Sie haben ein PDF, das nichts anderes als gescannte Bilder enthält. Jede Seite ist ein Foto eines Blattes Papier. Sie müssen es in ein echtes Word-Dokument umwandeln, das Sie bearbeiten, durchsuchen und formatieren können. Das Kopieren und Einfügen funktioniert nicht, da kein Text zum Kopieren vorhanden ist. 40 Seiten von Hand abzutippen ist keine ernsthafte Option. Der einzig praktikable Weg ist OCR, optische Zeichenerkennung und eine Konvertierung, die das ursprüngliche Layout berücksichtigt.
Der Prozess ist gut etabliert und die Tools sind ausgereift, aber die Qualität der Ausgabe hängt stark von der Qualität der Eingabe und den Entscheidungen ab, die Sie bei der Konvertierung treffen. Ein sauberer, hochauflösender Scan eines einfach getippten Dokuments wird mit nahezu perfekter Genauigkeit in eine bearbeitbare Word-Datei umgewandelt. Ein Scan mit niedriger Auflösung eines komplexen Layouts mit Tabellen, Spalten und handschriftlichen Notizen muss nach der Konvertierung bereinigt werden. Wenn Sie wissen, was Sie bei jeder Qualitätsstufe erwarten können, vermeiden Sie den frustrierenden Gedanken, das Tool sei fehlgeschlagen, obwohl die Eingabe einfach zu schlecht war, als dass eine OCR-Engine sie gut verarbeiten könnte.
Was OCR tatsächlich macht, wenn ein Scan in Word konvertiert wird
Die OCR-Konvertierung ist ein zweistufiger Prozess. In der ersten Phase analysiert die OCR-Engine das gescannte Bild und identifiziert Bereiche, die Text, Bilder, Tabellen und andere Inhaltstypen enthalten. Dieser Schritt der Layoutanalyse ist von entscheidender Bedeutung, da er die Lesereihenfolge und Struktur des Ausgabedokuments bestimmt. Wenn die Engine ein zweispaltiges Layout mit einer einzelnen Spalte verwechselt, werden in der Ausgabe Sätze aus der linken und rechten Spalte zu Kauderwelsch verschachtelt.
In der zweiten Stufe verarbeitet die Engine jeden Textbereich Zeichen für Zeichen und gleicht Pixelmuster mit bekannten Buchstabenformen ab. Ein Benchmark der PDF Association aus dem Jahr 2025 ergab, dass die OCR-Genauigkeit bei sauberen 300-DPI-Scans von getipptem Text bei allen getesteten Engines zwischen 95 % und über 99 % lag (PDF Association, „OCR Accuracy Benchmark Report“, 2025). Bei diesen Genauigkeitsraten würde eine typische Seite mit 2.500 Zeichen zwischen 25 und 125 Fehler enthalten. Die meisten dieser Fehler treten bei optisch mehrdeutigen Zeichen auf: der Ziffer 1 gegenüber dem Buchstaben l, der Buchstabenkombination rn gegenüber einem einzelnen m oder Satzzeichen, die teilweise durch Scanartefakte verdeckt werden.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Einrichtung für die bestmögliche Konvertierung
Das wirkungsvollste, was Sie tun können, um die Konvertierungsqualität zu verbessern, geschieht, bevor Sie überhaupt mit der OCR-Software in Berührung kommen: Scannen mit 300 DPI oder höher. Eine Studie der University of Nevada, Las Vegas aus dem Jahr 2018 ergab, dass die OCR-Genauigkeit bei 300-DPI-Scans durchschnittlich 97,5 % betrug, während 150-DPI-Scans derselben Dokumente durchschnittlich 87,2 % betrugen (UNLV, „Effects of Image Resolution on OCR Accuracy“, 2018). Die 10-Punkte-Genauigkeitslücke ist der Unterschied zwischen einem Dokument, das Sie mit einer schnellen Rechtschreibprüfung bereinigen können, und einem Dokument, das umfangreiche manuelle Korrekturen erfordert.
Über die Auflösung hinaus zahlen sich noch einige andere Gewohnheiten vor dem Scannen aus. Legen Sie das Dokument flach und gerade auf das Scannerbett, um eine Schräglage zu vermeiden. Verwenden Sie für Textdokumente den Graustufen- oder Schwarzweißmodus anstelle von Farbdokumenten, da die OCR-Engine monochrome Eingaben schneller und genauer verarbeitet. Entfernen Sie Heftklammern, Büroklammern und Haftnotizen, die Schatten werfen oder den Text verdecken. Wenn Sie ein Buch oder ein gebundenes Dokument scannen, drücken Sie den Buchrücken flach gegen das Glas, um den dunklen Randschatten zu minimieren, den OCR-Engines oft fälschlicherweise als Zeichen oder Wortgrenzen interpretieren.
Ein gescanntes PDF in Word Schritt für Schritt konvertieren
Da die OCR-Technologie ausgereift ist, dauert die eigentliche Konvertierung nur noch wenige Schritte. Mit WukongPDF laden Sie das gescannte PDF hoch, wählen die OCR-Option und wählen Word als Ausgabeformat. Das Tool führt eine OCR auf den gescannten Seiten durch und exportiert den erkannten Text in eine .docx-Datei. Der gesamte Vorgang läuft im Browser ab, sodass keine Software installiert werden muss und die Datei Ihr Gerät nicht zur Verarbeitung auf einem Remote-Server verlässt.
