10 Cent für 1.000 Seiten: Was die billige Open-Source-OCR bei Fraktur wirklich kann

Offene OCR-Modelle lesen alte Bücher inzwischen für weniger als zehn Cent pro 1.000 Seiten. Die bekannten Tests dazu klammern aber genau die Schrift aus, in der deutsche Bücher, Zeitungen und Amtsblätter bis 1941 gedruckt wurden. Wir haben zusammengetragen, welche Messwerte es zu Fraktur tatsächlich gibt, und was sie für Archive und Ahnenforscher bedeuten.

Analysen 19. Nov. 2026 9 Min. Lesezeit Eigene Analyse der Redaktion
Symbolbild, KI-generiert

Darum geht es

Am 18. November 2026 hat Daniel van Strien von Hugging Face vorgerechnet, wie billig Texterkennung geworden ist. OCR (Optical Character Recognition) ist die Technik, die aus einem eingescannten Bild einer Buchseite durchsuchbaren Text macht. Das neueste getestete offene Modell, LightOnOCR-3-0.8B vom Oktober 2026, kostet laut van Strien rund 0,095 Dollar pro 1.000 Seiten. RolmOCR vom April 2025 lag bei etwa 0,51 Dollar. Gerechnet ist das mit Mietpreisen für eine Nvidia RTX PRO 6000 bei Hugging Face Jobs, 2,75 Dollar pro Stunde. Eine Million Seiten kämen damit auf 65 bis 130 Dollar Rechenzeit. Die Meldung wurde international aufgegriffen, unter anderem vom chinesischen Portal IT之家.

Für deutsche Bibliotheken, Archive und Ahnenforscher bleibt dabei eine Frage offen. Bis zum Verbot 1941 wurde ein großer Teil der deutschen Bücher, Zeitungen und Amtsblätter in Fraktur gesetzt, der gebrochenen Schrift mit dem langen ſ und zahlreichen Ligaturen (zusammengezogenen Buchstabenpaaren wie „ch“ oder „ck“). Gerade diese Schrift kommt in den viel zitierten Tests nicht vor. Wir haben deshalb zusammengetragen, welche Messungen es zu Fraktur gibt, und gefragt: Lesen die Billigmodelle Fraktur genauso gut, oder schreiben sie den Text heimlich um?

Die blinden Flecken der bekannten Tests

Van Striens Kostentest umfasst 850 Seiten: Naturkundebücher, die Encyclopaedia Britannica von 1771 und getippte Archivdokumente, überwiegend aus dem späten 20. Jahrhundert. Fraktur oder deutschsprachige Seiten erwähnt er nicht. Er nennt selbst viele Grenzen: wenige Quellen, und der Faktor „fünfmal billiger“ beruht auf einem einzigen Modellpaar bei einer einzigen Bildgröße. Schon bei der Britannica lasen mehrere Modelle das lange ſ als f. Auf leeren Seiten schrieb GLM-OCR jedes Mal einen Satz über das Bild, OvisOCR2 antwortete 24-mal mit „The quick brown fox“.

FineBooks, die Bestenliste von Hugging Face und EleutherAI, testet 14 offene Modelle auf 2.165 Seiten in Englisch, Französisch, Deutsch und Latein. Deutsch ist also dabei, aber nur in Antiqua, der runden Schrift, in der auch heute gedruckt wird. Im Blogbeitrag heißt es ausdrücklich, die Auswertung sage nichts über deutsche Fraktur, Handschrift oder nicht-lateinische Schriften. Eine Auswertung nach Sprachen gibt es nicht. Spitzenreiter ist dots.mocr mit 97,6 Prozent Zeichengenauigkeit für 1,94 Dollar pro 1.000 Seiten, PaddleOCR-VL-1.6 kommt auf 96,1 Prozent für 0,34 Dollar. Die Autoren warnen selbst: Für wissenschaftliche Transkription reiche das noch nicht, weil die Modelle das lange s und Ligaturen stillschweigend modernisieren.

Was es zu Fraktur tatsächlich an Daten gibt

Datensatz Material Umfang Langes ſ Offene OCR-Spezialmodelle getestet?
RISE Fraktur Adverts (Uni Basel) Basler Avisblatt, 1731 und 1762 5 Seiten, 93 gewertete Anzeigen historische Schreibung bleibt erhalten nein, nur Allzweckmodelle
HIPE-OCRepair dta19 39 Bücher aus dem Deutschen Textarchiv, 18./19. Jh. 30 Testseiten je Rauschstufe wird in der Vorlage aufgelöst nein, Test der Nachkorrektur
HIPE-OCRepair impresso-nzz NZZ-Titelseiten 1780–1947 150 Trainings-, 17 Testseiten – nein, nicht gewertet
Reichsanzeiger-GT (UB Mannheim) Reichsanzeiger 1820–1939 197 Seiten, 119.429 Zeilen, CC0 wird transkribiert keine veröffentlichten Werte gefunden

