OCR und intelligente Dokumentensuche im eQMS: Wie jedes Dokument in Sekunden auffindbar wird

OCR (optische Zeichenerkennung) macht im eQMS aus gescannten Altdokumenten und Bilddateien durchsuchbaren Text. Ein eingescanntes SOP, ein unterschriebenes und wieder gescanntes Formular oder ein Lieferantenzertifikat als Bild-PDF ist ohne OCR nur ein Pixelbild: Es lässt sich nicht per Volltextsuche finden. Docuply erkennt laut Anbieter den Text hochgeladener Dokumente, auch von JPG-Bilddateien, und nutzt diesen Text für eine dokumentübergreifende Suche. Das ist mehr als Komfort. Eine AI ist nur so gut wie die durchsuchbare Datenbasis, auf die sie zugreifen kann. Ein eQMS voller nicht maschinenlesbarer Scans kann keine verlässlichen AI-Funktionen liefern. Erst OCR schafft die vollständige Textbasis, auf der dokumentübergreifende Suche, automatisches eTMF-Verlinken, Trainingsfragen aus SOPs, Change-History und CAPA-Vorschläge überhaupt aufsetzen können. Dieser Guide erklärt, was OCR heute leistet, warum die Suche inspektionstauglich bleibt und wo die realistischen Grenzen liegen.

Warum sind so viele GxP-Dokumente nicht durchsuchbar?

Der Grund liegt in der Geschichte gewachsener Qualitätssysteme. Ein großer Teil aller Unternehmensdaten liegt unstrukturiert vor: Gartner und IDC schätzen, dass 80 bis 90 Prozent der Unternehmensdaten in unstrukturierten Formaten wie Text, PDF, Bild und Scan stecken. In regulierten Archiven kommt eine Besonderheit hinzu: Wet-Ink-Signaturen. Papiere werden unterschrieben, wieder eingescannt und als Bild-PDF abgelegt. Die AIIM/Deep-Analysis-Studie Market Momentum Index: Intelligent Document Processing (IDP) Survey 2025 (veröffentlicht am 13. August 2025, 600 Unternehmen in den USA, Deutschland, Österreich und der Schweiz) berichtet, dass 61 Prozent der Dokumentenprozesse weiterhin Papier enthalten und 48 Prozent im Folgejahr sogar steigende Papiermengen erwarten. Ein Scan ohne OCR ist ein Foto: für das Auge lesbar, für die Suchmaschine blind.

Der Zeitverlust ist messbar. Laut dem McKinsey Global Institute (Report The social economy: Unlocking value and productivity through social technologies, Juli 2012) verbringen Beschäftigte rund 1,8 Stunden pro Tag, also etwa 9,3 Stunden pro Woche, mit dem Suchen und Zusammentragen von Informationen; das entspricht knapp einem Fünftel der Arbeitswoche. IDC beziffert den Anteil auf etwa 2,5 Stunden pro Tag, rund 30 Prozent des Arbeitstages. Nicht auffindbare Dokumente kosten zusätzlich: PricewaterhouseCoopers nennt rund 20 US-Dollar Arbeitszeit, um ein Dokument abzulegen, rund 120 US-Dollar, um ein falsch abgelegtes zu finden, und rund 220 US-Dollar, um ein verlorenes zu rekonstruieren; etwa 7,5 Prozent der Dokumente gehen ganz verloren, weitere 3 Prozent werden falsch abgelegt.

Im Alltag zeigt sich das an klaren Schmerzpunkten. SOP-Retrieval: Ein Mitarbeiter braucht die gültige Version einer Arbeitsanweisung und findet nur einen alten Scan im SharePoint-Ordner. Inspektionsvorbereitung: Der Inspektor fragt nach einem konkreten Nachweis, die Uhr läuft, und das Dokument steckt als Bild-PDF in einem historischen Studienordner. Due Diligence: Ein Käufer verlangt Belege, doch die Altbestände sind nicht durchsuchbar. Vendor-Unterlagen: Ein Quality Agreement oder ein Zertifikat ist vorhanden, aber niemand findet es unter Tausenden Dateien. Regulatorisch ist die Verfügbarkeit kein Randthema: ICH E6(R3), am 6. Januar 2025 als Step-4-Dokument von den Regulatory Members der ICH Assembly verabschiedet, verlangt, dass Speichersysteme Identifikation, Versionshistorie sowie Suche und Abruf von Studienunterlagen ermöglichen.

