Papierloses Büro

Gedanken zur Realisierung eines papierlosen Büros

Architektur

• Scans werden in ownCloud-Ordnern gespeichert. Alles Tools, Server und Nutzer greifen auf diese Ordner zu.
• Für die einzelnen Verarbeitungsschritte gibt es 3 Ordner: für Rohmaterial, Zwischenschritte und Endablage.
• Diese 3-er-Gruppe gibt es für jede Nutzergruppe.

• inotify meldet einen neuen File und stößt nächsten Schritt an.

Scannen

Einscannen mit Raspberry Pi und Scanner

• Raspberry Pi und Dokumentenarchivierung

• Raspberry Pi und SANE als Netzwerkscanner im Einsatz]

• Raspberry-Server für Duplex-Dokumentenscanner]

• Fujitsu Scansnap ix500 mit Raspbian (Raspberry Pi) als Scanserver nutzen]

• Fujitsu ScanSnap iX500] - ein gerne verwendeter Scanner - Hier bitte beachten, dass der Drucker nicht TWAIN-Kompatibel ist. Damit ist z.B. eine Weiterleitung/Nutzung in einer Citrix XenApp-Session und auch Grafik-Software, die nur auf TWAIN setzt, nicht möglich. Siehe auch HIER.

• Herr Breinlinger bietet Support für seine Lösung an. Wenn man den Scanner an einen Ubuntu-PC hängt und nicht an einen Raspberry Pi, läuft die Lösung stabiler.

Ablegen

• in ownCloud-Ordnern
• Alles Tools, Server und Nutzer greifen auf diese Ordner zu.
• Es gibt verschiedene Ordner:
  • Scan - für Scans, bleiben dort erhalten bis alles fertig ist bzw. 1 Woche
  • Work - hier spielen sich alle Verarbeitungsschritte bis zum PDF/A ab. Wenn PDF/A entstanden, werden die Vorstufen abgeräumt und das PDF/A in die finalen Ordner verschoben
  • Ordner nach Inhalt oder Nutzergruppe benannt - dorthin wird das PDF/A verschoben und dann indexiert
• Für jede Nutzergruppe (= ACL-Kombination) gibt es eine eigene Kette.

Konvertieren

Konvertieren, wenn Scanner ungeeignete Formate für das Postprocessing ausspucken.

Nachbearbeitung der Scans

• unpaper (home) - Kommandozeilenprogramm zur Nachbearbeitung von fotokopierten/gescannten Bild- und Textvorlagen.

• unpaper wird wohl nicht mehr weiterentwickelt, so dass imagemagick eine Alternative wäre, z.B. despeckle

OCR

• tesseract-ocr

  • beste Lösung für automatisierten Betrieb

  • wird von Google genutzt (z.B. fürGoogle Books) und gepflegt

Erkanntes in PDF integrieren

• mit PDF/A-1a – Level A (Accessible) conformance: sowohl eindeutige visuelle Reproduzierbarkeit als auch Abbildbarkeit von Text nach Unicode und inhaltliche Strukturierung des Dokuments, so dass es im Sinne der Barrierefreiheit von einem Screenreader vorgelesen werden kann.

• OCRmyPDF - Kommandozeilenprogramm, um für eingescannte PDF-Dateien eine durchsuchbare Textebene zu erstellen.

Erkanntes indexieren

Volltextsuche mit Recoll - Dieser Beitrag erläutert die Einrichtung bis zum Ausbau als Dokumentenzentrale im Netz mit Hilfe von Recoll WebUI

• recoll verarbeitet im Netzwerk auch Anfragen über den Webbrowser.
• indexiert (mit geeigneten Filtern): .pdf, .doc, .tar, .zip, .ps, .rtf, .tex, .txt, .html, ...
• ggfs. 1x/h incrementelle Indexierung anstoßen

offene Fragen:

• Index über alle finalen Ordner (Problem: Man kann finden, was man nicht lesen darf.) oder für jede Nutzergruppe einzeln (Problem: Man muss mehrmals suchen). Man sollte mit wenigen Nutzergruppen (Direktoren, Fußvolk) arbeiten, so dass diese wissen wo sie suchen müssen bzw. ggfs. muss man nicht oft suchen.

Siehe auch

• Paperwork ist ein in Python verfasstes Programm zur Digitalisierung, Indexierung und Archivierung von Dokumenten aller Art.

Anmerkungen, Anregungen

Anmerkungen, Anregungen, Verbesserungsvorschläge hinterlasse man bitte auf der Diskussionsseite