Der RISE-Benchmark der Universität Basel ist der einzige laufend gepflegte Fraktur-Vergleich. Die Modelle sollen dort Anzeigen nicht nur lesen, sondern auch nummerieren und Rubriken zuordnen. Die Punktzahl beruht auf der Zeichenfehlerrate (CER, Anteil falsch gelesener Zeichen). Eine Anzeige, die ein Modell übersieht, zählt als komplett falsch. Niedrige Werte können also auch an der Struktur scheitern, nicht nur am Lesen. Oben stehen Bezahlmodelle wie Claude Opus 5.5 und Gemini 4 Argon mit 99,4 bis 99,5 Punkten. Bei den Modellen mit offenen Gewichten sieht das Feld so aus:

Offenes Modell (laut RISE-Liste) Punkte
Kimi K3 98,4
Qwen3.5-122B-A10B 97,0
Qwen3.5-27B 95,1 (anderer Lauf: 78,2)
GLM-5.3-Flash 91,8
Gemma 4 31B 60,7
Qwen3.5-9B 49,7
Ministral 3B 44,6

Die eigentlichen Billigmodelle aus van Striens Rechnung, also LightOnOCR, PaddleOCR-VL, GLM-OCR und dots.ocr, tauchen in der Liste gar nicht auf. Auffällig ist auch: Sobald die Modelle unter etwa 30 Milliarden Parameter fallen, bricht die Leistung ein.

HIPE-OCRepair (ICDAR 2026) misst etwas anderes, nämlich wie gut Sprachmodelle fehlerhafte OCR nachträglich korrigieren. Die DTA-Seiten wurden mit Tesseracts Fraktur-Modell erkannt. Das Ergebnis war laut den Autoren so gut (0,4 Prozent Fehler), dass sie künstliches Rauschen von 3 und 7 Prozent einbauen mussten. Das beste Team (BnF, ein angepasstes Mistral Small 3 mit 24 Milliarden Parametern) drückte 5,5 auf 0,8 Prozent. Bei fast fehlerfreien Vorlagen brachte die Korrektur kaum etwas, und die Autoren warnen vor Überkorrektur. Wichtig für unsere Frage: Die DTA-Vorlage löst das lange ſ auf. Ob ein Modell es modernisiert, lässt sich hier also gar nicht messen.

Praxistests: Groß gewinnt, klein ist unbelegt

Den konkretesten Vergleich fanden wir in einem offenen GitHub-Projekt für eine Harvard-Dozentin vom 5. November 2026. Getestet wurden echte Seiten aus den Grimm'schen Märchen (1812) und der Gartenlaube (1853):

Leser Grimm 1812 Gartenlaube 1853 Kosten pro 1.000 Seiten (umgerechnet)
Claude Haiku 5.5 0,9 % 1,5 % ca. 0,90 $
Gemini 3.8 Flash 1,0 % 1,4 % ca. 9,90 $
Qwen3-VL-235B (offen) 1,1 % 1,7 % ca. 1,90 $
Kraken german_print 2,9 % 3,4 % lokal, kostenlos
Tesseract frak2021 9,3 % 7,4 % lokal, kostenlos

Die Werte sind „normalisiert“: ſ und s gelten hier als gleich. Bei der Antiqua-Seite (Schiller 1796) lag Kraken vorn. Claude Haiku verwandelte laut README in jeder Zeile ſ in s, obwohl der Prompt das verbot. Mit nur acht Seiten ist das ein Hinweis, kein Beweis.

Ernüchternder sind die Notizen des Projekts Source Library (Embassy of the Free Mind) vom 31. Oktober bis 18. November 2026. Dort erreichte olmOCR auf 21 Fraktur-Seiten 2,6 Prozent Fehler, Gemini Flash-Lite dagegen 0,5 Prozent. PaddleOCR-VL schnitt schlechter ab als Flash-Lite, LightOnOCR wurde nur bei 2 von 18 Seiten akzeptiert. Das Team verzichtete deshalb auf ein Feintuning von Sprach-Bild-Modellen (VLMs, KI-Modelle, die Bilder und Text gleichzeitig verarbeiten) für Fraktur, denn es gebe „keine Belege“, dass ein VLM Fraktur könne. Ähnlich klang es schon 2025 in einer Diskussion zum dänischen Projekt kb-books: Fehler von LLM-OCR sähen plausibel aus und seien deshalb schwer zu finden.

Lesen oder umschreiben?

