Full-text zoeken in documenten

Tekstherkenning op gescande en gefotografeerde documenten, automatische indexering en zoeken in de inhoud — vind een document op wat erin staat, niet op de bestandsnaam.

Een gescand archief zonder tekstlaag is een doos met plaatjes: u weet dat het document er is, maar vindt het alleen als u nog weet waar u het hebt neergezet. Full-text zoeken neemt die beperking weg voor alle documenten die tekst bevatten. Digitale pdf’s en bestanden met een tekstlaag worden bij het uploaden geïndexeerd: de tekst wordt eruit gehaald en doorzoekbaar gemaakt, en vanaf dan is het document vindbaar op elk woord dat erin staat — een naam, een KvK-nummer, een bedrag, een machinetype. Gescande pagina’s zonder tekstlaag worden in deze taal niet automatisch herkend; voor die documenten vult u de belangrijkste metadata met de hand in. In combinatie met filters op metadata worden vragen als „waar is de pakbon van voorjaar 2022 voor de vestiging in Eindhoven?” in seconden beantwoord, niet in een middag.

Automatische tekstherkenning voor gescande pdf’s, afbeeldingen en gefotografeerde documenten.
Ondersteuning voor het Nederlands, inclusief trema’s en accenten — zoeken vindt „geïndexeerd” ook als u „geindexeerd” typt.
Indexering van de inhoud bij het uploaden, zonder handmatige stappen en zonder wachten.
Gecombineerd zoeken: woorden uit de tekst plus filters op metadata (soort, datum, afdeling, afzender, categorie).
Markering van het resultaat direct op de pagina van het document, zodat u ziet waarom het is gevonden.
Voorstel van de documentdatum op basis van de herkende tekst; de overige metadata bevestigt of vult u zelf aan.
Oudere documenten op verzoek opnieuw verwerken als er een betere scan is.
Zoeken beperkt tot wat u mag zien — resultaten respecteren de toegangsrechten.

Hoe tekstherkenning in het kort werkt

Na het uploaden van een scan of foto bewaart het platform het oorspronkelijke bestand ongewijzigd. Tekst is pas doorzoekbaar als hij als tekst bestaat: een digitale pdf bevat hem al, een scan heeft eerst een tekstlaag nodig, die in een aparte herkenningsstap wordt gemaakt. De tekst wordt als zoeklaag naast het originele bestand bewaard; het origineel blijft ongewijzigd. Bij digitaal gemaakte documenten — een gegenereerde, niet gescande pdf — wordt de tekst direct uitgelezen, zonder verlies.

Zoeken in de inhoud plus filters op metadata

Full-text zoeken is krachtig, maar levert alleen te veel op. Daarom combineert u het met metadata: categorie, periode, afdeling, afzender, registratienummer. Zoek „ketel” in de inkoopfacturen van 2023 van de afdeling onderhoud en u krijgt precies dat. Accenten en trema’s worden genormaliseerd, dus een vergeten teken laat u niet zonder resultaat.

Metadata ingevuld vanuit de herkende tekst

Uit de herkende tekst stelt het platform de documentdatum voor; nummer, afzender en bedrag vult u aan bij de registratie. Het belangrijkste: de volledige tekst wordt geïndexeerd, dus ook met een leeg veld vindt u het document terug op elk woord dat erin staat. En consistente metadata maken filters en bewaartermijnen pas echt bruikbaar.

Wat full-text zoeken niet kan en hoe u verrassingen voorkomt

Bij gedrukte documenten die recht zijn gescand op 300 dpi is de herkenning betrouwbaar. Die daalt bij scans op 150 dpi, scheve foto’s, verbleekt thermisch papier en stempels over de tekst. Handschrift wordt niet betrouwbaar herkend. Documenten met een lage herkenningsscore worden automatisch gemarkeerd, en u kunt de geïndexeerde tekst corrigeren zonder het origineel te wijzigen.

Wettelijke verwijzingen

Burgerlijk Wetboek Boek 2, art. 2:10 — gegevens op een andere gegevensdrager moeten gedurende de bewaartermijn beschikbaar zijn en binnen redelijke tijd leesbaar gemaakt kunnen worden
Verordening (EU) 2016/679 (AVG) — herkende tekst kan persoonsgegevens bevatten; toegang tot zoekresultaten volgt dezelfde rechten als toegang tot het document
Verordening (EU) 2016/679 (AVG), art. 32 — beveiliging van de verwerking: zoeken mag geen documenten tonen aan wie er geen toegang toe heeft

Veelgestelde vragen

Welke bestanden kunnen op inhoud worden doorzocht?

Digitale pdf’s en bestanden met een tekstlaag, volledig. Gescande pdf’s en afbeeldingen zonder tekstlaag worden niet op inhoud doorzocht; vul voor die documenten een paar belangrijke metadatavelden met de hand in, zodat het terugvinden niet van tekstherkenning afhangt. Bij digitaal gemaakte pdf’s wordt de tekst direct uitgelezen.

Werkt het met Nederlandse documenten, inclusief trema’s?

Ja. De herkenning ondersteunt Nederlandse tekens en zoeken normaliseert accenten, zodat „geindexeerd” en „geïndexeerd” hetzelfde document vinden.

Wordt handschrift herkend?

Niet betrouwbaar, en dat beweren we ook niet. Voor handgeschreven documenten raden we aan de metadata in te vullen, zodat ze via filters vindbaar zijn.

Hoe lang duurt de verwerking van een document?

Meestal enkele seconden per pagina. Grote batches worden op de achtergrond verwerkt, en documenten worden doorzoekbaar zodra ze klaar zijn.

Kan ik zoeken in het archief dat ik vóór het toevoegen van een tekstlaag heb geüpload?

Ja. Bestaande documenten kunnen opnieuw worden verwerkt, in bulk of per categorie, zodat ze in de zoekindex komen.

Toont zoeken documenten waar ik geen toegang toe heb?

Nee. Resultaten worden gefilterd op uw rechten: een document dat u niet mag zien, verschijnt niet en wordt op geen enkele manier aangegeven.

Gerelateerde artikelen

Elektronisch archiveren →De structuur waarop het zoeken werkt.Veilig delen →Rechten die ook de zoekresultaten begrenzen.Hoe werkt zoeken in gescande documenten? →Nauwkeurigheid, beperkingen en goede scanpraktijk.Wat betekent een archief met bewijskracht? →Integriteit, tijdstempel, metadata en toegangslog.Abonnementen en prijzen →Neem contact op met het team →

Maak uw gescande archief doorzoekbaar

We zetten tekstherkenning aan voor nieuwe documenten en verwerken het bestaande archief opnieuw, zodat elk document vindbaar is op wat erin staat.

Bekijk prijzen Neem contact op met een adviseur