Beim Einkauf einer OCR API wird gern sofort der Stückpreis verglichen. Den Projekterfolg entscheiden jedoch vier Dinge: ob die Definition einer „Seite“ einheitlich ist, ob die Daten die interne Prüfung bestehen, ob die Genauigkeit abgenommen werden kann und ob es bei Störungen einen Ausweichweg gibt. OCR wird häufig pro Seite, pro Bild, pro Aufruf oder pro Token abgerechnet; ohne einheitliche Grundlage sind Stückpreise nicht vergleichbar.

Die folgende Checkliste folgt dem Beschaffungsprozess: von der Bedarfsschätzung über Abrechnung und Rechnungen bis zu Datenschutzfragebogen, Genauigkeitsstichproben, manueller Prüfung, Berechtigungen, Ausweichkanal und Pilotabnahme. Konkrete Preise und verfügbare Modelle richten sich nach den Modellpreisen und dem unterschriebenen Vertrag; feste Zahlen nennt dieser Beitrag nicht.

Hinweis: Genannte OCR-Produkte, Modelle und Marken gehören ihren jeweiligen Inhabern und werden nur zur technischen Beschaffung erläutert. Servicebedingungen, Preise und Genauigkeitswerte können sich ändern; maßgeblich sind Vertrag und offizielle Dokumentation.

1. Erst Seiten zählen, dann über den Preis sprechen

Der Begriff „Seite“ muss im Beschaffungsdokument zuerst definiert werden. Vier Definitionen sind üblich: eine PDF-Datei zählt als eine Seite, ein PDF wird in Bilder zerlegt und pro Bild gezählt, es wird pro API-Aufruf abgerechnet, oder nur erfolgreich erkannte Seiten werden berechnet. Auch die Behandlung von Duplexscans, Anhängen, mehreren hochgeladenen Bildern und leeren Seiten muss eindeutig geregelt sein.

Kennzahl Schätzmethode Zweck im Beschaffungsdokument
Seiten pro Monat Belegmenge der letzten drei Monate × Wachstumsfaktor Paket und Budgetobergrenze festlegen
Spitzenlast Seiten/Minute Seiten in der Spitzenstunde ÷ 60, mal Sicherheitsfaktor Parallelität und Drosselung prüfen
Bilder pro Seite Duplexscan, Anhänge, mehrere Uploads Abrechnungsgrundlage für „Seite“ vereinheitlichen
Fehler und Retries Fehlerrate im Pilot × Retry-Anzahl Kontingent reservieren, Überschreitung vermeiden
Anteil manueller Prüfung Anteil Felder mit geringer Konfidenz Personalaufwand für Prüfung schätzen

Melden Sie nicht nur eine Jahresgesamtsumme. Die Last von OCR hat oft deutliche Spitzen: Monatsende, Quartalsende und Steuertermine können zu geballten Uploads führen. Spitzenparallelität und Rückstaubewältigung gehören in die Abnahmekriterien; das ist näher am Produktivbetrieb als ein Monatsdurchschnitt.

2. Abrechnung, Vertrag und Rechnungen

Prüfen Sie nach Erhalt des Angebots jeden Punkt und fragen Sie nicht nur „Was kostet eine Seite?“:

  • Ist die Abrechnungseinheit Seite, Bild, Aufruf oder Token, und wird zwischen Drucktext und komplexem Layout unterschieden?
  • Gibt es Staffelpreise, Mindestumsatz, Mindestabnahme und Preise für Überschreitung?
  • Werden fehlgeschlagene Anfragen, Timeout-Retries, leere Seiten und doppelte Uploads berechnet?
  • Abrechnungszyklus und Abgleichgrundlage: Aufrufprotokoll, erfolgreiche Seiten oder Rechnungszusammenfassung?
  • Vertragspartner, Abrechnungswährung, Zahlungsweg und Rückerstattungsregeln?
  • Rechnungsart und Ausstellungszyklus, insbesondere ob eine chinesische Mehrwertsteuer-Sonderrechnung möglich ist?

Für Unternehmen empfiehlt sich die Zahlung über ein Firmenkonto; Vertrag, Bestellung, Zahlungsbeleg und Rechnung sollten aufbewahrt werden. Angebote sollten eine Gültigkeitsdauer nennen. Für eine Dreijahresplanung ist ein Szenario für Preiserhöhungen sinnvoll.

