Bessere OCR-Ergebnisse aus Screenshots erzielen (2026)
OCR ist keine Magie. Die Engine liest Pixel, und die Pixel, die du ihr gibst, setzen die Obergrenze für alles, was danach kommt. Ein loser Zuschnitt, winzige Buchstaben oder das falsche Sprachpaket liefern ein enttäuschendes Ergebnis, egal wie gut die Engine ist — und die meisten schlechten Ergebnisse stehen schon fest, bevor die Erkennung überhaupt beginnt.
VKT SnapOCR betreibt eine Tesseract-WebAssembly-Engine, verpackt in der Erweiterung, unter Chrome, Edge und Firefox. Sie erkennt den Zuschnitt, den du ihr gibst; sie verbessert das Bild nicht. Der Hebel liegt also in deinen Erfassungsgewohnheiten. Hier sind sie, in der Reihenfolge, in der du sie anwendest.
Die Qualität entscheidet sich vor der Erfassung
Der Ablauf ist kurz: Ziehe einen Rahmen über eine beliebige Region der Seite, die lokale Engine erkennt sie, der Text landet in einem bearbeitbaren Feld, du kopierst ihn. Während du die Auswahl zeichnest, ist die Seite eingefroren, sodass die Pixel unter dem Rahmen nicht mitten im Ziehen wegscrollen können — was du umrahmst, ist genau das, was die Engine erhält.
Damit ist die Erfassung der Schritt, an dem du die Eingabe kontrollierst. Bei allem Folgenden geht es darum, der Engine ein besseres Rechteck zu geben: enger, größer, in der richtigen Sprache, einen Block nach dem anderen.
Eng zuschneiden: nur den Text umrahmen
Die Erkennung liest alles innerhalb des Rechtecks. Hintergrundverläufe, dekorative Ränder, Nachbarspalten und Browser-Oberfläche werden zu Rauschen, das die Engine interpretieren muss — und aus Rauschen entstehen Lesefehler.
- Umrahme den Absatz oder Block, den du wirklich willst, nicht die ganze Seite drumherum.
- Lass einen kleinen Rand, damit Zeichen am Rand nicht halbiert werden, aber nicht mehr.
- Brauchst du mehrere getrennte Blöcke, erfasse sie einzeln, statt einen riesigen Rahmen zu ziehen.
Ein enger Zuschnitt wird außerdem schneller verarbeitet und lässt sich leichter mit dem Original abgleichen.
Vor dem Erfassen hineinzoomen
Kleiner Text ist die häufigste Ursache für wirre Ausgaben. Die Erfassung ist ein Screenshot, also ist die Größe auf dem Bildschirm die Eingabegröße — und SnapOCR schneidet in den echten Gerätepixeln des Displays (seiner devicePixelRatio) zu und behält HiDPI-Details, statt sie wegzuwerfen. Das heißt: Seitenzoom fügt dem Zuschnitt wirklich Pixel hinzu.
Zoom die Seite (Ctrl++ / Cmd++), bis die Buchstaben für dich bequem lesbar sind, und ziehe dann den Rahmen. Strengt der Text deine Augen an, strengt er auch die Engine an. Das gilt auch für Text in Bildern: Öffne das Bild groß oder zoom die Seite, bevor du auswählst. Zwei Zoomstufen auf einer dichten Tabelle sind mehr wert als jede Einstellung.
Die richtige Sprache wählen
Das Sprachpaket sagt der Engine, welchen Zeichensatz sie erwarten soll, und die falsche Wahl verschlechtert die Qualität sichtbar — Akzente werden zu Zeichensalat, ähnliche Glyphen werden vertauscht. Stelle die Sprache im Popup ein, bevor du startest.
- Kostenlos: Englisch und Vereinfachtes Chinesisch sind gebündelt und funktionieren vollständig offline.
- Pro ($14.99, einmalig): sieben weitere — Traditionelles Chinesisch, Japanisch, Koreanisch, Russisch, Französisch, Deutsch, Spanisch. Jedes Paket wird einmal heruntergeladen und funktioniert dann offline wie ein gebündeltes.
Eine Pro-Sprache ohne Lizenz wird abgelehnt, bevor die Erkennung startet — du verbrennst also keinen Durchlauf, um es herauszufinden. Bei gemischtem Inhalt wähle die dominante Sprache: Ein überwiegend englischer Absatz mit ein paar fremden Namen liest sich unter Englisch besser als unter der Minderheitensprache.
Eine Spalte nach der anderen
Die Auswahl ist ein Rechteck, kein Layout-Parser. Auf mehrspaltigen Seiten, Tabellen mit Randnotizen oder Bildunterschriften zwischen Fließtext kann die Engine Zeilen über Spalten hinweg verschmelzen und die Lesereihenfolge durcheinanderbringen.
Erfasse jede Spalte oder jeden Tabellenblock einzeln und setze die Teile in deinem Editor zusammen. Zwei oder drei zusätzliche Züge sind besser, als hinterher ein wirres Ergebnis zu entwirren. Das ist allgemeines OCR-Verhalten, keine SnapOCR-Eigenheit — jede Engine, die Rechtecke liest, hat es.
