"Warum ist OCR so langsam?"
3 Hauptursachen für langsame Batch-Verarbeitung — und wie Sie jede einzelne beheben
Die meisten OCR-Benchmarks sehen auf dem Datenblatt gut aus. Tesseract verspricht Seiten unter einer Sekunde. EasyOCR auf einer GPU schafft 190 Seiten pro Minute. Dann führen Sie Ihren eigenen Batch aus — 200 Lieferantenrechnungen, gemischte Handyfotos und gescannte PDFs — und plötzlich dauert jede Seite 30 Sekunden. Das Wochenende ist dahin. Der Engpass ist fast immer eine von drei Ursachen. So finden Sie Ihre.

Die wichtigsten Erkenntnisse
- 30 Sekunden pro Seite bei einem Batch von 200 Rechnungen — während dieselbe OCR-Engine im Benchmark unter einer Sekunde liegt — ist kein Bug, sondern drei unabhängige Verlangsamungen, die sich still in Ihrer Pipeline summieren.
- Drei Multiplikatoren summieren sich in Ihrer Pipeline — keine GPU verlangsamt Sie um das 3- bis 7-Fache, übergroße Bilder fügen einen 4×-Malus hinzu, und sequenzielle Verarbeitung lässt drei Viertel Ihrer CPU ungenutzt — und jeder lässt sich in Minuten diagnostizieren und dann unabhängig beheben.
- Wenn Sie alle drei Lösungen ausgeschöpft haben und Ihr Batch immer noch über eine Stunde dauert, liegt der Engpass nicht mehr in der Pipeline — der schnellste verbleibende Schritt ist, die Architektur zu wechseln, statt weiter an Stellschrauben zu drehen.
Ursache Nr. 1: Keine GPU-Beschleunigung bei einer rechenintensiven Pipeline

Symptom. Ihre CPU läuft während der Verarbeitung auf 100 % und jede Seite braucht bei sauberen Dokumenten deutlich über eine Sekunde. Der Durchsatz verbessert sich nicht, wenn Sie einem Batch mehr Dateien hinzufügen — die Pipeline ist gesättigt.
Grundursache. Nicht alle OCR-Engines sind unter der Haube gleich. Tesseract, der von Google gepflegte Open-Source-Benchmark, ist eine rein CPU-basierte Engine. Sie nutzt traditionelle Computer-Vision-Pipelines — Connected-Component-Analyse, Seitenlayout-Analyse und LSTM-basierte Zeichenerkennung — von denen keine die GPU-Parallelität nutzt. Ein Benchmark eines Forschers maß Tesseract 5 bei etwa 0,8 Sekunden pro Seite auf einer modernen CPU mit sauberem gedrucktem Text. Akzeptabel für ein paar Seiten. Schmerzhaft bei 500.
EasyOCR verfolgt einen anderen architektonischen Ansatz. Sein Deep-Learning-Backbone (CRAFT-Texterkennung + ein PyTorch-Erkennungsnetzwerk) kann auf der GPU laufen — und wenn es das tut, ist es dramatisch schneller. Aber hier ist der Haken, den die meisten übersehen: EasyOCR fällt automatisch auf die CPU zurück, wenn keine kompatible GPU erkannt wird. Auf der CPU macht dieselbe Deep-Learning-Pipeline, die EasyOCR präzise macht, es auch drei- bis viermal langsamer als im GPU-Modus. Benchmarks auf einer NVIDIA T4 zeigen EasyOCR GPU bei ~0,6 Sekunden pro Seite — vergleichbar mit Tesseract — während EasyOCR CPU sich auf ~2,5 Sekunden pro Seite erstreckt.
