Ein gescanntes PDF ist eine Sammlung von Seitenbildern. Es sieht aus wie ein Dokument, für einen Computer ist es jedoch ein Fotoalbum. Sie können es nicht durchsuchen, keinen Text daraus kopieren oder den Inhalt von einem Screenreader vorlesen lassen. Beim Konvertieren eines Scans in eine vollständig durchsuchbare PDF-Datei wird hinter jedem Seitenbild eine Textebene hinzugefügt, sodass sich das Dokument wie eine digital erstellte PDF-Datei verhält und gleichzeitig das ursprüngliche gescannte Erscheinungsbild beibehält. Der Prozess heißt OCR, optische Zeichenerkennung, und browserbasierte Tools machen ihn schnell und genau.
Die Qualität der resultierenden durchsuchbaren PDF-Datei hängt von drei Faktoren ab: der Qualität des Originalscans, der Genauigkeit der OCR-Engine und davon, ob Sie die Datei nach dem Hinzufügen der Textebene optimieren. Wenn alle drei Punkte richtig sind, entsteht ein PDF, das genauso gut durchsucht werden kann wie ein digitales Original. Wenn eine davon falsch ist, entsteht ein PDF, in dem bei der Suche Inhalte fehlen oder verstümmelte Ergebnisse zurückgegeben werden.
Laut einem Benchmark der Document AI Research Group der University of Nevada aus dem Jahr 2025 erreichen moderne cloudbasierte OCR-Engines bei sauberen 300-DPI-Scans von gedrucktem englischen Text Zeichengenauigkeitsraten von über 99 Prozent, ein Anstieg gegenüber etwa 95 Prozent vor einem Jahrzehnt (University of Nevada, „OCR Accuracy Benchmark Report“, 2025). Die Technologie ist so weit ausgereift, dass OCR-Fehler bei sauberen Scans eher die Ausnahme als die Regel sind.
Vorbereiten des Scans für die besten OCR-Ergebnisse
Die OCR-Genauigkeit hängt mehr von der Qualität des Scans als von der OCR-Engine ab. Ein gerader, gut beleuchteter 300-DPI-Scan von sauber gedrucktem Text ermöglicht die OCR-Erkennung mit nahezu perfekter Genauigkeit auf jeder kompetenten Engine. Ein schiefes, schattiges Foto mit niedriger Auflösung eines zerknitterten Dokuments führt mit der besten verfügbaren Engine zu schlechten Ergebnissen. Überprüfen Sie vor dem Ausführen von OCR die Scanqualität. Schiefe Seiten verzerren. Passen Sie den Kontrast so an, dass der Text dunkel und der Hintergrund hell ist. Schneiden Sie irrelevante Bereiche aus, die keinen Text enthalten.
Wenn Sie den Scanvorgang steuern können, scannen Sie Textdokumente mit 300 DPI in Schwarzweiß oder Graustufen. Farbscannen ist für Text nicht erforderlich und erzeugt größere Dateien, die langsamer verarbeitet werden. Der Vorbereitungsschritt Gescannte PDF dauert einige Minuten und verbessert direkt die OCR-Genauigkeit, indem das visuelle Rauschen entfernt wird, das die Zeichenerkennungsalgorithmen verwirrt.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Ausführen von OCR in einem browserbasierten Tool
Laden Sie das gescannte PDF in ein browserbasiertes OCR-Tool hoch. Wählen Sie die Dokumentsprache aus, wenn das Tool Sie dazu auffordert. Bei mehrsprachigen Dokumenten sollte die Einstellung zur automatischen Spracherkennung verwendet werden, sofern verfügbar. Starten Sie den OCR-Prozess. Das Tool analysiert jedes Seitenbild, identifiziert Zeichenformen und fügt hinter jedem Bild eine transparente Textebene hinzu. Die Verarbeitungszeit hängt von der Anzahl der Seiten und der Verarbeitungskapazität des Servers ab und beträgt typischerweise einige Sekunden pro Seite.
Das OCR PDF-Tool von WukongPDF verarbeitet gescannte Dokumente und fügt eine durchsuchbare Textebene hinzu. Das optische Erscheinungsbild des Dokuments ändert sich nicht. Die gescannten Seiten sehen genauso aus wie zuvor, aber jetzt können Sie nach Wörtern suchen, Text kopieren und das Dokument von Screenreadern vorlesen lassen. Die Textebene ist unsichtbar, bis Sie sie verwenden.
Überprüfung der OCR-Genauigkeit
Suchen Sie nach der OCR nach Wörtern, die Sie auf den gescannten Seiten sehen können. Wenn die Suche sie findet, hat die OCR funktioniert. Suchen Sie nach einigen Begriffen, die im gesamten Dokument verstreut sind, nicht nur auf der ersten Seite. Die OCR-Genauigkeit kann je nach Seite variieren, wenn die Scanqualität unterschiedlich ist. Seiten mit kleinem Text, ungewöhnlichen Schriftarten oder Hintergrundmustern weisen eine geringere Genauigkeit auf als Seiten mit sauberem Standardtext.
Die PDF-Konverter-Pipeline vom Scan zum durchsuchbaren PDF ist abgeschlossen, wenn jede Seite genaue Suchergebnisse zurückgibt. Wenn einige Seiten fehlschlagen, scannen Sie diese Seiten erneut in höherer Qualität oder mit besserer Beleuchtung und verarbeiten Sie sie erneut. OCR kann keine Informationen erstellen, die nicht im Bild enthalten sind. Die Textebene ist nur so genau wie der Scan, aus dem sie gelesen wird.
Komprimieren der OCR-Ausgabedatei
Nach der OCR-Verarbeitung kann sich die Dateigröße erhöhen, da die Textebene jeder Seite Daten hinzufügt. Führen Sie die OCR-verarbeitete Datei einer Komprimierung aus, um die Dateigröße zu reduzieren und gleichzeitig sowohl die gescannten Bilder als auch die neue Textebene beizubehalten. Die Komprimierung sollte auf Bilddaten abzielen, ohne den Text zu beeinträchtigen. WukongPDF wickelt diesen kombinierten OCR- und Komprimierungs-Workflow in einer einzigen Sitzung ab.
Probieren Sie PDF-OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.