---
title: "OCR-APIs für Arabisch im Vergleich (2026) | BroadRouter"
description: "Welche OCR-APIs Arabisch offiziell unterstützen, gedruckt und handschriftlich, was sie liefern und was 1.000 Seiten kosten, im Vergleich mit Vision-LLM-APIs."
url: https://broadrouter.com/de/blog/arabic-ocr-api-comparison/
lang: de
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Mit KI-Unterstützung aus dem Englischen übersetzt. [Englisches Original lesen](https://broadrouter.com/blog/arabic-ocr-api-comparison/) (aktualisiert am 2026-11-16).

# OCR-APIs für Arabisch: Google, Azure, Textract, Mistral, LLMs

Vom Team von BroadNet Inference · 8 Min. Lesezeit · Veröffentlicht 2026-11-15 · Aktualisiert 2026-11-16

Vier OCR-APIs führen gedruckten arabischen Text in ihrer eigenen Dokumentation: Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract und Mistral OCR. Google, Azure Read und Textract berechnen im Einstiegsvolumen jeweils 1,50 USD pro 1.000 Seiten. Nur Azure führt arabische Handschrift. Vision-LLMs wie Qwen3.8 27B bei BroadNet rechnen eine Seite als Tokens ab und liefern die Felder, nach denen Sie fragen.

## Das Wichtigste in Kürze

-   Gedruckten arabischen Text führen Google Cloud Vision, Azure Document Intelligence (Read und Layout), Amazon Textract und Mistral OCR (geprüft am 15.11.2026).
-   Arabische Handschrift führt nur Azure Document Intelligence v4.0. Textract nennt Handschrift nur für Englisch; Googles Tabelle der Handschrift-Schriftsysteme enthält kein Arabisch.
-   Reines OCR kostet bei Google, Azure Read und Textract (geprüft am 15.11.2026) im Einstiegsvolumen 1,50 USD pro 1.000 Seiten, mit niedrigeren Tarifen bei hohem Volumen. Azures Rechnungs- und Layout-Modelle kosten 10 USD pro 1.000 Seiten.
-   Ein Vision-LLM rechnet eine Seite als Input-Tokens plus Antwort ab, die Kosten hängen also von Bildgröße und Ausgabelänge ab. Messen Sie sie mit usage.prompt\_tokens.
-   Kein Anbieter veröffentlicht einen unabhängigen Genauigkeitstest für Arabisch, den wir prüfen konnten. Bewerten Sie 50 bis 100 eigene Seiten, bevor Sie wählen.

**Auf dieser Seite**

1.  Welche OCR-APIs unterstützen Arabisch offiziell?
2.  Was kostet jede OCR-API für Arabisch pro 1.000 Seiten?
3.  Was kostet ein Vision-LLM pro Seite?
4.  Wie unterscheiden sich die Integrationsdetails?
5.  Welche OCR-API für Arabisch sollten Sie wählen?
6.  Wie testen Sie OCR-APIs für Arabisch mit Ihren eigenen Dokumenten?
7.  Wo BroadNet Inference ins Bild passt

Wer nach „Arabic OCR API“ sucht, findet meist Ranking-Seiten, die nicht sagen, woher ihre Bewertungen stammen. Diese Seite erledigt die engere Aufgabe, die Einkäufer brauchen. Für jede API zeigt sie, was die eigene Dokumentation des Anbieters über Arabisch sagt, was die API liefert und was eine Seite kostet. Jede Zahl wurde am 15. November 2026 von der Seite des Anbieters abgelesen. BroadRouter ist BroadNets Website, und BroadNet verkauft eine der Optionen unten (Vision-LLMs, kein OCR); wir sagen deshalb, wo die anderen besser sind.

Wenn Sie noch grundsätzlich zwischen OCR und einem Vision-LLM entscheiden, beginnen Sie mit [Arabisches OCR vs. Vision-LLMs](https://broadrouter.com/de/blog/arabic-ocr-vision-llm/). Dort steht, warum verbundene Schrift, Punkte und Zeilen mit gemischter Laufrichtung Arabisch schwierig machen. Dieser Beitrag setzt das voraus und hilft bei der Wahl des Anbieters.

