Gescanntes PDF bearbeiten: Was sich nach der OCR ändern lässt

OCR legt eine unsichtbare Textebene für Suche und Kopieren über den Scan, die Buchstaben im Bild bleiben aber ein Bild. Hinweise kommen über die Seite, Ersetzungen per Schwärzung plus neuem Text, größere Änderungen in Word.

Sie möchten in einem gescannten Vertrag ein Datum korrigieren oder auf einer Bescheinigung ein Aktenzeichen ergänzen? Öffnen Sie den Scan in PDF bearbeiten: Im selben Editor können Sie Text erkennen lassen, neuen Text einfügen und alten abdecken. Vorab sollten Sie wissen, was OCR nicht leistet. Sie fügt der Seite eine unsichtbare Ebene mit den erkannten Wörtern hinzu, doch die gedruckten Buchstaben bleiben Teil des Bildes und ändern sich nicht von selbst.

Dieser Artikel behandelt Scans und Fotos von Dokumenten. Wurde das PDF in Word oder einem anderen Programm erstellt und enthält echten Text, funktioniert das Bearbeiten anders: Lesen Sie dazu PDF-Text bearbeiten, ohne ihn in Word umzuwandeln.

Prüfen Sie, was auf der Seite ist

Sichern Sie zuerst eine Kopie der Originaldatei. Öffnen Sie dann das Dokument im Editor und klicken Sie in der Werkzeugleiste auf „OCR“. Beim Darüberfahren erscheint der volle Name „Text erkennen (OCR)“, auf dem Smartphone öffnen Sie die Leiste über „Werkzeuge“. Noch vor dem Start prüft das Fenster die Seiten. Bei „Seiten ohne Text“ sehen Sie sofort, wie viele gefunden wurden, und im Modus „Seiten auswählen“ steht neben jeder Seitennummer eine Markierung: „Scan“, „hat Text“, „Zeichnung“ oder „leer“.

Die Markierung „hat Text“ auf einer gescannten Seite bedeutet, dass die Datei bereits eine Textebene besitzt, etwa vom Scanner oder von der App, mit der das Dokument gespeichert wurde. Prüfen Sie deren Qualität. Öffnen Sie die Datei in einem gewöhnlichen PDF-Viewer, kopieren Sie eine Zeile mit Datum oder Nummer in einen beliebigen Texteditor und vergleichen Sie sie mit dem, was auf der Seite zu sehen ist. Stimmen die Ziffern, ist keine neue Erkennung nötig.

Text direkt im Editor erkennen

Der Hauptweg führt nicht aus dem Editor heraus:

1. Klicken Sie auf „OCR“. 2. Wählen Sie die Seiten: „Diese Seite“, „Seiten ohne Text“, „Alle Seiten“ oder „Seiten auswählen“. 3. Unter „Sprache“ ist „Automatisch“ (Russisch und Englisch zugleich) voreingestellt. Enthält das Dokument keinen russischen Text, wählen Sie „Englisch“. 4. Wählen Sie unter „Qualität“ die Option „Genau (langsamer)“, wenn der Scan kleine Schrift, Tabellen oder Stempel enthält. 5. Klicken Sie auf „Erkennen“.

Sie können das Fenster schließen und weiterarbeiten: Die Ebene wird eingefügt, sobald die Verarbeitung fertig ist. Danach findet die Suche die Wörter auf dem Scan, und „Rückgängig“ entfernt die erkannte Ebene in einem Schritt. Die Erkennung verbraucht Vorgänge aus Ihrem Limit, und das Fenster zeigt vorher an, wie viele.

Das separate Werkzeug OCR-PDF erledigt dasselbe für eine ganze Datei. Es passt, wenn Sie nichts ändern, sondern nur suchen und kopieren möchten. Qualitätsstufen und Begradigung werden ausführlich im Artikel Text in einem gescannten PDF per OCR erkennen erklärt.

Welche Sprachen erkannt werden

Die Erkennung beherrscht derzeit zwei Sprachen: Englisch und Russisch. „Automatisch“ im Editor und „automatisch“ bei „OCR-Sprache“ im Werkzeug OCR-PDF raten die Sprache nicht, sondern lesen die Seite mit beiden zugleich.

Für deutsche Scans wählen Sie deshalb „Englisch“, dann liest das englische Modell die Seite. Die Wörter sind meist lesbar, doch Umlaute und ß gehen verloren oder werden verfälscht, sodass aus „Größe“ leicht eine andere Zeichenfolge wird. Für die Suche bedeutet das, dass Begriffe mit Umlaut oft nicht gefunden werden, und eine Word-Datei aus solchem Text müssen Sie von Hand nachkorrigieren. Im Modus „Automatisch“ können lateinische Buchstaben als ähnlich aussehende kyrillische erkannt werden. Andere Schriften als Latein und Kyrillisch werden gar nicht erkannt. Text einfügen und Schwärzen aus den folgenden Abschnitten funktionieren auch ohne OCR.

Wenn der Scan schon eine fehlerhafte OCR hat

Eine erneute Erkennung korrigiert fremde Fehler nicht. Eine Seite, die bereits eine Textebene mit mindestens 24 Zeichen hat, wird übersprungen. Im Fenster erscheint sie in der Zeile „haben schon Text, bleiben unberührt“, und das Werkzeug OCR-PDF gibt sie unverändert zurück. Das schützt echten Text, heißt aber bei einem Scan mit alter, fehlerhafter Erkennung, dass ein neuer Lauf nichts verbessert.