Wenn Sie Desktop-Software bevorzugen, funktioniert die Funktion „PDF exportieren“ von Adobe Acrobat Pro ähnlich: Öffnen Sie das gescannte PDF, wählen Sie „Exportieren nach“, wählen Sie „Microsoft Word“ und Acrobat führt OCR PDF automatisch aus, bevor die Word-Datei generiert wird. Der Desktop-Ansatz bietet den Vorteil der Stapelverarbeitung. Sie können über Nacht einen ganzen Ordner mit gescannten PDFs zur Konvertierung in die Warteschlange stellen und am nächsten Morgen auf einen Ordner voller Word-Dokumente zurückgreifen.
Auch kostenlose Tools können diese Aufgabe übernehmen. Google Drive führt automatisch eine OCR-Erkennung aller darauf hochgeladenen Bilder oder PDFs durch, obwohl die Ausgabe ein Google-Dokument und keine .docx-Datei ist. Die Konvertierungsqualität ist für einfache Layouts akzeptabel, hat jedoch bei Tabellen, Spalten und gemischten Inhalten oft Probleme. Das Google Doc kann dann als .docx-Datei zur Bearbeitung in Word heruntergeladen werden. Dieser zweistufige Weg funktioniert und kostet nichts, aber der akkumulierte Formatierungsdrift aus zwei Konvertierungen, Scannen in Google Doc und Google Doc in Word, bedeutet, dass Sie mit einem Zeitaufwand für die Neuformatierung des endgültigen Dokuments rechnen müssen.
Was Sie von der Ausgabe erwarten können und wie Sie sie bereinigen können
Legen Sie im Voraus Erwartungen fest. Sie ersparen sich stundenlange Frustration. Die OCR-Engine erkennt Text. Die Formatierung des Originaldokuments wird nicht wiederhergestellt. Schriftarten aus dem Original-PDF werden durch ähnliche Systemschriftarten ersetzt. Absatzabstände, Ränder und Einzüge spiegeln die beste Schätzung der OCR-Engine des Originallayouts wider, nicht eine pixelgenaue Reproduktion. Tabellen werden möglicherweise als durch Tabulatoren getrennter Text und nicht als tatsächliche Word-Tabellenobjekte angezeigt. Bilder aus dem Originalscan werden entweder weggelassen oder als zugeschnittene Screenshots ihrer Quellregionen eingebettet.
Beginnen Sie mit der Strukturierung und widmen Sie sich dann der Kosmetik. Diese Reihenfolge spart die meiste Zeit. Durchsuchen Sie das Dokument und beheben Sie alle Probleme mit der Lesereihenfolge, bei denen Spalten oder Seitenleisten mit dem Haupttext verschmolzen wurden. Überprüfen Sie, ob Überschriften als Überschriften erkannt wurden und nicht als fettgedruckte Absätze in den Fließtext eingefügt wurden. Stellen Sie sicher, dass nummerierte und mit Aufzählungszeichen versehene Listen als Listen erhalten bleiben. Führen Sie nach der Lösung struktureller Probleme eine Rechtschreibprüfung durch, um OCR-Fehler zu erkennen. Die meisten Textverarbeitungsprogramme kennzeichnen nicht erkannte Wörter automatisch, sodass OCR-Fehler leicht erkannt und behoben werden können. Wenden Sie abschließend die gewünschten Formatierungen, Schriftarten, Ränder und Stile auf das strukturell saubere Dokument an.
Wenn es bei der OCR-Konvertierung Probleme gibt und was Sie dagegen tun können
Bestimmte Arten von Dokumenten stellen OCR-Engines zuverlässig in Frage, unabhängig davon, welches Tool Sie verwenden. Handgeschriebener Text bleibt der schwierigste Fall. Obwohl sich die KI-gestützte Handschrifterkennung in den letzten Jahren erheblich verbessert hat, ist die Genauigkeitslücke zwischen getipptem und handgeschriebenem Text immer noch erheblich. Wenn Ihr Gescanntes PDF überwiegend handgeschriebenen Inhalt enthält, müssen Sie nach der Konvertierung mit erheblichen manuellen Korrekturen rechnen oder überlegen, ob Sie wirklich bearbeitbaren Text benötigen und nicht nur ein durchsuchbares Bild-PDF.
Auch Dokumente mit komplexem Layout, mehrspaltige wissenschaftliche Arbeiten, Zeitungsseiten und Formulare mit über beschriftete Felder verstreuten Text führen zu inkonsistenten Ergebnissen. Die OCR-Engine muss über eine Lesereihenfolge entscheiden, und bei komplexen Seiten stimmt diese Reihenfolge möglicherweise nicht mit der beabsichtigten menschlichen Lesereihenfolge überein. Eine praktische Problemumgehung besteht darin, den Scan vor der OCR-Ausführung in kleinere, einspaltige Bereiche zuzuschneiden oder zu maskieren und dann die einzelnen Ausgaben wieder zusammenzusetzen. Dies nimmt im Vorfeld mehr Zeit in Anspruch, führt aber zu einem wesentlich saubereren Enddokument.
Auf farbigem oder strukturiertem Papier gedruckte Dokumente oder Dokumente mit Wasserzeichen, Stempeln oder starken Hintergrundmustern verwirren den Schwellenwertalgorithmus, der Text vom Hintergrund trennt. Das Ergebnis ist Text voller Artefakte, zusammengefügter Zeichen oder falscher Satzzeichen, bei denen Hintergrundelemente fälschlicherweise als Text identifiziert wurden. Ein erneutes Scannen mit einer höheren Kontrasteinstellung oder in Graustufen hilft oft, ebenso wie das digitale Bereinigen des Scans in einem Bildbearbeitungsprogramm vor der OCR-Ausführung. Durch Erhöhen der Helligkeit und des Kontrasts, um den Hintergrund reinweiß zu machen, während der Text dunkelschwarz bleibt, erhält die OCR-Engine die sauberste Eingabe, die möglich ist.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.