Die beste OCR für Finanzdokumente 2026

Die Kontoauszüge. 47 Kontoauszüge von 47 Banken, einer pro Bank: französische Banken wie BNP Paribas, Société Générale, Crédit Agricole und La Banque Postale, deutsche und österreichische Banken sowie die Neobanken, die ein Kreditgeber tatsächlich sieht (Qonto, Revolut, Wise, bunq, Shine, PayPal, SumUp). Insgesamt 93 Seiten, auf Französisch, Deutsch und Englisch. Jeder Kontoauszug wurde vor dem Test anonymisiert: Namen, Adressen und Kontonummern ersetzt, das Tabellenlayout unverändert.

Die Scans. Jede Seite wurde mit 150 dpi in Graustufen gerendert, um 0,8 Grad gedreht, leicht weichgezeichnet, mit Sensorrauschen versehen und als JPEG mit Qualität 35 gespeichert. So sieht aus, was ein Filialkopierer per E-Mail verschickt, und genau dafür gibt es OCR.

Die Referenz. 492 Transaktionen, jede mit Datum und Betrag, von Hand am PDF geprüft, wo immer ein getestetes System von der Referenz abwich.

Die Bewertung. Für jede Transaktion suchen wir ihren Betrag in dem, was die Engine auf dieser Seite gelesen hat, Ziffer für Ziffer: 1.234,56, 1 234,56 und 1,234.56 zählen alle, 1234 nicht, und jeder gefundene Betrag wird nur einmal verwendet. Ein Datum zählt, wenn Tag und Monat vorhanden sind. Jede Engine lief auf CPU, mit ihren Standardmodellen, und wurde vom selben Code bewertet.

Die Geschwindigkeit. Dieselben 10 Scans, auf denselben 8 CPU-Kernen, eine Engine nach der anderen. Hologlyph liest mehrere Seiten gleichzeitig; Tesseract liest standardmäßig eine Seite nach der anderen und läuft schneller, wenn Sie mehrere Instanzen starten.

Hologlyph ist die OCR-Engine, die Holofin für die Dokumente entwickelt, die es täglich liest: Kontoauszüge, Jahresabschlüsse, Ausweisdokumente und die Scans, die dazugehören.

In diesem Test las sie jeden Betrag, den die eigene Textebene des PDFs enthält (der eine Betrag, den sie verpasste, fehlt auch in der Textebene), und sie war die schnellste der fünf. Ein fairer Hinweis: Hologlyph ist auf Finanzdokumente trainiert, die Layouts dieser 47 Kontoauszüge könnten ihr daher vertraut sein.

RapidOCR verpackt die PP-OCRv4-Modelle von Baidu in ONNX, sodass es sich per pip installieren lässt und ohne Deep-Learning-Framework auf CPU läuft. Es liest ganze Zeilen auf einmal, was bei Zahlen gut funktioniert. Der Preis zeigt sich bei den Wörtern: Bei lateinischem Text lässt es oft die Leerzeichen weg, sodass RELEVE DE VOTRE COMPTE als RELEVEDEVOTRECOMPTE zurückkommt.

Außerdem klebt es Nachbarn zusammen. Auf einem österreichischen Kontoauszug las es Buchungsdatum und Betrag als eine Zeichenkette, 24.12.202315.000,00EUR. Ein Parser, der das als eine Zahl liest, erhält mehr als zweihundert Millionen Euro.

docTR von Mindee liest in zwei Stufen: Ein Detektor findet die Wörter, ein Erkennungsmodell liest sie. Es liefert saubere Wortboxen mit ihren Positionen und ist damit unter den fünf die einfachste Grundlage für einen Tabellenparser. Es benötigt PyTorch und las einen Kontoauszug mehr vollständig als RapidOCR, verpasste aber auch einen Betrag mehr.

EasyOCR ist am einfachsten zu installieren und liest mehr als 80 Sprachen. Auf gescannten Kontoauszügen las es die meisten Beträge, verstümmelte aber die Dezimalstellen: 7.781,98 wurde zu 7.78/,98, 50.000,00 zu 50.000,oo/ und 25.000,00 zu 25,00o 0o. Eine Null, die als Buchstabe o gelesen wird, ist in einem Satz ein Tippfehler. In einer Betragsspalte ist sie eine Transaktion, die sich nicht mehr parsen lässt. Es war außerdem die langsamste der fünf Engines.

Tesseract ist die Standardantwort auf „kostenlose OCR“. Auf diesen Scans verpasste es jeden neunten Betrag. Schlimmer als die Auslassungen sind die Fehllesungen: 472,07 kam als 47207 zurück und 22,38 als 2236. Beide sehen wie echte Beträge aus. Eine fehlende Zahl lässt die Saldenprüfung sichtbar scheitern. Eine falsche Zahl lässt sie unbemerkt scheitern.

Lesen ist nicht Extrahieren

Eine Engine, die jeden Betrag liest, hat Ihnen noch nicht gesagt, welcher Betrag die Belastung, welcher die Gutschrift und welcher der laufende Saldo ist. Kontoauszugslayouts setzen Daten in eine Zeile und Beträge in die nächste, verteilen Beschreibungen über drei Zeilen und wiederholen den Tabellenkopf auf jeder Seite. Den Text in Transaktionen umzuwandeln ist eine eigene Aufgabe, und dort entstehen die meisten Extraktionsfehler.

Ein falscher Betrag sieht aus wie ein richtiger

Jede der obigen Fehllesungen ist eine gültige Zahl. 47207 besteht jede Formatprüfung, die eine Tabellenkalkulation durchführt. Das Einzige, was sie erkennt, ist Arithmetik: Anfangssaldo plus Transaktionen muss den Endsaldo ergeben. Wenn Ihre Pipeline diese Summe nicht bildet, weiß sie nicht, ob ihre OCR funktioniert hat.

OCR liest einen gefälschten Kontoauszug genauso gut

Eine perfekte OCR liest einen bearbeiteten Kontoauszug so getreu wie einen echten. Ob das PDF verändert wurde, nachdem die Bank es erstellt hat, oder ob eine Seite von einem Bildmodell neu gezeichnet wurde, ist eine Frage, die OCR nicht stellt.