Wie funktioniert OCR im Dokumentenmanagement?

OCR analysiert ein Bild, erkennt Buchstaben, Ziffern und Layout und erzeugt daraus maschinenlesbaren Text. Klassische OCR arbeitete mit Mustervergleich gegen feste Zeichensätze und war stark bei sauberem Druck, schwach bei allem anderen. Moderne, AI-gestützte Verfahren nutzen neuronale Netze und Transformer-Modelle, die den Kontext einer ganzen Zeile berücksichtigen, statt einzelne Zeichen isoliert zu raten. Das erhöht die Robustheit bei durchschnittlicher Scanqualität, Mehrspaltigkeit und gemischten Layouts deutlich.

Die Genauigkeit hängt stark vom Material ab. Bei sauberem, gedrucktem Text erreichen OCR-Systeme regelmäßig über 99 Prozent Zeichengenauigkeit. Bei Handschrift sinkt der Wert: Für Handschrifterkennung (ICR/HTR) werden real meist 80 bis 95 Prozent genannt, bei klar in Feldern gedruckten Blockbuchstaben höher, bei verbundener Schreibschrift und uneinheitlicher Handschrift deutlich niedriger. Tabellen, Stempel und Signaturbereiche sind eigene Herausforderungen: Moderne Systeme rekonstruieren Tabellenstrukturen zunehmend gut, Stempel und handschriftliche Randnotizen bleiben aber fehleranfällig. Mehrsprachige Dokumente sind heute Standard, sofern die Sprachen erkannt werden.

Realistisch gilt: Schlechte Scanqualität, schiefe oder blasse Vorlagen, Durchschläge und Faxe drücken die Erkennungsrate. Für den Zweck der Auffindbarkeit ist das weniger kritisch als für die exakte Datenextraktion. Wer ein Dokument über wenige Stichworte wiederfinden will, kommt auch mit einem nicht perfekten Textlayer ans Ziel, solange die zentralen Begriffe erkannt wurden. Docuply beschreibt seine Texterkennung ausdrücklich als Grundlage einer besseren Suche über mehrere Dokumente hinweg, nicht als Ersatz für das Originaldokument.

Ist OCR-Suche 21 CFR Part 11 konform?

Ja, wenn man den entscheidenden Punkt sauber trennt: Der OCR-Textlayer ist eine Rendition, eine Suchhilfe, die zusätzlich zum Originaldokument entsteht. Er verändert das Original nicht. Das eingescannte, signierte PDF bleibt der Record; die elektronischen Signaturen nach 21 CFR Part 11 bleiben unangetastet, weil OCR nur einen durchsuchbaren Text daneben legt und nichts an der signierten Datei manipuliert. Part 11 verlangt in §11.70, dass Signaturen so mit ihren Records verknüpft sind, dass sie nicht herausgelöst oder übertragen werden können; eine reine Textindizierung berührt diese Verknüpfung nicht.

Auch Audit Trail und Versionsstand bleiben unberührt. Der Audit Trail dokumentiert weiterhin, wer wann was am Record getan hat; die OCR-Indizierung ist ein Systemvorgang neben dem Record, kein Eingriff in ihn. Die Data-Integrity-Prinzipien nach ALCOA+ (Attributable, Legible, Contemporaneous, Original, Accurate sowie Complete, Consistent, Enduring, Available) gelten unverändert weiter. Die MHRA GXP Data Integrity Guidance und die EU GMP Annex 11 betonen genau diese Prinzipien, ebenso die WHO-Leitlinien zur Data Integrity. Wichtig: Die MHRA warnt davor, dynamische Daten in statische Formate zu überführen und das Statische zum primären Record zu machen. Für OCR im eDMS/eQMS bedeutet das die klare Regel, auf die QA achten muss: Das Original bleibt der Record, der Textlayer ist ausschließlich Suchhilfe. So bleibt die OCR-gestützte Suche inspektionstauglich, weil sie den Zugriff beschleunigt, ohne die Integrität der Records anzutasten. Mehr zur Compliance-Basis findet sich auf der Part-11-Seite und zum Dokumentenmanagement auf der eDMS-Seite.

