PDF-Texterkennung (OCR) für elf Sprachen

So verwenden Sie es

Wählen Sie die gescannte PDF mit Datei auswählen. Ihre Seitenzahl erscheint unter dem Namen.
Lassen Sie Seiten leer für die ersten 20 Seiten, oder tragen Sie Seiten wie 1-3, 8 ein. In einem Lauf werden höchstens 20 Seiten gelesen.
Wählen Sie die Sprache des Textes und drücken Sie Text lesen. Jede Seite erscheint unter ihrer eigenen Überschrift, sobald sie gelesen ist. Abbrechen stoppt den Lauf jederzeit.
Prüfen Sie jede Seite, die als unsicher markiert ist, am Scan. Klicken Sie dann auf Kopieren oder auf Herunterladen, um eine .txt-Datei zu behalten.

So werden die Seiten gelesen

Jede Seite wird mit 300 Punkten pro Zoll aus der PDF gezeichnet. Eine sehr große Seite wird kleiner gezeichnet, damit sie im Arbeitsspeicher des Browsers bleibt. Das Bild liest Tesseract, die quelloffene OCR-Engine, die in einem Web-Worker läuft, damit die Seite reaktionsschnell bleibt. Die Engine findet die Zeilen des Textes und liest dann jedes Zeichen mit einem neuronalen Netz, das auf gedruckten Text der gewählten Sprache trainiert wurde. Die Sprachdateien sind die schnellen Modelle von tessdata_fast.

Was einen Scan gut lesbar macht

Gerader, scharfer, dunkler Text auf einer einfarbigen Seite wird am besten gelesen, ab einer Scanauflösung von 200 Punkten pro Zoll. Eine schräge, blasse oder beschattete Seite liest sich schlechter, ebenso sehr kleiner Druck wie Fußnoten. Handschrift und verzierte Schriften werden nicht zuverlässig gelesen, weil die Engine für gedruckten Text gemacht ist. Eine Seite ohne Text, etwa eine leere Seite oder eine Zeichnung, wird als textlos gemeldet.

Angeboten werden die elf Sprachen der Auswahl „Sprache des Textes“. Jedes Modell kennt die Buchstaben seiner Sprache, im deutschen Modell etwa die Umlaute und das ß; prüfen Sie Seiten mit viel Text trotzdem genau am Scan.

Grenzen eines Laufs

Ein Lauf liest höchstens 20 Seiten. Die Engine kann bis zu 2 Minuten zum Start brauchen und jede Seite bis zu 1 Minute. Ein Lauf, der länger dauert, wird gestoppt, und die bereits gelesenen Seiten bleiben im Feld. Die Sicherheit, die die Engine je Seite angibt, ist ihre eigene Schätzung für ihre Wörter. Eine Seite unter 60 wird deshalb zur Prüfung markiert. Das ist ein Anhaltspunkt, kein Beweis, dass jedes Wort stimmt. Eine PDF, die schon Text enthält, braucht keine OCR: PDF in Text liest diesen Text so, wie er gespeichert ist.

Ihre Datei bleibt auf Ihrem Gerät

Die PDF wird in Ihrem Browser mit der quelloffenen Bibliothek pdf.js geöffnet und gezeichnet, und die Engine liest die Bilder in einem Worker. Nichts wird hochgeladen und nichts in Ihrem Browser oder auf unserem Server gespeichert. Das Textfeld ist leer, sobald Sie die Seite verlassen.

Beispiel: ein gescannter Brief mit 3 Seiten

Ein als Bild gescannter Brief mit 3 Seiten hat keinen Text, den PDF in Text lesen kann. Wählen Sie die Datei hier aus und lassen Sie Seiten leer: Alle drei Seiten werden gelesen, und das Feld zeigt --- Seite 1 ---, dann den Text der Seite 1, dann --- Seite 2 --- und so weiter.

Um nur die zweite und dritte Seite zu lesen, tragen Sie 2-3 bei Seiten ein. Diese zwei Seiten erscheinen unter ihren eigenen Überschriften, und der Lauf ist kürzer.

Häufig gestellte Fragen

Warum steht in einem Wort ein falscher Buchstabe?

Die Engine liest die Form jedes Buchstabens, deshalb kann eine kleine, blasse, verwischte oder schräge Zeile mit einem veränderten Buchstaben herauskommen. Vergleichen Sie die Seite mit dem Scan. Sind viele Wörter falsch, scannen Sie die Seite gerader und mit höherer Auflösung noch einmal.

Wie viele Seiten kann ich auf einmal lesen?

Höchstens 20 Seiten in einem Lauf. Eine längere Datei lesen Sie in Teilen: Tragen Sie nach dem ersten Lauf 21-40 bei Seiten ein, oder teilen Sie die Datei vorher mit PDF aufteilen.

Was passiert, wenn ein Lauf vorzeitig stoppt?

Ein Lauf stoppt bei seinem Zeitlimit, wenn Sie auf Abbrechen drücken oder wenn die Engine einen Fehler meldet. Die bereits gelesenen Seiten bleiben unter ihren Überschriften im Feld, und die Meldung sagt, wie viele Seiten gelesen wurden.

Kann es eine PDF lesen, die schon Text enthält?

Es arbeitet mit den Bildern der Seiten und eignet sich deshalb für einen Scan. Eine PDF mit vorhandenem Text liest PDF in Text genauer, weil es den gespeicherten Text unverändert übernimmt.

Wird meine gescannte PDF hochgeladen oder gespeichert?

Nein. Die PDF wird in Ihrem Browser gelesen und nie hochgeladen. Nichts wird in Ihrem Browser oder auf unserem Server gespeichert, und der Text ist weg, sobald Sie die Seite verlassen.

Warum ist eine Seite zur Prüfung markiert?

Die Engine gibt jeder Seite eine durchschnittliche Sicherheit für die gelesenen Wörter. Liegt sie unter 60, war der Leser bei vielen Wörtern unsicher. Ein hoher Wert ist ein gutes Zeichen, beweist aber nicht, dass jedes Wort stimmt.

Quellen

Zahlen und Text zuletzt geprüft: Mittwoch, 11. November 2026.