Ein Dokument zu scannen und als PDF zu speichern, scheint ein gelöstes Problem zu sein. Sie legen das Papier ein, erhalten eine Datei heraus, die wie ein normales PDF aussieht. Arbeit erledigt. Aber es ist nicht so – nicht wirklich. Ein gescanntes PDF sieht aus wie ein Dokument, verhält sich aber wie ein Foto, und dieser Unterschied führt zu überraschend vielen praktischen Problemen, die Menschen überraschen, wenn sie tatsächlich versuchen, mit der Datei zu arbeiten.
Das grundlegende Missverständnis: Es sieht aus wie Text, ist es aber nicht
Wenn Sie ein gescanntes Dokument auf dem Bildschirm lesen, sieht Ihr Gehirn Text – Wörter, Sätze, Absätze. Aber der PDF-Viewer zeigt Ihnen ein Bild des Textes, nicht den Text selbst. Jeder Buchstabe ist eine Ansammlung von Pixeln, die zufällig wie ein Buchstabe aussehen. Es gibt keine zugrunde liegenden Zeichendaten, keinen durchsuchbaren Inhalt, keine Struktur, die der Computer interpretieren kann.
Eine schnelle Möglichkeit, dies zu bestätigen: Versuchen Sie, durch Klicken und Ziehen ein Wort im Dokument auszuwählen. Bei einem textbasierten PDF ändert sich der Cursor und Sie können einzelne Wörter hervorheben. Bei einem gescannten PDF passiert nichts – oder die gesamte Seite wird als einzelner Bildblock ausgewählt. Dieser Unterschied ist die Hauptursache für die meisten der folgenden Probleme.
Probieren Sie PDF OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Sie können darin nicht suchen
Drücken Sie Strg+F in einem gescannten PDF und die Suche findet nichts – oder sie durchsucht den Dateinamen, nicht den Inhalt. Bei einem zweiseitigen Formular ist dies eine kleine Unannehmlichkeit. Bei einem 200-seitigen Vertrag, einem 500-seitigen Handbuch oder einem Archiv mit Rechnungen aus zehn Jahren stellt die fehlende Durchsuchbarkeit eine erhebliche Einschränkung dar. Sie müssen das gesamte Dokument manuell durchlesen, um zu finden, wonach Sie suchen.
Das ist reparabel. Wenn Sie ein gescanntes PDF über ein OCR PDF-Tool ausführen, wird der Bildinhalt in echten Text konvertiert und in die Datei eingebettet. Nach der OCR ist das Dokument vollständig durchsuchbar – Strg+F findet Wörter und die Datei wird bei der Suche des Betriebssystems nach ihrem Inhalt und nicht nur nach ihrem Dateinamen angezeigt. Das OCR-Tool von WukongPDF bei www.wukongpdf.com erledigt dies in einem Schritt.
Das Kopieren von Text bringt Ihnen nichts Nützliches
Müssen Sie eine Klausel aus einem gescannten Vertrag in eine E-Mail übernehmen? Oder ein Zahlenverzeichnis aus einem gescannten Bericht in eine Tabellenkalkulation extrahieren? Bei einem textbasierten PDF wählen Sie aus und kopieren es. Mit einem gescannten PDF erhalten Sie entweder nichts oder Sie erhalten die rudimentäre OCR, die Ihr PDF-Viewer im laufenden Betrieb ausführt – die oft so ungenau ist, dass eine erhebliche Korrektur erforderlich ist.
Die Leute umgehen dieses Problem, indem sie den Inhalt manuell erneut eingeben, was langsam ist und zu Fehlern führt. Oder sie machen Screenshots des Textes und versuchen, daraus etwas zu lesen, was umständlich ist. Wenn Sie zunächst eine ordnungsgemäße OCR für das Dokument ausführen, wird all dies beseitigt. Sobald der Text echt ist, funktioniert das Kopieren genau wie erwartet.
Gescannte PDFs sind unverhältnismäßig groß
Ein aus Word exportiertes zehnseitiges Textdokument kann 200 KB groß sein. Dieselben zehn mit 300 DPI gescannten Seiten könnten 15 MB groß sein. Das ist kein Tippfehler – gescannte PDFs speichern jede Seite als hochauflösendes Bild und Bilddaten sind von Natur aus viel umfangreicher als codierter Text.
Dies führt zu praktischen Problemen: Beschränkungen für E-Mail-Anhänge, langsame Uploads auf Portale, hohe Speicherkosten. Die Lösung ist die Komprimierung – ein gutes PDF-Komprimierungstool reduziert gescannte PDFs erheblich, oft um 60–80 %, während die Bilder weiterhin lesbar bleiben. Bei großen Archiven gescannter Dokumente lohnt es sich, die Komprimierung vor der Speicherung systematisch durchzuführen.
Sie sind für Screenreader nicht zugänglich
Screenreader – Software, die von Menschen mit Sehbehinderungen zum Vorlesen von Dokumenten verwendet wird – funktionieren, indem sie den Textinhalt einer Datei vorlesen. Ein gescanntes PDF enthält keinen Textinhalt, den der Bildschirmleser finden könnte. Das gesamte Dokument ist für ihn unsichtbar. Dies macht gescannte PDFs zu einem erheblichen Barrierefreiheitsproblem in jedem Kontext, in dem Dokumente für Menschen mit Sehbehinderungen nutzbar sein müssen.
In beruflichen und öffentlichen Kontexten ist dies nicht nur eine Frage der Höflichkeit – in vielen Gerichtsbarkeiten gelten für digitale Dokumente Anforderungen an die Barrierefreiheit, und ein reines Bild-PDF erfüllt diese Anforderungen nicht. Auch hier ist OCR die technische Lösung: Sobald der Text echt ist, können Screenreader damit arbeiten.
Die Lösung ist einfacher als das Problem klingt
Alle diese Probleme – nicht durchsuchbare Inhalte, nicht kopierbarer Text, übergroße Dateien, Fehler bei der Barrierefreiheit – haben dieselbe Ursache und weitgehend dieselbe Lösung. Führen Sie das gescannte PDF durch OCR aus, um den Text echt zu machen, und komprimieren Sie ihn dann, um die Dateigröße zu verringern. Zwei Schritte, und das Dokument verhält sich wie ein richtiges PDF und nicht wie ein getarntes Foto. Bei Dokumenten, mit denen Sie mehr als einmal arbeiten müssen, lohnt es sich, dies zu tun, bevor sie gespeichert werden, und nicht erst, nachdem Sie bereits Zeit mit Problemumgehungen verschwendet haben.
Probieren Sie PDF OCR aus
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.