OCR Deutsch: durchsuchbare PDFs mit Umlauten und ß

Bei deutschen Texten macht die Texterkennung immer wieder dieselben Fehler: ein Umlaut wird zum einfachen Vokal, ein ß zum B, im Aktenzeichen stimmt eine Ziffer nicht. Inklight erkennt deutsche Scans auf Ihrem eigenen Windows- oder Linux-Rechner und legt neben jeden ein durchsuchbares PDF. Deutsch ist eine der sechs Sprachen, auf die die Erkennung getestet ist, und eine deutsche Wortliste liefert Inklight mit. Die Wörter, bei denen es unsicher ist, markiert Inklight, und Sie prüfen sie.

So funktioniert es in Inklight

Ziehen Sie Scans oder PDFs in die Verarbeitungswarteschlange oder scannen Sie direkt von Ihrem Scanner. Jede Datei wird ein Auftrag. Inklight erkennt sie im Hintergrund und schreibt {name}_ocr.pdf neben das Original. Eine Sprache wählen Sie nicht. Inklight liest jedes Dokument gegen die Wortlisten der Sprachen, die es auf der Seite findet, bis zu zwei. Ein deutscher Brief mit einem englischen Absatz braucht also keine Einstellung.

Ist eine Datei fertig, zeigt ihre Karte, wie viele Wörter noch zu prüfen sind. Mit Wörter prüfen gehen Sie sie durch, die riskantesten zuerst. Ein Aktenzeichen wie 4711/24 gilt als Kennung und kommt vor gewöhnlichen Wörtern:

Ein Wort ohne seinen Umlaut steht nicht in der deutschen Wortliste und geht deshalb nicht als bekanntes Wort durch. Lesen die beiden Erkennungsmodelle ein Wort verschieden, erscheinen beide Lesarten, und Sie drücken 1 oder 2:

Die Eingabetaste übernimmt ein Wort, Tippen ersetzt es, Tab überspringt es. Inklight schreibt jede Entscheidung sofort in die Textebene des durchsuchbaren PDFs, und die Suche nach „Gebühr“ findet die Seite.

Der Prüfdurchgang fasst außerdem gleiche Wörter über Dateien hinweg zusammen. Steht Gebuhr auf drei Seiten in zwei Bescheiden, sehen Sie es einmal, mit der Zahl der Fundstellen und Dokumente und darunter der Zeile jeder weiteren Fundstelle. Eine Entscheidung schreibt Gebühr in jede Fundstelle, deren Kästchen gesetzt bleibt. Entfernen Sie ein Häkchen, entscheiden Sie diese Stelle später für sich.

Was Sie bekommen

• Durchsuchbare PDFs aus deutschen Scans, PDFs und Fotos, erstellt auf Ihrem Rechner. Nichts wird hochgeladen. In jedem Plan.
• ä, ö, ü und ß bleiben in der Textebene so, wie sie gelesen wurden. Suchen und Kopieren funktionieren mit der richtigen Schreibung.
• Deutsche PDFs, die schon auf jeder Seite Text haben, bleiben unverändert. Hat nur ein Teil der Seiten Text, erkennt Inklight die übrigen und behält den Rest der Datei. In jedem Plan.
• Die mitgelieferte deutsche Wortliste entscheidet mit, welche unsicheren Wörter Sie ansehen sollten. In jedem Plan.
• IBAN-Prüfung: Eine IBAN mit falscher Prüfsumme ist das erste Wort im Prüfdurchgang. In jedem Plan.
• Aktenzeichen zählen als Kennungen und kommen vor gewöhnlichen Wörtern. In jedem Plan.
• Dateinamen nach Aktenzeichen: Mit {aktenzeichen} im Namensmuster wird aus 1234/24 im Dateinamen 1234_24. Business.
• Seiten ohne Fußzeile. Free schreibt eine kleine Fußzeile auf jede Seite, Personal und Business nicht.

Grenzen

• Inklight liest gedruckten Text in lateinischer Schrift. Handschrift erkennt es nicht.
• Die sechs getesteten Sprachen sind Englisch, Deutsch, Französisch, Spanisch, Italienisch und Niederländisch. Frakturschrift gehört nicht dazu.
• Wortlisten liefert Inklight für 13 Sprachen mit, darunter Deutsch, Englisch und Niederländisch. Für Latein gibt es keine. Ein unsicheres Wort in einer Wendung wie de lege ferenda kann deshalb keine Liste freigeben, und es landet im Prüfdurchgang.
• Markiert werden nur Wörter, die der Prüfdurchgang erfasst. Ein Wort, das beide Modelle mit hoher Konfidenz falsch lesen, ist nicht markiert. Beträge und Aktenzeichen, auf die es ankommt, vergleichen Sie deshalb mit dem Scan. Wie, zeigt OCR-Fehler finden und korrigieren.
• Nur Windows und Linux. Eine macOS-Version gibt es nicht.

Weitere Anleitungen

• OCR Französisch: Akzente und œ
• OCR Spanisch: Akzente und ñ
• Die beste OCR-Software für durchsuchbare PDFs

Loslegen

Laden Sie Inklight herunter, für Windows oder Linux. Jede Installation beginnt mit einer siebentägigen Business-Testphase. Was kostenlos bleibt, zeigen die Pläne.