Die Lösung. Prüfen Sie, ob Ihre OCR-Pipeline tatsächlich eine GPU nutzt:
- Verifizieren Sie bei EasyOCR, dass
reader = easyocr.Reader(['en'], gpu=True)tatsächlich CUDA erkennt. Wenn die Bibliothek still auf die CPU zurückfällt, verdoppelt sich Ihre Zeit pro Seite mehr als. Führen Sienvidia-smiwährend der Verarbeitung aus — wenn die GPU-Auslastung 0 % zeigt, läuft Ihre Pipeline auf der CPU. - Bei Tesseract gibt es keinen GPU-Schalter — es unterstützt schlicht keine GPU-Beschleunigung. Wenn Sie mehr als ein paar hundert Seiten verarbeiten, sollten Sie den Wechsel zu einer GPU-fähigen Engine in Betracht ziehen.
- Dedizierte OCR-Engines wie PaddleOCR sind von Grund auf für die GPU konzipiert. Unabhängige Geschwindigkeits-Benchmarks setzen PaddleOCR auf einer RTX 3090 bei etwa 190 Seiten pro Minute — über 3 Seiten pro Sekunde — dank optimierter Batch-Inferenz und CUDA-Integration.
Wenn Ihre Hardware festgelegt ist (Laptop ohne dedizierte GPU, gemeinsam genutzter Server, Cloud-VM ohne GPU), steht Ihnen der GPU-Weg nicht direkt zur Verfügung. In diesem Fall umgeht ein cloudbasierter OCR-Dienst, der Dokumente auf GPU-gestützter Infrastruktur verarbeitet — ohne dass Sie die Hardware bereitstellen müssen — das Problem vollständig.
Einen direkten Vergleich GPU-fähiger OCR-Engines finden Sie in unserer Übersicht der besten Open-Source-OCR-Tools.
Ursache #2: Bilder weit größer als OCR tatsächlich benötigt

Symptom. Die Verarbeitung kommt bei Seiten zum Erliegen, die für Sie perfekt lesbar aussehen. Ein 12-Megapixel-Handyfoto eines Belegs dauert 5–8 Sekunden, während ein gescanntes PDF desselben Dokuments unter 2 Sekunden benötigt.
Grundursache. Die meisten OCR-Engines verarbeiten jeden Pixel im Bild. Verdoppeln Sie die Auflösung auf jeder Achse — von 150 DPI auf 300 DPI — vervierfachen Sie die Pixelanzahl: 2x die Breite mal 2x die Höhe. Vierfache Eingabe bedeutet etwa 4x die Verarbeitungszeit für denselben Inhalt. Ein Smartphone-Foto mit 4000×3000 Pixeln enthält 12 Millionen Pixel. Dasselbe Dokument bei 300 DPI gescannt (etwa 2550×3300 für Letter-Format) enthält 8,4 Millionen. Ein bei 200 DPI gescanntes Dokument — für die meisten OCR völlig ausreichend — enthält nur 3,7 Millionen Pixel.
Der ABBYY FineReader Engine Performance Guide, eines der maßgeblichsten Dokumente zur OCR-Leistungsoptimierung, gibt 200–400 DPI als empfohlenen Eingabebereich an. Unter 150 DPI verschlechtert sich die Zeichenerkennung. Über 400 DPI zahlen Sie Rechenzeit ohne messbaren Genauigkeitsgewinn. Dasselbe Prinzip gilt für jede OCR-Engine, ob Open Source oder proprietär.
Die Lösung. Fügen Sie einen Vorverarbeitungsschritt hinzu, der Bilder verkleinert, bevor sie der OCR-Engine zugeführt werden. Das Ziel sind 150–300 DPI beim Ausgabebild — etwa 1200–2500 Pixel auf der längsten Seite für ein typisches Dokument.
Eine einfache Python-Vorverarbeitungspipeline mit Pillow:
from PIL import Image
def resize_for_ocr(image_path, max_dim=2000):
img = Image.open(image_path)
# Only shrink, never upscale
if max(img.size) > max_dim:
ratio = max_dim / max(img.size)
new_size = (int(img.size[0] * ratio),
int(img.size[1] * ratio))
img = img.resize(new_size, Image.LANCZOS)
return imgDieser einzelne Schritt kann die Verarbeitungszeit pro Seite um 40–70 % senken, je nach Ihren Ausgangsbildern, ohne jegliche Auswirkung auf die Extraktionsgenauigkeit. Einen vollständigen Leitfaden zur Bildvorbereitung — einschließlich Binarisierung, Entzerrung und Kontrastnormalisierung — finden Sie in unserem Leitfaden zur OCR-Bildvorverarbeitung.
