Das Einschreiben an den Nachunternehmer liegt als PDF im Projektordner. Trotzdem findet es die Suche nicht, egal welches Wort man eingibt. Der Grund: Das PDF ist ein Scan, und ein Scan ist für den Computer ein Foto von einem Blatt Papier. Er sieht Pixel, keine Buchstaben. Bevor eine Suche darin etwas finden kann, muss aus dem Bild Text werden.
Wie aus dem Bild Text wird
Das Verfahren heißt Texterkennung, englisch OCR. Ein Programm sucht im Bild nach Zeichen, erkennt sie und legt den Text unsichtbar hinter das Bild, mit der Position jedes Wortes auf der Seite. Das Dokument sieht danach aus wie vorher, aber man kann darin suchen, markieren und kopieren. Moderne Erkennung erfasst dabei auch den Aufbau der Seite: Absätze, Tabellen, Kopf- und Fußzeilen, Spalten.
Für eine KI-Suche ist die Position wichtig, nicht nur der Text. Sie ist der Grund, warum die Fundstelle später nicht nur „Seite 1“ heißt, sondern die Stelle im Scan markieren kann, an der das Datum steht.
Was gut geht
- Maschinenschrift auf sauberen Scans: Briefe, Verträge, Bescheinigungen, Protokolle. Das ist der Normalfall in einer Projektakte, und er funktioniert zuverlässig.
- Formulare und Tabellen: Abnahmeprotokolle, Aufmaßblätter, Stundenzettel in Tabellenform. Die Erkennung ordnet die Werte den Spalten zu, wenn die Linien erkennbar sind.
- Stempel und Vermerke: Eingangsstempel, „Einschreiben mit Rückschein“, Datumsstempel. Sie werden meist erkannt, auch wenn sie schräg oder über Text stehen.
- Unterschriften: Die Erkennung liest sie nicht als Namen, aber sie erkennt, dass an der Stelle eine Unterschrift steht. Für die Frage „Ist der Vertrag unterschrieben?“ reicht das oft.
Wo es hakt
- Handschrift: Ein handschriftlicher Vermerk auf einem Lieferschein wird je nach Schrift ganz, teilweise oder gar nicht erkannt. Saubere Blockschrift geht, flüchtige Notizen oft nicht. Darauf sollte man sich nicht verlassen.
- Faxe, Durchschläge, Kopien von Kopien: Je schlechter der Kontrast, desto mehr Fehler. Ein Wort mit einem falschen Buchstaben findet die Suche nach Bedeutung meist trotzdem; eine falsch erkannte Zahl ist dagegen schlicht falsch.
- Schief und beschnitten: Leichte Schräglage wird ausgeglichen. Ein abgeschnittener Rand ist weg.
- Pläne: Der Plankopf mit Projekt, Planstand und Datum wird gelesen; damit lässt sich ein Plan finden. Die Zeichnung selbst versteht die Erkennung nicht. Die Frage „Wo liegt der Revisionsschacht?“ beantwortet sie nicht aus dem Plan.
Warum die Fehler nicht egal sind
Eine KI-Suche formuliert ihre Antwort aus dem erkannten Text. Steht dort wegen eines schlechten Scans „18.08.2026“ statt „18.09.2026“, ist die Antwort falsch, und sie klingt genauso sicher wie eine richtige. Deshalb gehört die Fundstelle zu jeder Antwort: Ein Klick zeigt das Original, und die Frist liest man dort nach, nicht in der Antwort. Und deshalb gehören schlechte Scans ins Prüfset, mit dem man die Suche vor dem Start misst. Wenn die Akten der Firma zu einem Drittel aus Faxen von 2008 bestehen, sollte man das vorher wissen, nicht beim ersten Streitfall.
Was Sie praktisch tun müssen
Wenig. Vorhandene Scans müssen nicht neu eingescannt werden; die Texterkennung läuft beim Anbinden der Ordner über alle Dokumente, auch über die von vor fünfzehn Jahren. Was neu eingescannt wird, sollte mit 300 dpi und gerade aufgelegt sein; das ist bei jedem Bürogerät die Standardeinstellung. Und wer alte Akten erst noch digitalisieren lässt, sollte sich die Qualität am Ergebnis zeigen lassen und nicht am Angebot.
Was nach der Erkennung mit dem Text passiert, steht im Artikel Was das Sprachmodell wirklich sieht. Welche Dateiarten die Suche liest, unter Integration.