Zum Inhalt springen

Japon Sakura

Actualité

Microsoft-OCR in Office und SharePoint: Funktionen, Tools und Tipps für den Einstieg

Die optische Zeichenerkennung im Microsoft-Ökosystem ist heute in mehreren Anwendungen und Diensten verfügbar – von SharePoint über Purview bis hin zu Copilot. Jede Komponente …

Professionnelle utilisant la reconnaissance de texte OCR dans Microsoft Office sur un grand écran dans un bureau moderne

Die optische Zeichenerkennung im Microsoft-Ökosystem umfasst heute mehrere Anwendungen und Dienste – von SharePoint über Purview bis hin zu Copilot. Jede Komponente erfüllt eine andere Aufgabe und hat eigene Aktivierungsvoraussetzungen und Einschränkungen. Microsoft OCR in Office und SharePoint ist keine einzelne Funktion, sondern eine Reihe von Mechanismen, die parallel arbeiten – manchmal, ohne dass die Nutzer es bemerken.

OCR für die Suche und Purview-Compliance-OCR: zwei unterschiedliche Mechanismen

Ein häufiges Missverständnis besteht darin, SharePoint OCR als eine einzige, umfassende Funktion zu betrachten. Tatsächlich gibt es zwei parallele Prozesse. Der erste extrahiert Text aus Bildern und gescannten Dokumenten, damit diese über die SharePoint-Suche gefunden werden können. Der zweite analysiert Bilder in Microsoft Purview, um Compliance-Regeln durchzusetzen, insbesondere zum Schutz vor Datenverlust (DLP).

Administratoren müssen beide Prozesse separat aktivieren. Purview OCR ist optional und erfordert eine eigene Konfiguration: Dazu müssen die zu analysierenden Speicherorte ausgewählt und die zugehörigen DLP-Richtlinien eingerichtet werden. Die Aktivierung von OCR für die Suche bedeutet nicht, dass Bilder auch zu Compliance-Zwecken analysiert werden.

Wer mehr über die Funktionsweise von Microsoft OCR in Office und SharePoint erfahren möchte, sollte die Lizenzunterschiede zwischen diesen beiden Anwendungsfällen besonders beachten, denn sie bestimmen, welche Funktionen im jeweiligen Abonnement tatsächlich verfügbar sind.

Mann betrachtet in einem minimalistischen Homeoffice auf einem Tablet eine SharePoint-Bibliothek mit OCR-Funktion

SharePoint-Indizierung: Was OCR nicht garantiert

Ein gescanntes PDF in eine SharePoint-Bibliothek hochzuladen, in der OCR aktiviert ist, macht das Dokument nicht sofort auffindbar. Die Indizierung erfolgt im Hintergrund, ohne garantierte Bearbeitungszeit – abhängig von der Auslastung des Dienstes und dem Inhaltsvolumen. Es gibt keine Einstellung, mit der sich eine sofortige Verarbeitung erzwingen lässt.

Diese Verzögerung hat konkrete Auswirkungen auf Unternehmen, die große Mengen gescannter Dokumente verarbeiten. Eine Buchhaltungsabteilung, die fünfzig gescannte Rechnungen hochlädt, stellt möglicherweise fest, dass einige davon erst nach mehreren Stunden in den Suchergebnissen erscheinen.

Scanqualität und Zuverlässigkeit der Texterkennung

Microsoft weist darauf hin, dass die Qualität der Zeichen und des Scans das OCR-Ergebnis unmittelbar beeinflusst. Ein schräg fotografiertes Dokument mit ungleichmäßiger Beleuchtung oder niedriger Auflösung liefert möglicherweise einen unvollständigen oder fehlerhaften extrahierten Text. Handschriftliche Formulare stellen eine ähnliche Herausforderung dar: OCR kann Handschrift verarbeiten, doch bei schwer lesbarer Schrift sinkt die Erkennungsrate.

