Bild in Text umwandeln (OCR)

OCR steht für Optical Character Recognition, auf Deutsch optische Zeichenerkennung: Eine Software betrachtet die Pixel eines Bildes, findet die Bereiche mit Schrift und ermittelt, welche Zeichen dort stehen. Das Ergebnis ist echter Text, den Sie durchsuchen, bearbeiten, in ein Dokument einfügen oder in eine Tabelle übernehmen können – statt eines Bildes von Text, das Sie sonst von Hand abtippen müssten. Genau das meinen die meisten, wenn sie ein Foto in Text umwandeln wollen.

Krawly verwendet Tesseract, eine seit vielen Jahren gepflegte Open-Source-OCR-Engine. Sie wurde ursprünglich bei Hewlett-Packard entwickelt, 2005 als Open Source veröffentlicht und später mit Unterstützung von Google weiterentwickelt. Hier läuft sie als Tesseract.js, eine nach WebAssembly kompilierte Version, die ohne Server direkt in einer Webseite ausgeführt werden kann. Vereinfacht gesagt bereitet die Engine das Bild zu dunklem Text auf hellem Grund auf, zerlegt die Seite in Blöcke, Zeilen und Wörter und erkennt dann jede Zeile mit einem trainierten Modell für die gewählte Sprache.

Genau deshalb ist die Sprachwahl wichtig. Jede Sprache hat ihr eigenes Modell mit eigenem Alphabet, eigenen Sonderzeichen und typischen Wortformen. Wenn Sie die Engine Englisch lesen lassen, das Bild aber auf Deutsch, Polnisch oder Vietnamesisch ist, versucht sie es trotzdem – doch Umlaute, ß und andere diakritische Zeichen werden dann falsch erkannt. Die richtige Sprache oder eine Kombination aus bis zu drei Sprachen zu wählen, ist einer der einfachsten Wege zu saubereren Ergebnissen.

OCR funktioniert am besten bei klarem, gedrucktem Text mit gutem Kontrast und geraden Zeilen. Screenshots sind meist ideal, weil der Text scharf und perfekt waagerecht ist. Bei Scans sind etwa 300 DPI ein gutes Ziel: hoch genug, damit kleine Buchstaben saubere Kanten haben, ohne riesige Dateien zu erzeugen. Wenn Sie eine Seite mit dem Handy fotografieren, füllen Sie das Bild mit dem Dokument, halten Sie die Kamera parallel zum Papier und vermeiden Sie Schatten von Hand oder Handy.

Kontrast ist wichtiger als Farbe. Schwarzer Text auf weißem Papier ist einfach; hellgrauer Text auf beigem Grund oder weißer Text über einem unruhigen Foto ist deutlich schwieriger. Wenn das Ergebnis schlecht aussieht, schneiden Sie das Bild auf den Textbereich zu, drehen Sie es, bis die Zeilen gerade liegen, und erhöhen Sie in einem beliebigen Bildprogramm den Kontrast, bevor Sie die OCR erneut starten. Schiefe, gewölbte oder perspektivisch verzerrte Zeilen – etwa auf einer Seite, die nahe am Buchrücken fotografiert wurde – sind eine häufige Ursache für fehlende Wörter.

Sehr kleiner Text ist ein weiteres typisches Problem. Wenn Buchstaben nur wenige Pixel hoch sind, reichen die Details nicht, um ein e von einem c oder ein l von einer 1 zu unterscheiden. Vor dem Screenshot hineinzuzoomen oder mit höherer Auflösung zu scannen, hilft meist mehr als jede spätere Bearbeitung. Bedenken Sie: Ein bereits kleines Bild zu vergrößern, kann keine Details hinzufügen, die nie aufgenommen wurden.

Tesseract ist für gedruckten Text gebaut. Handschrift, Schreibschrift, Unterschriften und stark stilisierte oder dekorative Schriften liefern meist schlechte oder unbrauchbare Ergebnisse. Dasselbe gilt für niedrig aufgelöste, unscharfe oder stark komprimierte Fotos. Fällt Ihr Bild in eine dieser Gruppen, müssen Sie mit vielen Korrekturen von Hand rechnen – oder den Text gleich abtippen.

Die Ausgabe ist reiner Text. Spalten, Tabellen, Fett- und Kursivschrift, Schriftgrößen und Bilder bleiben nicht erhalten. Ein zweispaltiger Artikel wird zu fortlaufenden Textzeilen, eine Tabelle zu Zeilen aus Wörtern, die durch Leerzeichen getrennt sind – die Struktur müssen Sie nach dem Einfügen eventuell nacharbeiten. Dieses Tool erzeugt keine Word-Dokumente und keine Tabellen.

Jedes Bild erhält außerdem eine durchschnittliche Konfidenz in Prozent. Sie ist die eigene Einschätzung der Engine, wie sicher sie sich bei den erkannten Wörtern war, keine Garantie für Genauigkeit – aber ein nützliches Signal: Ein deutlich niedrigerer Wert bedeutet meist, dass das Bild schärfer, gerader oder enger zugeschnitten sein sollte.

OCR wird oft auf sensible Inhalte angewendet: Quittungen für die Spesenabrechnung, Screenshots von Chats oder Banking-Apps, Rechnungen, Verträge, Ausweise und Briefe. Viele Online-OCR-Dienste laden diese Bilder zur Verarbeitung auf einen Server hoch. Krawly nicht. Die Erkennung läuft vollständig in Ihrem Browser mit JavaScript und WebAssembly, und Ihre Bilder werden nie an die Server von Krawly gesendet.

Ihr Browser lädt nur Programmdateien herunter: die Tesseract-Engine und das Sprachmodell für jede gewählte Sprache, jeweils einige Megabyte. Nach dem ersten Durchgang liegen sie im Cache, sodass weitere Durchgänge schneller starten. Bild und erkannter Text bleiben im Arbeitsspeicher der Seite, nichts wird gespeichert, und das Schließen des Tabs verwirft alles.

Weil die Arbeit auf Ihrem Gerät passiert, hängt die Geschwindigkeit von Ihrer Hardware ab. Ein aktueller Laptop erledigt einen Screenshot schnell; ein älteres Handy braucht für große Fotos länger. Das Tool funktioniert in aktuellen Versionen von Chrome, Edge, Firefox und Safari auf Desktop und Mobilgeräten – kostenlos, ohne Anmeldung, ohne E-Mail und ohne Tageslimit.