Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

OCR 4: Next-Generation Document Intelligence

Lektion 5 von 12 Aktualisiert am 2. November 2026 Mittelstufe
Auf dieser Seite
  1. Was OCR 4 tatsächlich liefert
  2. Warum Struktur so wichtig ist wie Text
  3. Auswirkungen auf unsere Kurse zu Document AI
  4. Kernaussagen

Aktualisiert am 2. November 2026 — OCR. OCR 4.0 (mistral-ocr-4-0) wurde am 30. September 2026 eingestellt. Nutzen Sie OCR 4.1 (mistral-ocr-4-1), der seit dem 31. August allgemein verfügbar ist und zum gleichen Preis angeboten wird, oder den Alias mistral-ocr-latest, der seit dem 16. Juli darauf verweist. OCR 4.1 fügt Vertrauenswerte auf Blockebene hinzu.

Am 23. Juni 2026 angekündigt, ersetzt Mistral OCR 4 (Version 4.0) OCR 3 als Dokumenten-Intelligenz-Dienstleistung von Mistral – ein Bereich, in dem der Anbieter eine State-of-the-Art-Leistung beansprucht. Hinter dieser Versionsnummer verbirgt sich eine Änderung, die jeden Entwickler von Dokumenten-Pipelines direkt betrifft: Die Modellausgabe ist nicht mehr nur Text, sondern lokalisiert und strukturierter Text.

Was OCR 4 tatsächlich liefert

Die offizielle Beschreibung von OCR 4 betont zwei Strukturierungsfähigkeiten, und es lohnt sich zu verstehen, was jede davon konkret bewirkt.

Die erste ist Bounding Boxes auf Satzebene. Jeder erkannte Textblock wird nun präzise auf der Seite positioniert: Das Modell sagt Ihnen nicht nur mehr „hier steht etwas geschrieben”, sondern auch „hier steht etwas geschrieben, und genau hier befindet es sich”. Diese Positionsdaten scheinen zunächst nur anecdotal, bis Sie eine Frage eines Prüfers oder Kunden beantworten müssen: „Woher stammt diese Daten?” Mit Koordinaten auf Satzebene können Sie den genauen Bereich im Quelldokument hervorheben, aus dem eine Antwort stammt – das ist Nachvollziehbarkeit, und für Compliance-Anwendungen ist dies oft das Merkmal, das eine Kaufentscheidung beeinflusst.

Die zweite Fähigkeit sind strukturelle Blöcke: Das Dokument wird nicht als flacher Text zurückgegeben, sondern als Struktur – Überschriften, Absätze, Tabellen, Zonen. Die Nuance ist entscheidend. Eine klassische OCR-Lösung liefert einen kontinuierlichen Strom von Zeichen, bei dem die Überschrift, der Fußnoteninhalt und die Tabellenzelle in der Reihenfolge verschmolzen werden, in der das Engine sie verarbeitet hat. OCR 4 liefert einen typisierten Dokument, bei dem jeder Block weiß, was er ist.

Warum Struktur so wichtig ist wie Text

Nehmen wir den häufigsten Fall im Jahr 2026: Ein RAG-System, das auf internen PDFs basiert. Die Qualität der Antworten hängt direkt von der Qualität des Chunkings ab. Bei flachem Text wird dieses Chunking fehleranfällig: Ein Fragment kann eine Tabelle halbieren, das Ende eines Absatzes an die Überschrift des nächsten Abschnitts kleben oder eine Fußnote mitten in einer Schlussfolgerungskette verbergen. Das nachgelagerte Sprachmodell erhält dann inkohärente Fragmente, und keine Prompt-Engineering-Maßnahme kann einen schlecht zerschnittenen Kontext reparieren.

Bei typisierten und lokalisierten Blöcken kehrt sich die Situation um. Sie chunken das Dokument entlang seiner natürlichen Grenzen – ein Absatz bleibt ein Absatz, eine Tabelle rekonstruiert sich als Tabelle – und jedes Fragment trägt seine Koordinaten auf der Quellseite. Das gleiche Prinzip gilt für die Extraktion von Rechenbelegen oder die Digitalisierung von Archiven: Nicht die Zeichenerkennung macht den Unterschied zwischen einer zuverlässigen Pipeline und einer fragilen, sondern die Treue der zurückgegebenen Struktur. Genau hier unterscheidet sich OCR 4 von seinem Vorgänger.

Auswirkungen auf unsere Kurse zu Document AI

Unser Kurs „Document AI & OCR” wurde um OCR 3 herum entwickelt, und wir müssen klarstellen, was veraltet und was nicht. Der gelehrt Ansatz – Dokumentenvorbereitung, Scan-Qualität, Nachbearbeitung der Ausgabe – bleibt vollständig gültig: Dies sind Grundlagen der Dokumentenarbeit, die unabhängig von der Modellversion sind. Die Lektion, die sich mit dem „OCR 3-Modell” befasst, beschreibt nun jedoch die vorherige Generation. Halten Sie diese Leseregel im Kopf: OCR 4 gehört zur gleichen API-Familie, verfügt jedoch über eine reichhaltigere Ausgabestruktur.

Ein praktischer Detailaspekt verdient die Wiederholung, da er allen Versionserhöhungen standhält: Die Eingabequalität bleibt entscheidend. Ein Dokument, das bei niedriger Auflösung gescannt wurde, mit Flecken oder schlechtem Kontrast, bleibt schwierig zu verarbeiten, unabhängig von der Modell-Sophistikation. Bevor Sie OCR 4 für ein enttäuschendes Ergebnis verantwortlich machen, schauen Sie zuerst darauf, was Sie ihm zum Lesen gegeben haben – das ist die erste Instinkt des Praktikers, und er vermeidet viele Fehldiagnosen.

Offizielle Quelle: mistral.ai/news – Ankündigung vom 23. Juni 2026 und docs.mistral.ai

Kernaussagen

  • OCR 4 (Version 4.0) ersetzt OCR 3 als Referenzmodell für Dokumente
  • Strukturierungsinnovationen: Bounding Boxes auf Satzebene und strukturelle Blöcke
  • Struktur verbessert RAG, Extraktion und Nachvollziehbarkeit der Antworten
  • Die Qualität des Scan-Eingabes bleibt der primäre Erfolgsfaktor