Workshops Use Cases Architecture Projects Blog
About Contact Offers Talks
Start›KI-Technologien›Dokumente lesen (OCR)English

Dokumente lesen: Text, Tabellen und Formulare aus einem Scan

Optische Zeichenerkennung (OCR) macht aus einem Scan, einem Foto einer Seite oder einem PDF Text. Dokumenten-Services liefern auch das Layout: welches Wort in welcher Tabellenzelle und welchem Formularfeld steht.

Amazon TextractAzure AI Document IntelligenceDocument AIT
Kostenlosen 30-Min. Call buchen →KI-Konzept- und Prototyp-Workshops →

Was ist OCR, und was ist Dokumentenverarbeitung?

Einfache OCR findet die Zeichen auf einer Seite. Dokumenten-Services gehen weiter: Sie behalten die Struktur, eine Tabelle kommt als Tabelle zurück und ein Formular als Feldnamen mit Werten. Handschrift unterstützen die größeren Services.

Wenn ein Dokument schon strukturiert ist, etwa ein CSV oder ein sauberer Export, braucht es einen Parser, kein Modell.

Rein gehtEin Scan, ein Foto einer Seite oder ein PDF
Raus kommtDer Text und das Layout: Tabellen, Formularfelder, Schlüssel-Wert-Paare
Typische EinsätzeRechnungen, Verträge, Lieferscheine, Schadensfälle, Archive

Vier Wege, sie zu betreiben

Jede der großen Clouds bietet sie als verwalteten Service an, und Sie können sie auch selbst betreiben. Dieselbe Aufgabe, eine andere Rechnung und eine andere Konsole.

Amazon Textract
Verwaltet auf AWS

Amazon Textract[1]

Der verwaltete Service auf AWS, der Text und Layout aus Dokumenten liest. Einzelne Seiten gehen über einen synchronen Aufruf, mehrseitige Dokumente über die asynchrone API.

Offizielle Dokumentation →
Azure AI Document Intelligence
Verwaltet auf Microsoft Azure

Azure AI Document Intelligence[2]

Der verwaltete Dokumenten-Service auf Microsoft Azure, mit vortrainierten Modellen für Rechnungen, Belege und Ausweise.

Offizielle Dokumentation →
Document AI
Verwaltet auf Google Cloud

Document AI[3]

Der verwaltete Dokumenten-Service auf Google Cloud.

Offizielle Dokumentation →
T
Selbst betreiben

Tesseract[4]

Die bewährte Open-Source-OCR-Engine, Apache 2.0. Sie liest den Text, die Layout-Logik darum bauen Sie selbst.

Projektseite →
Amazon Textract: Der verwaltete Service auf einer Seite, mit demselben Service auf den anderen Plattformen (Folie auf Englisch).
Der verwaltete Service auf einer Seite, mit demselben Service auf den anderen Plattformen (Folie auf Englisch).[5]

So sieht es in einer Architektur aus

Folien aus meiner Lehrveranstaltung zu KI-Architekturen an der FH Burgenland, aus echten Projekten (auf Englisch).

Rechnungen landen in S3, eine kleine Funktion ruft Textract auf, und die Zahlen landen in Ihrer Datenbank. Dazwischen läuft nichts.
Rechnungen landen in S3, eine kleine Funktion ruft Textract auf, und die Zahlen landen in Ihrer Datenbank. Dazwischen läuft nichts.[6]
Dieselbe Aufgabe auf vier Wegen: fertiger Service, großes Sprachmodell, eigenes trainiertes Modell oder eigene Plattform.
Dieselbe Aufgabe auf vier Wegen: fertiger Service, großes Sprachmodell, eigenes trainiertes Modell oder eigene Plattform.[6]
Dieselbe Rechnung in einen fertigen Service und in ein Sprachmodell: eine richtige Antwort gegen so viele Antworten wie Prompts.
Dieselbe Rechnung in einen fertigen Service und in ein Sprachmodell: eine richtige Antwort gegen so viele Antworten wie Prompts.[6]

Wo ich es eingesetzt habe

Dokumente lesen ist nicht Teil meiner drei Referenzprojekte. Die Rechnungs-Architektur oben ist ein ausgearbeitetes Beispiel aus meiner Lehrveranstaltung, damit Sie das Muster sehen, bevor Sie es bauen.

