Gescannte PDFs, Textebene und OCR

2026-10-30

Du öffnest einen eingescannten Brief oder einen abfotografierten Kassenbon in PDF to Text, und die Antwort lautet: „In diesem PDF wurde kein auswählbarer Text gefunden“. Kaputt ist nichts. Die Datei enthält schlicht keinen Text, den das Werkzeug lesen könnte. Um zu verstehen, warum, hilft der Unterschied zwischen Textebene, reinem Bildscan und OCR.

Drei Arten von PDF-Seiten

Seite mit Textebene. Der Text wurde getippt, aus einer Textverarbeitung exportiert oder aus dem Browser gespeichert. Das PDF enthält die eigentlichen Zeichen; du kannst sie markieren, durchsuchen und kopieren.

Reine Bildseite. Ein Scanner oder eine Handykamera hat Papier aufgenommen und dieses Bild in ein PDF gepackt. Für dich sieht es aus wie Text, für den Computer ist es ein Raster aus farbigen Punkten. Es gibt keine Zeichen zum Markieren.

Gescannte Seite, die schon eine OCR durchlaufen hat. OCR (optische Zeichenerkennung) ist Software, die das Bild betrachtet, die Buchstaben erkennt und hinter dem Bild eine unsichtbare Textebene einfügt. Viele Scanner und Scanprogramme können das beim Speichern erledigen. Die Seite sieht weiterhin wie ein Scan aus, trägt aber jetzt auch Text.

Was PDF to Text mit diesen Seiten macht

PDF to Text liest ausschließlich Textebenen. Es führt keine OCR durch und liest keinen Text in Bildern. Das heißt:

• Ein getipptes oder exportiertes PDF funktioniert wie gewohnt.
• Bei einem reinen Bildscan gibt es nichts zu extrahieren. Besteht jede Seite aus einem Bild, siehst du die Meldung von oben, und Alles kopieren sowie TXT herunterladen bleiben aus. Sind nur einige Seiten Bilder, nennt sie der Hinweis oben, etwa „Seiten 3–5“, und auf jeder dieser Seiten steht, dass sie ein Bild und vielleicht eingescannt ist.
• Ein Scan, der bereits per OCR bearbeitet wurde, ist kein Problem: Seine verborgene Textebene wird wie jede andere gelesen. Wie gut dieser Text ist, hängt davon ab, wie gut die Erkennung beim Erstellen der Datei funktioniert hat.

So findest du heraus, was du vor dir hast

1. Öffne das PDF in einem beliebigen Betrachter und versuch, einen Satz zu markieren.
2. Lassen sich einzelne Wörter markieren, gibt es eine Textebene, und PDF to Text kann sie lesen.
3. Wird die ganze Seite als ein Block markiert oder gar nichts, ist die Seite ein Bild.

Text aus einem reinen Bildscan gewinnen

Bei einer Seite, die nur ein Bild ist, muss Text erst entstehen, bevor man ihn extrahieren kann. Das ist Aufgabe einer OCR-Software, also einer anderen Art von Werkzeug. Manche Scanner bieten beim Speichern eine Option für „durchsuchbares PDF“, die die Erkennung gleich dabei ausführt. Sobald ein Scan eine Textebene hat, kannst du ihn hier öffnen, die Seiten lesen lassen und den Text kopieren oder speichern.

Geht es dir eigentlich um die Bilder im PDF, ist dafür ein eigenes Werkzeug da: Extract Images.