Ein gescanntes Handbuch kann am Bildschirm deutlich lesbar sein und trotzdem keinen einzigen Suchtreffer liefern. Das PDF enthält dann möglicherweise nur Bilder der Seiten. Mit optischer Zeichenerkennung, meist OCR genannt, lässt sich eine Textschicht ergänzen. Sie hilft beim Suchen, Kopieren und Weiterverarbeiten. Gerade bei Artikelnummern, alten Schriften oder schwachen Kopien darfst du die erkannten Zeichen jedoch nicht ungeprüft als verlässliche Abschrift behandeln.
Mit einem brauchbaren Scan beginnen
Teste zuerst, ob bereits Text vorhanden ist: Suche nach einem auffälligen Wort und versuche, einen Satz zu markieren. Manche Dateien enthalten auf einzelnen Seiten Text und auf anderen nur Bilder. Prüfe deshalb mehrere Stellen, statt aus einer erfolgreichen Suche auf das gesamte Dokument zu schließen.
Bei einer neuen Aufnahme helfen gerade ausgerichtete Seiten, gleichmäßiges Licht und vollständige Ränder. Schatten am Buchfalz oder ein abgeschnittener Rand sind keine Probleme, die OCR zuverlässig repariert. Wenn eine wichtige Zeile schon im Bild nicht lesbar ist, fotografiere oder scanne sie erneut. Eine größere Datei mit derselben verwischten Aufnahme liefert nicht automatisch bessere Erkennung.
Die Erkennung passend einstellen
Wähle die Sprache des Dokuments und den gewünschten Seitenbereich. Bei einem gemischten Dokument kann eine Anwendung mehrere Erkennungssprachen unterstützen. Prüfe die verfügbaren Optionen, statt pauschal anzunehmen, dass die Sprache der Bedienoberfläche auch zur Vorlage passt.
Speichere das Ergebnis als neue Datei. Für ein durchsuchbares Archiv ist eine Ausgabe sinnvoll, die das ursprüngliche Seitenbild beibehält und erkannten Text ergänzt. Wenn du stattdessen ein vollständig bearbeitbares Dokument erzeugst, können Spalten, Tabellen und Zeilenumbrüche verändert werden. Das ist ein anderer Arbeitsauftrag und benötigt eine eigene Layoutkontrolle.
Enthält die Vorlage private Informationen, kläre vor der Nutzung eines Onlinedienstes, ob die Datei dort verarbeitet werden darf. Ein lokal arbeitendes Programm und ein hochladender Webdienst sind hinsichtlich des Datenwegs nicht gleich. Der einfachste erreichbare Knopf ist nicht unbedingt die passende Verarbeitung für interne Unterlagen.
Wichtige Zeichen gegen das Bild prüfen
Suche nach mehreren Begriffen von unterschiedlichen Seiten, auch nach einem Wort nahe dem Dokumentende. Kopiere einen kurzen Absatz in einen Texteditor und vergleiche ihn mit dem Scan. Prüfe besonders Bindestriche, Umlaute, die Ziffer null und den Buchstaben O sowie die Ziffer eins und ähnliche Buchstaben.
Bei einer Ersatzteilliste sind korrekte Artikelnummern wichtiger als ein fehlerfreier Fließtext. Prüfe solche Felder vollständig oder kennzeichne die Datei ausdrücklich als ungeprüfte OCR-Fassung. Eine Suchschicht macht einen Scan außerdem nicht automatisch barrierefrei: Lesereihenfolge, Überschriften und Tabellenstruktur können weiterhin fehlen. Bewahre die Originalaufnahme auf, damit Unklarheiten später an der Quelle geklärt werden können.