Verwaltet und selbst betrieben zusammen: Hybrid

Bei einem fertigen Service verlässt der Aufruf Ihr Netzwerk. Die Hybrid-Entscheidung ist, was hinausgeht und in welchem Zustand: die ganze Datei, eine geschwärzte oder nur der Teil, der muss. Wo eine Datei gar nicht hinaus darf, läuft derselbe Schritt mit der Open-Source-Option in Ihrem Gebäude, und nur das Ergebnis, oder nichts, geht hinaus.[7]

Hybrid ist eine Entscheidung auf jeder Ebene. Bei einem fertigen Service ist die Frage, was hinausgeht und in welchem Zustand.
Hybrid ist eine Entscheidung auf jeder Ebene. Bei einem fertigen Service ist die Frage, was hinausgeht und in welchem Zustand.[8]

Was hilft Ihnen als Nächstes?

Entscheiden lernen

Der Kurs „From Managed to Hybrid“ zeigt, wo KI laufen sollte: was jede Ebene kostet, was Sie betreiben und wo Ihre Daten bleiben müssen. Er ist in Vorbereitung, mit einer kostenlosen Live-Session zum Start.

Auf die Kurs-Warteliste →
Linda MohamedLinda Mohamed
KI- und Cloud-Beraterin, AWS Community Hero, Wien

Gemeinsam bauen

Erzählen Sie mir, was Sie bauen wollen. In 30 Minuten prüfen wir, welcher der vier Wege zu Ihren Daten, Ihren Regeln und Ihrem Budget passt und ob AWS-Förderung für einen Proof of Concept einen Teil abdeckt. So funktioniert AWS-Förderung →

Kostenlosen 30-Min. Call buchen →15 Minuten für eine Frage

Sie wissen schon, was Sie brauchen

Buchen Sie direkt den Workshop:

ai-solutions.wiki

Mehr auf ai-solutions.wiki

Meine offene Wissensbasis, mit längeren Vergleichen, Preisnotizen und Quellen (auf Englisch).

Quellen

  1. Amazon Textract Dokumentation. https://docs.aws.amazon.com/textract/latest/dg/what-is.html
  2. Azure AI Document Intelligence Dokumentation. https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/overview
  3. Document AI Dokumentation. https://cloud.google.com/document-ai/docs
  4. Tesseract. https://github.com/tesseract-ocr/tesseract
  5. Linda Mohamed, Kursfolien “The projects”, MASE-3, FH Burgenland, September 2026
  6. Linda Mohamed, Kursfolien “How to run AI, layer by layer”, MASE-3, FH Burgenland, September 2026
  7. NIST glossary: hybrid cloud. https://csrc.nist.gov/glossary/term/hybrid_cloud
  8. Linda Mohamed, Kursfolien “Start here”, MASE-3, FH Burgenland, September 2026
  9. Amazon Textract, ai-solutions.wiki. https://ai-solutions.wiki/tools/amazon-textract/
  10. Azure AI Document Intelligence, ai-solutions.wiki. https://ai-solutions.wiki/tools/azure-form-recognizer/
  11. Textract vs Comprehend, ai-solutions.wiki. https://ai-solutions.wiki/comparisons/textract-vs-comprehend/
  12. Pre-built AI services vs foundation models, ai-solutions.wiki. https://ai-solutions.wiki/comparisons/prebuilt-ai-services-vs-foundation-models/
  13. Amazon Textract asynchronous operations, AWS documentation. https://docs.aws.amazon.com/textract/latest/dg/async.html

Links geprüft im September 2026. Produktnamen und Funktionen ändern sich: Prüfen Sie die verlinkten Seiten, bevor Sie entscheiden.