Ursache #3: Sequentielle Verarbeitung, obwohl Sie parallel ausführen könnten

Symptom. Die CPU-Auslastung liegt während eines Batch-Laufs bei etwa 30–40 %. Die Pipeline verarbeitet Dateien nacheinander — Sie sehen, wie der Fortschrittsbalken Datei für Datei voranschreitet, ohne jemals schneller zu werden.
Grundursache. Die meisten OCR-Pipelines sind als einfache Schleifen geschrieben: for file in files: ocr(file). Dies ist standardmäßig single-threaded. Moderne CPUs haben 4, 8 oder 16 Kerne, aber eine sequentielle Schleife nutzt genau einen davon. Die anderen Kerne bleiben im Leerlauf, während sich die Seiten stauen.
Die Lösung ist geradezu peinlich parallel — OCR auf einer Seite ist unabhängig von OCR auf jeder anderen Seite. Es gibt keinen gemeinsamen Zustand, der synchronisiert werden müsste. Das bedeutet, Sie können N Seiten gleichzeitig auf einer N-Kern-Maschine verarbeiten und theoretisch den N-fachen Durchsatz erreichen. In der Praxis ist die Skalierung bis zu 4–8 Kernen nahezu linear, danach nehmen die Erträge aufgrund von Speicherbandbreite und I/O-Konkurrenz ab.
Die Lösung. Verpacken Sie Ihren OCR-Aufruf in ein Framework für parallele Ausführung:
- GNU Parallel (Linux/macOS): Der einfachste Ansatz für skriptbasierte Pipelines.
parallel -j 4 ocrmypdf {} output/{} ::: *.pdfführt vier OCR-Prozesse gleichzeitig aus. - Python multiprocessing: Verwenden Sie
multiprocessing.Pool, um Dateien auf Worker-Prozesse zu verteilen. Jeder Worker erhält seine eigene OCR-Engine-Instanz, und Ergebnisse werden gesammelt, sobald sie fertig sind. - Batch-Verarbeitungstools: Spezielle Batch-OCR-Tools wie OCRmyPDF unterstützen integrierte parallele Verarbeitung. Der Parameter
--jobssteuert die Parallelität. Die Kombination mit GNU Parallel (Begrenzung auf 2 parallele Jobs, um I/O-Sättigung zu vermeiden) ist ein dokumentiertes Produktionsmuster.
Die wichtigste praktische Überlegung: Jeder parallele Worker benötigt genügend Speicher, um das Bild seiner Seite und Zwischenpuffer zu halten. Wenn Sie 8 Worker auf einer Maschine mit 8 GB RAM ausführen, wird Swapping ausgelöst. Ein sicherer Ausgangspunkt sind 2 GB RAM pro parallelem Worker für Standarddokumentbilder. Skalieren Sie die Parallelität entsprechend Ihrem Speicherbudget, bevor Sie Ihre CPU-Kernanzahl erreichen.
Eine vollständige Anleitung zum Einrichten paralleler Batch-Pipelines finden Sie in unserem Leitfaden zur Batch-Verarbeitung mehrerer Dateien.
Wann Sie wechseln sollten — Tools austauschen statt optimieren
Wenn Sie alle drei Ursachen geprüft haben — Ihre GPU ist aktiv, Ihre Bilder haben die richtige Größe und Ihre Pipeline läuft parallel — die Verarbeitung aber für Ihre Arbeitslast immer noch zu langsam ist, liegt der Engpass möglicherweise nicht an der Konfiguration, sondern an der Architektur.
