Optical Character Recognition

Ein Foto von einer Seite Papier ist für einen Computer zunächst nur eine Ansammlung farbiger Bildpunkte. Er sieht helle und dunkle Flecken, aber keine Buchstaben und keine Wörter. Optical Character Recognition, meist mit OCR abgekürzt, schließt genau diese Lücke. Das Verfahren erkennt in einem Bild die Schriftzeichen und gibt sie als echten Text aus. Danach kann man den Inhalt durchsuchen, kopieren, übersetzen oder in eine Tabelle einsortieren. Der deutsche Fachausdruck dafür lautet optische Zeichenerkennung.

Warum Papier immer noch ein Datenproblem ist

Sehr viele Informationen entstehen bis heute auf Papier oder als Foto davon. Rechnungen, Verträge, Krankenakten, Formulare, Quittungen und Zeitungsarchive gehören dazu. Ohne Texterkennung müsste ein Mensch all das abtippen. Das ist teuer, langsam und fehleranfällig. OCR macht aus diesem toten Bestand durchsuchbare Daten.

Besonders wichtig ist das in der Finanzwelt. Banken und Versicherungen prüfen täglich Millionen Dokumente, oft eingescannt oder als Handyfoto. Erst wenn Beträge, Daten und Namen als Text vorliegen, kann eine Software sie automatisch verbuchen oder auf Auffälligkeiten prüfen. Studien schätzen, dass die manuelle Erfassung einer Rechnung mehrere Euro kostet. Bei einer automatisierten Verarbeitung sinkt dieser Betrag auf Cent-Beträge.

Ein zweiter Grund ist Zugänglichkeit. Blinde Menschen nutzen Programme, die Bildschirminhalte vorlesen. Ein eingescanntes Buch ohne Texterkennung bleibt für solche Programme stumm. OCR macht es lesbar.

Vom Bildpunkt zum Buchstaben

Klassische Systeme arbeiten in mehreren Schritten. Zuerst wird das Bild aufbereitet: Es wird gerade gedreht, aufgehellt und von Flecken befreit. Dann sucht die Software die Bereiche, in denen überhaupt Text steht. Anschließend zerlegt sie Zeilen in einzelne Zeichen und vergleicht jedes davon mit gespeicherten Formen. Dieses Vorgehen funktioniert gut bei sauberem Druck in bekannter Schriftart.

Moderne OCR nutzt stattdessen neuronale Netze. Das sind lernende Programme, die aus Millionen Beispielbildern selbst herausfinden, wie ein A aussieht. Sie schauen sich nicht einzelne Zeichen isoliert an, sondern ganze Zeilen im Zusammenhang. Dadurch kommen sie auch mit Handschrift, schiefen Handyfotos und verblasstem Papier zurecht. Erkennt das Modell nur eine undeutliche Form, hilft der Kontext: Nach „Rech“ ist „nung“ wahrscheinlicher als „nvng“.

Ein verbreiteter Irrtum ist, OCR verstehe den Text. Das tut sie nicht. Sie liefert nur die Zeichenfolge, nicht deren Bedeutung. Um zu wissen, welche Zahl auf einer Rechnung der Gesamtbetrag ist, braucht es einen weiteren Schritt. Diesen Bereich nennt man Dokumentenverstehen, und dort kommen heute Sprachmodelle zum Einsatz.

OCR im Handy, im Archiv und in der Buchhaltung

Die Technik steckt in Geräten, die fast jeder benutzt. Richtet man die Kamera eines Smartphones auf ein Straßenschild, lässt sich der Text antippen und übersetzen. Übersetzungs-Apps arbeiten genauso. Auch die Suche in der Fotogalerie nach einem Wort funktioniert nur, weil im Hintergrund Texterkennung über die Bilder gelaufen ist.

Im Alltag begegnet einem OCR außerdem an der Schranke im Parkhaus, die das Nummernschild liest, und beim Fotografieren einer Überweisung in der Banking-App. Bibliotheken digitalisieren mit dem Verfahren alte Zeitungsjahrgänge. Behörden nutzen es, um eingereichte Formulare weiterzuverarbeiten.

In den Tech-News taucht der Begriff meist im Zusammenhang mit Automatisierung auf. Anbieter werben damit, dass ihre Software Rechnungen ohne menschliches Zutun verbucht. Interessant ist dabei immer die Fehlerquote. Neunundneunzig Prozent korrekt erkannte Zeichen klingen gut, bedeuten aber bei einer zwanzigstelligen Kontonummer trotzdem regelmäßige Fehler. Deshalb prüfen seriöse Systeme kritische Felder gegen andere Datenquellen oder legen sie einem Menschen vor.