tooloora

PDF durchsuchbar machen — Scan im Browser per OCR erkennen

Aus einem gescannten PDF eines machen, in dem du suchen und Text kopieren kannst: Die Erkennung läuft lokal, die Datei wird nie hochgeladen.

Läuft lokal — nichts wird hochgeladen

PDF hier ablegen oder klicken

Wird lokal verarbeitet, kein Upload

Läuft lokal in deinem Browser – kein Upload.

Ein gescanntes PDF durchsuchbar machen

Lade dein PDF, wähle Deutsch oder Englisch und starte die Erkennung. Jede Seite wird mit 300 dpi gerendert, per OCR gelesen und mit einer unsichtbaren Textebene neu aufgebaut — das Ergebnis sieht aus wie vorher, lässt sich aber durchsuchen, markieren und kopieren. Alles läuft in deinem Browser, ohne Upload.

Was passiert mit den Seiten?

Zwei Wege, klar getrennt:

  • Erkannte Seiten werden zu einem Bild der Seite mit unsichtbarem Text darüber. Der Text liegt exakt dort, wo die Buchstaben im Bild stehen, ist aber nicht sichtbar.
  • Übersprungene Seiten werden verlustfrei kopiert — Text, Schriften und Vektoren bleiben unverändert erhalten.

Das ist derselbe ehrliche Kompromiss wie beim Komprimieren: Was durch die Rasterung geht, verliert seinen Vektortext. Deshalb erkennt das Werkzeug vor dem Start, welche Seiten bereits eine Textebene haben, und bietet an, sie unangetastet zu lassen. Bei gemischten PDFs (Deckblatt aus Word, Rest eingescannt) ist das genau richtig.

Wird die Datei größer?

In der Regel ja, oft deutlich. Ein reiner Schwarz-Weiß-Scan mit 200 dpi wächst durch das 300-dpi-JPEG spürbar an, dazu kommt die Textebene. Das Werkzeug zeigt die Größe vorher und nachher an — wenn dir das Ergebnis zu groß ist, kannst du es anschließend durch den PDF-Kompressor schicken.

Warum 300 dpi?

Weil OCR Pixel braucht. Die Tesseract-Dokumentation („Improving the quality of the output") nennt 300 dpi als praktische Untergrenze und empfiehlt, kleinere Schrift (unter etwa 10 Pixel x-Höhe) vorher hochzuskalieren. Weniger Auflösung spart Zeit, kostet aber genau die Genauigkeit, wegen der du das Werkzeug benutzt.

Warum höchstens 50 Seiten?

Weil jede Seite auf deinem Gerät gerendert und erkannt wird. Rechne mit mehreren Sekunden je Seite — auf einem Telefon eher mehr. Bei mehr als 50 Seiten sagt das Werkzeug das offen, statt den Tab in den Speicherüberlauf laufen zu lassen. Größere Dokumente vorher mit PDF teilen zerlegen und die Teile nacheinander erkennen.

Der Vorgang läuft Seite für Seite mit Fortschrittsanzeige und lässt sich jederzeit abbrechen; der Erkennungs-Worker wird dabei sauber beendet.

Ehrliche Grenzen

  • Suchhilfe, keine Abschrift. Zahlen, Namen und Summen bitte prüfen, bevor du dich darauf verlässt.
  • Keine Handschrift, keine Fraktur — die Modelle sind auf moderne Druckschrift trainiert.
  • Kein Geraderücken. Schiefe Scans bleiben schief und werden schlechter erkannt.
  • Kein Layout-Erhalt in der Textebene: Mehrspaltiges kann beim Kopieren in falscher Reihenfolge herauskommen.
  • Verschlüsselte PDFs müssen zuerst entsperrt werden.

Häufige Fragen

Wird mein PDF für die Texterkennung hochgeladen?

Nein. Die Erkennungs-Engine (Tesseract als WebAssembly) und die Sprachdaten werden einmal von dieser Seite geladen und laufen danach in deinem Browser-Tab. Das Dokument selbst wird nirgendwohin gesendet — genau darum geht es bei gescannten Verträgen, Gehaltsabrechnungen oder Arztbriefen.

Wie sieht das Ergebnis genau aus?

Jede erkannte Seite wird zu einem Bild dieser Seite mit einer unsichtbaren Textebene darüber: Sie sieht identisch aus, aber du kannst den Text suchen, markieren und kopieren. Übersprungene Seiten werden verlustfrei durchgereicht und behalten ihren Originaltext samt Vektoren.

Was ist der Kompromiss?

Erkannte Seiten werden mit 300 dpi gerastert — vorhandener Vektortext wird dort durch Bild plus OCR-Ebene ersetzt, und die Datei wird meist größer, oft deutlich. Schriften und feine Strichzeichnungen werden auf diesen Seiten zu Pixeln. Deshalb erkennt das Werkzeug Seiten, die bereits Text enthalten, und bietet an, sie unangetastet zu lassen.

Wie genau ist die Textebene?

Bei sauberen 300-dpi-Scans meist gut, bei Handyfotos von Seiten deutlich schlechter. Sie ist eine Suchhilfe, keine beglaubigte Abschrift: Zahlen, Namen und Summen solltest du prüfen, bevor du dich darauf verlässt. Handschrift und Fraktur werden gar nicht erkannt.

Warum gibt es eine Seitengrenze?

Weil jede Seite auf deinem eigenen Gerät gerendert und erkannt wird — das kostet mehrere Sekunden je Seite und viel Speicher. Wir stoppen bei 50 Seiten und sagen das, statt den Tab mittendrin sterben zu lassen. Größere Dokumente vorher mit dem Teilen-Werkzeug zerlegen.