Ein Scan ist ein Bild in einem Behälter

Wenn ein Blatt durch einen Scanner oder vor eine Handykamera geht, entsteht eine große Grafik pro Seite, verpackt in eine PDF, damit Druck und Seitenzählung stimmen. Es gibt keine Zeichendaten: Das A ist ein Muster dunkler Pixel, genau wie das B.

Eine PDF kann beides enthalten: ein Bild und darüber eine unsichtbare Textebene, die OCR erzeugt. Die meisten Scans haben nur das Bild. Deshalb kann ein Scan mit 20 Seiten 30 MB groß sein und ein getipptes Dokument mit 20 Seiten 300 KB.

Was Konvertierung kann und nicht kann

PDF zu Word oder Text zu konvertieren liest die Textebene aus. Ohne Textebene gibt es nichts auszulesen, und die ehrlichen Ergebnisse sind zwei: ein Dokument mit den Seitenbildern oder ein Fehlschlag.

Ein Konverter, der bei einem Scan „funktioniert“ und ein Word voller Bilder liefert, hat die Seite nicht gelesen, sondern kopiert. Das kann nützlich sein, wenn ein bearbeitbares Layout das Ziel ist, ergibt aber keinen durchsuchbaren Text und ist nicht das, was die meisten unter „konvertieren“ verstehen.

Diese Seite macht kein OCR. Ein Scan bleibt hier ein Scan: Die Konvertierung übernimmt, was da ist, und sagt es, statt Wörter zu erfinden. Brauchen Sie durchsuchbaren Text, nutzen Sie ein OCR-Werkzeug — und prüfen Sie, ob es lokal läuft, bevor Sie ein wichtiges Dokument hochladen.

So erkennen Sie, was Sie haben

Drei Prüfungen klären es in unter einer Minute:

  • Markieren Sie einen Absatz. Wird er hervorgehoben, gibt es eine Textebene und die Konvertierung wird funktionieren.
  • Suchen Sie ein Wort, das Sie auf der Seite sehen. Kein Treffer bedeutet keine Textebene.
  • Sehen Sie sich die Größe pro Seite an. Hunderte Kilobyte oder mehr pro Seite ist ein Scan; einige zehn Kilobyte ist Text.

Wenn Sie wirklich OCR brauchen

OCR erkennt Zeichen aus Pixeln und schreibt eine Textebene zurück in die PDF. Das ist eine andere Arbeit, langsamer, und die Genauigkeit hängt vom Scan ab: 300 dpi, gerade, kontrastreich, keine Handschrift. Rechnen Sie damit, Namen, Zahlen und alles in leichter Schrift nachzubessern.

Soll der Scan nur gelesen werden, genügt oft eine Umwandlung in Bilder — schneller und verlustfrei im Vergleich zu OCR.