Zwei PDFs können auf dem Bildschirm identisch aussehen, sich aber völlig unterschiedlich verhalten. Eines öffnet sich und Sie können in den Text klicken, nach einem Wort suchen und einen Absatz kopieren. Das andere sieht genauso aus, aber das Klicken bewirkt nichts – der Cursor landet nicht auf dem Text, Strg+F findet nichts. Der Unterschied besteht darin, ob das PDF digital oder durch Scannen eines physischen Dokuments erstellt wurde. Das Verständnis dieser Unterscheidung erklärt viele der frustrierenden Verhaltensweisen, denen Menschen bei PDFs begegnen.
Wie jeder Typ erstellt wird
Ein digitales PDF wird direkt aus der Software erstellt – aus Word exportiert, von einer Buchhaltungssoftware generiert, von der Druckfunktion eines Webbrowsers erstellt oder von einer beliebigen Anwendung erstellt, die PDF ausgeben kann. Der Text in der Datei besteht aus echten Zeichendaten. Der Computer kennt jedes Wort, jeden Buchstaben, jedes Leerzeichen.
Ein gescanntes PDF wird durch Fotografieren oder Scannen eines physischen Dokuments erstellt. Der Scanner erfasst ein Bild der Seite – ein Pixelraster, das wie Text aussieht, aber keine Textdaten enthält. Bei der Datei handelt es sich um ein Foto, verpackt in einem PDF-Container. Der Computer sieht ein Bild, keine Worte.
Probieren Sie PDF OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
So erkennen Sie, welchen Typ Sie haben
Der schnellste Test: Versuchen Sie, ein Wort durch Klicken und Ziehen auszuwählen. In einem digitalen PDF verwandelt sich der Cursor in einen Textcursor und einzelne Wörter werden hervorgehoben. In einem gescannten PDF wird nichts hervorgehoben – oder die gesamte Seite wird als ein Bildblock ausgewählt.
Ein zweiter Test: Drücken Sie Strg+F und suchen Sie nach einem Wort, das Sie auf der Seite sehen können. In einem digitalen PDF wird es sofort gefunden. In einem gescannten PDF gibt die Suche nichts zurück. Ein dritter Indikator ist die Dateigröße – ein gescanntes PDF ist in der Regel viel größer als ein digitales PDF mit demselben Inhalt, da Bilddaten anstelle einer effizienten Textkodierung gespeichert werden.
Hauptunterschiede in der Praxis
- Durchsuchbarkeit: digitale PDFs sind vollständig nach Inhalt durchsuchbar. Gescannte PDFs sind für die Suche unsichtbar – sie können nur anhand des Dateinamens gefunden werden, es sei denn, OCR wurde angewendet.
- Kopieren und Einfügen: digitale PDFs ermöglichen das Auswählen und Kopieren von Text. Bei gescannten PDFs ist dies nicht der Fall – Sie müssten alle Inhalte, die Sie extrahieren möchten, erneut eingeben.
- Dateigröße: Ein 10-seitiges digitales Textdokument ist normalerweise 100–300 KB groß. Die gleichen Seiten wie ein Farbscan mit 300 DPI sind 20–40 MB groß – etwa 100-mal größer.
- Barrierefreiheit: Screenreader funktionieren mit digitalen PDFs. Auf gescannte PDFs kann ohne OCR überhaupt nicht zugegriffen werden – es gibt keinen Text, den der Bildschirmleser lesen kann.
- Druckqualität: digitale __PDFs werden in jeder Größe ohne Qualitätsverlust gedruckt, da Text- und Vektorelemente unbegrenzt skaliert werden. Gescannte PDFs werden mit einer festen Auflösung gedruckt – zoomen Sie ausreichend hinein, um die Pixel sichtbar zu machen.
- Bearbeiten: digitale PDFs können mit einem PDF Editor bearbeitet werden – indem Sie auf den Text klicken und ihn direkt ändern. Gescannte PDFs können nur bearbeitet werden, indem neue Inhalte über dem Bild platziert werden, nicht durch Ändern vorhandener Inhalte.
Die Lücke schließen: Was OCR leistet
OCR (Optical Character Recognition) schließt die Lücke zwischen gescannten und digitalen PDFs größtenteils. Durch das Ausführen eines Scanned PDF über ein OCR-Tool wird der Datei eine echte Textebene hinzugefügt – das Bild bleibt sichtbar, aber darunter hat die Software die tatsächlichen Zeichen erkannt und eingebettet. Nach der OCR ist das Dokument durchsuchbar, kopierbar und für Screenreader zugänglich.
OCR ist nicht perfekt – die Genauigkeit hängt von der Scanqualität, der Klarheit der Schriftart und der Sprache ab. Aber für saubere Scans getippter Dokumente in Standardschriftarten ist die moderne OCR hochpräzise und wandelt ein frustrierendes, nur aus Bildern bestehendes PDF in ein Dokument um, das sich wie ein richtiges digitales Dokument verhält. Das OCR-Tool von WukongPDF bei www.wukongpdf.com erledigt dies, ohne dass eine Desktop-Software erforderlich ist.
Welcher Typ für verschiedene Zwecke geeignet ist
- Für Dokumente, die Sie selbst erstellen: Erstellen Sie immer digitale PDFs, indem Sie sie aus der Quellanwendung exportieren. Scannen Sie niemals einen Ausdruck von etwas, das Sie digital erstellt haben – das führt zu unnötiger Beeinträchtigung.
- Für physische Dokumente, die digital sein müssen: Scannen ist die einzige Option, führen Sie jedoch unmittelbar danach OCR aus, um das Ergebnis so nützlich wie ein digitales PDF zu machen.
- Für die Archivierung wichtiger Dokumente: Wenn Sie über die digitale Originalquelle verfügen, archivieren Sie das digitale PDF. Wenn Sie nur über ein physisches Dokument verfügen, scannen Sie es, wenden Sie OCR an, komprimieren Sie es und speichern Sie die OCR-verarbeitete Version.
Probieren Sie PDF OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.