OCR — optische Zeichenerkennung — wandelt das Bild von Text in einem gescannten PDF in echte, markierbare, durchsuchbare und kopierbare Zeichen um. Dieser Leitfaden erklärt, wie OCR funktioniert, wann Sie es brauchen und wie Sie es kostenlos in Ihrem Browser anwenden.
Warum brauchen gescannte PDFs OCR?
Wenn Sie ein Papierdokument scannen, erzeugt der Scanner ein Bild der Seite — keine Textdatei. Ein gescanntes PDF ist im Grunde ein JPEG oder TIFF, das in eine PDF-Hülle eingebettet ist. Sie können es ansehen, aber:
- Sie können Text nicht markieren oder kopieren
- Strg+F (Suchen) liefert keine Ergebnisse
- Bildschirmleseprogramme können es nicht vorlesen (nicht barrierefrei)
- Suchmaschinen können den Inhalt nicht indexieren
- Sie können keine Formularfelder ausfüllen oder Text hervorheben
OCR liest dieses Bild und erzeugt eine Textebene — eine unsichtbare Ebene erkannter Zeichen, die präzise über dem Bild liegt. Nach OCR sieht das Dokument identisch aus, hat aber jetzt echten Text darunter, mit dem Sie interagieren können.
So wenden Sie OCR online (kostenlos) auf ein PDF an
Reduce your PDF file size instantly. No software needed.
Mit PDFlexa OCR:
- Gehen Sie zu PDFlexa OCR
- Laden Sie Ihr gescanntes PDF hoch (Drag-and-Drop oder Klick auf Datei auswählen)
- Wählen Sie die Sprache Ihres Dokuments aus dem Dropdown (24 Sprachen unterstützt)
- Wählen Sie das Ausgabeformat:
- Durchsuchbares PDF — behält das Originalerscheinungsbild bei, fügt eine unsichtbare Textebene hinzu
- Reiner Text (.txt) — nur extrahierter Text, kein Layout
- Klicken Sie auf OCR ausführen
- Laden Sie das Ergebnis herunter
Die Verarbeitung läuft in Ihrem Browser mithilfe von Tesseract.js. Bei großen PDFs (30+ Seiten) dauert die Verarbeitung einige Minuten. Keine Datei wird auf einen Server hochgeladen.
Zu den unterstützten Sprachen zählen unter anderem: Englisch, Französisch, Deutsch, Spanisch, Portugiesisch, Italienisch, Niederländisch, Polnisch, Russisch, Arabisch, Chinesisch (vereinfacht), Japanisch, Koreanisch, Hindi, Türkisch und 9 weitere.
Wann wird OCR benötigt?
| Dokumenttyp | OCR nötig? |
|---|---|
| Papierdokument als PDF gescannt | ✅ Ja — es ist ein Bild |
| Mit dem Smartphone fotografiertes Dokument | ✅ Ja |
| PDF aus einer Word-/Excel-/Google-Docs-Datei erstellt | ❌ Nein — hat bereits eine Textebene |
| PDF direkt aus Software exportiert (Rechnungen, Belege) | ❌ Nein — hat bereits Text |
| Altes gescanntes Archivdokument | ✅ Ja |
| PDF, bei dem Text unscharf oder verstümmelt ist | ⚠️ OCR kann es verbessern |
| Ein Formular-PDF, das Sie nicht ausfüllen können | ✅ OCR + PDF ausfüllen hilft |
Ein schneller Test: Versuchen Sie, Text auf einer Seite zu markieren. Können Sie ein Wort hervorheben, hat das PDF bereits eine Textebene. Erzeugt der Cursor nur einen Auswahlrahmen um einen Bereich (wie beim Auswählen eines Bildbereichs), handelt es sich um ein gescanntes Bild, das OCR benötigt.
Wie OCR funktioniert (unter der Haube)
Turn any PDF into an editable Word document in seconds.
- Seitenwiedergabe — jede Seite des PDFs wird in hoher Auflösung (entspricht 300+ DPI) als Bild gerendert
- Vorverarbeitung — das Bild wird entzerrt, entrauscht und in Graustufen umgewandelt
- Texterkennung — die OCR-Engine identifiziert Bereiche, die wie Text aussehen (Spalten, Zeilen, Wörter)
- Zeichenerkennung — jeder Zeichenbereich wird mit einem trainierten Modell für die ausgewählte Sprache abgeglichen
- Erstellung der Textebene — erkannte Zeichen werden an ihren erkannten Positionen über dem Originalbild platziert
- PDF-Rekonstruktion — ein neues PDF wird mit dem Originalbild plus der unsichtbaren Textebene erstellt
Die OCR-Qualität hängt ab von: Scanauflösung (höher ist besser), Dokumentqualität (klarer Druck vs. verblasste Tinte), passende Sprache und ob der Text getippt oder handschriftlich ist. PDFlexa nutzt Tesseract — die am weitesten verbreitete Open-Source-OCR-Engine, trainiert auf über 100 Sprachen.