## Welche OCR-APIs unterstützen Arabisch offiziell?

| API | Gedruckter arabischer Text | Arabische Handschrift | Was sie liefert |
| --- | --- | --- | --- |
| Google Cloud Vision (`DOCUMENT_TEXT_DETECTION`) | Ja, `ar`, als Modern Standard geführt | Nicht aufgeführt (arabische Schrift fehlt in der Handschrift-Tabelle) | Text mit Angaben zu Seite, Block, Absatz, Wort und Umbruch |
| Azure AI Document Intelligence, Read (`prebuilt-read`) | Ja, `ar` | Ja, in v4.0 (nicht in v3.1) | Gedruckter und handschriftlicher Text |
| Azure AI Document Intelligence, Layout (`prebuilt-layout`) | Ja, `ar` | Ja, in v4.0 | Text, Tabellen, Dokumentstruktur und Auswahlmarkierungen |
| Azure, vorgefertigte Modelle für Rechnung und Beleg | Rechnung führt Arabisch (`ar`); Thermobelege führen Arabisch | n/a | Benannte Rechnungs- und Belegfelder |
| Amazon Textract (Detect Document Text) | Ja, unter mehr als 40 Sprachen | Nein: „handwriting … in English only“ (Handschrift … nur auf Englisch) | Wörter und Zeilen, jeweils mit Bounding Box und Konfidenzwert |
| Mistral OCR (`mistral-ocr-latest`) | Ja, unter den Sprachen des Nahen Ostens geführt | Keine Angabe | Markdown pro Seite plus JSON-Felder: Tabellen, Bilder, Kopf- und Fußzeilen, Blöcke, Konfidenzwerte |
| Vision-LLM (Qwen3.8 27B, Gemma 4 VL 26B, DeepSeek V4.1 Flash bei BroadNet) | Liest arabische Bilder; keine OCR-Engine | Nicht dokumentiert | Was Sie anfordern: Text, Felder, JSON, eine Übersetzung |

Zwei Details zählen mehr als die Ja/Nein-Spalten:

-   **Textract schränkt mehr als nur Handschrift ein.** Seine FAQ sagt: „Handwriting, Invoices, and Receipts, Identity documents, and Queries processing are in English only.“ (Übersetzung: „Die Verarbeitung von Handschrift, Rechnungen und Belegen, Ausweisdokumenten und Queries erfolgt nur auf Englisch.“) Bei arabischen Dokumenten liefert Textract Text und Positionen, keine Rechnungsfelder.
-   **Azures arabische Handschrift ist neu in v4.0.** Die Handschrift-Tabelle von v3.1 enthält kein Arabisch. Legen Sie die API-Version fest, gegen die Sie testen.

Mistrals Sprachseite sagt, ihre Liste spiegle „languages with strong expected performance“ (Übersetzung: „Sprachen mit hoher erwarteter Leistung“) wider; das ist eine Aussage des Anbieters, kein gemessener Wert.

## Was kostet jede OCR-API für Arabisch pro 1.000 Seiten?

Preise in US-Dollar, am 15. November 2026 aus der Preisquelle jedes Anbieters abgelesen:

| API und Funktion | Kostenloses Kontingent | Einstiegspreis pro 1.000 Seiten | Preis bei hohem Volumen |
| --- | --- | --- | --- |
| Google Cloud Vision, Document Text Detection | Erste 1.000 Einheiten pro Monat | 1,50 USD (Einheiten 1.001 bis 5.000.000) | 0,60 USD über 5 Mio. Einheiten pro Monat |
| Azure Document Intelligence, Read (East US) | 500 Seiten pro Monat im kostenlosen Tarif | 1,50 USD | 0,60 USD nach der ersten Million Seiten |
| Azure Document Intelligence, Layout und vorgefertigte Modelle (East US) | Derselbe kostenlose Tarif | 10 USD | Commitment-Stufen stehen auf Azures Preisseite (die Preise laden im Browser; prüfen Sie Ihre Region) |
| Amazon Textract, Detect Document Text (US West, Oregon) | 1.000 Seiten pro Monat für neue AWS-Kunden, drei Monate lang | 1,50 USD (erste Million Seiten pro Monat) | 0,60 USD nach 1 Mio. Seiten |
| Mistral OCR | Keine Angabe | Pro 1.000 Seiten berechnet; der Betrag steht nicht im statischen HTML der Seite, wir konnten ihn daher nicht bestätigen | Laut Mistral halbiert Batch-Verarbeitung die API-Preise |

Google rechnet jede PDF-Seite als ein Bild ab und jede Funktion als eigene Einheit. Zwei Funktionen für eine Seite kosten zwei Einheiten. Azures Preis für vorgefertigte Modelle umfasst Layout, Rechnung und Beleg. Brauchen Sie strukturierte Rechnungsfelder von Azure, planen Sie mit dem Tarif von 10 USD, nicht mit dem Read-Tarif von 1,50 USD.

