Ist das eine KI-Texterkennung?

Ja – ein neuronales Erkennungsmodell (Tesseract LSTM), das in Ihrem Browser läuft. Anders als bei Cloud-Diensten verlässt das Bild Ihr Gerät nicht.

Werden meine Dateien auf einen Server hochgeladen?

Nein. Die Umwandlung läuft vollständig in Ihrem Browser, mit der Rechenleistung Ihres eigenen Geräts. Die Datei verlässt Ihren Computer oder Ihr Handy nicht. Und wurde ein Werkzeug einmal benutzt, funktioniert es auch ohne Internetverbindung weiter (Video, Texterkennung und Hintergrundentfernung laden ihre Engine beim ersten Mal von dieser Website).

Wie genau ist die Erkennung?

Bei klar gedrucktem Text und scharfem Bild sehr genau, Umlaute und ß eingeschlossen. Schräge Aufnahmen, kleine Schrift und schwaches Licht kosten Genauigkeit – ein gerades, gut ausgeleuchtetes Foto hilft am meisten.

Warum dauert der erste Durchlauf länger?

Beim ersten Mal lädt der Browser das deutsche Sprachmodell (unter 1 MB) herunter und speichert es. Danach startet die Erkennung sofort, auch offline.

Erkennt es auch Handschrift?

Nein, zuverlässig nur gedruckten Text. Handschrift und stark stilisierte Schriften kommen lückenhaft heraus.

Text aus einem Bild auslesen

Läuft auf Ihrem Gerät · Ihre Datei verlässt nie Ihr Gerät.

Ein fotografierter Brief, ein Screenshot, eine gescannte Rechnung: Die Texterkennung liest die Schrift aus dem Bild und gibt Ihnen Text zum Kopieren – oder gleich als Word- oder TXT-Datei.

Deutsch wird mit Umlauten und ß erkannt; Englisch und Arabisch ebenfalls. Das Erkennungsmodell läuft in Ihrem Browser – das Bild wird nicht hochgeladen, also auch keine Rechnung, kein Ausweis, kein Arztbrief.

Praxisbeispiel: ein gemessener Durchlauf dieses Werkzeugs

Beispieldatei: ein Kassenbon als Bild, auf Englisch und Arabisch (fiktiv) (62.1 KB). Wir haben sie in einem Browser durch diese Seite geschickt, so wie es ein Besucher tun würde, und geprüft, was herauskam. Die Zahlen unten wurden am Ergebnis gemessen, nicht geschätzt.

Einstellungen: Sprache: Arabisch + Englisch, die Standardeinstellung des Werkzeugs. Sonst wurde nichts geändert.
Englische Wörter in den englischen Zeilen vorhanden (beliebige Reihenfolge): 100 % (26 / 26)
Englischer Text wie geschrieben, in Lesereihenfolge: 100 %
Zahlen, Summen und Daten in ihrer eigenen Zeile, Englisch: 5 / 5
Arabische Wörter in den arabischen Zeilen vorhanden (beliebige Reihenfolge): 100 % (20 / 20)
Arabischer Text wie geschrieben, in Lesereihenfolge: 100 %
Zahlen, Summen und Daten in ihrer eigenen Zeile, Arabisch: 2 / 2
Dauer im Testbrowser, vom Klick bis zum Ergebnis: 1.7 s

Was dieses Beispiel nicht zeigt: Dies ist ein sauberes, gerade aufgenommenes Bild von gedrucktem Text. Schräg aufgenommene Fotos, Handschrift und blasser Druck werden schlechter gelesen. Prüfen Sie Namen und Zahlen mit eigenen Augen, bevor Sie sich darauf verlassen.

Gemessen am 2026-09-25 mit dem Code der Website selbst (Build 8672737). Dateien: grocery-receipt-ar-en.png Ergebnis

So geht’s: Text aus einem Bild auslesen

Fügen Sie ein Foto, einen Screenshot oder einen Scan hinzu.
Wählen Sie die Sprache, in der der Text geschrieben ist; für Arabisch und Englisch auf einer Seite wählen Sie „Arabisch + Englisch“.
Klicken Sie auf „Text extrahieren“ – beim ersten Mal lädt das Modell einmal, danach ist es gespeichert.
Kopieren Sie den Text oder laden Sie ihn als TXT oder Word herunter.

Unterstützte Formate und Grenzen

Eingabe: JPG, PNG, WebP, HEIC, gescanntes PDF
Ausgabe: Text – kopieren, TXT oder Word
Sprachen: 15: Deutsch, Englisch, Arabisch, Arabisch + Englisch gemischt, Französisch, Spanisch, Russisch, Portugiesisch, Chinesisch (vereinfacht und traditionell), Hindi, Türkisch, Hebräisch, Persisch, Urdu, Indonesisch, Bengalisch
Wo es läuft: Im Browser – das Bild wird nicht hochgeladen

Nicht geeignet für: Handschrift und stark stilisierte Schriften – bei klar gedrucktem Text ist die Erkennung zuverlässig, sonst weniger.

