OCR (Texterkennung)

Was ist OCR?

OCR steht für Optical Character Recognition (optische Zeichenerkennung), auf Deutsch Texterkennung. Gemeint ist die elektronische oder mechanische Umwandlung von Bildern getippten, gedruckten oder handgeschriebenen Texts in maschinencodierten Text. Aus einem Scan, Foto oder Bild-PDF entsteht so durchsuchbarer und bearbeitbarer Text, den ein Computer weiterverarbeiten kann. Im Unterschied zu einem reinen Foto ist der so gewonnene Text kopierbar, durchsuchbar und maschinell auswertbar.

Wie funktioniert Texterkennung?

Der Prozess läuft typischerweise in drei Schritten ab. Zunächst wird das Bild vorverarbeitet – etwa durch Geraderücken, Entrauschen und Umwandlung in Schwarz-Weiß (Binarisierung). Anschließend erkennt das System die Zeichen, klassisch über Mustervergleich (Matrix Matching) oder über Merkmalsextraktion, bei der charakteristische Bestandteile eines Buchstabens analysiert werden. Zuletzt verbessern Nachbearbeitung, Wörterbücher und Kontextanalyse die Genauigkeit. Moderne Systeme nutzen zusätzlich neuronale Netze. Die Genauigkeit hängt stark von Bildqualität, Schriftart und Sprache ab; saubere, kontrastreiche Vorlagen liefern deutlich bessere Ergebnisse als verwackelte Fotos.

Woher stammt die Technologie?

OCR ist älter als der Computer. Bereits 1914 entwickelte der Physiker Emanuel Goldberg eine Maschine, die Zeichen las und in Telegrafencode umsetzte. 1931 erhielt Goldberg ein US-Patent, das später an IBM ging; 1959 prägte IBM mit einem eigenen System den Begriff Optical Character Recognition. In den 1970er-Jahren entwickelte Ray Kurzweil das erste Omni-Font-System, das Text nahezu beliebiger Schriftarten erkennen konnte; 1976 stellte er eine Lesemaschine für blinde Menschen vor. Seit den 2000er-Jahren ist OCR breit als Cloud- und Mobil-Dienst verfügbar.

Wo wird OCR eingesetzt?

OCR digitalisiert Archive, Rechnungen, Ausweise und Formulare und extrahiert daraus strukturierte Daten. Von der reinen Zeichenerkennung abzugrenzen ist die Intelligent Character Recognition (ICR), die auf Handschrift zielt. Häufig arbeitet OCR heute mit einer Layout-Analyse zusammen, um auch Tabellen und Spalten korrekt zu erfassen. Beim Lernen ist OCR die entscheidende Vorstufe, um analoge Unterlagen nutzbar zu machen: Erst wenn ein abfotografiertes Skript oder ein gescanntes Buch als Text vorliegt, können KI-Werkzeuge daraus Zusammenfassungen, Karteikarten oder Audioformate erzeugen.