## Was kostet ein Vision-LLM pro Seite?

Ein Vision-LLM hat keinen Seitenpreis. Bei Pay-as-you-go-Schlüsseln von BroadNet sagt die Dokumentation, dass ein Bild „counts as input tokens at the model’s input price“ (Übersetzung: „als Input-Tokens zum Input-Preis des Modells zählt“) und ein größeres Bild mehr Tokens verbraucht. Die Seitenkosten sind die Bild-Tokens plus Ihr Prompt, plus die Antwort zum Output-Preis.

Bild-Tokens variieren nach Modell und Auflösung. Gemma 4 verwendet Budgets von 70, 140, 280, 560 oder 1.120 Tokens pro Bild, und Googles Dokumentation empfiehlt für beste Genauigkeit bei visuellen Aufgaben ein höheres Budget. Als Planungsgröße, nicht als Messung, nehmen Sie etwa 1.000 Input-Tokens und 300 Output-Tokens pro Seite:

| BroadNet-Modell | Input pro 1 Mio. | Output pro 1 Mio. | 1.000 Seiten bei etwa 1 Mio. Input und 0,3 Mio. Output |
| --- | --- | --- | --- |
| Gemma 4 VL 26B | $0.10 | $0.22 | $0.10 plus drei Zehntel von $0.22 |
| Qwen3.8 27B | $0.175 | $2.17 | $0.175 plus drei Zehntel von $2.17, plus Reasoning |
| DeepSeek V4.1 Flash | $0.175 | $0.52 | $0.175 plus drei Zehntel von $0.52, plus Reasoning |

Qwen3.8 27B und DeepSeek V4.1 Flash denken vor der Antwort nach, und Reasoning wird als Output abgerechnet. Halten Sie `max_tokens` bei 1.000 oder mehr oder setzen Sie `reasoning_effort` auf `low`, sonst kann die Antwort leer zurückkommen ([warum](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)). Messen Sie Ihre eigenen Seiten: Senden Sie zehn, lesen Sie `usage.prompt_tokens` und `usage.completion_tokens` aus und multiplizieren Sie. Der [Rechner für Bild-Tokens](https://broadrouter.com/tools/image-token-calculator/) und [Kosten von Vision-LLMs pro Bild](https://broadrouter.com/de/blog/cheapest-vision-llm-api/) erledigen die Rechnung.

Der Vergleich ist nicht eins zu eins. 1,50 USD pro 1.000 Seiten kaufen Rohtext und Positionen. Ein Vision-LLM-Aufruf kann Lieferant, USt-Nummer, Datum und Gesamtbetrag in derselben Anfrage als JSON liefern, was Ihnen den Parsing-Schritt erspart. Gemma 4 VL 26B ist außerdem durch das Startguthaben von $5 abgedeckt. Qwen3.8 27B und DeepSeek V4.1 Flash brauchen eine Aufladung.

## Wie unterscheiden sich die Integrationsdetails?

|  | Google Cloud Vision | Azure Document Intelligence | Amazon Textract | Mistral OCR | Vision-LLMs bei BroadNet |
| --- | --- | --- | --- | --- | --- |
| Eingabe | Bilder; PDF und TIFF über `DOCUMENT_TEXT_DETECTION` | Siehe die Dateitypliste des Read-Modells | Siehe die Dateitypliste von Textract | `image_url` (PNG, JPEG, AVIF und mehr) oder `document_url` (PDF, PPTX, DOCX und mehr) | Ein Bild pro Content-Element als `data:`\-URL; PDF-Seiten vorher in Bilder rendern |
| Sprachhinweis | Optionaler Hinweis `ar` | Optional; Microsoft rät ab, ihn zu setzen, wenn Sie nicht sicher sind | In der FAQ nicht behandelt | Keine Angabe | Im Prompt sagen: „Das Dokument ist auf Arabisch“ |
| Strukturierte Felder | Nein (nur Texthierarchie) | Ja, vorgefertigte Rechnung und Beleg | Rechnungen, Belege und Queries nur auf Englisch | Optionale Dokumentannotationen | JSON anfordern; strukturierte Ausgabe ist nur für Qwen3.8 27B dokumentiert |
| API-Form | Google Cloud API | Azure REST und SDKs | AWS SDKs | Mistral `/v1/ocr` | OpenAI-kompatibles `/v1/chat/completions` |

