Die 6 besten Tools zur optischen Zeichenerkennung (OCR)

1. ABBYY FineReader PDF

ABBYY FineReader PDF ist eine OCR- und PDF-Software, mit der Benutzer mit PDFs arbeiten und sie in maschinenlesbare Formate konvertieren können. Sie kann auch Text in gescannten Bildern digitalisieren und bietet Texterkennungsfunktionen für mehrere Sprachen und Dokumenttypen.

Zu den Hauptkomponenten gehört eine OCR-Engine, die mithilfe von KI-Algorithmen Text extrahiert und die Struktur komplexer Dokumente beibehält. Außerdem bietet sie einen PDF-Editor und Funktionen zum Dokumentenvergleich, mit denen Änderungen zwischen zwei Dokumentversionen hervorgehoben werden können. Zu den weiteren bemerkenswerten Funktionen gehören Optionen zur Textumformatierung und die Integration in die Cloud-Speicherplattform Azure Storage von Microsoft.

ABBYY FineReader PDF ist als lokale Software verfügbar. Zu den Systemanforderungen für Windows gehören:

• Windows 11 oder 10, 64-Bit
• 1,5 GHz oder schnellerer x64 Intel- oder AMD-Prozessor
• 4 GB RAM empfohlen
• 1,6 GB freier Festplattenspeicher

Zu den Anforderungen für Mac gehören:

• macOS Monterey (12) oder neuer
• Intel-Prozessor oder Apple-Chip
• 4 GB RAM
• 3 GB freier Festplattenspeicher für eine typische Programminstallation

ABBYY bietet vier Preispläne an: Pro Arbeitsplatz für einzelne Workstations, Remote-Benutzer für virtuelle Umgebungen, Concurrent für die gemeinsame Nutzung im Netzwerk und Standortlizenz für groß angelegte Deployments. Alle Pläne erfordern mindestens fünf Arbeitsplätze, mit Ausnahme der Site License, für die 50 Arbeitsplätze erforderlich sind. Der Anbieter bietet eine kostenlose 30-Tage-Testversion für bis zu fünf Workstations an. Genauere Preisinformationen sind auf Anfrage erhältlich.

2. Adobe Acrobat Pro

Die PDF-Bearbeitungssoftware von Adobe, Adobe Acrobat Pro, bietet ein OCR-Tool, mit dem Benutzer gescannte Dokumente und PDFs in durchsuchbaren, bearbeitbaren Text umwandeln können.

Zu den wichtigsten Komponenten gehören:

• Texterkennung zur Automatisierung der Textextraktion und -konvertierung.
• Schriftartenabgleich zur Gewährleistung der visuellen Kontinuität.
• Bearbeitungsfunktionen zur Bearbeitung von Text direkt in einer PDF-Datei.

Das Tool bietet außerdem ein generatives KI Add-on (GenAI), mit dem Benutzer auf natürliche, dialogorientierte Weise mit Dokumenten interagieren können.

Adobe Acrobat Pro ist sowohl als Cloud-Dienst als auch als Desktop-Anwendung für Windows und macOS verfügbar.

Zu den Systemanforderungen für Windows gehören:

• Windows 11, 64-Bit
• Windows 10 Version 1809 oder höher, 64-Bit
• Windows Server 2022
• 2 GB RAM und 4,5 GB freier Festplattenspeicher

Zu den Anforderungen für MacOS gehören:

• Mac-Computer mit Intel- oder Apple-Chip
• macOS Monterey (12) oder neuer
• 2 GB RAM und 2,75 GB freier Festplattenspeicher

Die Preise für Adobe Acrobat für Unternehmen sind in drei Stufen unterteilt: Acrobat Standard, Acrobat Pro und Acrobat Pro für Teams im 5er-Pack. Preisangaben findet man auf der Anbieterseite. Das optionale GenAI-Add-on kostet zusätzlich. Adobe bietet eine kostenlose 14-tägige Testversion für bis zu zehn Lizenzen an.

3. Google Cloud Vision AI

Google Cloud Vision AI ist ein Cloud-Dienst, der fortschrittliche Modelle des maschinellen Lernens (ML) verwendet, um Text automatisch in Bildern und Dokumenten zu erkennen und zu extrahieren.

Das Tool bietet verschiedene Extraktionsfunktionen, darunter die folgenden:

• Texterkennung. Erkennt Text in Bildern und einfachen Dokumenten.
• Dokumententexterkennung. Bietet hochwertige OCR, die das Layout in langen und komplexen Dokumenten beibehält.
• Gesichtserkennung. Identifiziert Gesichter in Bildern und Dokumenten.
• Logoerkennung. Erkennt Logos in Bildern und Dokumenten.

Google bietet die Cloud Vision API in erster Linie als Cloud-Dienst an, sie kann jedoch auch lokal über AutoML Vision ausgeführt werden, ein Tool, mit dem Benutzer benutzerdefinierte Bildanalysemodelle erstellen können. Entwickler und externe Systeme können über REST und Remote-Procedure-Call-APIs auf das Tool zugreifen, wodurch es mit einer Vielzahl von Plattformen kompatibel ist.

Die Preise für die Google Cloud Vision API richten sich nach der Nutzung. Beispielsweise berechnet Google dem Nutzer für jede Anwendung einer Funktion, wie zum Beispiel Texterkennung, auf einem Bild oder einer Dokumentseite eine Nutzungseinheit. Das Tool bietet 1.000 kostenlose Einheiten pro Monat.