Tipps für bessere OCR-Ergebnisse
Mit 300 DPI oder höher scannen. Die meisten Consumer-Scanner sind standardmäßig auf 150 DPI eingestellt, was zum Ansehen ausreicht, aber schlechte OCR-Ergebnisse liefert. Nutzen Sie 300 DPI für Text, 600 DPI für sehr kleine Schrift.
In Graustufen oder Schwarz-Weiß scannen. Farbscans sind größer und verbessern die OCR-Qualität bei Standard-Textdokumenten nicht. Graustufen sind der Sweet Spot.
Sicherstellen, dass die Seite flach und gerade liegt. Gewölbte Seiten (durch Buchbindung), schiefe Scans oder Schatten durch eine Smartphone-Kamera verringern alle die Genauigkeit. Die meisten Flachbettscanner bewältigen dies gut; Smartphone-Kamera-Scans sind am problematischsten.
Die richtige Sprache wählen. Tesseract nutzt sprachspezifisch trainierte Modelle. Ein deutsches Dokument, das mit englischer OCR verarbeitet wird, liefert schlechte Ergebnisse bei Umlauten (ä, ö, ü). Wählen Sie stets die passende Sprache.
Große Schrift und gedruckter Text werden besser erkannt als Handschrift. Standard-OCR ist für gedruckten Text ausgelegt. Handschrifterkennung ist ein separates (schwierigeres) Problem, das Tesseract nur schlecht bewältigt.
OCR-Genauigkeit: was Sie erwarten können
| Dokumentqualität | Erwartete Genauigkeit |
|---|---|
| Sauber, getippt, plan gescannt bei 300 DPI | 98–99 % Zeichengenauigkeit |
| Standard-Bürscan bei 150 DPI | 92–96 % Genauigkeit |
| Altes Dokument mit verblasster Tinte | 80–90 % Genauigkeit |
| Handschriftliche Notizen | 50–75 % (stark variierend) |
| Mehrspaltige wissenschaftliche Arbeit | 90–95 % (Layout-Erkennung schwieriger) |
| Nicht-lateinische Schrift (Arabisch, Chinesisch, Koreanisch) | 85–95 % bei korrekter Sprache |
Prüfen Sie bei wichtigen Dokumenten (Verträgen, Rechtsunterlagen) stets die OCR-Ausgabe auf Fehler — besonders Eigennamen, Zahlen und Daten.
OCR vs. PDF zu Word: Was ist der Unterschied?
| PDF OCR | PDF zu Word | |
|---|---|---|
| Ausgabe | Durchsuchbares PDF (gleiches Erscheinungsbild) oder .txt | Bearbeitbares .docx |
| Am besten für | Einen Scan durchsuchbar/barrierefrei machen | Den Inhalt in Microsoft Word bearbeiten |
| Layout | Originallayout perfekt erhalten | Layout kann sich bei der Word-Umwandlung verschieben |
| Anwendungsfall | Archivierung, Suche, Barrierefreiheit | Inhalt wiederverwenden und bearbeiten |
Möchten Sie den gescannten Inhalt in Word bearbeiten, führen Sie zuerst OCR aus und nutzen Sie dann PDF zu Word — OCR liefert dem Konverter tatsächlichen Text statt leerer Bildbereiche.
Häufig gestellte Fragen
Verändert OCR das Erscheinungsbild meines PDFs? Nein. Die OCR-Textebene ist unsichtbar — sie liegt hinter dem Bild der Seite. Das PDF sieht vor und nach der OCR identisch aus. Der einzige Unterschied ist, dass Text jetzt markierbar und durchsuchbar ist.
Kann OCR Handschrift lesen? Standard-OCR ist auf gedruckten Text trainiert und bei Handschrift unzuverlässig. Die Ergebnisse variieren stark, je nachdem, wie klar und einheitlich die Handschrift ist. Für wichtige handschriftliche Dokumente ist manuelle Abschrift zuverlässiger.
Wie viele Seiten kann ich auf einmal per OCR verarbeiten? Die browserbasierte OCR von PDFlexa unterstützt bis zu 50 Seiten pro Upload. Bei längeren Dokumenten teilen Sie das PDF in Teile, führen OCR für jeden Teil aus und führen die Ergebnisse dann zusammen.
Warum dauert die OCR so lange? Jede Seite wird einzeln verarbeitet: in hoher Auflösung gerendert, analysiert und erkannt. Ein 20-seitiges Dokument kann im Browser 1–3 Minuten dauern. Die Verarbeitung läuft auf Ihrem Gerät — die Geschwindigkeit hängt von Ihrer CPU und Ihrem Arbeitsspeicher ab.
Ist OCR kostenlos? Ja. PDFlexa OCR läuft vollständig in Ihrem Browser mit dem Open-Source-Tesseract.js, kostenlos. Kein Konto erforderlich, kein Tageslimit beim OCR-Tool.