OCR
OCR (optische Zeichenerkennung) wandelt ein Bild oder gescanntes PDF in digitalen Text um, den man kopieren, durchsuchen und von einer KI lesen lassen kann.
OCR steht für Optical Character Recognition, also optische Zeichenerkennung. Ein gescanntes Dokument, ein Foto einer Rechnung oder ein PDF aus dem Kopierer ist nur ein Bild: Der Computer sieht darin Pixel, keine Buchstaben. OCR analysiert dieses Bild, erkennt die Zeichen und gibt den Text in einer nutzbaren Form wieder.
Die ersten OCR-Programme verglichen die Form der Buchstaben mit gespeicherten Vorlagen. Heutige Werkzeuge beruhen auf neuronalen Netzen, die ganze Zeilen lesen und mit mehreren Sprachen, Tabellen, Layouts und bis zu einem gewissen Grad auch Handschrift umgehen können. Aktuelle Vision-Modelle gehen noch weiter: Sie verstehen die Struktur eines Dokuments und können direkt Felder wie ein Datum, einen Betrag oder eine Vertragsnummer auslesen. Perfekt ist das Ergebnis nie, vor allem bei unscharfen oder schiefen Scans, deshalb lohnt sich eine saubere Digitalisierung.
OCR ist ein entscheidender Schritt vor RAG: Ein KI-Assistent kann kein Dokument zitieren, das er nicht lesen kann. Enthalten Ihre Archive viele gescannte PDFs, planen Sie diese Umwandlung bei der Indexierung ein. Eine klassische OCR kann auf dem Prozessor laufen, doch eine GPU beschleunigt die Verarbeitung großer Mengen deutlich, besonders mit Vision-Modellen, die dann zusätzlich zum LLM VRAM benötigen.
Wenn wir einen privaten KI-Assistenten installieren, klären wir mit Ihnen die Verarbeitung Ihrer gescannten Dokumente, damit auch sie durchsuchbar werden.