Drei Signale deuten darauf hin, dass es Zeit ist, einen grundlegend anderen Ansatz in Betracht zu ziehen:
1. Ihr Volumen ist konstant hoch. Wenn Sie täglich 500+ Seiten verarbeiten und die Batch-Fertigstellungszeit ein wiederkehrender Schmerzpunkt ist, wird das Optimieren einer lokalen OCR-Pipeline immer hinter dem zurückbleiben, was ein zweckgebauter Cloud-Dienst leisten kann. Cloud-Extraktionsdienste laufen auf GPU-Clustern in Serverqualität mit automatischem Lastausgleich — ein einzelner Batch kann auf Dutzende parallele Worker verteilt werden, ohne dass Sie Hardware bereitstellen müssen.
2. Ihre Dokumente sind vielfältig und unverarbeitet. Eine Pipeline, die für saubere gescannte PDFs optimiert ist, wird mit Handyfotos, zerknitterten Belegen oder Dokumenten mit Handschrift zu kämpfen haben. Jeder neue Eingabetyp erfordert andere Vorverarbeitungsparameter. ImageToTable.ai verwendet Vision-Language-Modelle, die Dokumente semantisch lesen — sie interpretieren das Seitenlayout so, wie ein Mensch es tun würde, ohne dass eine Abstimmung pro Dokumenttyp erforderlich ist. Es ist kein separater Vorverarbeitungsschritt zur Auflösungsnormalisierung nötig, da die Cloud-Pipeline die Skalierung vor der Inferenz automatisch übernimmt.
3. Sie brauchen Ergebnisse in Minuten, nicht in Stunden. Wenn ein Batch von 300 Seiten während einer Mittagspause verarbeitet und exportiert werden muss, wird eine sequenzielle lokale Pipeline — selbst eine auf Geschwindigkeit optimierte — das nicht leisten. Cloud-Batch-Verarbeitung parallelisiert über das gesamte Dokumentvolumen. Ein Batch mit 300 Seiten, der auf einer einzelnen CPU-Maschine 3–4 Stunden dauert, kann auf Cloud-Infrastruktur, die dieselbe Arbeit über 20–40 parallele GPU-Worker ausführt, in 5–10 Minuten abgeschlossen sein.
Häufig gestellte Fragen
Ist Tesseract schneller als EasyOCR?
Auf der CPU ist Tesseract in der Regel schneller – etwa 0,8 Sekunden pro Seite gegenüber 2,5 Sekunden pro Seite bei EasyOCR für sauberen gedruckten Text. Auf der GPU kehrt sich der Vergleich um: EasyOCR auf einer NVIDIA GPU erreicht etwa 0,6 Sekunden pro Seite und damit den gleichen oder einen höheren Durchsatz als Tesseract, während es bei beeinträchtigten Bildern, handschriftlichen Anmerkungen und gemischten Layouts deutlich bessere Genauigkeit liefert. Die praktische Schlussfolgerung: Wenn Sie eine GPU haben, verwenden Sie EasyOCR (oder PaddleOCR). Wenn Sie nur über eine CPU verfügen, bietet Tesseract einen besseren Durchsatz für saubere Dokumente, aber rechnen Sie bei komplexen Eingaben mit geringerer Genauigkeit.
Welche Bildauflösung ist am besten für die OCR-Geschwindigkeit?
200–300 DPI sind der optimale Bereich für die meisten OCR-Engines. Unter 150 DPI sinkt die Genauigkeit der Zeichenerkennung spürbar, insbesondere bei kleinen Schriftgrößen. Über 400 DPI zahlen Sie das 2- bis 4-Fache an Verarbeitungszeit für einen vernachlässigbaren oder gar keinen Genauigkeitsgewinn. Für ein Standarddokument im Letter-Format (8,5"×11") erzeugt 200 DPI ein Bild von etwa 1700×2200 Pixeln – rund 3,7 Megapixel. Das ist weit kleiner als ein typisches Smartphone-Foto und wird in einem Bruchteil der Zeit verarbeitet.
Kann ich mehrere GPUs verwenden, um OCR zu beschleunigen?