Welche Spracheinstellung Sie wählen

Die Liste hat 17 Einstellungen: Englisch, Arabisch, Arabisch und Englisch zusammen, Deutsch, Französisch, Spanisch, Russisch, Portugiesisch, vereinfachtes und traditionelles Chinesisch, Hindi, Türkisch, Hebräisch, Persisch, Urdu, Indonesisch und Bengalisch. Jede lädt das Erkennungsmodell für diese Sprache – wählen Sie also die Sprache, in der der Text geschrieben ist, nicht die Sprache dieser Seite. Mit dem falschen Modell gelesener Text kommt als falsche oder sinnlose Zeichen heraus.

Die Einstellung bestimmt auch, wie der Text angeordnet wird. Bei Sprachen, die von links nach rechts laufen, bleiben Folgen von Leerzeichen erhalten, sodass die Spalten eines Kassenbons oder einer einfachen Tabelle getrennt bleiben. Bei Sprachen, die von rechts nach links laufen, ist das abgeschaltet, weil es in Tests benachbarte Wörter zusammengezogen hat. Ist Arabisch gewählt, werden Zahlen in arabisch-indischen Ziffern ein zweites Mal gelesen, weil die Engine sie beim ersten Mal oft falsch erkennt.

Was mit dem Bild geschieht, bevor es gelesen wird

Eine leere Datei oder eine, die der Browser nicht öffnen kann, bricht mit einer entsprechenden Meldung ab. Ein HEIC-Foto vom iPhone wird auf Ihrem Gerät in JPG umgewandelt. Kleine Schrift liest die Engine schlecht; ein Bild, das schmaler als 1.600 Pixel ist, wird deshalb vor dem Lesen auf etwa 1.800 Pixel Breite vergrößert – höchstens auf das Vierfache und nicht über 4.000 Pixel an der längsten Seite.

Mehrere Bilder lassen sich in einem Durchgang lesen. Im Text beginnt jedes mit einer Zeile, die seinen Dateinamen nennt, und in der Word-Datei steht jedes unter einer eigenen Überschrift.

Der Konfidenzwert und die beiden Downloads

Die Prozentangabe zur Konfidenz ist die eigene Schätzung der Engine, gemittelt über alle Bilder. Sie ist kein Abgleich mit dem echten Text – lesen Sie Zahlen, Namen und Beträge also noch einmal nach, bevor Sie sich darauf verlassen.

Die TXT-Datei wird als UTF-8 mit Byte-Order-Mark gespeichert; damit zeigt der Windows-Editor nicht-lateinische Buchstaben richtig an. In der Word-Datei wird jede Zeile zu einem eigenen Absatz. Bei einer Rechts-nach-links-Einstellung (Arabisch, Hebräisch, Persisch oder Urdu) werden diese Absätze von rechts nach links gesetzt und rechtsbündig ausgerichtet; in einem gemischten Dokument wird die Richtung Zeile für Zeile bestimmt, englische Zeilen bleiben also linksbündig.

Wenn das Ergebnis leer oder falsch ist

Eine Datei mit 0 Byte ist meist ein Foto aus dem Cloud-Speicher, das noch nicht aufs Handy geladen wurde: Öffnen Sie es in Ihrer Galerie und wählen Sie es dann erneut aus. Ein Bild, das direkt aus einer Messenger-App geöffnet wird, lässt sich manchmal nicht lesen; speichern Sie es zuerst auf dem Handy oder machen Sie einen Screenshot davon.

Ein schräges Foto liest sich schlechter als ein gerades. Richten Sie es mit /rotate-image gerade aus und schneiden Sie mit /crop-image alles außer dem Text weg. Für ein gescanntes PDF nehmen Sie /pdf-ocr: Dort wird jede Seite zu einem Bild und einzeln gelesen.

Häufige Fragen

Ist das eine KI-Texterkennung?: Ja – ein neuronales Erkennungsmodell (Tesseract LSTM), das in Ihrem Browser läuft. Anders als bei Cloud-Diensten verlässt das Bild Ihr Gerät nicht.
Werden meine Dateien auf einen Server hochgeladen?: Nein. Die Umwandlung läuft vollständig in Ihrem Browser, mit der Rechenleistung Ihres eigenen Geräts. Die Datei verlässt Ihren Computer oder Ihr Handy nicht. Und wurde ein Werkzeug einmal benutzt, funktioniert es auch ohne Internetverbindung weiter (Video, Texterkennung und Hintergrundentfernung laden ihre Engine beim ersten Mal von dieser Website).
Wie genau ist die Erkennung?: Bei klar gedrucktem Text und scharfem Bild sehr genau, Umlaute und ß eingeschlossen. Schräge Aufnahmen, kleine Schrift und schwaches Licht kosten Genauigkeit – ein gerades, gut ausgeleuchtetes Foto hilft am meisten.
Warum dauert der erste Durchlauf länger?: Beim ersten Mal lädt der Browser das deutsche Sprachmodell (unter 1 MB) herunter und speichert es. Danach startet die Erkennung sofort, auch offline.
Erkennt es auch Handschrift?: Nein, zuverlässig nur gedruckten Text. Handschrift und stark stilisierte Schriften kommen lückenhaft heraus.