Texterkennung (OCR) verständlich erklärt

Was ist OCR?

OCR steht für optische Zeichenerkennung, auf Englisch optical character recognition. Gemeint ist ein Verfahren, das aus dem Bild eines Textes wieder echten Text macht: Die Software erkennt die einzelnen Buchstaben auf einem Scan oder Foto und speichert sie als Zeichen, die sich durchsuchen, kopieren und weiterverarbeiten lassen.

Begegnen wird Ihnen OCR ständig, meist ohne dass jemand das Wort benutzt: im Kopierer, der ein durchsuchbares PDF ausgibt, in der Foto-App, aus der sich eine Telefonnummer herauskopieren lässt, in der Banking-App, die den Überweisungsträger ausliest. Für Ihren Papierkram ist OCR genau der Schritt zwischen „ich habe ein Bild vom Brief" und „ich finde den Brief wieder".

Warum ein Foto allein nichts nützt

Wenn Sie einen Brief fotografieren, entsteht ein Bild: für Sie gut lesbar, für den Computer eine Fläche aus hellen und dunklen Punkten, in der er weder ein Datum noch einen Betrag erkennt. Wiederfinden lässt sich so ein Foto später nur über den Dateinamen.

Die Texterkennung schließt diese Lücke. Sie erkennt die Buchstaben im Bild und speichert den Text mit ab, meistens unsichtbar hinter der Aufnahme. Das Dokument sieht danach genauso aus wie vorher. Durchsuchbar ist es trotzdem.

Vierzig Jahre Tesseract

Die bekannteste Texterkennung der Welt ist älter als das Web. Zwischen 1985 und 1994 entwickelte Hewlett-Packard in Bristol und in Greeley, Colorado, ein Programm namens Tesseract. 1995 gehörte es beim OCR-Wettbewerb der University of Nevada zu den besten Teilnehmern, danach verschwand es im Archiv.

2005 gab HP den Quelltext zusammen mit der Universität frei, unter der Apache-Lizenz. Von 2006 an finanzierte Google die Weiterentwicklung, etwa ein Jahrzehnt lang; seither pflegt eine Gemeinschaft von Freiwilligen das Projekt. Mit Version 4 bekam Tesseract 2018 ein neuronales Netz, Version 5 folgte Ende 2021, und beides steckt bis heute in unzähligen Scannern, Archivprogrammen und Bibliothekssystemen.

Bei sauber gescannten Buchseiten und einfachem Layout arbeitet Tesseract immer noch gut, kostenlos und ohne Internetverbindung. Seine Schwächen sind ebenso bekannt: Fotos mit Schatten, verschachtelte Layouts, Tabellen und Handschrift. Genau daran arbeitet sich die zweite Generation ab.

Was Texterkennung heute gut kann

Bei gedrucktem Text auf normalem Papier arbeitet die Texterkennung inzwischen sehr zuverlässig: Rechnungen, Verträge, Behördenpost und Kontoauszüge liest sie bei ordentlicher Aufnahme nahezu fehlerfrei, auch mehrspaltig und in mehreren Sprachen. Fehler bleiben die Ausnahme.

Mit Tabellen und Formularen kommen moderne Verfahren ebenfalls gut zurecht, und sie erkennen zusätzlich, wo auf der Seite etwas steht. Damit lässt sich unterscheiden, ob eine Zahl der Rechnungsbetrag ist oder eine Kundennummer.

Wo es schwierig wird

Handschrift ist die härteste Prüfung. Gut lesbare Blockschrift gelingt oft; eine flüchtige Notiz am Rand eher nicht. Rechnen Sie hier mit Treffern, nicht mit Gewissheit.

Verlässlich schwierig sind außerdem blasse Thermobons, stark geknicktes Papier, Aufnahmen mit hartem Schatten oder Blitzreflexion, gestempelter Text quer über der Schrift und Faxkopien von Kopien. Fast all das löst eine bessere Aufnahme, keine bessere Software.

