OCR in Google Docs verliert PDF-Tabellen – was hilft?

Google Docs eignet sich zur Texterkennung einfacher PDF-Seiten, stellt Tabellen aus einem Scan aber häufig nicht als echte Zeilen und Spalten wieder her. Fehlen nur Rahmen und Zellen, sind die erkannten Inhalte möglicherweise noch vorhanden und lassen sich in Google Sheets neu ordnen. Fehlen dagegen Zahlen oder ganze Spalten, solltest du nicht im umgewandelten Dokument weiterarbeiten, sondern zuerst die Original-PDF und ihre Textebene prüfen.

Warum aus der PDF-Tabelle ungeordneter Text wird

Bei der OCR muss Google Docs zwei unterschiedliche Aufgaben lösen: Zeichen erkennen und deren Position auf der Seite deuten. Die erste Aufgabe kann gelingen, obwohl die zweite scheitert. Dann stehen beispielsweise alle Zahlen im Dokument, aber nicht mehr in den zugehörigen Spalten.

Tabellen sind besonders anspruchsvoll, wenn Rahmenlinien schwach sind, Zellen verbunden wurden, mehrere Spalten dicht nebeneinanderliegen oder der Scan leicht schräg ist. Auch farbige Hintergründe, handschriftliche Einträge und sehr kleine Schrift erschweren die Zuordnung. Google Docs behandelt die Umwandlung in erster Linie als Texterkennung; eine zuverlässige Wiederherstellung der ursprünglichen Tabellenlogik ist dabei nicht zugesichert.

Erst feststellen, was tatsächlich verloren ging

Öffne die unveränderte PDF zunächst in einem PDF-Programm oder im Browser und versuche, einzelne Tabellenwerte zu markieren. Das Ergebnis bestimmt den passenden Weg:

• Text lässt sich sauber markieren: Die PDF besitzt bereits eine Textebene. Eine erneute OCR kann die vorhandene Struktur eher verschlechtern. Nutze nach Möglichkeit eine PDF-Funktion zum Exportieren von Tabellen oder kopiere die Werte direkt in eine Tabellenkalkulation.
• Die gesamte Seite wird wie ein Bild markiert: Es handelt sich wahrscheinlich um eine gescannte Seite ohne nutzbare Textebene. Hier ist OCR erforderlich.
• In Google Docs sind alle Werte vorhanden, aber falsch angeordnet: Die Zeichenerkennung hat funktioniert, die Tabellenerkennung nicht. Eine manuelle Zuordnung in Google Sheets ist bei kleinen Tabellen meist schneller als ein weiterer OCR-Durchlauf.
• Zahlen, Überschriften oder Spalten fehlen: Die Erkennung selbst ist unvollständig. Dann muss die Scanvorlage verbessert oder ein Werkzeug mit ausdrücklicher Tabellenanalyse verwendet werden.

Eine kleine Tabelle über Google Sheets retten

Für wenige Zeilen kannst du Google Docs als Zwischenstufe verwenden. Öffne dazu in Google Drive eine Kopie der PDF über Öffnen mit und wähle Google Docs. Die genaue Bezeichnung kann sich je nach Oberfläche und Sprache des Kontos unterscheiden.

1. Vergleiche jede erkannte Zeile mit der entsprechenden Zeile in der Original-PDF.
2. Setze zwischen zusammengehörige Spaltenwerte Tabulatoren. Zeilenumbrüche müssen jeweils einen neuen Datensatz kennzeichnen.
3. Kopiere den bereinigten Block nach Google Sheets.
4. Falls alle Werte zunächst in einer Spalte landen, verwende in Google Sheets die Funktion zum Aufteilen von Text in Spalten und wähle den tatsächlich eingesetzten Trenner.
5. Kontrolliere besonders Dezimalzeichen, Minuszeichen, Datumswerte, führende Nullen und leere Zellen. Diese Inhalte werden beim Einfügen oder durch automatische Zellformate leicht verändert.