OCR als Datengrundlage: Ohne lesbare Dokumente keine AI

Hier liegt der rote Faden. Eine AI ist nur so gut wie die durchsuchbare Datenbasis, auf die sie zugreifen kann. Jede AI-Funktion im Qualitätssystem greift auf Textinhalte zu. Liegen Dokumente nur als Bild vor, sind sie für die AI unsichtbar, unabhängig davon, wie leistungsfähig das Modell ist. OCR schafft erst die vollständige, durchsuchbare Textbasis. Aus ihr folgt die Kette: OCR erzeugt Text, Text ermöglicht dokumentübergreifende Suche über eDMS-, eQMS- und eTMF-Inhalte, und auf dieser Suche setzen die weiteren, sogenannten Tier-2-AI-Funktionen auf.

Docuply dokumentiert eine Reihe solcher Funktionen als heute verfügbar: automatische Generierung von Trainingsfragen aus SOPs, automatisches Zuordnen (Verlinken) freigegebener Dokumentversionen in den eTMF nach dem CDISC-TMF-Referenzmodell mit laut Anbieter über 90 Prozent Trefferquote (der Nutzer bestätigt nur den Vorschlag), automatische Ablage von Dokumentversionen, automatische Change-History sowie AI-CAPA-Vorschläge in den Quality Events. Alle diese Funktionen sind laut Anbieter im Preis enthalten, ohne Token- oder Verbrauchskosten. Das automatische Zuordnen ist als separat buchbares Automated-Filing-Modul verfügbar. Ein eQMS Software Vergleich ordnet solche Funktionen in ein Drei-Stufen-Modell ein.

Was ist ein MCP Connector im eQMS?

Das Model Context Protocol (MCP) ist ein offener Standard, den Anthropic am 25. November 2024 als Open-Source-Standard veröffentlicht hat und über den AI-Assistenten kontrolliert auf externe Systeme und deren Daten zugreifen können. Statt für jedes System eine eigene Integration zu bauen, spricht ein AI-Assistent über einen MCP Connector eine standardisierte Schnittstelle an. Für ein eQMS hieße das: Ein Assistent könnte auf Anfrage Dokumente suchen oder Status abrufen, im Rahmen der erteilten Berechtigungen. Auch hier gilt der Datengrundlagen-Gedanke: Ein Connector ist nur so nützlich wie die Daten, die er erreichen kann. Ein MCP Connector auf ein eQMS voller nicht lesbarer Scans liefert wenig; erst die OCR-Textbasis macht ihn wertvoll.

Zum Stand: Docuply dokumentiert öffentlich heute OCR, dokumentübergreifende Suche und die oben genannten Tier-2-AI-Funktionen. Einen MCP Connector führt Docuply auf seiner Website derzeit nicht als verfügbares Feature; als künftiges Integrationsthema nennt der Anbieter eine REST-API-Schnittstelle. Roadmap-Themen behandeln wir hier nicht als vorhanden. Wer über einen MCP Connector auf GxP-Daten zugreift, braucht zwingend Governance: ein Berechtigungskonzept mit Rollenrechten, Nachvollziehbarkeit und Audit Trail des Zugriffs sowie klare menschliche Verantwortung. Keine automatisierte Freigabe ohne Mensch: Der Assistent schlägt vor, der Mensch entscheidet und verantwortet.

