# Handschrifterkennung & Klausurbewertung: Stand der Technik (Juni 2026)

## Zusammenfassung

Umfassende Recherche zu Vision-LLMs, lokalen Modellen und spezialisierten OCR-Tools
für deutsche Handschrifterkennung mit Fokus auf Klausurbewertung (Pipeline: OCR -> LLM-Bewertung).

---

## 1. Cloud-Lösungen (Vision-LLMs für OCR/Handschrift)

### GPT-4o (OpenAI)
- Exzellente General-Purpose Vision, gute Handschrifterkennung durch Kontext
- Kosten: ~$5-15/1M Input-Tokens
- Gut als Fallback oder für Bewertungsstufe

### Claude Opus 4 / Sonnet 4 Vision (Anthropic)
- Stark bei Dokumentenverstandnis und strukturierter Extraktion
- Hervorragend für **Bewertungsstufe** (Korrektur), weniger für reines OCR
- Kosten: Opus 4: $15/1M, Sonnet 4: $3/1M

### Gemini 2.5 Pro / 2.5 Flash (Google) [Cloud-Empfehlung]
- Flash: extrem kosteneffizient und schnell
- Native Dokumentenverarbeitung (Document AI)
- Marker (PDF->Markdown) nutzt Gemini als LLM-Backend
- Kosten: Flash ~$0.15/1M, Pro $1.25/1M
- Top-Wahl fur kosteneffiziente Cloud-OCR + Bewertung

### Qwen-VL / Qwen2.5-VL / Qwen3-VL (Alibaba)
- 32 Sprachen, robust bei Unscharfe/Neigung
- Open-Source + Cloud-API (DashScope)

### Grok Vision (xAI)
- Wenig dokumentierte OCR-Benchmarks, nicht erste Wahl

### Weitere Cloud-OCR-Dienste
- Azure AI Document Intelligence, Amazon Textract, Google Document AI


## 2. Lokal lauffahige Modelle (Ollama-kompatibel, 24-64 GB VRAM)

### Qwen2.5-VL Serie
| Modell | Parameter | BF16 VRAM | INT4 VRAM | Ollama |
|--------|-----------|-----------|-----------|--------|
| Qwen2.5-VL-3B | 3.8B | ~5.7 GB | ~1.5 GB | Ja |
| Qwen2.5-VL-7B | 8.3B | ~13 GB | ~3.3 GB | Ja |
| Qwen2.5-VL-72B | 73.4B | ~133 GB | ~33 GB | Ja |
- 32 Sprachen, erweiterte OCR, Quelle: github.com/QwenLM/Qwen2.5-VL

### Qwen3-VL (MoE-Architektur)
- Qwen3-VL-30B-A3B: 31.1B total, nur 3B aktiv -> extrem effizient
- Noch besseres Dokumentenparsing als Qwen2.5-VL

### InternVL2 Serie
| Modell | Parameter | VRAM ca. |
|--------|-----------|----------|
| InternVL2-1B | 1B | ~2 GB |
| InternVL2-4B | 4B | ~8 GB |
| InternVL2-8B | 8B | ~16 GB |
| InternVL2-26B | 26B | ~52 GB |
| InternVL2-76B | 76B | ~152 GB |
- SOTA auf DocVQA (94.1% mit Pro), Quelle: github.com/OpenGVLab/InternVL

### MiniCPM-V Serie [Beste fur Consumer-Hardware]
| Modell | Parameter | VRAM ca. | Ollama |
|--------|-----------|----------|--------|
| MiniCPM-V 2.6 | 8B | ~16 GB | minicpm-v |
| MiniCPM-V 4.6 | 1.3B | ~3 GB | minicpm-v |
- **Ubertrifft GPT-4o/GPT-4V/Gemini 1.5 Pro auf OCRBench!**
- Handschrift-Demos in README, Bilder bis 1.8M Pixel
- Quelle: github.com/OpenBMB/MiniCPM-V

### Weitere lokale Modelle
- **Pixtral 12B**: 12B+400M, ~25 GB VRAM, Apache 2.0 (huggingface.co/mistralai/Pixtral-12B-2409)
- **DeepSeek-OCR**: 3B, ~6.7 GB, token-effizientes OCR (ollama.com/library/deepseek-ocr)
- **GLM-OCR**: Multimodales OCR fur komplexes Dokumentenverstandnis
- **LLaVA**: 7B (~4.7 GB), 13B (~8.0 GB), llama3 (~5.5 GB), 4x Auflosung
- **llama3.2-vision**: 11B/90B, nicht OCR-spezialisiert
- **Moondream**: ~2B, sehr leichtgewichtig


## 3. Spezialisierte OCR-Tools

### Surya OCR 2 [Top-Empfehlung dediziertes OCR]
- 650M Parameter VLM, spezialisiert auf Dokumenten-OCR
- **83.3% auf olmOCR-bench** (beste unter 3B Parametern)
- 90+ Sprachen (inkl. Deutsch), **Handschriftunterstutzung** (explizit in README)
- 5 Seiten/Sekunde auf RTX 5090, **~1.3 GB VRAM**
- Backend: vllm (GPU) oder llama.cpp (CPU/Apple Silicon)
- `pip install surya-ocr`
- Quelle: github.com/datalab-to/surya

### Marker (PDF -> Markdown/JSON)
- Pipeline aus DL-Modellen, nutzt Surya fur OCR
- LLM-Integration (Gemini, Claude, OpenAI, Ollama)
- Heuristic Score: 95.67, 0.18 Sek/Seite, 3.17 GB VRAM
- `pip install marker-pdf`
- Quelle: github.com/datalab-to/marker