Microsofts Hinweis zu Sprachcodes lohnt sich, wenn Ihre Dokumente Arabisch und Englisch mischen: „Don’t provide the language code as the parameter unless you are sure of the language … Otherwise, the service may return incomplete and incorrect text.“ (Übersetzung: „Geben Sie den Sprachcode nicht als Parameter an, es sei denn, Sie sind sich der Sprache sicher … Andernfalls kann der Dienst unvollständigen und falschen Text liefern.“)

## Welche OCR-API für Arabisch sollten Sie wählen?

Eine einzige Antwort gibt es nicht, und kein Anbieter veröffentlicht einen unabhängigen Genauigkeitstest für Arabisch, den wir prüfen konnten. Wählen Sie zuerst nach Ausgabe, dann testen Sie:

1.  **Sie brauchen durchsuchbaren Text aus langen gescannten Archiven.** Google Cloud Vision, Azure Read oder Textract. Alle drei führen gedruckten arabischen Text zum selben Einstiegspreis. Wählen Sie die Cloud, die Sie bereits für Speicher und Identität nutzen.
2.  **Sie brauchen arabische Handschrift.** Azure Document Intelligence v4.0 ist die einzige OCR-API hier, die sie führt. Testen Sie auf denselben Seiten auch ein Vision-LLM, da keines davon Handschrift in irgendeiner Richtung dokumentiert.
3.  **Sie brauchen Rechnungsfelder aus arabischen Rechnungen.** Vergleichen Sie Azures vorgefertigtes Rechnungsmodell (10 USD pro 1.000 Seiten) mit einem Vision-LLM, das JSON liefert. Bei BroadNet ist Qwen3.8 27B das Modell mit dokumentierter strukturierter Ausgabe. [Arabische Rechnungen mit einem Vision-Modell lesen](https://broadrouter.com/de/guides/read-arabic-invoices-with-vision/) enthält funktionierenden Code.
4.  **Sie wollen Markdown mit Tabellen für RAG.** Mistral OCR liefert Markdown pro Seite mit Tabellen und Blöcken. Bestätigen Sie den aktuellen Seitenpreis auf Mistrals Preisseite.
5.  **Sie brauchen Felder, Übersetzung und Zusammenfassung in einem Aufruf.** Ein Vision-LLM. Die Pipeline mit Validierung steht in [Rechnungsdaten mit einem Vision-LLM als JSON extrahieren](https://broadrouter.com/de/blog/extract-data-from-documents-with-vision-llm/).

## Wie testen Sie OCR-APIs für Arabisch mit Ihren eigenen Dokumenten?

1.  **Wählen Sie 50 bis 100 echte Seiten**: saubere PDFs, Handyfotos, verblasste Thermobelege, gestempelte Rechnungen und, falls vorhanden, handschriftliche Formulare.
2.  **Tippen Sie eine Ground Truth** für die Felder ab, die Ihnen wichtig sind. Behalten Sie ostarabische Ziffern (٠١٢٣) wie gedruckt und vermerken Sie sie gesondert.
3.  **Bewerten Sie Zeichen und Felder getrennt.** Die [Zeichenfehlerrate](https://broadrouter.com/de/glossary/character-error-rate/) zeigt die Lesequalität. Die Feldgenauigkeit (Gesamtbetrag, Datum, USt-Nummer) zeigt die geschäftliche Qualität. Ein Ziffernfehler im Gesamtbetrag wiegt schwerer als zehn in der Fußzeile.
4.  **Prüfen Sie die Reihenfolge in gemischten Zeilen.** Eine Zeile wie „الإجمالي: 1,250.00 SAR“ kann mit der Zahl vor der Beschriftung zurückkommen. Das ist ein Problem der bidirektionalen Reihenfolge, kein Erkennungsfehler, aber Ihr Parser muss trotzdem damit umgehen.
5.  **Validieren Sie Zahlen im Code**, egal was Sie wählen: Die Positionen ergeben den Gesamtbetrag, die USt passt zum Satz, und Daten lassen sich parsen. Fehlschläge gehen in eine [Warteschlange zur menschlichen Prüfung](https://broadrouter.com/de/blog/document-review-queues/).

