OCR

Wenn du ein Blatt Papier fotografierst, bekommt der Computer nur ein Bild. Für ihn ist das eine Fläche aus hellen und dunklen Punkten, kein Text. Er kann darin nicht suchen, nichts kopieren und nichts korrigieren. OCR löst genau dieses Problem: Ein Programm schaut sich das Bild an und erkennt, welche Buchstaben und Zahlen darauf zu sehen sind. Heraus kommt Text, den man wie in einem Textprogramm markieren, durchsuchen und weiterverarbeiten kann. Die Abkürzung steht für Optical Character Recognition, also optische Zeichenerkennung.

Warum Papier ein Datenproblem ist

Sehr viele wichtige Informationen liegen immer noch als Bild vor. Rechnungen, Verträge, Zeugnisse, Behördenformulare, alte Zeitungen, handschriftliche Notizen. Ohne Texterkennung müsste ein Mensch all das abtippen. Das ist teuer, langsam und fehleranfällig.

Für Unternehmen ist das ein echter Kostenfaktor. Eine große Versicherung bekommt täglich zehntausende Dokumente herein. Jede Rechnung, die automatisch gelesen und geprüft wird, spart ein paar Minuten Handarbeit. Über ein Jahr gerechnet sind das ganze Stellen. Deshalb ist OCR eine der ältesten und wirtschaftlich erfolgreichsten Anwendungen der Bilderkennung überhaupt.

Dazu kommt der Zugang zu Wissen. Bibliotheken und Archive digitalisieren alte Bestände. Erst durch Texterkennung wird eine Zeitung von 1890 durchsuchbar. Auch Menschen mit Sehbehinderung profitieren: Ein Vorleseprogramm kann nur vorlesen, was vorher als Text erkannt wurde.

Vom Pixelmuster zum Buchstaben

Klassische OCR arbeitet in mehreren Schritten. Zuerst wird das Bild aufbereitet: schiefe Scans werden geradegerückt, Flecken entfernt, der Kontrast verstärkt. Dann sucht das Programm die Textbereiche und zerlegt sie in Zeilen, Wörter und einzelne Zeichen. Erst danach wird jedes Zeichen einzeln bestimmt.

Frühe Systeme verglichen jedes Zeichen mit gespeicherten Schablonen. Das funktionierte nur bei sauberem Druck und bekannten Schriftarten. Heutige Systeme nutzen neuronale Netze, also Programme, die aus Millionen Beispielbildern gelernt haben, wie Buchstaben aussehen. Sie kommen mit krummen Handschriften, schlechtem Licht und ungewöhnlichen Schriften deutlich besser zurecht.

Ein wichtiger Trick ist der Kontext. Ist ein Zeichen unklar, hilft das umgebende Wort. Steht im Bild etwas wie « Rechnun9 », weiß das System aus der Sprache, dass « Rechnung » gemeint ist. Genau hier liegt aber auch ein typischer Irrtum: OCR versteht den Inhalt nicht. Sie liefert Zeichen, keine Bedeutung. Dass auf einem Beleg ein bestimmter Betrag der Endpreis ist, muss ein weiteres Programm entscheiden.

OCR im Handy, im Büro und in KI-Produkten

Du benutzt Texterkennung wahrscheinlich schon, ohne es zu merken. Wenn du in der Kamera-App auf ein Schild hältst und der Text übersetzt wird, steckt OCR dahinter. Dasselbe gilt für das Markieren von Text in einem Foto, für Banking-Apps, die eine Überweisung von der Papierrechnung übernehmen, und für Übersetzungs-Apps im Urlaub.

Im Berufsleben ist OCR meist der erste Schritt einer längeren Kette. Zuerst wird gescannt, dann erkannt, dann ausgewertet und schließlich in eine Datenbank geschrieben. Diesen ganzen Ablauf nennt man Dokumentenverarbeitung. Firmen wie Behörden, Banken und Logistikunternehmen setzen darauf, etwa beim Lesen von Nummernschildern an Mautbrücken.

In den Tech-News taucht OCR heute oft im Zusammenhang mit multimodalen Modellen auf. Das sind KI-Systeme, die Bilder und Text gemeinsam verarbeiten. Sie erledigen die Zeichenerkennung nebenbei und beantworten gleich Fragen zum Dokument. Spezialisierte OCR-Software bleibt trotzdem gefragt, weil sie bei Massenverarbeitung schneller und günstiger ist. Achte in solchen Meldungen auf die Erkennungsrate: Der Unterschied zwischen 98 und 99,5 Prozent klingt klein, halbiert bei Millionen Seiten aber die Zahl der Fehler deutlich.