Der Umweg: Machen Sie die Seiten wieder zu reinen Bildern.

1. Wandeln Sie die Datei mit PDF zu JPG um. Das Ergebnis kommt als ZIP-Archiv mit einem Bild pro Seite. 2. Entpacken Sie das Archiv und laden Sie die Bilder in der richtigen Reihenfolge in JPG zu PDF. Damit kein weißer Rand entsteht, setzen Sie „Ränder“ auf 0. War das Original A4, wählen Sie bei „Seitengröße“ die Option A4. 3. Lassen Sie die neue Datei erkennen.

Pro Durchgang nimmt JPG zu PDF nur eine begrenzte Zahl von Bildern an (das Limit steht auf der Seite des Werkzeugs). Ein langes Dokument bearbeiten Sie in Teilen und fügen diese mit PDF zusammenführen zusammen. Der Umweg verbraucht drei Vorgänge aus Ihrem Tageslimit, in Teilen mehr: einen JPG-zu-PDF-Durchgang pro Teil und einen fürs Zusammenführen.

Beachten Sie, dass mit der alten Ebene auch echte Textobjekte, Links und Lesezeichen verschwinden. Nutzen Sie diesen Weg nur für ein Dokument, das komplett aus Scans besteht.

Einen Hinweis über die Seite setzen

Soll der ursprüngliche Inhalt bleiben und nur etwas daneben stehen, etwa ein Eingangsvermerk, ein Kommentar oder eine Präzisierung wie „Beginn um 14 Uhr“, klicken Sie auf „Text“ (Tooltip: „Text hinzufügen“). Setzen Sie das Feld an eine freie Stelle, wählen Sie „Schriftgröße“ und Farbe, vergrößern Sie dann die Ansicht und prüfen Sie, dass der Text keine Zeilen des Scans überdeckt.

Mit „Hintergrund“ legen Sie eine Füllung unter den Text, zum Beispiel weiß. Das ist nur eine optische Abdeckung: Die alten Buchstaben bleiben darunter in der Datei, und die Suche findet ihre erkannten Kopien weiterhin. Zum Entfernen von Daten eignet sich das nicht.

Eine Stelle per Schwärzung ersetzen

Muss der alte Wert wirklich verschwinden, klicken Sie auf „Schwärzen“ (Tooltip: „Schwärzung hinzufügen“). Auf der Seite erscheint ein weißer Bereich: Ziehen Sie ihn über das alte Datum, passen Sie die Größe mit den Anfassern an den Rändern an und setzen Sie das neue Datum mit „Text“ darüber. Nach „Änderungen anwenden“ erscheint das fertige PDF darunter und kann heruntergeladen werden. Ihre Originaldatei bleibt unverändert.

Diese Methode hat ihren Preis. Eine Seite mit Schwärzung wird vollständig als Bild exportiert, unter dem abgedeckten Bereich bleibt also nichts übrig. Die Textebene verschwindet jedoch von der ganzen Seite: Ihr Text lässt sich nicht mehr markieren oder durchsuchen. Auch der Text, den Sie auf dieser Seite eingefügt haben, wird ins Bild eingebrannt und ist danach kein Text mehr. Links außerhalb des Bereichs bleiben erhalten, Dokumenteigenschaften, Anhänge und Lesezeichen werden nicht bereinigt. Mehr dazu im Artikel Vertrauliche Daten im PDF schwärzen.

Um die Suche zurückzubekommen, lassen Sie das Ergebnis noch einmal erkennen: Öffnen Sie die heruntergeladene Datei im Editor oder in OCR-PDF. Seiten, die noch Text haben, werden übersprungen, die geschwärzten Seiten sind jetzt reine Bilder und werden neu erkannt, diesmal mit dem neuen Datum.

Größere Änderungen in Word erledigen

Absätze und Tabellen über einem Scan neu zu schreiben, ist mühsam. Lassen Sie in diesem Fall zuerst den Text erkennen, öffnen Sie dann PDF zu Word und lassen Sie bei „Ergebnistyp“ die Option „Bearbeitbarer Text“ stehen. „Exakte Kopie (nicht bearbeitbar)“ fügt die Seiten als Bilder ein, dort gibt es nichts zu bearbeiten.

Deaktivieren Sie „Bilder einbinden“. Bei einem Scan ist die Seite selbst ein Bild im PDF, mit aktivierter Option landen also Seitenbild und erkannte Absätze in der DOCX, und der Text steht doppelt in der Datei. Ohne Bilder erhalten Sie sauberen Text. Stempel und Unterschriften kommen dann allerdings nicht mit: Fügen Sie sie bei Bedarf separat in Word ein.

Die Erkennung stellt weder Originalschriften noch Zeilenumbrüche oder das genaue Tabellenlayout wieder her. Speichern Sie das Dokument nach der Bearbeitung aus Word als PDF und vergleichen Sie es Seite für Seite mit dem Original: Beträge, Daten, Nummern und Namen. Einen kurzen Hinweis fügen Sie einfacher direkt im Editor ein, der Umweg über Word lohnt sich, wenn sich ein größerer Teil des Textes ändert.