Text aus Bild extrahieren (OCR)

So extrahieren Sie Text aus einem Bild

1. Bild hinzufügen. Wählen Sie eine Datei aus, ziehen Sie sie in das Feld oder fügen Sie einen Screenshot mit Strg+V ein (⌘V am Mac). Auf dem Handy bietet die Dateiauswahl auch die Kamera an: So fotografieren Sie eine Seite, ein Schild oder einen Kassenbon direkt. Mehrere Bilder auf einmal sind möglich.
2. Sprache prüfen. Voreingestellt ist Deutsch mit Englisch zusätzlich erkennen – so kommen englische Wörter, Markennamen, E-Mail-Adressen und Links richtig heraus. Ist der Text in einer anderen Sprache, wählen Sie diese in der Liste.
3. Ein paar Sekunden warten. Der Zähler zeigt den Fortschritt. Beim ersten Mal lädt der Browser die Texterkennung und die Sprachdaten herunter – rund 4,2 MB für Deutsch und Englisch. Sie bleiben im Browser gespeichert, beim nächsten Besuch geht es fast sofort los.
4. Kopieren oder herunterladen. Der Text jedes Bildes hat eine Schaltfläche Kopieren; Als .txt laden speichert ihn als Textdatei – eine pro Bild und bei mehreren Bildern zusätzlich eine mit allen Texten. Fügen Sie ihn in Word, Google Docs, eine E-Mail oder eine Tabelle ein und korrigieren Sie, was falsch gelesen wurde.

So funktioniert es

Die Texterkennung (OCR, optical character recognition) übernimmt Tesseract – die Engine stammt ursprünglich von Hewlett-Packard, wurde 2005 als Open Source veröffentlicht und danach mit Unterstützung von Google weiterentwickelt. Das Projekt tesseract.js übersetzt sie in WebAssembly, sodass sie in dieser Seite läuft wie jedes andere Programm auf Ihrem Gerät. Seit Version 4 liest Tesseract ganze Zeilen mit einem neuronalen LSTM-Netz statt Buchstabe für Buchstabe; hier kommen die kompakten „fast“-Modelle aus der offiziellen Sammlung tessdata_fast zum Einsatz.

Jedes Bild wird zuerst richtig herum gedreht (nach der Ausrichtung, die die Kamera gespeichert hat) und so gelesen, wie es ist. Liegt die Sicherheit von Tesseract unter 85 % – typisch für Handyfotos mit Schatten oder Bildrauschen –, gleicht die Seite zusätzlich das Licht aus: Sie schätzt die Helligkeit des Papiers über das ganze Bild, rechnet die Unterschiede heraus und macht den Hintergrund weiß und die Schrift schwarz. Auch diese Fassung wird gelesen, und das sicherere Ergebnis gewinnt. Screenshots und saubere Scans überspringen diesen Schritt meist – gut so, denn der Ausgleich kann weiße Schrift auf farbigen Balken auslöschen.

Wie genau ist das? Unser Test

Wir haben im Browser 23 Testbilder erzeugt: eine Probe mit 169 Zeichen (Satz, Rechnungsnummer, Datum, Betrag, E-Mail-Adresse und Telefonnummer) in gängigen Schriften und Größen, kurze Texte in anderen Schriftsystemen und Kopien, die wie ein Handyfoto aussehen – graues, ungleichmäßig beleuchtetes Papier, Rauschen, JPEG-Kompression und leichte Schräglage. Der erkannte Text wurde Zeichen für Zeichen mit dem Original verglichen (Genauigkeit = 1 − Editierdistanz ÷ Länge), in Microsoft Edge im Oktober 2026:

Echte Fotos sind unordentlicher als erzeugte Bilder, rechnen Sie also mit etwas niedrigeren Werten. Das Muster bleibt: Fehler entstehen durch winzige Buchstaben, Schräglage, Unschärfe und Zierschriften – viel mehr als durch die Sprache.

