PDF-Texterkennung

Ein gescanntes PDF ist im Grunde ein Foto. Für das Auge sieht es aus wie Text, aber der Computer sieht nur Pixel - du kannst nichts markieren, nichts kopieren, nichts suchen. OCR (optische Zeichenerkennung) dreht das um: Sie erkennt die Buchstaben im Bild und macht daraus echten, durchsuchbaren Text. Genau das macht die PDF-Texterkennung, seitenweise und mit Vorschau, damit du siehst, was erkannt wurde.

Der Fokus liegt auf deutscher Behörden- und Finanzpost. Steuerbescheide, Briefe vom Amt, Verträge, Urkunden, Rechnungen - all das kommt oft eingescannt und ist genau dann besonders nervig, wenn man die enthaltenen Zahlen und Fristen weiterverarbeiten will. Fertige Presets stellen Sprache und Auflösung passend für den jeweiligen Dokumententyp ein, damit du dich nicht mit Einstellungen aufhalten musst.

Die Erkennung läuft auf Deutsch, Englisch oder beidem gemischt. Gerade deutsche Texte mit Umlauten und der scharfen ß-Schreibweise profitieren davon, die richtige Sprache zu wählen. Für Dokumente, die beide Sprachen mischen, gibt es den kombinierten Modus, der beide Wörterbücher gleichzeitig nutzt.

Die Auflösung entscheidet über Genauigkeit und Tempo. 150 DPI ist schnell und reicht für saubere, klar gedruckte Seiten. 300 DPI ist der Standard für die meisten Dokumente. 600 DPI holt bei kleiner Schrift, Verträgen oder leicht verwaschenen Scans das Maximum heraus, dauert dafür etwas länger. Zu jeder Seite bekommst du einen Konfidenzwert, der dir zeigt, wie sicher sich die Erkennung war.

Das Ergebnis kannst du dir seitenweise oder als zusammenhängenden Text ansehen, direkt im Browser durchsuchen und den erkannten Text herausziehen - fertig zum Weiterverarbeiten, etwa um eine Zahl in einen Rechner zu übernehmen oder eine Frist in den Fristenwächter zu übertragen. Wort- und Zeichenzahl je Seite hast du dabei immer im Blick.

Die eigentliche Zeichenerkennung braucht Rechenleistung und läuft daher auf dem Server, aber nur für den reinen Erkennungsschritt. Deine Dokumente werden nicht dauerhaft gespeichert. Kein Abo für einen simplen Scan, kein Umweg über einen ausländischen Cloud-Dienst mit undurchsichtigen Datenschutzbedingungen.