Was ist OCR?

Wie funktioniert OCR?

Ein OCR-Programm findet in einem Bild die Bereiche mit Text und wandelt die erkannten Zeichen in Text um, den ein Computer bearbeiten und durchsuchen kann. OCR steht für Optical Character Recognition, auf Deutsch optische Zeichenerkennung. Das Bild kann ein Scan sein oder ein Handyfoto. Microsoft beschreibt OCR-Verfahren auf Basis von maschinellem Lernen, die gedruckten und handschriftlichen Text aus Bildern herauslesen.

Das Ergebnis ist mehr als eine Buchstabenfolge. Der OCR-Dienst von Microsoft liefert Seiten, Zeilen und Wörter jeweils mit ihrer Position im Bild und einem Konfidenzwert. Dieser Wert zwischen 0 und 1 zeigt, wie sicher die Erkennung bei einem Wort ist. Auch die Texterkennung von Google liefert eine Gliederung, hier nach Seiten, Blöcken, Absätzen und Wörtern.

Welche Arten von OCR gibt es?

OCR-Verfahren unterscheiden sich nach der Schrift, nach der Vorlage, nach dem Umfang der Auswertung und nach dem Ort, an dem die Erkennung läuft.

• Gedruckter Text und Handschrift: Für gedruckten Text unterstützt Microsoft viele Sprachen, für Handschrift eine deutlich kürzere Liste. Unterschriften sind laut Microsoft für Menschen wie Maschinen schwer lesbar.
• Fotos und Dokumente: Google bietet in der Cloud Vision API zwei Funktionen an. TEXT_DETECTION liest Text aus beliebigen Bildern wie Straßenschildern, DOCUMENT_TEXT_DETECTION ist auf dichten Text und Dokumente ausgelegt. Microsoft trennt ebenso zwischen OCR für allgemeine Bilder und dem Read-Modell für textreiche gescannte und digitale Dokumente.
• Reine Texterkennung und Dokumentanalyse: Einfache OCR liefert Text mit Position. Darauf aufbauende Modelle werten mehr aus. Das Layout-Modell von Microsoft erkennt zum Beispiel Absätze, Überschriften und Ankreuzfelder.
• Cloud-Dienst und lokale Software: Die Dienste von Google und Microsoft sprechen Sie über eine API-Schnittstelle an (eine Programmierschnittstelle, über die Programme Daten austauschen). Die Open-Source-Software Tesseract läuft dagegen als Kommandozeilenprogramm auf dem eigenen Rechner. Microsoft bietet eine ältere Version seiner Texterkennung (v3.2) auch als Container für die eigene Umgebung an, laut Dokumentation für besondere Anforderungen an Sicherheit und Datenhoheit.

Wofür nutzen Unternehmen OCR?

Unternehmen nutzen OCR, um Papier und Bilddateien in digitale Arbeitsschritte zu übernehmen: eingescannte Eingangsrechnungen, Lieferscheine, ausgefüllte Formulare oder Fotos von Belegen. Erst wenn der Text erkannt ist, lässt er sich durchsuchen oder an ein anderes System weitergeben. Tesseract gibt das Ergebnis unter anderem als reinen Text, als HTML-Datei im Format hOCR oder als PDF aus.

Reine Texterkennung weiß allerdings nicht, welche Zahl auf einer Rechnung der Gesamtbetrag ist. Dafür gibt es Modelle, die auf OCR aufbauen und gezielt Felder auslesen. Das Rechnungsmodell von Microsoft nutzt laut Dokumentation OCR, um Felder wie Rechnungsnummer, Fälligkeitsdatum, Gesamtbetrag und Rechnungspositionen zu erkennen.

Wovon hängt die Qualität der Erkennung ab?

Die Qualität der Erkennung hängt vor allem vom Ausgangsbild ab. Microsoft nennt Scanqualität, Auflösung, Kontrast, Lichtverhältnisse und Drehung des Dokuments sowie Größe, Farbe und Dichte der Schrift als Einflussgrößen. Die OCR-Software Tesseract arbeitet laut ihrer Dokumentation am besten mit Bildern ab 300 dpi. Laut derselben Dokumentation sinkt die Qualität bei schräg eingescannten Seiten deutlich. Auch ein ungleichmäßig heller Hintergrund oder dunkle Scan-Ränder können zu Fehlern führen.

Was kostet OCR?

Die Kosten für OCR hängen davon ab, ob Sie einen Cloud-Dienst nach Menge bezahlen oder eine lokale Software selbst betreiben. Google rechnet die Cloud Vision API je Bild und je angewendeter Funktion ab, bei PDF-Dateien zählt jede Seite als eigenes Bild. Die ersten 1.000 Einheiten im Monat sind laut Preisliste kostenlos (Stand November 2026).

Tesseract ist Open-Source-Software unter der Apache-Lizenz 2.0. Bei Tesseract entsteht der Aufwand vor allem bei Installation, Betrieb und Anbindung an die eigenen Systeme. Bei beiden Wegen kommt die Arbeitszeit hinzu, die Ihr Team für die Prüfung unsicherer Werte braucht.

Wie werden OCR-Ergebnisse abgesichert?

OCR-Ergebnisse werden abgesichert, indem ein Mensch unsichere Werte prüft und wichtige Angaben mit vorhandenen Daten abgeglichen werden. Texterkennung kann laut Microsoft Teile eines Dokuments falsch lesen oder übersehen. Microsoft rät deshalb, OCR-gestützte Automatisierung mit menschlicher Kontrolle zu verbinden.

In der Praxis laufen Ergebnisse mit hohem Konfidenzwert direkt weiter, unsichere Werte landen bei einer Person zur Prüfung. Als Beispiel für eine solche Schwelle nennt Microsoft einen Konfidenzwert von 0,80. Bei Rechnungsbeträgen oder Bankdaten lohnt sich zusätzlich ein Abgleich mit vorhandenen Daten, zum Beispiel mit der Bestellung.

Was unterscheidet OCR von einer E-Rechnung?

OCR braucht man, wenn ein Dokument nur als Bild vorliegt, also auf Papier, als Foto oder als gescanntes PDF. Eine E-Rechnung im Sinne des Umsatzsteuergesetzes ist dagegen eine Rechnung in einem strukturierten elektronischen Format. Sie wird in diesem Format ausgestellt, übermittelt und empfangen und ermöglicht eine elektronische Verarbeitung (§ 14 Abs. 1 UStG). Ihre Daten liegen bereits maschinenlesbar vor und müssen nicht erst erkannt werden. Eine Rechnung auf Papier oder in einem anderen elektronischen Format gilt nach demselben Paragrafen als sonstige Rechnung.

• Wie liegen die Daten vor? Bei OCR als Bild, aus dem der Text erst gelesen wird. Bei der E-Rechnung als strukturierte Daten.
• Wie sicher ist das Ergebnis? OCR liefert Werte mit einer gewissen Unsicherheit, die der Konfidenzwert ausdrückt. Strukturierte Daten werden ohne Erkennungsschritt übernommen.
• Wann ist OCR trotzdem nötig? Bei allen Belegen, die weiter auf Papier oder als Scan eintreffen, etwa Lieferscheine, Quittungen oder sonstige Rechnungen.
• Was braucht die Weiterverarbeitung? In beiden Fällen ein System, das die Daten prüft und an Buchhaltung oder Warenwirtschaft weitergibt.