Durchsuchbares PDF: Konverter online oder auf dem PC?

Ein Konverter für durchsuchbare PDFs liest die Seiten eines gescannten PDFs per OCR und schreibt die erkannten Wörter als unsichtbare Textebene in die Datei zurück. Der Scan sieht aus wie vorher; Strg+F findet jetzt die Wörter. Diese eine Aufgabe erledigt jeder Konverter. Sie unterscheiden sich darin, wohin die Datei geht, wie viele Seiten sie auf einmal nehmen und was sie tun, wenn ein Wort falsch gelesen wurde.

Kurz gesagt: Ein Online-Konverter ist der schnellste Weg für eine einzelne Datei, die Sie bedenkenlos hochladen. Ein Desktop-Konverter ist der Weg für einen Ordner, eine vertrauliche Datei oder dieselbe Arbeit jede Woche.

Online-Konverter

Die Datei wird hochgeladen, auf den Servern des Anbieters erkannt und zum Download angeboten. Drei, die für diese Aufgabe gefunden werden, mit den Grenzen, die ihre eigenen Seiten nennen:

• OCR.space macht aus einem Scan kostenlos ein durchsuchbares PDF, aber die kostenlose Version nimmt nur die ersten drei Seiten und setzt ein Wasserzeichen auf jede Seite; der Download-Link gilt eine Stunde, danach wird die Datei von den Servern entfernt.
• Sejda betreibt sein OCR-Werkzeug im Browser mit Seiten- und Stundenlimits im kostenlosen Plan; die bezahlten Pläne nehmen OCR-Dokumente bis 100 Seiten und Uploads bis 500 MB, ab 5,50 € für einen Wochenpass.
• iLovePDF führt OCR PDF unter den kostenlosen Werkzeugen mit „limited document processing“; unbegrenzte Verarbeitung ist Premium, 9 € im Monat oder 59 € im Jahr.

Allen dreien gemeinsam: Das Dokument verlässt Ihren Rechner. Bei einem Kassenbon ist das egal. Beim Kontoauszug eines Mandanten, einer Krankenakte oder einem Vertrag unter Verschwiegenheitspflicht vielleicht nicht, und die Aufbewahrungsregel des Anbieters bestimmt, wie lange die Kopie existiert. Die Seitenlimits bedeuten außerdem, dass ein 40-seitiger Scan zu mehreren Uploads wird, oder zu einem Abo.

Desktop-Konverter

Die Datei bleibt auf Ihrem Rechner, und das Programm läuft, so oft Sie wollen. Der Preis dafür ist eine einmalige Installation.

• Inklight (Windows und Linux, Free-Plan ohne Seiten- oder Zeitlimit) ist für den Ordner-Fall gebaut: Legen Sie Dateien oder einen ganzen Ordner auf dem Fenster ab, und jede Datei wird zu einem Auftrag in der Verarbeitungswarteschlange, der im Hintergrund erkannt wird, einer nach dem anderen. Das durchsuchbare PDF landet neben jedem Original oder in einem Ordner Ihrer Wahl.
• OCRmyPDF (Kommandozeile, Open Source) fügt einem PDF pro Aufruf eine Tesseract-Textebene hinzu und eignet sich für Skripte und Stapelverarbeitung.
• NAPS2 (Windows, macOS, Linux, Open Source) ist ein Scanprogramm, das jedem gespeicherten PDF eine Tesseract-Textebene mitgeben kann.
• Adobe Acrobat Pro und ABBYY FineReader sind die kommerziellen Suiten, beide im Abo; die Unterschiede stehen in Die beste OCR-Software für durchsuchbare PDFs.

Einen Ordner mit Inklight umwandeln

1. Laden Sie Inklight herunter, für Windows oder Linux, und starten Sie es. Die erste abgelegte Datei löst einen einmaligen Download der Erkennungsmodelle aus; danach läuft die Erkennung offline.
2. Ziehen Sie den Ordner auf das Fenster. Jede PDF-, TIFF-, PNG-, JPEG-, WebP-, BMP-, HEIC-, AVIF- und JPEG-XL-Datei darin wird zu einem Auftrag. Ein PDF, das auf jeder Seite schon Text hat, bleibt unangetastet und heißt Bereits durchsuchbar.

3. Warten Sie. Aufträge werden nacheinander erkannt, Sie können also weiter Dateien hinzufügen, und das Ordnersymbol einer fertigen Karte öffnet die Ausgabe.

Standardmäßig wird das durchsuchbare PDF als <name>_ocr.pdf neben das Original geschrieben. Um stattdessen jede Ausgabe in einem Ordner zu sammeln oder das Namensmuster zu ändern, öffnen Sie die Einstellungen über das Zahnrad und ändern Sie Ausgabe speichern.

Das Original wird nie verändert. Der Free-Plan schreibt eine kleine Inklight-Fußzeile auf jede Seite; Personal und Business schreiben saubere Dateien. Siehe die Pläne.

Der Teil, mit dem kein Konverter wirbt

OCR liest Wörter falsch. Eine Summe von 1.280, als 1.230 gelesen, sieht auf der Seite richtig aus, und die Suche nach der richtigen Zahl geht ins Leere. Online-Konverter geben Ihnen die Datei und sind fertig. Inklight umrandet die Wörter, bei denen es unsicher ist: Zahlen, Wörter unter seiner Konfidenzschwelle, die keine Wortliste kennt, und IBANs mit falscher Prüfsumme. Der Prüfdurchgang geht sie durch, die unsichersten zuerst, und Sie übernehmen oder korrigieren jedes mit einem Tastendruck. Wie das geht: OCR-Fehler in einem gescannten PDF beheben.

Inklight liest gedruckten Text in lateinischer Schrift; Deutsch, Englisch, Französisch, Spanisch, Italienisch und Niederländisch sind die getesteten Sprachen. Handschrift liest es nicht, und eine macOS-Version gibt es nicht. Für den ersten Durchlauf, Schritt für Schritt: PDF durchsuchbar machen unter Windows und Linux.