OCR – Optical Character Recognition, auf Deutsch optische Zeichenerkennung – ist eine Technologie, die gedruckten oder handgeschriebenen Text aus Bildern, Scans oder Fotos erkennt und in maschinenlesbaren, editierbaren Text umwandelt. OCR ist die Brücke zwischen der physischen Welt gedruckter Dokumente und der digitalen Welt automatisierter Datenverarbeitung.
Ohne OCR sind gescannte Dokumente, Fotos von Belegen oder PDFs ohne Textschicht für automatisierte Prozesse unsichtbar – sie enthalten Pixel, keine Daten. OCR macht diese Dokumente lesbar und damit automatisierbar. Moderne OCR-Systeme, insbesondere KI-gestützte Intelligent Document Processing (IDP)-Lösungen, gehen weit über die reine Texterkennung hinaus und extrahieren strukturierte Informationen aus komplexen Dokumentlayouts.
OCR-Erkennungsqualität nach Dokumenttyp
Gedruckter Standardtext
95–99 %
Gescannte Rechnungen
85–95 %
Formulare (gedruckt)
80–92 %
Handschrift (klar)
60–80 %
Handschrift (variabel)
40–65 %
Von OCR zu IDP: Intelligente Dokumentenverarbeitung
Klassisches OCR erkennt nur Text – es weiß nicht, was der Text bedeutet. Intelligent Document Processing (IDP) kombiniert OCR mit NLP und ML: Das System erkennt nicht nur, dass an einer bestimmten Stelle „1.247,50″ steht, sondern versteht, dass es sich dabei um den Rechnungsbetrag handelt – und extrahiert ihn strukturiert als Datenbankfeld. IDP kann mit variierenden Dokumentlayouts umgehen, ohne für jedes Layout explizit konfiguriert zu werden.
OCR im Automatisierungskontext
- Rechnungsverarbeitung: Gescannte oder als PDF eingehende Rechnungen werden per OCR gelesen und Felder (Betrag, Datum, Lieferant, IBAN) automatisch extrahiert
- Vertragsanalyse: Vertragsdokumente werden gescannt und relevante Klauseln, Daten und Parteien automatisch identifiziert
- Schadensmeldungsverarbeitung: Handschriftliche oder gedruckte Formulare werden digitalisiert und in strukturierte Datenbankeinträge umgewandelt
- KYC-Prozesse: Ausweise und Dokumente zur Identifikation werden gescannt, OCR extrahiert Namen, Geburtsdatum und Dokumentennummer
- Archivdigitalisierung: Papierarchive werden gescannt und durchsuchbar gemacht – Jahrzehnte altes Wissen wird digital zugänglich
Praxisbeispiel
Ein mittelständisches Unternehmen erhält monatlich 800 Lieferantenrechnungen – 60 Prozent davon als gescannte PDFs ohne Textschicht, 40 Prozent als Papier. Früher: zwei Vollzeitkräfte erfassen alle Rechnungsdaten manuell. OCR-Automatisierung: Alle eingehenden Rechnungen werden an ein IDP-System übergeben. OCR erkennt Text, ML extrahiert strukturiert: Rechnungsnummer, Datum, Lieferant, Bestellreferenz, Einzelpositionen, Gesamtbetrag, Mehrwertsteuer, IBAN. Erkennungsrate: 91 Prozent der Felder werden korrekt automatisch extrahiert. Die extrahierten Daten werden direkt ins ERP geschrieben. Manuelle Nachbearbeitung nur für die 9 Prozent fehlerhafter oder unklarer Erkennungen. Personalaufwand: von 2,0 FTE auf 0,3 FTE reduziert.