Organisationen, die zwischen 1.001 und 5 Millionen Einheiten pro Monat nutzen, zahlen je nach verwendeten Funktionen zwischen 1,50 und 3,50 US-Dollar pro 1.000 Einheiten. Einheiten über 5 Millionen kosten zwischen 0,60 und 1,50 US-Dollar pro 1.000 Einheiten. Google bietet Organisationen zusätzlich zu einer kostenlosen Testversion 300 US-Dollar an kostenlosen Gutschriften, die sie innerhalb von 90 Tagen nach der Anmeldung nutzen können.

4. OpenText Core Capture

OpenText Core Capture kombiniert OCR mit KI, um die Dokumentenklassifizierung und Datenextraktion zu automatisieren und unstrukturierte Inhalte in durchsuchbare Daten umzuwandeln.

Zu den wichtigsten Komponenten dieses Tools gehören:

• OCR-Engine für die Texterkennung
• KI-gestützte Klassifizierung zur Kategorisierung von Dokumenten
• Machine-Learning-Funktionen
• Benutzerdefinierter Workflow-Designer
• Manuelle Schwärzungsfunktionen
• Erkennung von Postanschriften

OpenText Core Capture ist ein Cloud-Produkt. Benutzer können über Webbrowser darauf zugreifen, und der Anbieter bietet Optionen für die Datenhaltung in Nordamerika, Europa und im asiatisch-pazifischen Raum an.

Preisinformationen sind auf Anfrage erhältlich. OpenText bietet eine kostenlose 90-Tage-Testversion für neue Benutzer an.

5. Tesseract OCR

Tesseract OCR ist eine Open-Source-Software, die Text in über 100 Sprachen automatisch erkennen und aus Bildern und gescannten Dokumenten extrahieren kann. Organisationen können sie sofort verwenden oder Entwickler können eine API verwenden, um sie in benutzerdefinierte Anwendungen zu integrieren.

Zu den Hauptkomponenten dieses Tools gehört eine OCR-Engine, die Long Short-Term Memory (LSTM) verwendet, eine Art neuronales Netz, das Textzeilen in Bildern erkennen kann. Es bietet auch eine ältere OCR-Engine, die Zeichenmuster, Seitensegmentierungsmodi und Schulungswerkzeuge erkennt, sodass Benutzer die OCR-Engine auf benutzerdefinierten Datensätzen trainieren können.

Darüber hinaus verwendet Tesseract OCR 32-Bit-Gleitkommazahlen – eine Möglichkeit, Zahlen in Computern darzustellen – im Gegensatz zu 64-Bit, um LSTM-Modelle zu trainieren. Dieser Ansatz reduziert den Speicherplatz und die Rechenleistung, die zum Trainieren und Ausführen von LSTM-Modellen benötigt werden. Das Tool kann auch Bilder von URLs verarbeiten, wodurch es Text direkt aus Webbildern extrahieren kann.

Tesseract OCR ist unter der Apache-Lizenz 2.0 lizenziert, die eine kostenlose Nutzung, Änderung und Verbreitung erlaubt. Benutzer können es lokal installieren und es funktioniert mit verschiedenen Betriebssystemen, darunter Windows, macOS und Linux.

Als kostenloses Open-Source-OCR-Tool hat Tesseract OCR keine Preisstufen oder kostenpflichtige Support-Optionen. Benutzer können jedoch über Foren und Dokumentationen auf Community-Support zugreifen.

6. Tungsten Automation

Tungsten Automation, ehemals Kofax OCR, ist eine Inhaltsautomatisierungsplattform, die Funktionen wie OCR und intelligente Dokumentenverarbeitung zur Verfügung stellt. Sie kann Text aus Bildern und gescannten Dokumenten extrahieren und komplexe Formatierungselemente wie Spalten und Tabellen beibehalten.

Die OCR-Angebote der Plattform umfassen Folgendes:

• Ein Desktop-OCR-Tool, das lokal auf den Computern der Benutzer ausgeführt wird.
• Ein Entwicklungs-Toolkit zur Integration von OCR-Funktionen in benutzerdefinierte Anwendungen.
• Eine Serverbasierte Option für die Verarbeitung großer Dokumentenmengen.

Darüber hinaus bietet die Plattform eine umfangreiche Bibliothek mit vorab trainierten Extraktionsmodellen und die Integration mit Large Language Models (LLM) für generative KI-Funktionen.

Der Anbieter bietet sowohl lokale als auch Cloud-Lizenzierungsoptionen an. Die Systemanforderungen variieren je nach Produkt, umfassen jedoch im Allgemeinen Folgendes für Windows:

• Windows 10, 11 oder Windows Server 2012 R2 und neuer
• 4 bis 8 GB RAM, je nach Produkt
• 4 bis 20 GB freier Festplattenspeicher, je nach Produkt
• Microsoft .NET Framework 4.5 oder höher

Zu den Anforderungen für Mac gehören im Allgemeinen die folgenden:

• Intel- oder Apple-Silocon-Computer mit macOS
• mindestens 4 GB RAM
• 2 GB freier Festplattenspeicher
• macOS Big Sur (ab v11.7.5) oder neuer

Die Preise für das OCR-Angebot der Plattform, OmniPage, findet man auf der Anbieterseite. Der Anbieter bietet außerdem eine zehntägige kostenlose Testversion für Tungsten Transact an.