Was OCR-Suche im Alltag freischaltet

• Ein Dokument unter Tausenden finden. Vorher: manuelles Durchklicken von Ordnern, weil der Dateiname nichtssagend ist. Nachher: Volltextsuche über den OCR-Text findet den Treffer in Sekunden, auch in einem gescannten Bild-PDF.
• SOP-Retrieval im Tagesgeschäft. Vorher: Unsicherheit, ob die gefundene Version die gültige ist. Nachher: Die Suche führt zur richtigen Version, das Original bleibt der Record mit unverändertem Versionsstand und Audit Trail.
• Inspektionsvorbereitung und Requests während der Inspektion. Vorher: Der Inspektor fragt, die Uhr läuft, das Dokument ist ein Bild-Scan. Nachher: Ein Stichwort genügt, der Nachweis erscheint sofort, das signierte Original wird unverändert vorgelegt.
• Altbestand aus SharePoint und Papier migrieren. Vorher: Jahre gewachsene Ordner mit gescannten Altdokumenten, faktisch nicht durchsuchbar. Nachher: Beim Upload erzeugt OCR den Textlayer, der Bestand wird durchsuchbar, ohne dass Originale verändert werden.
• Lieferantendokumente auffindbar halten. Vorher: Zertifikate und Quality Agreements als Bild-PDF verstreut. Nachher: Alle Vendor-Unterlagen sind über den Inhalt auffindbar, was Vendor Qualification und Audits beschleunigt.

FAQ

Kann ich gescannte Dokumente im eQMS durchsuchen?

Ja. Docuply erkennt laut Anbieter den Text hochgeladener Dokumente, auch von JPG-Bilddateien, und macht sie über die dokumentübergreifende Suche auffindbar. Voraussetzung ist eine ausreichende Scanqualität, damit die zentralen Begriffe erkannt werden.

Verändert OCR das Originaldokument?

Nein. Der OCR-Textlayer ist eine Rendition, also eine zusätzliche Suchhilfe. Das signierte Original bleibt der Record, Versionsstand und Audit Trail bleiben unberührt.

Was ist der Unterschied zwischen OCR und Volltextsuche?

OCR wandelt Bild in Text um. Volltextsuche durchsucht Text. Ohne OCR gibt es bei gescannten Dokumenten keinen Text, den die Volltextsuche durchsuchen könnte. OCR ist die Voraussetzung, die Volltextsuche die Anwendung.

Ist OCR-gestützte Suche 21 CFR Part 11 konform?

Die Suche selbst verändert keine Records. Weil der Textlayer das Original und seine Part-11-Signaturen nicht antastet, bleibt die Lösung inspektionstauglich. Die Konformität des Gesamtsystems hängt an Validierung, Zugriffskontrolle und Audit Trail.

Erkennt OCR auch Handschrift?

Teilweise. Handschrifterkennung (ICR/HTR) erreicht real meist 80 bis 95 Prozent und sinkt bei verbundener Schreibschrift. Für Wet-Ink-Signaturen und Randnotizen ist das eine realistische Grenze, die man kennen sollte.

Kann eine AI auf mein eQMS zugreifen?

Technisch ermöglicht ein offener Standard wie MCP AI-Assistenten den kontrollierten Zugriff auf Systeme. Docuply dokumentiert heute OCR, dokumentübergreifende Suche und Tier-2-AI-Funktionen; ein MCP Connector ist derzeit nicht als verfügbares Feature ausgewiesen. Jeder Zugriff braucht Berechtigungskonzept, Nachvollziehbarkeit und menschliche Verantwortung.

Warum ist OCR die Grundlage jeder AI-Funktion?

Weil AI nur auf Text zugreifen kann. Eine AI ist nur so gut wie die durchsuchbare Datenbasis. Ein eQMS voller Bild-Scans liefert keine verlässlichen AI-Ergebnisse; OCR schafft erst die Textbasis.

Muss ich Altbestände vor dem Upload aufbereiten?

In der Regel nicht. OCR läuft beim Upload und erzeugt den Textlayer. Sehr schlechte Scans profitieren von besserer Digitalisierung, aber für die Auffindbarkeit reicht meist der vorhandene Bestand.