Digitales PDF vs. gescanntes PDF
Ein digitales PDF (exportiert aus Word, einer Website oder einem Buchhaltungssystem) enthält die tatsächlichen Schriftzeichen samt ihrer Positionen. Sie können den Text markieren und kopieren, und jedes Zusammenfassungstool kann ihn direkt lesen.
Ein gescanntes PDF (von einem Scanner, Kopierer oder einer Smartphone-App) enthält lediglich Bilder. Es gibt dort keine echten Zeichen — nur Pixel, die wie Buchstaben aussehen. Kopieren und Einfügen schlägt fehl, und ein Zusammenfassungstool, das nur die Textebene liest, sieht ein leeres Dokument.
Einige PDFs sind hybride Dokumente: ein gescanntes Bild mit einer unsichtbaren OCR-Textebene, die von der Scannersoftware hinzugefügt wurde. Diese verhalten sich wie digitale PDFs, basierend auf der Genauigkeit der zugrundeliegenden OCR.
So erkennen Sie, ob Ihr PDF gescannt ist
- Versuchen Sie, ein Wort zu markieren. Wenn sich die ganze Seite wie ein Bild markiert oder gar nichts passiert, handelt es sich um einen Scan.
- Suchen Sie nach einem sichtbaren Wort (Strg/Cmd + F). Kein Treffer? Es ist ein Scan.
- Stark heranzoomen: Gescannter Text wird unscharf oder verpixelt; digitaler Text bleibt gestochen scharf.
Wie OCR funktioniert (Kurzfassung)
Eine OCR-Software bereinigt das Seitenbild (Begradigung, Kontrast), findet die Textzeilen, segmentiert Zeichen oder Wörter und erkennt diese mithilfe von sprachspezifischen Modellen. Moderne Engines wie Tesseract nutzen neuronale Netzwerke, die ganze Zeilen erkennen. Das erhöht die Genauigkeit, doch die Qualität der Eingabedatei bleibt der entscheidende Faktor.
Präzise OCR-Ergebnisse erzielen
- Auflösung: 300 dpi für kleinen Druck, 200 dpi genügen für normalen Text. Unter 150 dpi steigt die Fehlerquote rasant.
- Glatte und gerade Seiten: Nutzen Sie einen Flachbettscanner oder eine Scan-App mit automatischer Entzerrung und Randerkennung; vermeiden Sie gewölbte Buchseiten.
- Kontrast: Schwarz auf Weiß ist ideal; verblasste Thermobelege und farbige Hintergründe sind problematisch.
- Sprache: OCR nutzt Sprachmodelle — Dokumente auf Deutsch, Englisch, Französisch, Spanisch, Italienisch oder Portugiesisch werden von unserem Tool am besten erkannt.
- Keine Handschrift: Handgeschriebene Notizen lassen sich selten zuverlässig erkennen.
Gescanntes PDF in einem Schritt zusammenfassen
- Laden Sie das gescannte PDF hochentweder beim Tool zum Zusammenfassen gescannter PDFs oder direkt auf der Startseite.
- Warten Sie auf die OCRder Fortschrittsbalken zeigt „Gescanntes PDF: OCR läuft“; rechnen Sie mit wenigen Sekunden pro Seite.
- Wählen Sie das FormatZusammenfassung, Kernpunkte, Fragen oder den erkannten Text als .txt-Datei.
- Prüfen Sie kritische Detailsgleichen Sie Namen, Beträge und Daten mit dem Originalbild ab.
Typische OCR-Fehler, auf die Sie achten sollten
- 0 und O, 1 und l und I, 5 und S, 8 und B bei Zahlen und Codes.
- Verschwundene Dezimalpunkte oder Tausendertrennzeichen in Beträgen.
- Zusammengeführte Spalten bei mehrspaltigem Layout.
- Kopfzeilen, Stempel und Unterschriften, die als wirre Zeichen interpretiert werden.
Eine auf OCR-Text basierende Zusammenfassung übernimmt diese Fehler. Deshalb sind Seitenverweise und ein schneller Kontrollblick auf Kennzahlen wichtig.
Häufig gestellte Fragen
Kann ich ein Foto eines Dokuments zusammenfassen?
Ja, sofern es als PDF gespeichert ist und die Seite flach, scharf und gut ausgeleuchtet ist. Scan-Apps, die das Bild zuschneiden und entzerren, liefern deutlich bessere Ergebnisse als einfache Schnappschüsse.
Warum dauert OCR länger?
Jede Seite muss einzeln als Bild analysiert werden. Rechnen Sie mit ca. 2–4 Sekunden pro Seite, im Vergleich zum nahezu augenblicklichen Lesen digitaler PDFs.
Gibt es ein Seitenlimit für gescannte PDFs?
Im kostenlosen Tool deckt die OCR die ersten 40 Seiten eines gescannten PDFs ab. Digitale PDFs können bis zu 300 Seiten umfassen.
Kann ich den reinem OCR-Text exportieren?
Ja, nutzen Sie einfach den Reiter Text extrahieren oder das Tool PDF in Text umwandeln, um die .txt-Datei herunterzuladen.