Drei Faktoren beeinträchtigen die Qualität der Texterkennung:

  • Ein geringer Kontrast zwischen Text und Hintergrund, wie er häufig bei vorgedruckten Formularen oder farbigen Industrieetiketten vorkommt
  • Eine Drehung oder Verzerrung des Dokuments, selbst wenn sie geringfügig ist, erschwert der OCR-Engine die Aufteilung in Zeilen und Wörter

Copilot und OCR: Eine zusätzliche Verarbeitungsebene

Mit der Einführung von Copilot in Microsoft 365 kommt eine weitere Dimension bei der Verarbeitung gescannter Dokumente hinzu. Copilot kann PDFs zusammenfassen, auch solche, die per OCR verarbeitet wurden, und Fragen zu ihrem Inhalt beantworten. Diese Funktion basiert auf der extrahierten Textebene: Ohne vorherige OCR kann Copilot ein reines Bild-PDF nicht lesen.

Die Unterscheidung zwischen einem nativen PDF (erstellt mit einem Textverarbeitungsprogramm) und einem gescannten PDF (von einem Scanner erzeugt) ist daher entscheidend. Ein natives PDF enthält bereits eine Textebene. Ein gescanntes PDF ohne OCR-Verarbeitung bleibt sowohl für Copilot als auch für die SharePoint-Suche undurchsuchbar.

Bekannte Einschränkungen bei der Verarbeitung durch Copilot

Die Genauigkeit der Texterkennung variiert je nach Sprache und Dokumenttyp. Mehrsprachige Dokumente oder Dokumente, die gedruckten Text und handschriftliche Anmerkungen kombinieren, sind weiterhin Grenzfälle, bei denen das Ergebnis möglicherweise manuell überprüft werden muss.

Copilot funktioniert in OneDrive, SharePoint, Teams und Edge, doch die zugrunde liegende OCR hängt davon ab, ob sie auf Mandantenebene aktiviert ist. Ist OCR im SharePoint Admin Center nicht konfiguriert, steht Copilot die für die Verarbeitung gescannter Dokumente erforderliche Textebene nicht zur Verfügung.

Zwei Kollegen analysieren in einem modernen Besprechungsraum auf einem Laptop Microsoft-365-OCR-Ergebnisse

Klassifizierung älterer Inhalte: ein oft vergessener Schritt

Unternehmen, die SharePoint OCR einführen, konzentrieren sich häufig auf neu eingehende Dokumente. Bereits vorhandene Archive – manchmal Tausende von Dateien, die schon in Bibliotheken gespeichert sind – werden nicht automatisch erneut verarbeitet. Mit der bedarfsgesteuerten Klassifizierung in Purview lässt sich dieser Rückstand aufholen, dafür müssen Administratoren jedoch ausdrücklich tätig werden.

Dieser Punkt wird in Einführungsleitfäden selten behandelt. Aktiviert ein Unternehmen heute OCR, sind künftige Dokumente durchsuchbar; die Archive bleiben jedoch unverändert, bis eine erneute Verarbeitung gestartet wird. Der Aufwand dafür hängt vom Umfang, Format und der Organisation der vorhandenen Dateien ab.

Von SharePoint OCR unterstützte Formate

Dateien, die bereits eine Textebene enthalten, werden nicht erneut verarbeitet. Dank dieser selektiven Verarbeitung verändert OCR keine nativen PDFs und erzeugt keine doppelten Textebenen.

OCR im Microsoft-Ökosystem basiert auf mehreren Komponenten, die separat aktiviert, konfiguriert und überwacht werden müssen. Es gibt keinen einzelnen Schalter, mit dem sich alle Dokumente auf einmal durchsuchbar machen lassen. Die Unterscheidung zwischen OCR für die Suche, Compliance-OCR und der Verarbeitung durch Copilot bestimmt, was Nutzer tatsächlich vom System erwarten können.

Microsoft-OCR in Office und SharePoint: Funktionen, Tools und Tipps für den Einstieg