Wat is OCR?
Techniek die tekst op een scan of foto omzet in tekens waarmee een computer kan rekenen en zoeken.
OCR leest letters, maar begrijpt nog geen document
Een gescande leveringsbon is voor een computer niet meer dan een beeld met donkere en lichte punten. OCR, voluit optical character recognition, herkent daarin letters en cijfers en maakt er doorzoekbare tekst van. Dat klinkt als de oplossing voor elke papierstapel, maar herkennen is nog geen begrijpen. Dit artikel maakt duidelijk wat OCR wel en niet kan en hoe het past in een geautomatiseerde verwerking.
Van beeld naar tekst: hoe het werkt
De software zoekt eerst waar op de pagina tekst staat en zet het beeld recht. Daarna vergelijkt ze elke vorm met gekende tekens en kiest het waarschijnlijkste. Moderne systemen kijken ook naar de context: een teken tussen cijfers is eerder een nul dan de letter o. Het resultaat is een tekstlaag die u kunt doorzoeken, kopiëren of doorgeven aan een ander programma. Bij scherp gedrukte documenten is de herkenning zeer betrouwbaar. Bij een foto met schaduw, een gekreukte kassabon of handschrift daalt de kwaliteit merkbaar.
Herkennen is nog niet begrijpen
Zuivere OCR levert een lap tekst. Ze weet niet welk getal het factuurtotaal is en welk het klantnummer. Daarvoor is een tweede stap nodig: gegevensextractie. Vroeger gebeurde dat met een sjabloon per leverancier, waarin stond op welke plaats elk veld te vinden was. Dat werkte tot de leverancier zijn lay-out veranderde. Vandaag wordt extractie vaak aangevuld met AI-modellen die een document lezen zoals een mens en zelf afleiden wat het totaal en de vervaldag zijn. Dat is soepeler, maar ook hier blijven fouten mogelijk, vooral bij ongewone documenten.
Waarom controle nodig blijft
Een herkenningsfout in een omschrijving is vervelend, een fout in een bedrag of rekeningnummer is een risico. Een betrouwbare opzet bouwt daarom controles in. Tellen de lijnen op tot het totaal? Bestaat het btw-nummer? Komt het rekeningnummer overeen met wat gekend is voor die leverancier? Documenten die slagen, lopen door. De rest gaat naar een medewerker die enkel de twijfelvelden nakijkt. Zo verschuift het werk van alles intikken naar uitzonderingen beoordelen. Wie verwacht dat er nooit meer iemand naar een document kijkt, komt bedrogen uit.
OCR naast gestructureerde gegevens
Komt een bestelling of factuur binnen als gestructureerd bestand, via EDI of een koppeling met het systeem van de afzender, dan zitten de gegevens al in velden en valt er niets te lezen. OCR verdwijnt daardoor niet, maar het toepassingsgebied verschuift. Denk aan buitenlandse facturen, kassabonnen bij onkostennota’s, leveringsbonnen, attesten, ondertekende werkbonnen, bestellingen die als pdf binnenkomen en oude archieven die doorzoekbaar moeten worden. Een AI-agent kan de herkende tekst daarna interpreteren en als voorstel klaarzetten, dat een medewerker goedkeurt. Vuistregel: waar een gestructureerd alternatief bestaat, verdient dat de voorkeur. OCR dient voor wat overblijft.
Kort samengevat
- 01OCR zet een beeld om in tekst, maar weet niet wat die tekst betekent.
- 02Voor bruikbare gegevens is een extra stap nodig die velden uit de tekst haalt.
- 03Bouw rekenkundige en inhoudelijke controles in en laat mensen de uitzonderingen nakijken.
- 04Gebruik gestructureerde bestanden waar het kan en OCR voor de resterende documenten.
Drie vaste afspraken
- U kiest waar het draaitZelf hosten op uw eigen server of in een private cloud. Uw gegevens blijven onder uw controle, niet op een gedeeld platform.
- Maatwerk is niet duurderSoftware op maat kost bij ons niet meer dan standaardsoftware. Geen licentie per gebruiker, en u betaalt niet voor functies die u nooit opent.
- U bent baas over het eindproductWat we bouwen, is van u. U beslist wat er verandert en wanneer, zonder te wachten op de planning van een softwareleverancier.
Is uw bedrijf toe aan betere software?
Vijf vragen, één minuut. U krijgt meteen een eerlijk beeld, ook als het antwoord is dat u goed zit.
Uw basis zit goed.
Uw systemen doen wat ze moeten doen. Grote ingrepen zijn nu niet nodig. Eén gerichte verbetering of koppeling kan wel nog tijd opleveren: leg ze ons gerust voor.
Er lekt tijd weg.
U werkt, maar met omwegen: overtypen, zoeken, nakijken. Dat zijn precies de plekken waar een koppeling of een stuk software op maat het snelst iets oplevert. Laten we samen bekijken waar te beginnen.
Uw software houdt u tegen.
Uw bedrijf is zijn hulpmiddelen ontgroeid. Dat kost elke dag tijd en maakt u afhankelijk van enkele mensen. Een korte analyse toont waar de grootste winst zit en in welke volgorde u het aanpakt.
Veelgestelde vragen
Kan OCR ook handgeschreven werkbonnen lezen?
Duidelijk geschreven blokletters en cijfers in vaste vakjes lukken vrij goed. Vlot lopend handschrift blijft onbetrouwbaar, zeker bij vakjargon en afkortingen. Als handgeschreven bonnen een groot deel van uw papierstroom vormen, is een digitaal formulier op een tablet of smartphone doorgaans een betere oplossing dan achteraf herkennen.
Heb ik een speciale scanner nodig voor OCR?
Neen. Een gewone kantoorscanner of een multifunctioneel toestel volstaat, en ook een foto met een smartphone is bruikbaar als ze scherp en recht genomen is. De kwaliteit van het beeld bepaalt wel de kwaliteit van de herkenning. Een leesbare resolutie en een egale belichting maken meer verschil dan een duur toestel. De herkenning zelf kan op uw eigen server draaien, zodat gescande documenten uw bedrijf niet verlaten.
Is een pdf altijd doorzoekbaar dankzij OCR?
Niet vanzelf. Een pdf die uit een programma werd afgedrukt, bevat al echte tekst. Een pdf die uit een scanner komt, is meestal alleen een beeld, tenzij de scanner of een later proces er een tekstlaag aan toevoegt. Of dat gebeurd is, merkt u snel: kunt u een woord selecteren, dan is er een tekstlaag aanwezig.