Ja, wenn Ihre OCR-Engine dies unterstützt und Ihr Arbeitsaufkommen groß genug ist, um davon zu profitieren. PaddleOCR und EasyOCR können auf mehrere GPUs verteilt werden, indem verschiedene Dokument-Batches verschiedenen GPU-Instanzen zugewiesen werden. In der Praxis verarbeitet eine einzelne moderne GPU (RTX 3090 oder höher) bereits 150–190 Seiten pro Minute für Standarddokumente, sodass Multi-GPU-Setups nur bei sehr hohen Volumina (10.000+ Seiten pro Tag) erforderlich sind. Der Hauptengpass verschiebt sich bei dieser Größenordnung von der Rechenleistung zur I/O – Lesen von Dateien, Schreiben von Ergebnissen –, sodass ein Multi-GPU-Setup mit schnellem Speicher (NVMe-SSDs) und ausreichend RAM kombiniert werden muss.
Wie viel schneller ist GPU im Vergleich zu CPU für OCR?
Für eine OCR-Engine auf Deep-Learning-Basis wie EasyOCR oder PaddleOCR liefert die GPU-Beschleunigung typischerweise eine 3–7-fache Beschleunigung gegenüber reiner CPU-Verarbeitung, abhängig vom GPU-Modell und den Bildeigenschaften. Auf einer NVIDIA T4 (einer gängigen Cloud-GPU) läuft EasyOCR etwa 4× schneller als der CPU-Fallback. Auf Consumer-GPUs wie der RTX 3090 erreicht PaddleOCR über 190 Seiten pro Minute — eine 5–7-fache Verbesserung gegenüber einer 4-Kern-CPU mit derselben Pipeline. Tesseract unterstützt keine GPU-Beschleunigung, daher wird seine Geschwindigkeit ausschließlich von der CPU-Leistung bestimmt und ist nicht direkt vergleichbar.
Verringert eine Reduzierung der Bildgröße die OCR-Genauigkeit?
Eine Reduzierung der Bildgröße verringert die Genauigkeit nur, wenn Sie unter die Mindestauflösung fallen, die die OCR-Engine zum Lesen kleiner Zeichen benötigt. Für die meisten gedruckten Dokumente reichen 200 DPI für 99 %+ Zeichengenauigkeit. Unter 150 DPI können feine Details verloren gehen: Fußnoten in 8-pt-Schrift, Dezimalpunkte und tiefgestellte Zeichen. Der sichere Ansatz ist, auf eine Zielauflösung von 200–300 DPI zu skalieren — dies erhält die Lesbarkeit und eliminiert gleichzeitig die 4–5 Megapixel redundanter Daten, die die Verarbeitung nur verlangsamen. Wenn Ihre Dokumente sehr kleinen Text enthalten (z. B. juristisches Kleingedrucktes in 6–8 pt), peilen Sie 300 DPI als Untergrenze an.
Wann sollte ich aufhören zu optimieren und zu einem anderen Tool wechseln?
Wenn Ihre Batch-Verarbeitungszeit von Pipeline-Overhead dominiert wird — Vorverarbeitung, Datei-I/O und Serialisierung — und nicht von der OCR-Engine selbst, haben Sie die praktische Grenze der lokalen Optimierung erreicht. Anzeichen dafür, dass es Zeit zum Wechseln ist: Sie haben bereits GPU-Beschleunigung, Auflösungsnormalisierung und parallele Verarbeitung implementiert, aber ein Batch von 300 Seiten dauert immer noch über eine Stunde; oder Ihre Dokumente sind so vielfältig (Handyfotos, Scans, Screenshots, gemischte Handschrift), dass die Vorverarbeitungsparameter pro Seite angepasst werden müssen. In diesen Szenarien wird ein cloudbasierter Extraktionsdienst, der über GPU-Worker parallelisiert und Dokumente semantisch liest — ohne Anpassung pro Typ — eine lokal optimierte Pipeline sowohl bei Geschwindigkeit als auch bei Genauigkeit übertreffen.