## Wo BroadNet Inference ins Bild passt

BroadRouter ist BroadNets Website. BroadNet Inference verkauft keine OCR-Engine. Es verkauft Vision-LLMs über eine OpenAI-kompatible API: Qwen3.8 27B, BroadNet Gemma 4 VL 26B und DeepSeek V4.1 Flash, die alle Bilder akzeptieren. Brauchen Sie den günstigsten Rohtext aus Millionen gescannter Seiten oder arabische Handschrift mit Positionen, passt eine der klassischen OCR-APIs oben besser. BroadNet passt, wenn Sie Felder oder JSON aus arabischen Dokumenten wollen, mit [Zero Data Retention](https://broadrouter.com/de/privacy/): BroadNet gibt an, dass Inferenzinhalte nicht gespeichert werden. Probieren Sie Gemma 4 VL 26B mit dem Startguthaben von $5 aus, oder lesen Sie die [API-Referenz](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-arabic-ocr-api-comparison&utm_content=body) und [holen Sie sich einen Schlüssel](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-arabic-ocr-api-comparison&utm_content=body).

Kostenlose Tools zum Thema (auf Englisch)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Kostenlose Tools (auf Englisch)](https://broadrouter.com/tools/)

## Begriffe in diesem Artikel

[Token](https://broadrouter.com/de/glossary/token/)

Ein Token ist die Texteinheit, die ein Sprachmodell liest und schreibt: ein Wort, ein Wortteil, ein Satzzeichen oder eine Bytefolge, die der Tokenizer des Modells erzeugt. LLM-APIs zählen, begrenzen und berechnen die Nutzung meist in Tokens.

[Texterkennung (OCR)](https://broadrouter.com/de/glossary/ocr/)

Optische Zeichenerkennung (OCR) ist eine Technik, die gedruckten oder handgeschriebenen Text in einem Bild, Scan oder PDF erkennt und in maschinenlesbare Zeichen umwandelt. Klassische OCR liefert Text und seine Position auf der Seite; Vision-Language-Modelle können Text lesen und direkt Fragen dazu beantworten.

[Input- und Output-Tokens](https://broadrouter.com/de/glossary/input-and-output-tokens/)

Input-Tokens sind die Tokens, die ein Sprachmodell in einer Anfrage liest, einschließlich System-Prompt, Gesprächsverlauf, Tool-Definitionen und Bildern. Output-Tokens sind die Tokens, die es als Antwort erzeugt, einschließlich Reasoning. LLM-APIs berechnen beide meist getrennt, und Output ist in der Regel teurer.

[Bild-Tokens (Image Tokens)](https://broadrouter.com/de/glossary/image-tokens/)

Bild-Tokens sind die Input-Tokens, mit denen ein Vision-Language-Modell ein Bild im Prompt darstellt. Anbieter berechnen sie aus der Bildgröße, meist indem sie das Bild nach dem Skalieren in Patches oder Kacheln fester Größe zerlegen, und rechnen sie wie Text-Input-Tokens ab. Größere Bilder kosten also mehr.

[Tool Calling (Function Calling)](https://broadrouter.com/de/glossary/tool-calling/)

Tool Calling, auch Function Calling genannt, ist eine Funktion von LLM-APIs, bei der das Modell eine strukturierte Anfrage zurückgibt, eine vom Entwickler definierte Funktion mit JSON-Argumenten auszuführen. Die Anwendung führt die Funktion aus und sendet das Ergebnis zurück; das Modell selbst führt nie Code aus.

[Zero Data Retention (ZDR)](https://broadrouter.com/de/glossary/zero-data-retention/)

Zero Data Retention (ZDR) ist eine Datenrichtlinie, bei der ein KI-Anbieter Prompts und Outputs nur zur Bearbeitung einer Anfrage verarbeitet und diese Inhalte danach nicht speichert, weder in Logs noch in Caches oder Trainingsdaten. Inhaltsfreie Daten wie Token-Zahlen und Zeiten werden meist weiterhin aufbewahrt.

[Batch API](https://broadrouter.com/de/glossary/batch-api/)

Eine Batch API ist ein asynchroner LLM-Endpoint, der viele Anfragen auf einmal annimmt, meist als Datei, sie innerhalb eines festgelegten Zeitfensters statt sofort verarbeitet und die Ergebnisse gesammelt zurückgibt. Anbieter wie OpenAI und Anthropic berechnen Batch-Anfragen mit Rabatt gegenüber ihren Standard-APIs.

