Wie funktioniert OCR bei gescannten Dokumenten? Praktische Erklärung

Wie funktioniert OCR bei gescannten Dokumenten?

OCR verwandelt eine gescannte Seite von einem bloßen Bild in ein Dokument, in dem Sie jedes Wort durchsuchen können.

Răspuns scurt

OCR steht für optische Zeichenerkennung: Der Text in einem Bild wird zu durchsuchbarem Text.
Ein Scan erzeugt nur ein Bild; ohne OCR kann sein Inhalt nicht durch eine Suche gefunden werden.
OCR läuft automatisch beim Hochladen des Dokuments und fügt dem Bild eine Textebene hinzu.
Nach der Verarbeitung können Sie alles durchsuchen, was im Dokument vorkommt: Namen, Registriernummer, Datum oder Betrag.

Gesetz 135/2007 verlangt, dass das elektronisch aufbewahrte Dokument lesbar und unverändert bleibt: OCR fügt eine Suchfunktion hinzu, ersetzt aber nicht das Originaldokument.
Gesetz 16/1996 überträgt dem Inhaber die Pflicht zur schnellen Auffindung des Dokuments, sodass das Inventar auch mit OCR notwendig bleibt.
Verordnung (EU) 2016/679, Art. 5 Abs. 1 lit. e: Der durch OCR extrahierte Text enthält dieselben personenbezogenen Daten und unterliegt denselben Aufbewahrungsfristen.
Gescannte Finanz- und Buchhaltungsdokumente unterliegen weiterhin den Fristen aus Gesetz 82/1991 und OMFP 2634/2015.

Sie suchen nach „Abnahmeprotokoll Halle 2" und erhalten in weniger als einer Sekunde vier Treffer aus 3.500 gescannten Seiten.
Eine im Text eines eingegangenen Schreibens erwähnte Steuernummer wird durchsuchbar, obwohl sie im Dateinamen nirgends vorkommt.
Bei 200 gescannten Seiten pro Tag würde die manuelle Indexierung etwa zwei Stunden Tipparbeit bedeuten; OCR erledigt dies beim Hochladen.
Eine 2014er-Personalakte, rückwirkend gescannt, wird noch am selben Tag nach dem Namen des Mitarbeiters durchsuchbar.

Es wird mit 150 dpi oder weniger gescannt, wodurch die Erkennungsgenauigkeit spürbar sinkt; 300 dpi ist der praktische Schwellenwert.
Die Seiten sind schräg oder mit dem Handy fotografiert, ohne automatische Begradigung.
Es wird ohne diakritische Zeichen gesucht, obwohl der erkannte Text sie enthält.
Es wird angenommen, dass OCR zu 100 % genau ist: Bei handschriftlichen Dokumenten bleibt das Ergebnis jedoch nur teilweise korrekt.
Auf das Inventar wird verzichtet, mit der Begründung, „es wird ohnehin per Volltext gesucht".

Automatisches OCR beim Hochladen, auch für den Massenimport aus dem alten Archiv.
Volltextsuche im Inhalt der Dokumente, nicht nur im Dateinamen.
Kombinierte Filterung nach Jahr, Dokumenttyp, Abteilung und Aufbewahrungsfrist.
Der gefundene Textausschnitt wird direkt in der Seitenvorschau hervorgehoben.