Papierloses Büro

Konzept zur Realisierung eines papierlosen Büros

Inhaltsverzeichnis

Architektur, Workflow

Die Scans werden in einem lokalen Verzeichnis (raw) gespeichert und im Archiv abgelegt.
- Da dieser Schritt aufwändig ist, soll er bei Bedarf (z.B. höhere Auflösung, mehr Farben erforderlich) nicht wiederholt werden müssen, sondern man kann die Scans aus dem HSM holen.
Die Scans werden in ein anderes lokales Verzeichnis (work) kopiert, in dem folgende Bearbeitungsschritte erfolgen:
- ggfs. Reduzierung der Auflösung und der Farben mit ImageMagick
- Entfernung von Artefakten (Dreck)
- Entfernung von leeren Seiten
- OCR
- Erzeugung von PDF/A
- Indexierung
Die Dokumente (PDF/A) und ihr Index werden in ein ownCloud-Verzeichnis bei der GWDG (final) synchronisiert.
Man sucht und betrachtet die Dokumente per Web-Interface in "final". Bei Bedarf kann man sich einzelne Unterverzeichnisse auf einen lokalen Rechner synchronisieren.
inotify meldet einen neuen File und stößt nächsten Schritt an.
Für jede Nutzergruppe/Scanner (= ACL-Kombination) gibt es eine eigene Verarbeitungskette.
Die Zugriffsrechte werden mit den Bordmitteln von ownCloud geregelt.

Einscannen mit Raspberry Pi, Ubuntu-PC 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.

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

tesseract-ocr
- beste Lösung für automatisierten Betrieb
- wird von Google genutzt (z.B. fürGoogle Books) und gepflegt

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. OCRmyPDF wandelt das PDF eines Scans in PDF/A und macht dabei u.a.: Geradeziehen, Säubern, OCR, PDF/A-Validierung. positiv getestet

siehe auch:

Langzeitarchivfähige Dateiformate
Technische Standards für die Ablieferung von Netzpublikationen - u.a. Tipps zur Erstellung PDF/A-konformer Dateien
freier PDF/A-Validator Vera PDF - bietet Installer für Linux
JHOVE - in Projekt, um ein erweiterbares Tool zur Formatvalidierung zu entwickeln

Wenn das PDF/A nicht dem Standard entspricht, wird es über kurz oder lang Probleme geben, die nur mit viel Arbeit zu beheben sind.

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, Mitarbeiter) arbeiten, so dass diese wissen, wo sie suchen müssen bzw. ggfs. muss man nicht oft suchen.

Präferierte Hardware:

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

Scannen
- Welche Scanner verwenden?
- Mit wieviel dpi scannen? Soll zukunftssicher sein. Kann in einem nächsten Schritt heruntergereechnet werden.
- Mit wieviel Farben scannen? Soll zukunftssicher sein. Kann in einem nächsten Schritt heruntergereechnet werden.
- In welchem Format sollen diese Rohdaten archiviert werden?
- Wie kann man einen RPi mit LCP-Display (oder diesem Display) zur Steuerung des Scanners, der an einem Ubuntu-PC hängt, nutzen?
Post-Processing der Scans
- Mit welchen Tools erledigt man am besten folgende Aufgaben im Processing:
  - Geraderücken
  - Ränder entfernen, wenn z.B. nur eine Visitenkarte eingescannt wurde
  - Falten, Dreck, Grauschleier entfernen

Anmerkungen, Anregungen, Verbesserungsvorschläge hinterlasse man bitte auf der Diskussionsseite