Optische tekenherkenning binnen het Microsoft-ecosysteem omvat tegenwoordig verschillende toepassingen en services, van SharePoint en Purview tot Copilot. Elk onderdeel heeft een eigen functie, met eigen activeringsvoorwaarden en beperkingen. OCR in Microsoft Office en SharePoint is geen op zichzelf staande functie, maar een verzameling mechanismen die naast elkaar werken, soms zonder dat de gebruiker zich daarvan bewust is.
OCR voor zoeken en Purview-compliance-OCR: twee afzonderlijke mechanismen
Een veelvoorkomende misvatting is dat SharePoint-OCR één allesomvattende functie is. In werkelijkheid bestaan er twee afzonderlijke processen. Het eerste haalt tekst uit afbeeldingen en gescande documenten, zodat deze via SharePoint Zoeken doorzoekbaar worden. Het tweede analyseert afbeeldingen in Microsoft Purview om compliancebeleid toe te passen, met name beleid voor gegevensverliespreventie (DLP).
De beheerder moet elk van deze processen afzonderlijk activeren. Purview-OCR is optioneel en vereist een aparte configuratie: u moet de locaties selecteren die moeten worden geanalyseerd en de bijbehorende DLP-beleidsregels configureren. OCR activeren voor zoeken betekent niet dat afbeeldingen ook voor compliance-doeleinden worden geanalyseerd.
Wie meer wil weten over de werking van Microsoft-OCR in Office en SharePoint, doet er goed aan de licentieverschillen tussen deze twee toepassingen nader te bekijken. Die bepalen namelijk wat er daadwerkelijk beschikbaar is binnen elk abonnement.

SharePoint-indexering: wat OCR niet garandeert
Een gescande PDF uploaden naar een SharePoint-bibliotheek waarin OCR is ingeschakeld, betekent niet dat het document meteen vindbaar is. De indexering vindt op de achtergrond plaats, zonder gegarandeerde verwerkingstijd, afhankelijk van de belasting van de service en de hoeveelheid inhoud. Er is geen instelling waarmee u onmiddellijke verwerking kunt afdwingen.
Deze vertraging heeft concrete gevolgen voor organisaties die grote hoeveelheden gescande documenten verwerken. Een financiële afdeling die vijftig gescande facturen uploadt, kan merken dat sommige daarvan pas uren later in de zoekresultaten verschijnen.
Scankwaliteit en betrouwbaarheid van tekstherkenning
Microsoft geeft aan dat de kwaliteit van de tekens en de scan rechtstreeks van invloed is op het OCR-resultaat. Een document dat scheef is gefotografeerd, ongelijkmatig is belicht of een lage resolutie heeft, levert onvolledige of onjuiste herkende tekst op. Handgeschreven formulieren vormen een vergelijkbare uitdaging: OCR kan handschrift verwerken, maar het herkenningspercentage daalt bij moeilijk leesbaar handschrift.
Drie factoren verminderen de kwaliteit van de tekstherkenning:
- Weinig contrast tussen de tekst en de achtergrond, wat vaak voorkomt bij voorgedrukte formulieren of gekleurde industriële etiketten
- Een gedraaid of vervormd document, zelfs in geringe mate, waardoor de OCR-engine regels en woorden moeilijker kan segmenteren
Copilot en OCR: een extra laag om rekening mee te houden
De introductie van Copilot in Microsoft 365 voegt een extra dimensie toe aan de verwerking van gescande documenten. Copilot kan PDF’s samenvatten, ook PDF’s die met OCR zijn verwerkt, en vragen over de inhoud beantwoorden. Deze mogelijkheid is gebaseerd op de geëxtraheerde tekstlaag: zonder voorafgaande OCR kan Copilot een PDF die uitsluitend uit afbeeldingen bestaat niet lezen.
Het onderscheid tussen een native PDF (gemaakt vanuit een tekstverwerker) en een gescande PDF (afkomstig van een scanner) blijft daarom bepalend. Een native PDF bevat al een tekstlaag. Een gescande PDF die niet met OCR is verwerkt, blijft onleesbaar voor zowel Copilot als SharePoint Zoeken.
Bekende beperkingen van verwerking met Copilot
De nauwkeurigheid van de tekstherkenning verschilt per taal en documenttype. Meertalige documenten en documenten waarin gedrukte tekst wordt gecombineerd met handgeschreven aantekeningen blijven grensgevallen waarbij handmatige controle nodig kan zijn.
Copilot werkt in OneDrive, SharePoint, Teams en Edge, maar de onderliggende OCR is afhankelijk van activering op tenantniveau. Als OCR niet is geconfigureerd in het SharePoint-beheercentrum, beschikt Copilot niet over de tekstlaag die nodig is om gescande documenten te verwerken.

Historische inhoud classificeren: een vaak vergeten stap
Organisaties die SharePoint-OCR invoeren, richten zich vooral op binnenkomende documenten. Bestaande archieven, die soms uit duizenden bestanden in bibliotheken bestaan, worden niet automatisch opnieuw verwerkt. Met classificatie op aanvraag in Purview kunt u deze achterstand inhalen, maar daarvoor moet de beheerder expliciet actie ondernemen.
Dit punt komt zelden aan bod in handleidingen voor beginners. Een bedrijf dat vandaag OCR activeert, maakt toekomstige documenten doorzoekbaar, maar de archieven blijven ongewijzigd totdat een nieuwe verwerking wordt gestart. De benodigde inspanning hangt af van de omvang, de bestandsindeling en de organisatie van de bestaande bestanden.
Bestandsindelingen die door SharePoint-OCR worden ondersteund
Bestanden die al een tekstlaag bevatten, worden niet opnieuw verwerkt. Dankzij deze selectieve aanpak wijzigt OCR geen native PDF’s en worden er geen dubbele tekstlagen aangemaakt.
OCR binnen het Microsoft-ecosysteem bestaat uit verschillende onderdelen die afzonderlijk moeten worden geactiveerd, geconfigureerd en gecontroleerd. Er is geen enkele knop waarmee alle documenten in één keer doorzoekbaar worden. Het onderscheid tussen OCR voor zoeken, compliance-OCR en verwerking door Copilot bepaalt wat gebruikers daadwerkelijk van het systeem kunnen verwachten.