3. Datenschutz: Fragen schriftlich als Fragebogen stellen

OCR verarbeitet häufig Verträge, Rechnungen, Ausweise und Kundendaten. Eine Datenschutzprüfung darf sich nicht auf mündliche Zusicherungen verlassen. Senden Sie dem Anbieter die folgenden zehn Fragen und verlangen Sie schriftliche Antworten zur Ablage:

  1. Wie lange werden hochgeladene Bilder und Ergebnisse gespeichert, und wo?
  2. Werden Daten für Modelltraining oder Produktverbesserung verwendet, und lässt sich das abschalten?
  3. Lässt sich eine Speicherregion festlegen, und findet eine grenzüberschreitende Übertragung statt?
  4. Welche Verschlüsselung wird bei Übertragung und im Ruhezustand verwendet?
  5. Wie werden Löschanträge eingereicht, wie schnell wirken sie, und gibt es eine Bestätigung?
  6. Welche Unterauftragsverarbeiter gibt es, und werden Änderungen vorab gemeldet?
  7. Kann ein Auftragsverarbeitungsvertrag (DPA) geschlossen werden?
  8. Gibt es Sicherheitsprüfberichte oder Antworten auf Sicherheitsfragebögen?
  9. Welche Meldefristen und Verantwortlichkeiten gelten bei Sicherheitsvorfällen?
  10. Gibt es Genehmigung und Audit-Logs für interne Mitarbeiterzugriffe auf Kundendaten?

Multimodale OCR-Modelle laden häufig das gesamte Bild hoch; auch klassische OCR-Schnittstellen können Originalbilder zur Fehlersuche aufbewahren. Für beide Varianten muss die Aufbewahrungsregel geklärt sein. Bei Ausweisen, Bankkarten, Krankenakten oder ähnlich sensiblen Unterlagen sind lokale Bereitstellung, Erkennung nach Anonymisierung oder ein klarer geregelter kostenpflichtiger Dienst mit Rechtsprüfung vorzuziehen.

4. Genauigkeit: nicht nur eine Prozentzahl ansehen

„Genauigkeit“ hat keinen einheitlichen Nenner. Eine hohe Zeichengenauigkeit bedeutet nicht, dass Felder direkt gebucht werden können; eine hohe Genauigkeit pro Beleg bedeutet nicht, dass Handschrift und Tabellen fehlerfrei sind. Teilen Sie die Bewertung mindestens in vier Kennzahlen:

  • Zeichengenauigkeit: Wie nah liegt der erkannte Text an der Referenz?
  • Feldgenauigkeit: Sind Rechnungsnummer, Betrag und Datum vollständig korrekt?
  • Durchlaufquote pro Beleg: Welcher Anteil kann ohne manuelle Korrektur weiterverarbeitet werden?
  • Erfolgsquote strukturierter Ausgabe: Lässt sich das zurückgegebene JSON nach dem vereinbarten Schema parsen?

Verlangen Sie zusätzlich eine getrennte Auswertung nach Dokumenttyp, Druck oder Handschrift, Scanqualität und Sprache. Testberichte des Anbieters dienen nur als Orientierung. Entscheidend ist ein eigener Pilot mit eigenen Belegen, der die wichtigsten Dokumente und die schlechteste Qualität abdeckt — keine Demo-Bilder.

5. Manuelle Prüfung und Ausnahmebehandlung

Auch gute OCR liefert Ergebnisse mit geringer Konfidenz. Eine Beschaffungslösung muss daher eine manuelle Prüfung vorsehen. Üblich ist: Das Modell liefert Konfidenzwerte, Felder unterhalb eines Schwellenwerts gehen in eine Prüfwarteschlange; für Beträge, Steuernummern und Ausweisnummern gelten Prüfregeln wie Summen- und Formatkontrolle; besonders wichtige Belege werden doppelt erfasst oder stichprobenartig geprüft.

Manuelle Prüfung ist kein Scheitern, sondern Teil des Geschäftsprozesses. Anteil und Arbeitszeit sollten bereits in der Beschaffungsphase geschätzt und in die Gesamtkosten eingerechnet werden, nicht erst nach dem Produktivstart auffallen. Originalbild, Erkennungsergebnis, Änderungsverlauf und Bearbeiter sollten erhalten bleiben, damit eine nachvollziehbare Prüfkette entsteht.

6. Berechtigungen, Audit und Ausweichkanal

Im Unternehmen sollten Keys projektweise getrennt, Produktion und Test isoliert und die geringsten nötigen Rechte vergeben werden. Keys gehören in serverseitige Umgebungsvariablen oder einen Secrets-Manager, werden regelmäßig rotiert und mit Budget- und Verbrauchsalarmen überwacht. Aufrufprotokolle sollten mindestens Request-ID, Zeitpunkt, Dokumentkennung, Laufzeit und Status enthalten, um Abgleich und Fehlersuche zu ermöglichen.

