Ein automatischer Prozess, der Rasterbilder von gedrucktem oder elektronisch dargestelltem Text in maschinenlesbare Zeichenkodierungen (z. B. Unicode) umwandelt; typischerweise umfasst dies Bildvorverarbeitung, Segmentierung, Zeichenerkennung und optionalen sprach‑ oder wörterbuchbasierten Nachbearbeitungsschritt. Die Ausgaben sind probabilistisch und häufig mit Vertrauenswerten versehen.

Prinzip

OCR ordnet visuelle Muster Zeichenkodierungen mittels Mustererkennungsalgorithmen und sprachlichen Zwängen zu; die Genauigkeit hängt von Bildqualität, Schriftart und Layoutkomplexität, Schriftsystem und Sprache sowie verfügbaren Sprachmodellen ab, wodurch OCR‑Ergebnisse inhärent probabilistisch sind.

Demonstration

Illustratives Szenario → Eine gebundene Fachzeitschrift wird als Seitenbilder gescannt. Erkennung → Vorverarbeitung entfernt Rauschen und identifiziert Textregionen; Zeilensegmentierung isoliert Textzeilen; die OCR‑Engine wandelt Glyphenbilder in Zeichen um und liefert Token‑Vertrauen. Aktion → Nachbearbeitung korrigiert häufige OCR‑Fehler mittels Wörterbüchern und Layoutregeln; Token mit niedriger Vertrauensstufe werden zur manuellen Prüfung markiert. Folge → Durchsuchbarer Text und Metadaten entstehen, wobei Unsicherheit für die Qualitätssicherung dokumentiert wird.

Fehlanwendung

OCR‑Ausgaben als wörtlich korrekt und unverifiziert zu behandeln. Der semantische Fehler besteht darin, probabilistische Zeichenannahmen als autoritativen Text zu werten, was Indexierungs‑ und Transkriptionsfehler verursacht.

Konsequenz

OCR ermöglicht Volltextsuche, Indexierung, Barrierefreiheit und automatisierte Metadatengenerierung; unbeachtete OCR‑Fehler wirken sich auf Discovery, Analysen und nachgelagerte Prozesse aus und mindern Qualität und Vertrauen.

Umkehrung

Für born‑digitalen Inhalt mit eingebetteter Textebene oder PDFs mit auswählbarem Text ist OCR unnötig und kann bei unreflektierter Anwendung Fehler einbringen; bei einfachen, hochqualitativen Festbreiten‑Drucken erreicht OCR nahezu deterministische Genauigkeit und reduziert den Bedarf an aufwändiger Nachbearbeitung.

Abgrenzung

Eindeutig innerhalb: gedruckter, maschinengestellter Text, der aus Büchern oder Zeitschriften in Bilder gescannt wurde. Grenzfall: Seiten mit komplexem Mehrspaltenlayout, Tabellen oder gemischten Schriftsystemen, bei denen Layoutanalyse die Genauigkeit beeinflusst. Eindeutig außerhalb: handschriftliche Manuskripte (HTR) und Sprach/Audio‑Transkription.

Semantische Spannung

Automatisierung/Skalierung ↔ Genauigkeit/Verifikation — automatisierte OCR skaliert Digitalisierung, verlangt jedoch Verifikationsmechanismen, um erforderliche Genauigkeit sicherzustellen.

Synthese

OCR ist eine probabilistische Umwandlungspipeline: Ihr Nutzen liegt in der Indexierbarkeit und Editierbarkeit von Bildern, erfordert aber zweckgerechte Qualitätskontrolle, Nachbearbeitung und menschliche Prüfung.