• Blasse Kassenbons, die schon verblassen
• Schatten, Blitzlicht und schräge Aufnahmen
• Geknicktes oder gewelltes Papier
• Handschrift in Schreibschrift

Was sich seit 2025 geändert hat

Seit 2025 kommt Texterkennung überwiegend aus Modellen, die Bilder und Sprache zusammen gelernt haben. Der Unterschied ist im Alltag deutlich. Diese Modelle erfassen neben den Zeichen auch den Aufbau einer Seite: Tabellen, Fußnoten, mehrspaltige Briefe und die Reihenfolge, in der man das alles lesen muss.

Ein paar Namen, die Ihnen begegnen können, mit dem Datum ihrer Veröffentlichung: Mistral OCR aus Frankreich (März 2025, kostenpflichtige Schnittstelle), DeepSeek-OCR aus China (Oktober 2025, frei verfügbare Modellgewichte unter MIT-Lizenz), olmOCR des gemeinnützigen Allen Institute for AI (zweite Fassung Oktober 2025, Apache-Lizenz) und dots.ocr aus dem Umfeld des Netzwerks Xiaohongshu. Für Sie als Nutzerin oder Nutzer zählt davon wenig direkt. Es erklärt aber, warum ein abfotografierter Kassenzettel heute funktioniert, der vor drei Jahren noch Kauderwelsch ergeben hätte.

Ein Wort zur Vorsicht bei Bestenlisten: Die meisten Genauigkeitswerte, die Sie zu diesen Modellen lesen, stammen von den Herstellern selbst, gemessen mit selbst ausgeführten Testläufen. Das ist nicht ehrenrührig, aber es ist eben keine unabhängige Prüfung. Auch der am häufigsten zitierte Vergleichsmaßstab, OmniDocBench aus dem OpenDataLab, wird meist von den Modellanbietern selbst gefahren.

Der Unterschied zwischen Lesen und Einordnen

Die reine Texterkennung liefert eine Buchstabenfolge, mehr nicht. Ob es sich um eine Rechnung handelt oder um eine Kündigung, ob das Datum das Rechnungsdatum ist oder das Fälligkeitsdatum, sagt sie nicht.

Diesen zweiten Schritt übernehmen heute Sprachmodelle. Sie ordnen den erkannten Text ein, schlagen einen Namen vor und erkennen die Art des Dokuments. Im Alltag merken Sie den Unterschied deutlich: Bei reiner Texterkennung tippen Sie den Namen selbst, mit Einordnung bestätigen Sie einen Vorschlag.

Woran Sie brauchbare Texterkennung erkennen

Prüfen Sie drei praktische Punkte statt der Werbeversprechen. Erstens: Wird der erkannte Text mit dem Dokument gespeichert, sodass Sie später darin suchen können? Zweitens: Findet die Suche auch Wörter mitten im Text? Drittens: Was passiert bei einem Erkennungsfehler, können Sie ihn korrigieren?

Und eine Frage, die bei privaten Unterlagen genauso schwer wiegt: Wo wird gelesen? Läuft die Erkennung bei einem Anbieter im Ausland, verlässt Ihr Dokument das Land. Bei Gesundheits- und Finanzunterlagen ist das eine bewusste Entscheidung wert.

Selbst vergleichen, ohne Fachwissen

Wenn Sie wissen möchten, wie gut Texterkennung inzwischen wirklich ist, probieren Sie es an einem eigenen Dokument aus. Auf OCR Arena laden Sie eine Seite hoch, zwei Modelle bearbeiten sie, und Sie sehen beide Ergebnisse nebeneinander, ohne zu wissen, welches von wem stammt. Anschließend stimmen Sie ab, woraus eine öffentliche Rangliste entsteht.

Zur Einordnung gehört dazu, wer dahintersteht: Betrieben wird die Seite von Extend, einem Unternehmen aus der Dokumentenverarbeitung, und die Abstimmung ist Publikumsvotum statt wissenschaftlicher Messung. Als schneller Praxistest mit Ihrem eigenen Papier taugt sie trotzdem, besser jedenfalls als jede Werbeaussage. Nehmen Sie ruhig etwas Schwieriges: einen zerknitterten Bon, ein Formular, eine handschriftliche Notiz.

Häufige Fragen