Ein Ausweichkanal sollte vorab geplant werden: Für Kerndokumente kann ein zweiter Anbieter bereitstehen oder lokale Open-Source-OCR als Degradation dienen; Batch-Aufgaben laufen über eine Warteschlange und werden nach Fehlern mit Backoff erneut versucht; bei wiederholten Fehlern wird ein Circuit Breaker aktiviert und an die manuelle Bearbeitung übergeben, damit keine fehlerhaften Ergebnisse in die Fachsysteme gelangen. Hier ein minimales Aufrufbeispiel mit Timeout:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ZSQH_API_KEY"],
    base_url="https://ai.zhongshangqihang.com/v1",
    timeout=30,
)

resp = client.chat.completions.create(
    model=os.environ["OCR_MODEL"],  # Modellname laut Modellliste im Portal
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "Erkenne den Text im Bild und gib ihn feldweise als JSON aus"},
            {"type": "image_url", "image_url": {"url": "https://example.com/invoice.png"}},
        ],
    }],
)
print(resp.id)  # Request-ID für Abgleich und Fehlersuche protokollieren
print(resp.choices[0].message.content)

7. Acht Schritte zur Pilotabnahme

  1. Test- oder Vertraulichkeitsvereinbarung schließen und festlegen, dass die Muster nur für diese Bewertung verwendet werden.
  2. 100–300 echte Seiten auswählen, die die wichtigsten Dokumenttypen und die schlechteste Scanqualität abdecken.
  3. Schlüsselfelder manuell annotieren und Definition sowie Regeln für „korrekt“ vereinheitlichen.
  4. Modell, Version und Parameter fixieren und Request-Logs samt Request-IDs aufbewahren.
  5. Feldgenauigkeit je Schicht, Durchlaufquote pro Beleg, P95-Latenz und Fehlerrate berechnen.
  6. Konfidenzschwellen festlegen und Anteil sowie tatsächliche Arbeitszeit der manuellen Prüfung messen.
  7. Einen Drosselungs- und Störungstest durchführen und Ausweichkanal sowie Rückstaubewältigung prüfen.
  8. Testbericht, Angebot, Datenklauseln, Vertrag und Rechnungen gemeinsam archivieren und erst dann über den Vollbetrieb entscheiden.

Die Abnahmekriterien müssen vor dem Pilot feststehen und dürfen nicht nachträglich interpretiert werden. Sinnvoll sind Ausschlusskriterien, etwa wenn sensible Daten die Aufbewahrungsanforderungen nicht erfüllen, die Feldgenauigkeit unter der fachlichen Untergrenze liegt oder bei Störungen kein Degradationsweg existiert.

8. Häufige Fragen

Wie wird eine Seite bei PDF-Abrechnung genau gezählt?

Das unterscheidet sich je Plattform: Manche zählen Dateiseiten, andere wandeln das PDF zuerst in Bilder um und zählen diese, wieder andere berechnen nur erfolgreich erkannte Seiten. Ob leere Seiten, Deckblätter, Anhänge und mehrere Uploads berechnet werden, muss in Vertrag oder Bestellung stehen.

Kann man den beworbenen Genauigkeitswerten direkt vertrauen?

Sie dienen nur als Orientierung. Fragen Sie nach Zusammensetzung der Testdaten, Definition der Kennzahlen und Statistik und führen Sie einen Pilot mit eigenen echten Dokumenten durch. Werte aus der Werbung stammen meist von idealen Mustern und passen nicht zwingend zu Ihren Belegen.

Können die Daten im Land bleiben?

Das hängt von der Bereitstellung ab. Bei einer Public-Cloud-API können Daten in anderen Regionen verarbeitet werden; lokale Bereitstellung oder Open-Source-Betrieb im eigenen Haus halten die Daten in der eigenen Umgebung. Klären Sie vor dem Einkauf Speicher- und Verarbeitungsregion sowie grenzüberschreitende Übertragung und lassen Sie dies von Rechts- und Sicherheitsteam prüfen.

Sind immer zwei Anbieter nötig?

Nicht zwingend, aber ein Ausweichplan ist nötig. Zwei Anbieter erhöhen Integrations- und Wartungsaufwand; üblicher ist ein Hauptanbieter plus lokale Open-Source-OCR oder ein zweiter Kanal als Degradation, wobei der Wechsel vorher geprobt werden sollte.

Wie groß und wie lang sollte der Pilot sein?

Einheitliche Standards gibt es nicht. Üblich sind 100–300 Seiten für die wichtigsten Szenarien über ein bis drei Wochen, mit Fokus auf geschichtete Genauigkeit, Prüfaufwand und Störungsverhalten. Zu kleine Stichproben oder nur klare Dokumente führen zu optimistischen Schlüssen.

Nächster Schritt

Wenn Ihr Unternehmen Zahlung in Yuan, eine einheitliche Abrechnung und Rechnungen benötigt und zugleich mehrere Modelle nutzen möchte, können Sie zunächst den ZSQH AI Gateway registrieren, den Pilot mit einem kleinen Dokumentenstapel abschließen und danach Keys und Budgets projektweise trennen. Verfügbarkeit und Preise der Modelle richten sich nach den Modellpreisen.

Weiterlesen: