Aktivierung der Volltextsuche

Textextraktion auf dem Server

Im Hintergrund läuft auf dem Server ein asynchroner Prozess, der kontinuierlich neue und geänderte Inhalte verarbeitet. Dabei werden folgende Quellen ausgewertet:

E-Mails	eingehende und ausgehende Nachrichten, die Akten zugeordnet sind
beA Nachrichten	Nachrichten über das besondere elektronische Anwaltspostfach
Akteneinträge	Texte und Notizen, die direkt in einem Akteneintrag erfasst wurden
Anhänge von Akteneinträgen	angehängte Dokumente in verschiedenen Dateiformaten

Für jede dieser Quellen extrahiert der Prozess den Textinhalt und speichert ihn zusammen mit einem Verweis auf die Herkunft (Akteneintrag, Dateiname, Anlagedatum usw.) in der Datenbank. Durch eine Indexierung auf Basis von PostgreSQL werden die Texte so aufbereitet, dass spätere Suchanfragen schnell und effizient beantwortet werden können.

Damit der Index aktuell bleibt, reagiert der Prozess automatisch auf Änderungen:

Neu hochgeladene Anhänge werden unmittelbar nach dem Speichern zur Extraktion vorgemerkt.
Geänderte Dokumente werden erneut verarbeitet und der Index aktualisiert.
Gelöschte Anhänge werden aus der Datenbank entfernt, um Speicherplatz zu sparen. Wird hingegen ein ganzer Akteneintrag oder eine komplette Akte gelöscht, bleibt der extrahierte Text vorübergehend erhalten und erscheint in der Suche – kann aber nicht geöffnet werden.
Bestehende Dateien (Altbestand) werden nachträglich verarbeitet, wobei neuere Dateien Vorrang haben.

Je nach Umfang des vorhandenen Dateibestands kann die initiale Verarbeitung einige Zeit in Anspruch nehmen.

Aktivierung der Textextraktion

Die automatische Textextraktion ist standardmäßig deaktiviert.
Mit Admin Rechten können Sie die Volltextsuche aktivieren und konfigurieren.
Sie finden die Einstellungen unter:
Kanzlaw → Einstellungen → Kanzlei → Statistik

Konfiguration der Volltextsuche Textextraktion

Erst nach der Aktivierung beginnt der Server, Texte zu extrahieren und zu indexieren. Ohne aktive Textextraktion liefert die Dokumentensuche keine Ergebnisse, da keine Inhalte zum Durchsuchen vorliegen.

Hinweis für Administratoren: Die gespeicherten Textinhalte vergrößert die Datenbank und damit auch das Volumen Ihrer Backups. Prüfen Sie vor der Aktivierung, ob der verfügbare Speicherplatz ausreicht, und planen Sie bei Bedarf eine Erweiterung ein.

Unterstützte Dateiformate

Die Volltextsuche verarbeitet eine breite Palette gängiger Dateiformate. Bei bildbasierten Formaten wird eine KI-gestützte OCR-Technologie (Tesseract-OCR) eingesetzt, um den enthaltenen Text zu erkennen.

Textdokumente

Format	Beschreibung
DOC	Älteres Microsoft-Word-Format (vor Word 2007). Weit verbreitet in Kanzleien mit älteren Dokumentenbeständen.
DOCX	Aktuelles Microsoft-Word-Format auf XML-Basis. Standard für moderne Schriftsätze, Verträge und Korrespondenz.
RTF	Rich Text Format – formatierter Text, der von nahezu allen Textverarbeitungsprogrammen gelesen werden kann.
TXT	Einfaches Klartextformat ohne Formatierung. Ideal für Protokolle, Notizen oder exportierte Textdaten.

Bildbasierte Formate (OCR)

Bei diesen Formaten wird der Text mithilfe von Texterkennung (OCR) aus dem Bild extrahiert. Die Qualität hängt von der Bildauflösung und Klarheit des Originals ab.
Bei schlechter Bildqualität, schiefen Scans oder handschriftlichen Inhalten kann die Erkennung eingeschränkt sein.

Format	Beschreibung
PDF	Portables Dokumentenformat. Häufig für Schriftsätze, Urteile und behördliche Dokumente. Gescannte PDFs ohne eingebetteten Text werden per OCR ausgewertet.
JPEG / JPG	Komprimiertes Bildformat. Typisch für fotografierte Dokumente oder eingescannte Seiten.
PNG	Verlustfreies Bildformat. Geeignet für Screenshots und hochauflösende Scans.
GIF	Älteres Bildformat mit begrenzter Farbtiefe. Selten für Dokumente, gelegentlich für einfache Grafiken.
BMP	Unkomprimiertes Windows-Bitmap-Format. Erzeugt große Dateien, liefert aber verlustfreie Bildqualität.
TIFF / TIF	Hochauflösendes Bildformat, das häufig von professionellen Scannern erzeugt wird. Besonders geeignet für mehrseitige Scans.
HEIF / HEIC	Modernes Apple-Bildformat, das von iPhones und iPads verwendet wird. Für Fotos von Dokumenten, die mit mobilen Geräten aufgenommen wurden.

Strukturierte Daten

Format	Beschreibung
XML	Strukturiertes Textformat auf Basis von Tags. Wird u. a. für maschinenlesbare Rechnungen, Datenaustausch und behördliche Übermittlungen genutzt.

Verwenden Sie regelmäßig ein Format, das in der Liste nicht enthalten ist?
Teilen Sie uns dies bitte mit – wir prüfen die Integration für ein künftiges Update.

Extraktionsstatus einer Datei prüfen

Sie können jederzeit nachsehen, ob der Textinhalt einer bestimmten Datei bereits extrahiert wurde. Wählen Sie dazu das Dokument innerhalb eines Akteneintrags im Popover aus. In der Schnellansicht oben links erscheint ein Icon, das den Extraktionsstatus anzeigt:

Erfolgreich extrahiert
Das Icon signalisiert eine abgeschlossene Verarbeitung. Über das Icon können Sie den extrahierten Rohtext direkt einsehen.
Noch nicht verarbeitet oder Extraktion fehlgeschlagen
Ein entsprechender Hinweis wird angezeigt. Dateien, bei denen die Extraktion fehlgeschlagen ist, werden in der Suche nicht berücksichtigt.