OCR für schlechte Scans und PDFs: Praxis im Übersetzungsbüro

Im Übersetzungsbüro ist OCR selten nur eine Frage der Zeichenerkennung. Das eigentliche Problem beginnt oft danach: Ein gescanntes PDF wird zwar erstaunlich gut erkannt, der Word-Export besteht anschließend aber aus Textfeldern, zerlegten Tabellen, falschen Zeilenumbrüchen und kaum editierbaren Layoutfragmenten.

Die OCR-Quote ist nicht das einzige Kriterium

Bei der Auswahl eines OCR-Workflows prüfe ich deshalb mindestens vier Punkte:

  • Wie gut wird der Text erkannt?
  • Wie sauber werden Tabellen und Spalten rekonstruiert?
  • Wie gut lässt sich das Ergebnis in Word weiterbearbeiten?
  • Wie viel manuelle Nacharbeit entsteht pro Seite?

Schlechte Ausgangsdokumente vorbereiten

Ein gefaxtes oder mehrfach kopiertes Dokument wird durch OCR nicht automatisch gut. Vor der Erkennung helfen – je nach Software – Entzerrung, Drehkorrektur, Kontrastverbesserung, Rauschreduzierung und die korrekte Spracheinstellung.

Bei mehrsprachigen Dokumenten ist es besonders wichtig, die tatsächlichen Sprachen zu aktivieren. Eine falsche Sprachannahme kann Namen, Umlaute und diakritische Zeichen massiv verschlechtern.

Word-Export: Layout erhalten oder neu aufbauen?

Die verführerische Einstellung „Layout exakt erhalten“ ist nicht immer die beste Wahl. Bei schwierigen Vorlagen erzeugt sie oft zahlreiche Rahmen und Textboxen. Für die Übersetzung kann ein einfacherer, logisch aufgebauter Export deutlich effizienter sein.

Ich entscheide deshalb je Dokument:

  • Formulare und Urkunden: Layout stärker erhalten.
  • Fließtext: möglichst einfacher Textfluss.
  • komplexe Tabellen: Tabellenstruktur separat prüfen.
  • extrem schlechte Scans: notfalls Text extrahieren und Formatierung neu aufbauen.

Was sich in der Praxis bewährt

Programme wie ABBYY FineReader sind gerade deshalb interessant, weil sie Erkennung und Dokumentrekonstruktion kombinieren. Trotzdem gibt es keine Einstellung, die für jedes Dokument optimal ist. Ein kurzer Test mit zwei oder drei repräsentativen Seiten spart bei einem 100-Seiten-Dokument oft Stunden.

Qualitätskontrolle vor der Übersetzung

Vor dem Import in CAT-Tools kontrolliere ich besonders Zahlen, Datumsangaben, Namen, Tabellenköpfe, Fußnoten und Text, der im Scan sehr klein oder schräg steht. Genau dort verstecken sich OCR-Fehler, die später in der Übersetzung kaum noch auffallen.

Fazit

Die beste OCR-Lösung ist nicht die mit der höchsten Marketingquote bei der Zeichenerkennung, sondern die mit dem geringsten Gesamtaufwand bis zum sauber übersetzbaren Dokument. Für Übersetzungsbüros ist deshalb der Word-Export mindestens so wichtig wie die reine OCR-Erkennung.

Weiterlesen: Wordbee: Translation Memories bereinigen und Dubletten entfernen.

Mehr zu Übersetzungen: Übersetzen & Sprachen · Deutsch–Tschechisch Übersetzungsservice

Deutsch–Tschechisch übersetzen lassen? Für professionelle und beglaubigte Übersetzungen kannst du direkt eine Übersetzungsanfrage stellen.