[OpenAI-kompatible API](https://broadrouter.com/de/glossary/openai-compatible-api/)

Eine OpenAI-kompatible API ist eine HTTP-API, die dieselben Anfrage- und Antwortformate wie die OpenAI API akzeptiert, etwa POST /v1/chat/completions. OpenAI-SDKs und Tools können sie deshalb nutzen, wenn nur Basis-URL, API-Schlüssel und Modellname geändert werden.

## Häufige Fragen

### Welche OCR-API unterstützt Arabisch?

Am 15. November 2026 führten Google Cloud Vision, Azure AI Document Intelligence, Amazon Textract und Mistral OCR gedruckten arabischen Text in ihrer eigenen Dokumentation. Vision-LLM-APIs wie Qwen3.8 27B, Gemma 4 VL 26B und DeepSeek V4.1 Flash bei BroadNet Inference lesen ebenfalls arabische Bilder, sind aber Chat-Modelle, keine OCR-Engines.

### Welche API liest arabische Handschrift?

Von den vier OCR-APIs führt nur Azure Document Intelligence v4.0 Arabisch für handschriftlichen Text, im Read- und im Layout-Modell. Textract nennt Handschrift nur für Englisch, und Googles Tabelle der Handschrift-Schriftsysteme enthält die arabische Schrift nicht. Vision-LLMs machen zu Handschrift keine Angaben, testen Sie sie also mit eigenen Beispielen.

### Was kostet arabisches OCR pro 1.000 Seiten?

Im Einstiegsvolumen 1,50 USD pro 1.000 Seiten bei Google Cloud Vision Document Text Detection, Azure Document Intelligence Read und Amazon Textract Detect Document Text (geprüft am 15. November 2026). Alle drei sinken bei hohem Volumen auf 0,60 USD. Azures Layout- und vorgefertigtes Rechnungsmodell kosten 10 USD pro 1.000 Seiten.

### Kann Amazon Textract Arabisch lesen?

Bei gedrucktem Text ja. Die Textract-FAQ (geprüft am 15. November 2026) sagt, dass es gedruckten Text, auch in rechtsläufigen und gemischtschriftlichen Dokumenten, in mehr als 40 Sprachen einschließlich Arabisch erkennt. Sie sagt auch, dass Handschrift, Rechnungen und Belege, Ausweisdokumente und Queries nur auf Englisch funktionieren.

### Sollte ich für arabische Rechnungen eine OCR-API oder ein Vision-LLM verwenden?

Nutzen Sie OCR, wenn Sie jedes Wort mit seiner Position brauchen, für Suche oder Archive. Nutzen Sie ein Vision-LLM, wenn Sie benannte Felder wie Lieferant, USt-Nummer und Gesamtbetrag als JSON brauchen. Ein gängiges Muster ist beides: OCR für durchsuchbaren Text, ein Vision-LLM für die Felder, mit denen Sie arbeiten, dann Prüfungen im Code.

### Welches BroadNet-Modell kann aus einem arabischen Dokument strukturiertes JSON liefern?

Qwen3.8 27B. BroadNets Dokumentation führt Tools und strukturierte Ausgabe für Qwen3.8 27B und GLM 5.3, und GLM 5.3 verarbeitet nur Text. Gemma 4 VL 26B und DeepSeek V4.1 Flash akzeptieren Bilder, aber strukturierte Ausgabe ist für sie nicht aufgeführt; fordern Sie JSON also im Prompt an und validieren Sie es.

## Weiterlesen

-   [Arabische OCR vs. Vision-LLM: Dokumente und Rechnungen lesen](https://broadrouter.com/de/blog/arabic-ocr-vision-llm/)
-   [Günstigste Vision-LLM-API: Kosten pro Bild und pro Seite berechnet](https://broadrouter.com/de/blog/cheapest-vision-llm-api/)
-   [Rechnungs-, Beleg- und Formulardaten mit einem Vision-LLM als JSON](https://broadrouter.com/de/blog/extract-data-from-documents-with-vision-llm/)
-   [JSON Mode vs. json\_schema: strukturierte Ausgabe, die hält](https://broadrouter.com/de/blog/structured-output-json-schema/)
-   [Menschliche Prüfung als festen Teil Ihres Dokumenten-KI-Workflows](https://broadrouter.com/de/blog/document-review-queues/)
-   [Arabischen Text per LLM vokalisieren: Prompt, Prüfung, DER](https://broadrouter.com/de/blog/arabic-diacritization-llm/)
-   [Arabische Grammatik- und Rechtschreibkorrektur per LLM: Anleitung](https://broadrouter.com/de/blog/arabic-grammar-spelling-correction-llm/)
-   [Anleitung: Arabische Rechnungen und Belege mit einem Vision-Modell auslesen](https://broadrouter.com/de/guides/read-arabic-invoices-with-vision/)
-   [Anleitung: Warum ein Reasoning-Modell eine leere Antwort liefert](https://broadrouter.com/de/guides/reasoning-tokens-empty-response/)