Dieser Weg ist nur sinnvoll, wenn die Lesereihenfolge im Docs-Dokument noch nachvollziehbar ist. Werden etwa erst sämtliche Werte der linken und danach sämtliche Werte der rechten Spalte ausgegeben, fehlt die zeilenweise Beziehung. Eine automatische Aufteilung würde dann zwar Spalten erzeugen, aber inhaltlich falsche Datensätze zusammensetzen.

Bei fehlenden Inhalten die Scanvorlage verbessern

Ein erneuter Versuch hilft nur, wenn die Eingabe erkennbar besser wird. Arbeite dafür mit einer Kopie der Originaldatei und teste zunächst eine repräsentative Tabellenseite statt des vollständigen Dokuments.

• Richte eine schräg eingescannte Seite gerade aus.
• Entferne breite Seitenränder, Schatten, Lochungen und Bildbereiche außerhalb der Tabelle.
• Sorge für einen deutlichen Kontrast zwischen Schrift, Linien und Hintergrund, ohne dünne Zeichen wegzufiltern.
• Drehe die Seite vor der Umwandlung in die richtige Leserichtung.
• Verwende eine schärfere Ausgangsdatei, wenn Ziffern bereits beim Vergrößern ausgefranst oder miteinander verbunden erscheinen.
• Teile dicht gepackte Doppelseiten in einzelne Seiten, sofern dadurch keine Tabellenzeilen zerschnitten werden.

In der Google-Drive-Hilfe findest du den Bereich zum Konvertieren von PDF- und Bilddateien in Text. Dort lassen sich die Voraussetzungen des von dir verwendeten Drive-Workflows prüfen. Die entscheidende Grenze bleibt jedoch bestehen: Selbst bei einer gut lesbaren Vorlage kann Google Docs den Text erkennen, ohne daraus echte Tabellenzellen zu erzeugen.

Wann ein anderer Arbeitsweg nötig ist

Bei umfangreichen Tabellen, verbundenen Zellen oder Dokumenten mit wiederkehrenden Spalten ist ein OCR-Werkzeug mit Tabellen- beziehungsweise Bereichserkennung geeigneter. Achte darauf, dass das Programm nicht nur durchsuchbaren Text erzeugt, sondern Tabellen direkt in ein Tabellenformat exportieren oder Erkennungsbereiche als Spalten definieren kann.

Besitzt die PDF bereits eine brauchbare Textebene, ist ein direkter Tabellenexport vorzuziehen. Bei einer reinen Scan-PDF sollte das Ergebnis nach der OCR in einer Tabellenkalkulation geöffnet und gegen die Originalseite geprüft werden. Die optisch richtige Anordnung allein reicht nicht: Spaltenüberschriften, Summen, Einheiten und Zeilenzuordnungen müssen ebenfalls stimmen.

Enthält das Dokument personenbezogene, medizinische, finanzielle oder geschäftlich vertrauliche Daten, sollte es nicht ungeprüft in weitere Onlinedienste hochgeladen werden. Verwende in diesem Fall eine lokal installierte OCR-Lösung oder einen ausdrücklich freigegebenen Unternehmensdienst und bewahre die unveränderte Original-PDF zur Kontrolle auf.

Die passende Entscheidung für deinen PDF-Typ

Bei einer PDF mit vorhandener Textebene überspringst du die OCR und gehst direkt über Tabellenexport oder Kopieren in eine Tabellenkalkulation. Bei einem klaren Scan mit einer kleinen Tabelle kannst du den erkannten Text in Google Docs bereinigen und in Google Sheets strukturieren. Fehlen Inhalte oder wird die Lesereihenfolge vermischt, ist die Docs-Ausgabe keine belastbare Datengrundlage; verbessere dann die Vorlage oder wechsle zu einer OCR mit Tabellenanalyse.

Der Vorgang ist erst abgeschlossen, wenn Stichproben aus jeder Spalte mit der Original-PDF übereinstimmen. Besonders bei Rechnungsbeträgen, Messwerten und Listen mit führenden Nullen verhindert diese Kontrolle, dass eine äußerlich ordentliche Tabelle unbemerkt falsche Daten enthält.