### Chandra OCR (Datalab)
- Chandra OCR 2: 5.3B, **85.9% auf olmOCR-bench**
- Chandra OCR 1: 9.0B, 83.1%
- Quelle: github.com/datalab-to/chandra

### PaddleOCR / PaddleOCR-VL (Baidu)
- **PaddleOCR-VL-1.6: 0.9B, 96.3% auf OmniDocBench v1.6**
- 109 Sprachen, Handschriftunterstutzung
- PP-OCRv5: 100+ Sprachen, PP-StructureV3: PDF->Markdown/JSON
- Quelle: github.com/PaddlePaddle/PaddleOCR

### EasyOCR
- 80+ Sprachen, einfach zu verwenden
- Handschrift: "Coming next" laut Roadmap
- Quelle: github.com/JaidedAI/EasyOCR

### Tesseract OCR
- Klassisch (LSTM seit v4), Deutsch (`deu`) verfugbar
- Keine spezielle Handschriftunterstutzung
- Quelle: github.com/tesseract-ocr/tesseract


## 4. Empfohlene Pipeline: OCR -> LLM-Bewertung

### Stufe 1: OCR (Handschrift -> Text)

**Option A: Rein lokal (Datenschutz) [Empfohlen]**
Surya OCR 2 + MiniCPM-V 2.6 oder Qwen2.5-VL-7B (Verifikation)

**Option B: Hybrid (Kostenoptimiert)**
Surya OCR 2 (lokal) + Gemini 2.5 Flash (Cloud-Korrektur)

**Option C: Maximal Genauigkeit (Cloud)**
PaddleOCR-VL + GPT-4o oder Claude Opus 4

### Stufe 2: LLM-Bewertung

- **Lokal**: Llama 4 (70B+), Qwen3, DeepSeek-V3
- **Cloud**: Claude Opus 4 (Beste Bewertungslogik), GPT-4o, Gemini 2.5 Pro

### Hardware-Empfehlung (Consumer: 24-64 GB VRAM)

| Komponente | Empfohlenes Modell | VRAM |
|------------|--------------------|------|
| OCR primar | Surya OCR 2 | ~2 GB |
| OCR sekundar | MiniCPM-V 2.6 | ~16 GB |
| OCR alternativ | Qwen2.5-VL-7B (INT4) | ~4 GB |
| Bewertung | Lokales LLM (8-32B INT4) | ~8-20 GB |
| **Gesamt** | | **~20-40 GB** |

### Architektur fur Klausur-Prufsystem

1. Input: Scan/Foto der handschriftlichen Klausur
2. Bildvorbereitung: Deskew, Binarize, Kontrast
3. OCR (lokal): Surya OCR 2 (Layout + Text)
4. OCR-Verifikation: MiniCPM-V 2.6 (Korrekturlesen)
5. Textbereinigung: Regelbasiert + LLM (Rechtschreibung Deutsch)
6. Bewertung (Cloud/lokal): Claude/DeepSeek/Llama
7. Output: Note + detailliertes Feedback


## 5. Zusammenfassende Bewertungen

### Beste fur deutsche Handschrift/Schreibschrift

1. **Beste Cloud-OCR**: Gemini 2.5 Flash/Pro + GPT-4o
2. **Beste lokale OCR**: Surya OCR 2 + Qwen2.5-VL-7B oder MiniCPM-V 2.6
3. **Schwierige Handschrift**: MiniCPM-V 2.6 (OCRBench-Sieger) + Claude/GPT-4o Fallback
4. **Bestes Verhaltnis Genauigkeit/Kosten**: Surya OCR 2 (lokal) + Gemini 2.5 Flash

### Beste fur Klausurbewertung

1. **Bewertungs-LLM Cloud**: Claude Opus 4 (prazise, strukturierte Ausgaben)
2. **Bewertungs-LLM Lokal**: Llama-4-70B oder DeepSeek-V3
3. **Wichtig**: Bewertung auf OCR-extrahiertem Text, NICHT direkt auf Bild!


## 6. Quellen & Links

- Surya OCR: https://github.com/datalab-to/surya
- Marker: https://github.com/datalab-to/marker
- Chandra OCR: https://github.com/datalab-to/chandra
- olmOCR-bench: https://huggingface.co/datasets/allenai/olmOCR-bench
- PaddleOCR: https://github.com/PaddlePaddle/PaddleOCR
- EasyOCR: https://github.com/JaidedAI/EasyOCR
- Tesseract: https://github.com/tesseract-ocr/tesseract
- Qwen2.5-VL: https://github.com/QwenLM/Qwen2.5-VL
- Qwen3-VL: https://github.com/QwenLM/Qwen3-VL
- InternVL2: https://github.com/OpenGVLab/InternVL
- MiniCPM-V: https://github.com/OpenBMB/MiniCPM-V
- Pixtral 12B: https://huggingface.co/mistralai/Pixtral-12B-2409
- DeepSeek-OCR: https://ollama.com/library/deepseek-ocr
- LLaVA: https://ollama.com/library/llava
- Gemini API: https://ai.google.dev/gemini-api/docs/models
- Qwen2.5-VL Paper: https://arxiv.org/abs/2502.13923

---

*Recherche durchgefuhrt: 7. Juni 2026*
*Quellen: GitHub READMEs, Ollama Library, HuggingFace Model Cards, arxiv Papers*