Testen Sie es mit Ihrem echten Workload. Neue Konten starten mit USD 5 Guthaben für Gemma und Transkription. DeepSeek, GLM und Qwen3.8 erfordern eine Aufladung.

[Loslegen](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-arabic-ocr-api-comparison&utm_content=page-cta) ·

**Quellen**

-   [Google Cloud Vision, Sprachunterstützung für OCR: Arabisch (ar) unterstützt, Tabelle der Handschrift-Schriftsysteme (geprüft am 15.11.2026)](https://docs.cloud.google.com/vision/docs/languages)
-   [Google Cloud Vision, Text in Bildern erkennen: Ausgabe von TEXT\_DETECTION vs. DOCUMENT\_TEXT\_DETECTION (geprüft am 15.11.2026)](https://docs.cloud.google.com/vision/docs/ocr)
-   [Preise von Google Cloud Vision: Document Text Detection pro 1.000 Einheiten, die ersten 1.000 kostenlos, PDF-Seiten als Bilder abgerechnet (geprüft am 15.11.2026)](https://cloud.google.com/vision/pricing)
-   [Microsoft Learn, Sprachunterstützung von Document Intelligence Read und Layout: Arabisch gedruckt und handschriftlich in v4.0 (geprüft am 15.11.2026)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/ocr?view=doc-intel-4.0.0)
-   [Microsoft Learn, Sprachunterstützung der vorgefertigten Modelle von Document Intelligence: Rechnung und Beleg führen Arabisch (geprüft am 15.11.2026)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/language-support/prebuilt?view=doc-intel-4.0.0)
-   [Azure Retail Prices API, Zähler von Azure Document Intelligence S0 in East US: Read- und Pre-built-Seiten (geprüft am 15.11.2026)](https://prices.azure.com/api/retail/prices?$filter=serviceName%20eq%20%27Foundry%20Tools%27%20and%20productName%20eq%20%27Azure%20Document%20Intelligence%27%20and%20armRegionName%20eq%20%27eastus%27)
-   [Preisseite von Azure Document Intelligence: kostenloser Tarif mit 500 Seiten pro Monat (geprüft am 15.11.2026)](https://azure.microsoft.com/en-us/pricing/details/ai-document-intelligence/)
-   [FAQ zu Amazon Textract: gedruckter Text in über 40 Sprachen einschließlich Arabisch; Handschrift nur Englisch (geprüft am 15.11.2026)](https://aws.amazon.com/textract/faqs/)
-   [Preise von Amazon Textract: Beispiele für Detect Document Text, US West (Oregon) (geprüft am 15.11.2026)](https://aws.amazon.com/textract/pricing/)
-   [Mistral-Dokumentation, OCR-Prozessor: Ausgabefelder und Eingaben (geprüft am 15.11.2026)](https://docs.mistral.ai/capabilities/document_ai/basic_ocr/)
-   [Mistral-Dokumentation, unterstützte Sprachen: OCR führt Arabisch (geprüft am 15.11.2026)](https://docs.mistral.ai/resources/languages)
-   [Mistral-Preise: OCR pro 1.000 Seiten berechnet (geprüft am 15.11.2026)](https://mistral.ai/pricing)
-   [API-Referenz von BroadNet Inference: Bildeingabe, Vision-Modelle, Tools und strukturierte Ausgabe (geprüft am 15.11.2026) (auf Englisch)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Maschinenlesbare Preise von BroadNet Inference, pricing.json (geprüft am 15.11.2026) (auf Englisch)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=de-blog-arabic-ocr-api-comparison&utm_content=sources)
-   [Google-Dokumentation zu Gemma, Vision: Bild-Token-Budgets von 70 bis 1.120 Tokens (geprüft am 15.11.2026)](https://ai.google.dev/gemma/docs/capabilities/vision)
