Schlechte Scans und Handschrift: Grenzen der automatischen Erfassung

Ein Aufnahmeproblem entsteht durch Unschärfe, Schatten, abgeschnittene Ränder oder kleine Schrift im Bild. Ein Erkennungsproblem entsteht, wenn ein vorhandener Buchstabe oder eine Ziffer falsch gelesen wird. Ein Interpretationsproblem entsteht, wenn der Text richtig gelesen, aber dem falschen Feld zugeordnet wird. Diese Ursachen brauchen unterschiedliche Maßnahmen.

Wenn eine Seite fehlt, hilft kein anderes Modell. Wenn die Schrift lesbar ist, aber das Werkzeug die verwendete Sprache oder Schreibweise nicht unterstützt, kann eine andere Erkennung sinnvoll sein. Wenn Datum und Kundennummer vertauscht werden, liegt die Verbesserung dagegen eher im Layout- beziehungsweise Feldmodell.

Die Ursache eines schlechten OCR-Ergebnisses bestimmt die nächste Maßnahme:

Dokumentieren Sie Fehler deshalb mit Originalausschnitt, erwartetem Wert und Ursache. Das vermeidet eine pauschale Diskussion über „schlechte KI“, obwohl ein klarer Aufnahmehinweis oder ein anderer Prozessschritt das Problem lösen könnte.

Microsoft führt Deutsch in der Handschrift-Unterstützung aktueller Read- und Layout-Modelle auf. Die Übersicht unterscheidet Modelle und Versionen. Microsoft: OCR-Sprachunterstützung, geprüft am 26. September 2026. Daraus folgt keine zugesicherte Erkennungsquote für jede deutschsprachige Notiz.

Unterscheiden Sie Druckschrift, flüchtige Schreibschrift, historische Schrift und gemischte Formulare. Ein Werkzeug kann für einen dieser Bestände gut passen und für einen anderen deutlich mehr Nacharbeit erzeugen. Prüfen Sie auch Namen, Abkürzungen und technische Kennungen, bei denen sprachliche Plausibilität wenig hilft.

Kann ChatGPT Handschrift erkennen?

Die Frage „Kann ChatGPT Handschrift erkennen?“ ist für einen Geschäftsprozess zu breit. Entscheidend sind erlaubter Datenweg, belegte Erkennungsleistung auf Ihren Beispielen, Quellenbezug und kontrollierte Übernahme. Ein kostenloser Test kann die Lesbarkeit demonstrieren, ersetzt aber keine Prüfung von Datenbedingungen, Mengenlimits und Betriebsaufwand.

Ganzes Dokument, scharfe Ziffern. Fotografieren oder scannen Sie das gesamte Dokument mit sichtbaren Rändern. Sorgen Sie für gleichmäßiges Licht und vermeiden Sie Reflexionen. Kontrollieren Sie direkt nach der Aufnahme, ob kleine Ziffern und wichtige Stellen scharf sind. Eine Wiederholung am Eingang ist oft einfacher als eine spätere Rückfrage an mehrere Personen.

Mehrseitige Unterlagen. Bei mehrseitigen Unterlagen gehören Seitenzahl, Reihenfolge und Zusammengehörigkeit zur Kontrolle. Entfernen Sie nicht vorschnell scheinbar leere Rückseiten, wenn dort Stempel oder handschriftliche Ergänzungen stehen könnten. Bewahren Sie das ursprüngliche Bild neben einer bearbeiteten Fassung auf, sofern die Bearbeitung für Nachvollziehbarkeit relevant ist.

Verbesserung ohne inhaltliche Änderung. Bildverbesserung sollte das Original nicht inhaltlich verändern. Drehen, Zuschneiden mit erhaltenem Inhalt oder Kontrastkorrektur kann helfen. Eine generative Rekonstruktion unlesbarer Zeichen darf dagegen nicht als neu gewonnenes Beweisstück behandelt werden. Sie erzeugt eine Annahme, keine lesbar gewordene Quelle.

Kurze Anleitung. Halten Sie die Anleitung zur Erfassung so kurz, dass sie befolgt wird. Ein sichtbares Beispiel für einen akzeptablen Bildausschnitt und eine sofortige Qualitätsprüfung sind nützlicher als ein langes Verfahren, das beim Scannen eines Stapels niemand liest.

