OCR-Texterfassung

Was bei der OCR-Texterfassung verarbeitet wird

Ausgangsmaterial sind meist gescannte Seiten, Bilddateien oder PDFs ohne nutzbare Textebene. Die Erkennung liest Zeichen aus der Vorlage aus und überführt sie in editierbaren Text. Für die Weiterverarbeitung in der Satzherstellung reicht die automatische Erkennung allein oft nicht aus: Je nach Vorlage müssen Zeilenumbrüche, Sonderzeichen, Silbentrennungen, Fussnoten oder Absatzstrukturen kontrolliert und korrigiert werden.

Typische Vorlagen in der Druckvorstufe

OCR-Texterfassung wird eingesetzt, wenn Inhalte aus gedruckten Quellen erneut gesetzt oder redaktionell bearbeitet werden sollen. Dazu gehören Bücher, Zeitschriften, Broschüren, interne Dokumentationen, historische Bestände oder Autorenunterlagen, die nur als Ausdruck oder Scan vorliegen. Auch bei Reprints, Neuauflagen oder der Übernahme älterer Archive in aktuelle Produktionssysteme ist OCR eine naheliegende Vorstufe.

Einfache Texterkennung und strukturierte Erfassung

Der Aufwand unterscheidet sich stark nach Vorlage und Ziel. Reiner Fliesstext lässt sich anders verarbeiten als Seiten mit Spalten, Tabellen, Bildlegenden, Marginalien oder gemischten Schriftschnitten. Neben der reinen Zeichenerkennung kann eine strukturierte Erfassung nötig sein, damit Überschriften, Absätze, Fussnoten oder Hervorhebungen im Satz korrekt weiterverwendet werden können. Bei schwierigen Vorlagen steigt der Anteil manueller Nachbearbeitung.

Abgrenzung innerhalb der Satzherstellung

OCR-Texterfassung ist innerhalb der Satzherstellung auf die Umwandlung nicht editierbarer Vorlagen in bearbeitbaren Text ausgerichtet. Sie unterscheidet sich damit von Autorensatz und Satzübernahme, wo digitale Manuskripte bereits vorliegen und direkt übernommen oder gesetzt werden. Gegenüber Bleisatz ist OCR ein digitaler Erfassungsschritt, nicht ein Setzverfahren. Von Formelsatz und Musiknotensatz grenzt sich die Leistung durch den Fokus auf allgemeine Textvorlagen ab, während Redaktionssysteme Inhalte organisieren, aber keine Texterkennung ersetzen.