Lokale ICR zur Umwandlung handschriftlich ausgefüllter Formulare in strukturierte, durchsuchbare Daten

Das JSON ist klar gegliedert: Seiten enthalten Absätze, Absätze enthalten Zeilen und Zeilen enthalten einzelne Wörter. Für jede Seite werden Seitennummer, DPI und Ursprung des Koordinatensystems angegeben. Dieser liegt in der Regel oben links, bei PDF-Koordinaten unten links. Für jedes Wort enthält das JSON die x- und y-Koordinaten des Rahmens sowie Länge, Schriftgröße, Text und Ausrichtung. Optional kann auch für jede Zeile ein Rahmen angegeben werden.

Dank dieser Struktur bleiben die Ergebnisse der Handschrifterkennung transparent und lassen sich gezielt prüfen. Jeder erkannte Wert kann seiner Position auf der Seite zugeordnet werden. Falsch erkannte Namen oder Zahlen lassen sich so anzeigen, markieren und korrigieren, bevor sie in ein zentrales System übertragen werden.

Da die Ausgabe im PDF-Format vorliegt, können Sie sie direkt mit den weiteren Funktionen des Server-SDK verarbeiten. Die Umwandlung eines durchsuchbaren PDFs in PDF/A ist im Basispaket enthalten. Für die Ausgabe als DOCX, XLSX, PPTX oder HTML benötigen Sie das Structured Output Module. Dieses ist als separates Add-on für dasselbe SDK erhältlich.

Die Rohdaten der Erkennung lassen sich mit einem einzigen Aufruf direkt in das Dokument übernehmen. Bei handschriftlichen Inhalten ist jedoch meist eine Prüfung sinnvoll. Die Schrift variiert je nach Person, Einträge können über die im Formular definierten Felder hinausragen und auch Stiftfarbe und Schreibdruck unterscheiden sich von Seite zu Seite. Daher ist eine Korrektur hier wichtiger als bei gedrucktem Text.

Genau dafür ist die API konzipiert. Extrahieren Sie die Ergebnisse im JSON-Format und führen Sie die für Ihren Anwendungsfall nötigen Prüfungen durch. Prüfen Sie zum Beispiel die Rechtschreibung, gleichen Sie Patienten- oder Kundennamen mit den erwarteten Daten ab oder vergleichen Sie die Werte mit einer Positiv- oder Sperrliste. Übertragen Sie anschließend die korrigierten Werte zurück.

Derselbe Einstiegspunkt akzeptiert auch JSON-Ausgaben anderer OCR- oder ICR-Systeme. So können Sie Ihre bestehende Pipeline zur Texterkennung weiter nutzen, während Apryse die Validierung, Positionierung und Erstellung durchsuchbarer PDFs übernimmt. Wenn Sie strukturierte Felder und Tabellen statt Rohtext verarbeiten möchten, übergeben Sie die korrigierte Ausgabe an Intelligente Datenextraktion. Diese Funktion stellt die Struktur des Dokuments wieder her und lässt sich nahtlos in dieselbe Pipeline einbinden.

Teams, die ICR in ihre Anwendung integrieren möchten, prüfen meist vier Optionen: manuelle Dateneingabe, eine cloudbasierte ICR-API, ein universelles KI-Modell oder eine klassische OCR-Lösung. Apryse ICR bietet stattdessen ein direkt eingebettetes SDK.

Handschriftlich ausgefüllte Felder werden noch immer oft manuell erfasst oder von externen Anbietern verarbeitet. Das verursacht vermeidbare Kosten, verlängert die Bearbeitung und erhöht das Fehlerrisiko. ICR automatisiert die Erfassung und prüft die Daten direkt. So müssen Ihre Teams nur noch Ausnahmen bearbeiten, statt jedes Formular vollständig abzutippen.

Ein Cloud-Dienst überträgt jede Seite – etwa Formulare, Anträge und klinische Notizen – an eine externe Infrastruktur, die sich Ihrer Kontrolle entzieht. Apryse ICR läuft dagegen direkt in Ihrer Anwendung und auf Ihren eigenen Servern. Da handschriftliche Inhalte oft persönliche oder gesetzlich geschützte Daten enthalten, ist dies für viele Teams ein zentrales Kriterium und nicht nur eine Frage der Präferenz. Für gedruckte Felder in denselben Formularen nutzen Teams neben ICR meist auch selbst gehostete OCR.

Ein universelles KI-Modell kann Handschrift in Text umwandeln. Da es Text und Layout der gesamten Seite in einem Schritt erfasst, können die Ergebnisse bei jedem Durchlauf abweichen. Dies erschwert die Prüfung, vor allem bei Dokumenten, deren Inhalt später als Nachweis dienen soll. ICR ist gezielt auf die Erkennung von Zeichen ausgelegt und liefert neben dem Text auch genaue Positionsdaten. Dadurch lässt sich jeder erkannte Wert eindeutig einer Stelle auf der Seite zuordnen.

OCR ist auf gedruckte, maschinell erzeugte Zeichen ausgelegt. Bei Handschrift sind die Ergebnisse oft weniger genau, da Zeichenformen stark variieren. ICR wurde speziell für diese Unterschiede trainiert. Beide Verfahren ergänzen sich: OCR erfasst gedruckte Inhalte in Formularen, während ICR handschriftlich ausgefüllte Felder verarbeitet.

ICR zuerst auszuführen, ist zudem die kostengünstigere Methode für den Einsatz eines Modells. Wenn Sie ein Seitenbild an ein LLM übergeben, werden Tokens für Bilddaten verbraucht, bei erkanntem Text dagegen für Wörter. Die Verarbeitung einer Textseite kostet nur einen Bruchteil der Verarbeitung derselben Seite als Bild. Die Erkennung verursacht einmalige, feste Kosten auf Ihrer eigenen Hardware. Bild-Tokens werden hingegen für jede Seite und jeden Durchlauf berechnet. Moderne KI-Engines können diesen Kostenunterschied bei gedrucktem Text teilweise verringern, bei Handschrift jedoch nicht. Erfahren Sie, wie KI-OCR im Vergleich zu klassischer OCR abschneidet.