Kontrast und Schriftart entscheiden viel
Engines sind auf normal gerendertem Text trainiert: dunkle Buchstaben auf hellem Grund, normale Schriftschnitte, Standardschriften. Weiß-auf-Schwarz-Themes, kontrastarmer grauer Text, Zierschriften und künstlerische Letterings werden alle schlechter gelesen.
SnapOCR verbessert das Bild nicht und bereitet es nicht auf. Wenn du also die Wahl hast, erfasse die normal gerenderte Version: die Artikelseite statt des stilisierten Posters, das helle Theme statt des dunklen. Existiert nur die stilisierte Version, zoom hinein, schneide eng zu und stell dich darauf ein, mehr Zeichen im Ergebnisfeld zu korrigieren.
Fehler im Ergebnisfeld korrigieren, nicht neu starten
Das Ergebnis ist bearbeitbar. Ist jedes zwanzigste Zeichen falsch, korrigiere es im Feld und kopiere. Denselben Zuschnitt erneut zu starten liefert meist denselben Fehler und verbraucht eine weitere Erkennung.
Das zählt in der Gratis-Version: 20 Erkennungen am Tag, Zurücksetzung um Mitternacht deiner Ortszeit. Nur abgeschlossene Engine-Durchläufe zählen — eine mit Esc abgebrochene Auswahl oder eine fehlgeschlagene Injektion kosten nichts, aber ein Zuschnitt, den die Engine verarbeitet und nicht gelesen hat, zählt trotzdem. Korrigieren kostet nichts; ein neuer Durchlauf kostet eine Erkennung.
Die letzten Ergebnisse bleiben in einer lokalen Historienliste — die neuesten 10 kostenlos, 200 mit Pro — und ein Klick auf einen Eintrag kopiert ihn. Ein bereits extrahierter Schnipsel braucht also selten eine zweite Erfassung. Pro ergänzt außerdem den TXT-Export, wenn du den Text als Datei behalten willst.
Wann OCR das falsche Werkzeug ist
- Handschrift. Die Engine ist für Druckschrift gebaut. Suche stattdessen eine getippte Quelle.
- Winziger, niedrig aufgelöster Text. Ein verpixeltes Original zu zoomen erfindet keine Details. Suche eine höher aufgelöste Version der Quelle.
- Künstlerische Logotypes. Eine Handvoll stilisierter Zeichen von Hand zu tippen ist schneller, als mit der Engine zu kämpfen.
- Auswählbarer Text. Enthält die Seite echten Text, markiere und kopiere ihn — immer exakt, ganz ohne Erkennung.
OCR holt zurück, was in den Pixeln steckt. Es kann keine Information rekonstruieren, die nie da war — und diese Grenze zu kennen spart dir Kontingent und Zeit.
FAQ
Kostet das Abbrechen einer Auswahl mit Esc eine meiner freien Erkennungen?
Nein. Gezählt werden nur Erkennungen, die die Engine tatsächlich abschließt. Eine Auswahl, die du mit Esc abbrichst, oder eine Seite, in die die Erweiterung nicht injizieren kann, kosten nichts. Eine Ausnahme: Ein Zuschnitt, den die Engine verarbeitet hat, aber nicht lesen konnte, zählt trotzdem, weil der Durchlauf abgeschlossen wurde. Das freie Kontingent beträgt 20 pro Tag und wird um Mitternacht deiner Ortszeit zurückgesetzt.
Warum hilft es, die Seite vor dem Erfassen zu zoomen?
Weil die Erfassung ein Screenshot ist und SnapOCR ihn in den echten Gerätepixeln des Displays (devicePixelRatio) zuschneidet und so HiDPI-Details erhält, statt sie herunterzuskalieren. Zoomst du die Seite, wird der Text mit mehr Pixeln gerendert, und diese zusätzlichen Pixel landen in dem Zuschnitt, den die Engine liest. Mehr Pixel pro Zeichen bedeuten mehr Forminformation für die Erkennung.
Kann es andere Sprachen als Englisch und Chinesisch erkennen?
Ja, mit Pro. Englisch und Vereinfachtes Chinesisch sind gebündelt und kostenlos. Die Lizenz ($14.99, einmalig) ergänzt sieben Sprachen: Traditionelles Chinesisch, Japanisch, Koreanisch, Russisch, Französisch, Deutsch und Spanisch. Jedes Paket wird einmal heruntergeladen und funktioniert danach offline. Eine Pro-Sprache ohne Lizenz wird abgelehnt, bevor die Erkennung startet.
Wird mein Screenshot irgendwohin hochgeladen?
Nein. Die Erkennung läuft lokal mit einer Tesseract-WebAssembly-Engine, die in der Erweiterung verpackt ist. Die Erfassung existiert nur im Arbeitsspeicher und wird zerstört, wenn sich das Ergebnisfenster schließt; nichts wird hochgeladen. Deshalb funktionieren die gebündelten Sprachen auch ganz ohne Verbindung.
Weitere Ratgeber im VKT-Blog; Fragen an [email protected].
