Papierdokumente und gescannte PDFs speichern Text als Pixel, nicht als Zeichen. Die optische Zeichenerkennung (OCR) wandelt diese Bilder in maschinenlesbaren Text um und ermöglicht so die Suche, Bearbeitung und automatisierte Verarbeitung.

Frühere Systeme verwendeten Vorlagen für einzelne Schriftarten. Moderne Systeme nutzen neuronale Netze, die mit Millionen von Textbildern trainiert wurden. Sie verarbeiten Handschrift, schiefe Scans und gemischte Layouts deutlich besser als ihre Vorgänger.

Gängige OCR-Anwendungen

• Digitalisierung historischer Archive
• Bearbeitung von Rechnungen und Belegen
• Kennzeichen lesen
• Schilder von Fotos übersetzen
• Barrierefreiheit für gescannte Dokumente

Die Genauigkeit hängt von der Bildqualität ab. Unscharfe Scans, ungewöhnliche Schriftarten und geringer Kontrast verschlechtern die Ergebnisse. Die Nachbearbeitung mit Sprachmodellen korrigiert viele Fehler, doch eine perfekte Extraktion bleibt bei schwierigen Eingaben weiterhin schwierig.