Ein Endpunkt, der jedes Dokument — PDF, Foto, Scan, Bild — in eine saubere, strukturierte Ausgabe verwandelt. Text, Layout, Tabellen, Abbildungen und mathematische Formeln bleiben erhalten.

Was StellarOCR leistet

StellarOCR ist eine zusammengesetzte Engine zur Dokumentenverarbeitung. Ein einzelner Upload eines PDFs oder Bildes liefert:

• Strukturierten Text mit erhaltener Lesereihenfolge
• Layout-Hierarchie — Überschriften, Absätze, Listen, Bildunterschriften
• Tabellen als strukturierte Zeilen/Spalten (nicht auf reinen Text reduziert)
• Abbildungen, als separate Bilder extrahiert und mit verknüpften Bildunterschriften
• Mathematische Formeln, in LaTeX umgewandelt
• Sprache, je Region erkannt
• Bounding-Boxes für jedes Element, für Click-to-locate im Original

Wann es eingesetzt wird

Automatisch, bei jedem Dokument, das in die Wissensdatenbank gelangt. In der normalen Nutzung rufen Sie es nicht direkt auf — das übernimmt die Ingestion-Pipeline. Wenn jemand einen Vertrag, ein Paper, eine gescannte Rechnung oder ein Foto eines Whiteboards hochlädt, übernimmt StellarOCR die Extraktion, bevor nachgelagerte Agenten den Inhalt zu sehen bekommen.

Es ist außerdem als eigenständige API auf StellarCloud verfügbar, falls Sie es außerhalb von StellarBase nutzen möchten.

Warum ein einziger Endpunkt

OCR und Dokumentenverständnis erfordern traditionell eine Pipeline: layout detector → text recognizer → table recognizer → formula recognizer → stitching. StellarOCR orchestriert diese Pipeline für Sie. Sie senden ein PDF; Sie erhalten eine strukturierte Ausgabe. Ein Endpunkt, eine Rechnung.

Was es gut beherrscht

Born-digital-PDFs

Text direkt extrahierbar — für die Glyphen selbst ist kein OCR nötig. StellarOCR führt dennoch eine Layout-Erkennung durch, um Tabellen und Abbildungen zu erhalten.

Gescannte PDFs

Typische Büroscans, juristische Dokumente, alte wissenschaftliche Paper. Bewältigt gemischte Ausrichtungen, Schräglage, moderates Rauschen. Mehrspaltige Layouts bleiben erhalten.

Fotos von Dokumenten

Handyfotos von Verträgen, Whiteboards, handschriftlichen Notizen, Buchseiten. Perspektivkorrektur und Beleuchtungsnormalisierung laufen automatisch.

Komplexe Tabellen

Verbundene Zellen, verschachtelte Kopfzeilen, mehrseitige Tabellen mit wiederholten Kopfzeilen — alles als saubere Tabellenstruktur rekonstruiert, nicht auf reinen Text reduziert.

Mathematik

Inline- und Display-Gleichungen werden in LaTeX umgewandelt. Funktioniert für gesetzte Mathematik und handschriftliche Formeln (mit etwas geringerer Genauigkeit).

Mehrsprachige Dokumente

EU-Verordnungen in fünf Sprachen nebeneinander, Patientenakten mit tschechischem Fließtext und lateinischen Wirkstoffnamen — alles ohne Konfiguration verarbeitet. Siehe Multilingual.

Womit es Schwierigkeiten hat

Seien Sie realistisch:

• Extreme Schreibschrift — wenn ein menschlicher Experte Zeit zum Entziffern bräuchte, gilt das auch für StellarOCR. Rechnen Sie mit geringerer Genauigkeit.
• Scans mit sehr niedriger Auflösung — unter 150 DPI greifen die typischen OCR-Fehlermodi.
• Aufwändige kreative Typografie — stilisierte Schriften, extremes Kerning, dekorative Zeichen. Marketingmaterialien können knifflig sein.
• Diagramme mit impliziter Semantik — Flussdiagramme, ER-Diagramme, Organigramme. Formen und Pfeile werden erkannt, aber die Beziehungen erfordern unter Umständen eine manuelle Prüfung.

Für diese Fälle erzeugt StellarOCR Confidence-Scores, nach denen Sie filtern können. Bereiche mit niedriger Confidence lassen sich an die Human-in-the-Loop-Prüfung weiterleiten.

Unter der Haube

StellarOCR ist eine Komposition spezialisierter Modelle — layout detector, text recognizer, table recognizer, math recognizer. Die konkreten Modelle sind ein Implementierungsdetail, das sich ändern kann, ohne Ihre Integration zu beeinträchtigen. Sie erhalten eine API, einen Abrechnungszähler, ein SLA.

Ausgabeformat

Die Standardausgabe ist ein strukturiertes JSON-Dokument mit:

• Aufschlüsselung Seite für Seite
• Jeder Block mit seinem Typ getaggt (heading, paragraph, table, figure, formula)
• Erhaltene Lesereihenfolge
• Bounding-Boxes für Click-through
• Optionaler Markdown-Export für eine einfachere nachgelagerte Verarbeitung

Für die Ingestion in die Wissensdatenbank wird die Ausgabe direkt von der Indizierungs-Pipeline konsumiert — Sie sehen das JSON nie, es sei denn, Sie rufen die API direkt auf.

Verwandt

• Unterstützte Formate — die vollständige Liste der Dateitypen
• Multilingual — OCR-Verhalten sprachübergreifend
• StellarCloud API — OCR als eigenständige API verwenden