Sechs typische Befunde zur Scanqualität haben jeweils eine sinnvolle Reaktion:

Nicht jeder schlechte Scan muss komplett manuell erfasst werden. Wenn nur ein unkritisches Zusatzfeld fehlt, kann der restliche Vorgang möglicherweise weiter vorbereitet werden. Definieren Sie jedoch vorab, welche Felder zwingend geklärt sein müssen, bevor eine Folgeaktion erlaubt ist.

Der Bericht. Ein erfundener Wartungsbericht enthält eine gedruckte Anlagennummer, handschriftliche Arbeitsdauer und eine Notiz zur nächsten Kontrolle. Die Erkennung liest die Anlage richtig, kann bei der Dauer aber „1,5“ und „7,5“ Stunden nicht sicher unterscheiden. Die Folgemaßnahme lautet lediglich „bei nächster Wartung prüfen“.

Was der Workflow tut. Der Workflow übernimmt die eindeutige Anlagenreferenz und erstellt zwei offene Angaben. Die Arbeitsdauer wird mit Bildausschnitt zur Bestätigung angezeigt. Die Folgemaßnahme bleibt ein Textvorschlag ohne erfundenes Datum. Erst die zuständige Person bestätigt die abrechnungsrelevante Dauer und ordnet die Aufgabe dem passenden Wartungsvorgang zu.

Warum nicht der wahrscheinlichere Wert. Würde das Modell einfach die wahrscheinlichere Dauer wählen, könnte eine gut lesbare Ausgabe einen erheblichen Abrechnungsfehler verbergen. Der Test muss deshalb nicht nur richtige Werte zählen, sondern auch prüfen, ob die Mehrdeutigkeit an die richtige Person gelangt.

Beide möglichen Lesarten. Nehmen Sie, wo es sinnvoll ist, beide möglichen Lesarten in den Testnachweis auf. Die prüfende Person sollte verstehen, warum die Übernahme des Feldwerts zur Prüfung zurückgestellt wurde, und ihn bestätigen können, ohne das gesamte Dokument erneut zu durchsuchen.

Character Error Rate. Transkribus beschreibt die Character Error Rate als Vergleich zwischen automatischer Transkription und einer geprüften Referenz. Die Dokumentation erläutert außerdem Tests auf neuen Seiten außerhalb des Trainingsbestands. Transkribus: Zeichenfehlerrate, Berechnung auf Testseiten.

Felder zählen mehr. Für eine durchsuchbare Sammlung kann eine Zeichenkennzahl hilfreich sein. Für eine Rechnung oder einen Arbeitsbericht reicht sie nicht. Ein einzelner falscher Betrag ist wichtiger als viele korrekt erkannte Wörter im Briefkopf. Bewerten Sie daher zusätzlich kritische Felder und daraus entstehende Aufgaben.

Vielfältiges Testmaterial. Nehmen Sie verschiedene Schreiber, Aufnahmesituationen und Dokumenttypen in den Testsatz auf. Vergleichen Sie Modelle auf denselben unveränderten Bildern. Wenn ein Modell mit bestimmten Beispielen angepasst wurde, sollten andere Beispiele für die Bewertung zurückbleiben. Sonst messen Sie hauptsächlich die Anpassung an Bekanntes.

Messen Sie die Zeit für Öffnen, Finden der unklaren Stelle, Prüfen und Korrigieren. Eine Erkennung mit gutem Quellenbezug kann wirtschaftlicher sein als eine geringfügig bessere Transkription ohne brauchbare Prüfansicht. Nehmen Sie auch erneute Aufnahme und Rückfragen in die Rechnung auf.

Erstellen Sie zum Schluss eine kurze Eingangsregel: Mindestqualität, unterstützte Dokumentarten, erforderliche Prüfung und erlaubter Ersatzweg. Diese Regel hilft Mitarbeitenden unmittelbar beim Scannen und schützt spätere Prozesse vor unbemerkten Lücken. Ein ehrliches „hier unlesbar“ ist ein brauchbares Ergebnis, wenn daraus zuverlässig die richtige Klärung entsteht.

Diese Leitfäden und Leistungsseiten behandeln die Entscheidungen rund um OCR bei schlechten Scans und Handschrift:

• KI-Dokumentenverarbeitung: vom Eingang bis zur Freigabe
• OCR, IDP oder Sprachmodell: was Dokumentenverarbeitung braucht
• Dokumentenverarbeitung mit eigenen Belegen testen
• PDFs, Scans und Tabellen für RAG vorbereiten

Für eine konkrete Ablaufprüfung reichen zunächst eine Prozessbeschreibung, die beteiligten Systeme und typische Ausnahmen. Mit modernagents besprechen.