Tipps für bessere Ergebnisse

• Große Buchstaben. Die Tesseract-Anleitung zur Ergebnisqualität empfiehlt Scans mit etwa 300 DPI und warnt, dass die Genauigkeit schnell sinkt, wenn Kleinbuchstaben weniger als rund 10 Pixel hoch sind. Schneiden Sie eng um den Text zu, zoomen Sie vor dem Screenshot hinein oder gehen Sie mit dem Handy näher heran.
• Screenshot statt Foto vom Bildschirm. Ein Screenshot hat gestochen scharfe Buchstaben; ein Foto vom Monitor bringt Streifen und Spiegelungen.
• Gleichmäßiges Licht, gerade von vorn. Halten Sie das Handy parallel zum Blatt und vermeiden Sie den eigenen Schatten und die Spiegelung des Blitzes auf Hochglanzpapier.
• Die richtige Sprache. Mit Englisch als Sprache werden ä, ö, ü und ß oft zu a, o, u und B.
• Spalte für Spalte. Bei Zeitungen, Prospekten und zweispaltigem Satz schneiden Sie jede Spalte als eigenes Bild aus, damit sich die Zeilen nicht vermischen.

Ihre Bilder bleiben auf Ihrem Gerät

Die meisten Online-OCR-Dienste laden Ihr Bild auf einen Server. Hier wird nichts hochgeladen: Texterkennung und Sprachdaten kommen von dieser Website, das Lesen erledigt Ihr Browser auf Ihrem Computer oder Handy. Das zählt gerade bei dem, was man am häufigsten abtippen müsste: Personalausweis, Verträge, IBAN und Kontodaten, Arztbriefe, Bescheide, Screenshots von Chats. So gelangen keine personenbezogenen Daten zu einem fremden Dienstleister. Erkennung und Sprachdaten werden im Speicher des Browsers (IndexedDB) abgelegt, damit sie nicht erneut geladen werden müssen; Bilder und Text werden nirgends gespeichert.

Grenzen

• Handschrift: Die Modelle sind auf gedruckten Text trainiert. Saubere Druckbuchstaben klappen oft, Schreibschrift und Unterschriften meist nicht – schon unsere Schreibschrift-Schriftart fiel auf 83 %.
• Layout: Sie erhalten reinen Text in Lesereihenfolge. Zeilenumbrüche bleiben erhalten, Spalten, Tabellen, Schriftarten, Fettdruck, Farben und Bilder nicht; eine Tabelle wird zu Zeilen, deren Zellen durch Leerzeichen getrennt sind. Eine fertig formatierte Word-Datei entsteht also nicht: Fügen Sie den Text in Word ein und formatieren Sie ihn dort.
• Senkrechter Text: Nur waagerechte Zeilen werden gelesen.
• PDF: nicht direkt. Wandeln Sie die Seiten mit PDF in JPG umwandeln in Bilder um (300 DPI bei kleiner Schrift) und fügen Sie diese hier hinzu.
• Kein normaler Text: Formeln, Noten, Logos in Zierschrift und CAPTCHAs werden nicht zuverlässig erkannt.
• HEIC-Fotos vom iPhone werden beim Auswählen im Browser normalerweise in JPG umgewandelt; öffnet sich eines nicht, exportieren Sie es vorher als JPG.

Sprachen

24 Sprachen: Deutsch, Englisch, Spanisch, Portugiesisch, Französisch, Italienisch, Niederländisch, Polnisch, Russisch, Ukrainisch, Türkisch, Arabisch, Persisch, Urdu, Hebräisch, Hindi, Bengalisch, Thai, Vietnamesisch, Indonesisch, Malaiisch, Japanisch, Koreanisch und vereinfachtes Chinesisch. Jede Sprache wird nur geladen, wenn Sie sie auswählen – zwischen 0,3 MB (Persisch) und 3 MB (Niederländisch). Text, der von rechts nach links läuft, wie Arabisch und Hebräisch, wird in der richtigen Reihenfolge angezeigt und kopiert.

Um die Wörter des erkannten Textes zu zählen, fügen Sie ihn in Wörter zählen ein.

Häufige Fragen

Zuletzt aktualisiert: 15. Oktober 2026