OCR einfach erklärt

Wenn ein Lieferschein gescannt oder mit dem Smartphone fotografiert wird, entsteht ein Bild. Für den Computer ist das eine Fläche aus Bildpunkten, kein Text. OCR, die optische Zeichenerkennung, macht daraus Text: Sie erkennt Buchstaben, Ziffern und Zeichen auf dem Bild und gibt sie als durchsuchbaren Text aus. Diese Technik gibt es seit Jahrzehnten, und sie ist durch Machine Learning in den letzten Jahren deutlich besser geworden, auch bei schlechten Scans, schrägen Fotos und Handschrift.

Was OCR kann und was nicht

OCR liefert Text, mehr nicht. Sie weiß nicht, dass „4.711,50“ der Rechnungsbetrag ist und „4711“ die Kundennummer. Sie erkennt nicht, ob das Dokument eine Rechnung oder eine Mahnung ist. Klassische Belegerfassung hat das mit Vorlagen gelöst: Für jeden Lieferanten wurde festgelegt, an welcher Stelle der Betrag steht. Das funktioniert, bis der Lieferant sein Layout ändert. Intelligente Dokumentenverarbeitung ergänzt OCR deshalb um ein Sprachmodell, das den Text versteht und die Angaben unabhängig vom Layout findet.

Ein Beispiel aus dem Alltag

Am Wareneingang eines Fertigungsbetriebs fotografiert ein Mitarbeiter den Lieferschein mit dem Tablet. Die OCR macht aus dem Foto Text, inklusive der handschriftlichen Korrektur der Menge, die der Fahrer eingetragen hat. Die Dokumentenverarbeitung erkennt darin Lieferant, Lieferscheinnummer, Positionen und die korrigierte Menge und gleicht sie mit der Bestellung im ERP ab. Die OCR allein hätte nur einen Textblock geliefert.

Was Sie beachten sollten

Die Qualität der OCR hängt von der Qualität des Bildes ab. Ein sauberer PDF-Scan mit 300 dpi wird fast fehlerfrei erkannt, ein Foto bei schlechtem Licht mit Knick im Papier nicht. Gute Lösungen geben zu jedem erkannten Wert eine Sicherheit an und markieren unsichere Stellen zur Prüfung. Bei der Auswahl zählt deshalb nicht die Trefferquote im Prospekt, sondern die Quote mit Ihren echten Belegen, die wir vor jedem Projekt messen.