OCR – Optical Character Recognition

Kurz erklärt

OCR ist die automatische Erkennung von Schrift in Bildern oder eingescannten Dokumenten. Dadurch wird sichtbarer Text zu maschinenlesbarem und durchsuchbarem Text.

Was ist OCR?

Die Abkürzung steht für Optical Character Recognition, auf Deutsch optische Zeichenerkennung. Ein Scan enthält zunächst meist nur Bildpunkte. OCR versucht, darin Buchstaben, Wörter, Zeilen und gegebenenfalls Layoutstrukturen zu erkennen.

Wie funktioniert das?

Scan oder Foto
      ↓
Bildaufbereitung
      ↓
Erkennung von Zeichen und Layout
      ↓
maschinenlesbarer Text

Moderne Systeme nutzen häufig Machine Learning und können auch Handschriften oder komplexe Layouts bearbeiten. Die Qualität hängt stark von Auflösung, Kontrast, Sprache, Schriftart und Seitengestaltung ab.

Konkretes Beispiel

Ein älteres, nur als Scan vorhandenes Produktionsheft soll Teil einer Wissensquelle werden. OCR extrahiert den Text, sodass nach Namen und Begriffen gesucht werden kann. Bei einer schlecht lesbaren Datumsangabe erkennt das System jedoch „8“ statt „3“. Vor einer verbindlichen Nutzung muss der Text daher geprüft werden.

Warum ist das wichtig?

Ohne OCR können Such- oder RAG-Systeme den Inhalt eines reinen Bildscans oft nicht zuverlässig nutzen. Fehlerhafte Texterkennung kann zugleich falsche Suchergebnisse und Antworten verursachen. Original und erkannter Text sollten bei wichtigen Quellen miteinander vergleichbar bleiben.

Zusammenhang mit anderen KI-Begriffen

Eine Wissensquelle kann gescannte Dokumente enthalten.
RAG benötigt zugänglichen Text für Suche und Kontext.
Transkription überführt Sprache statt Schrift in Text.

Typisches Missverständnis

Missverständnis: OCR versteht den Inhalt eines Dokuments.

OCR erkennt zunächst Zeichen und Layout. Inhaltliche Interpretation, Zusammenfassung oder Prüfung sind weitere Schritte.

Merksatz

OCR macht Schrift aus Bildern maschinenlesbar – fehlerfrei ist die Erkennung nicht automatisch.