Das Amazon-Paper „Do VLMs Read or Rewrite?“ (2026) hat das Risiko gemessen. Die Forscher verfremdeten absichtlich Wörter in Testdokumenten und zählten, wie oft ein Modell sie zur „richtigen“ Form zurückbiegt, statt zu lesen, was dasteht:

Modell Anteil umgeschriebener Wörter
Tesseract, Gemini 3 Flash 0 %
PaddleOCR-VL-1.5 7,9 %
DeepSeek-OCR-2 13,5 %
Qwen3.5-4B 27,4 %
LightOnOCR-2-1B 53,7 %
olmOCR-2-7B 58,6 %

Getestet wurden Englisch, Chinesisch und Koreanisch an synthetisch erzeugten Seiten, nicht Fraktur. Die Autoren empfehlen für historische Digitalisierung klassische OCR oder sorgfältig ausgewählte Spezialmodelle. Unsere Einschätzung: Fraktur ist für solche Modelle der ungünstigste Fall. Historische Schreibweisen wie „Thür“, „seyn“ oder „Urtheil“ sehen für ein Modell mit starkem Sprachgefühl wie Tippfehler aus. Dass ausgerechnet LightOnOCR, das billigste Modell in van Striens Rechnung, in der Vorgängerversion zu den stärksten Umschreibern gehörte, ist ein Warnsignal. Für die neue Version 3 ist das allerdings nicht gemessen.

Einen eigenen Messlauf mit van Striens Werkzeug ocr-bench haben wir für diesen Artikel nicht durchgeführt. Ein Hinweis für alle, die es selbst versuchen: ocr-bench berechnet keine Fehlerrate gegen eine Vorlage. Ein KI-Richter (standardmäßig Qwen3.8-27B) vergleicht jeweils zwei Ausgaben mit dem Bild. In der dänischen Diskussion hieß es, solche Richter werteten Schreibweisen von vor 1800 oft als Fehler. Für einen ehrlichen Fraktur-Test eignet sich eher der Reichsanzeiger-GT der UB Mannheim, weil er das lange ſ erhält und unter CC0 steht.

Was die klassischen Werkzeuge kosten

Transkribus bietet eigens trainierte Fraktur-Modelle an. Das Modell „German Fraktur 18th–20th century“ der Uni Zürich, trainiert auf NZZ-Titelseiten von 1780 bis 1940, erreicht 0,5 Prozent Fehler auf seinen eigenen Prüfseiten. „GermanNewspapers-M1“ der UB Mannheim kommt auf 0,7 Prozent. Diese Werte gelten nur für die jeweils eigenen Prüfdaten und sind nicht direkt vergleichbar. Laut FAQ kostet Druckschrift 0,5 Credits pro Seite, die Preisseite nennt allerdings nur den Satz für Handschrift. Mit dem Scholar-Paket (99 Euro für 900 Credits) wären das nach unserer Rechnung etwa 55 Euro pro 1.000 Seiten, mit Nachkauf-Credits (59,50 Euro für 250) etwa 120 Euro. Das ist mehr als das Fünfhundertfache von van Striens 0,095 Dollar. Kraken, Calamari und OCR4all laufen dagegen kostenlos auf dem eigenen Rechner. Gut trainierte Calamari-Modelle kommen in der Literatur auf 0,18 Prozent Fehler, das gilt aber für passendes Material (DTA19).

Unser Fazit

Die 10-Cent-Zahl stimmt, aber nicht für Fraktur. Für die kleinen, billigen OCR-Spezialmodelle gibt es bei Fraktur keine veröffentlichte Messung, die sie empfehlen würde. Die wenigen Praxisberichte liegen deutlich hinter großen Modellen und trainierten Klassikern. Gut lesen nur die großen offenen Allzweckmodelle wie Qwen3-VL-235B, Qwen3.5-122B oder Kimi K3, und die laufen nicht auf einer normalen Grafikkarte.

Unsere Empfehlung nach Einsatzzweck:

  • Bücher und Zeitungen 1750–1940 mit normaler Grafikkarte oder nur CPU: Kraken mit einem Fraktur-Modell oder OCR4all/Calamari. Diese Werkzeuge schreiben nichts um, liefern auf Wunsch Zeilenkoordinaten und laufen ohne GPU.
  • Mit einer 24-GB-Karte: Qwen3.5-27B schnitt bei RISE einmal mit 95,1 Punkten ab, in einem anderen Lauf aber nur mit 78,2. Unbedingt an eigenen Seiten gegenprüfen.
  • Höchste Genauigkeit für Zeitungen: Transkribus mit einem Zeitungs-Fraktur-Modell, oder ein großes Modell über eine Schnittstelle mit Stichproben.
  • Kirchenbücher: Die sind meist in Kurrent von Hand geschrieben, und da helfen Druck-OCR-Modelle nicht. In Frage kommen Transkribus oder die Community-Feinabstimmung LightOnOCR-3-1B-Historic-German-Handwriting. Sie kommt auf 4,7 Prozent Fehler, braucht etwa 7 Sekunden pro Seite auf einer RTX A4000 und ist nur mit CPU laut Autor „nicht nutzbar“.

Offen bleibt die wichtigste Messung: ein sauberer Vergleich von LightOnOCR-3, PaddleOCR-VL-1.6, GLM-OCR und dots.mocr auf Fraktur-Vorlagen mit erhaltenem ſ. Die Daten dafür liegen frei herunterladbar bereit.

#ocr#fraktur#digitalisierung#open-source#benchmark#genealogie

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

  1. Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.