Software analysiert Pixelmuster in einem Bild und erkennt darin Schriftzeichen. Das Ergebnis ist eine Textebene, die dem gescannten Bild überlagert wird. Für Nutzer ist das unsichtbar – das Dokument sieht genau wie zuvor aus. Aber jetzt kann der Inhalt mit Strg+F durchsucht, Text kann kopiert und in andere Dokumente eingefügt werden, und der Text wird von Suchmaschinen in Dokument-Archiven indiziert. OCR ist besonders wichtig für: gescannte Verträge und Urkunden in digitalen Archiven, historische Dokumente und Verwaltungsakten bei der Digitalisierung, Quittungen und Belege für die Buchhaltungssoftware, Scan-Dokumente, aus denen Sie Daten weiterverarbeiten möchten.

So erstellen Sie ein durchsuchbares PDF mit LazyPDF:

1. 1Öffnen Sie lazy-pdf.com/de/ocr in Ihrem Browser.
2. 2Laden Sie das gescannte PDF hoch.
3. 3Wählen Sie die Sprache des Dokuments (Deutsch, Englisch oder andere).
4. 4Klicken Sie auf 'Texterkennung starten'.
5. 5LazyPDF analysiert alle Seiten und erkennt den Text.
6. 6Laden Sie das neue PDF mit eingefügter Textebene herunter.
7. 7Testen Sie das Ergebnis: Öffnen Sie das PDF und drücken Sie Strg+F – der Text sollte jetzt findbar sein.
8. 8Wenn das PDF groß ist, komprimieren Sie es anschließend mit lazy-pdf.com/de/compress.

Die Erkennungsgenauigkeit der OCR hängt stark von der Qualität des Scan-Originals ab. Auflösung: Mindestens 200 DPI für brauchbare Ergebnisse, 300 DPI oder mehr für gute Erkennungsgenauigkeit. Scans unter 150 DPI sind für OCR oft zu unscharf. Ausrichtung: Schräg eingescannte Seiten beeinträchtigen die Erkennung stark. Drehen Sie schräge Seiten mit LazyPDF's Rotate-Tool, bevor Sie OCR anwenden. Kontrast: Verblasster Text, schwacher Druck oder schlechte Scanqualität führt zu Erkennungsfehlern. Falls möglich, scannen Sie mit höherem Kontrast neu. Schriftart: Klare Druckschrift wird besser erkannt als Handschrift. Kursive und stark dekorierte Schriften können Probleme bereiten. Sprache: Die richtige Sprachauswahl verbessert die Erkennungsgenauigkeit erheblich, da OCR-Systeme sprachspezifische Wörterbücher zur Überprüfung nutzen.

In der deutschen Unternehmensführung ist die ordnungsgemäße Aufbewahrung von Belegen gesetzlich vorgeschrieben. Nach den GoBD (Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form) müssen Belege unveränderbar, jederzeit lesbar und für Prüfzwecke zugänglich archiviert werden. Für gescannte Papierbelege bedeutet das: Gescannte Rechnungen, Lieferscheine und Geschäftsbriefe sollten als durchsuchbare PDFs archiviert werden, damit die Inhalte bei einer Betriebsprüfung durch das Finanzamt schnell auffindbar sind. Das Erstellen einer Textebene durch OCR verbessert die Auffindbarkeit erheblich, ohne die Originaldarstellung zu verändern.

Nach der OCR-Verarbeitung kann ein PDF größer werden, weil die Textebene als zusätzliche Daten hinzugefügt wird. Außerdem werden gescannte PDFs oft bereits mit unkomprimierten Bildern gespeichert. Komprimieren Sie das Ergebnis-PDF mit LazyPDF's Compress-Tool, um die Dateigröße zu reduzieren. Für reine Schwarz-Weiß-Textscan-Dokumente ist das Komprimierungspotenzial oft sehr hoch – ohne sichtbaren Qualitätsverlust. Ein gescanntes A4-Dokument mit 300 DPI unkomprimiert kann 2-3 MB pro Seite groß sein. Nach Komprimierung für Textscan-Qualität oft nur noch 50-100 KB pro Seite.

OCR ist nicht für alle Dokumenttypen geeignet. Handschriften werden von aktuellen OCR-Systemen nur eingeschränkt erkannt – und nur wenn die Handschrift sehr klar und lesbar ist. Stark verschmutzte, gerissene oder verblasste historische Dokumente können schlechte Ergebnisse liefern. Spezielle Zeichen wie chemische Formeln, mathematische Gleichungen oder phonetische Sonderzeichen werden oft nicht korrekt erkannt. In diesen Fällen kann das OCR-Ergebnis fehlerhaften Text enthalten. Es empfiehlt sich, das Ergebnis stichprobenartig zu prüfen, bevor man es für kritische Zwecke verwendet.

Bei der OCR-Verarbeitung von Dokumenten entstehen datenschutzrechtliche Fragen. Wenn Sie Dokumente auf externe Server hochladen, uebertragen Sie moeglicherweise personenbezogene Daten an Dritte. Nach DSGVO Art. 28 sind Unternehmen verpflichtet, fuer solche Auftragsverarbeitungen entsprechende Vertraege abzuschliessen. Fuer besonders sensible Dokumente wie Patientendaten, Personalakten oder Gerichtsdokumente sollte OCR ausschliesslich lokal durchgefuehrt werden, mit Tesseract auf dem eigenen Computer oder Server. Fuer weniger sensible Dokumente koennen Browser-Tools wie LazyPDF verwendet werden. Die Datenschutz-Folgeabschaetzung nach Art. 35 DSGVO kann fuer bestimmte Digitalisierungsprojekte erforderlich sein.