Veröffentlicht 2026-09-13

FIN-, Kilometerstand- und Kennzeichen-OCR: Manuelle Dateneingabe in der Flottenverwaltung eliminieren

Kurzfassung: Eine FIN besteht aus 17 Buchstaben und Zahlen ohne offensichtliches Muster zum Abgleichen, was sie zu einer der am leichtesten falsch eingegebenen und am schwersten zu erkennenden Fehlerquellen macht. Sie direkt aus einem Foto per KI-Bildanalyse auszulesen, entfernt diesen Schritt vollständig, aber nur, wenn die Fotoaufnahme selbst gut genug angeleitet wird, um der OCR eine saubere Vorlage zu liefern.

Warum die Eingabe von FIN- und Kilometerstanddaten in der Praxis scheitert

Ein FIN-Schild ist klein, oft verschmutzt oder teilweise abgenutzt und wird in dem Winkel fotografiert, in dem der Fahrer gerade steht. Jemand im Backoffice liest dieses Foto dann und tippt die FIN von Hand in ein System ein. Ein einziger vertauschter Buchstabe erzeugt eine FIN, die auf ein völlig anderes Fahrzeug verweist, und sofern niemand sie gegen einen anderen Datensatz abgleicht, kann der Fehler monatelang im System bleiben.

Kilometerstände und Kennzeichen haben dasselbe Problem in kleinerem Maßstab: Die Zahlen sind kurz genug, dass ein Fehler plausibel aussieht, sodass nichts ihn auffällt. Das Problem ist nicht der einzelne Fehler. Es ist, dass Flotten selten wissen, wie viele solcher kleinen Übertragungsfehler in ihren Datensätzen stecken, bis eine Unstimmigkeit ein echtes Problem verursacht, etwa einen Anspruch, der dem falschen Fahrzeug zugeordnet ist.

Was OCR wirklich braucht, um zuverlässig zu funktionieren

Die Texterkennung auf einem FIN-Schild-Foto funktioniert nur so gut wie das Foto, das sie bekommt. Das läuft auf ein paar konkrete Anforderungen hinaus.

• Ein gerader Blickwinkel. Ein in einem steilen Winkel fotografiertes FIN-Schild verzerrt die Zeichen so stark, dass selbst ein Mensch Mühe hat, sie zu lesen, geschweige denn ein OCR-Modell.
• Genug Licht ohne Blendung. Metallene FIN-Schilder reflektieren direktes Licht leicht, was genau die Zeichen überstrahlen kann, auf die es am meisten ankommt.
• Die vollständige Zeichenfolge im Bild. Ein Foto, das die ersten oder letzten paar Zeichen abschneidet, ist oft schlimmer als gar kein Foto, weil es vollständig aussieht, es aber nicht ist.

Wie KI-Bildanalyse in einen fahrerseitigen Workflow passt

Nichts davon kann von einem Fahrer erwartet werden, mitten in einem Rundgang selbst zu beurteilen. Die Fotoprüfung von TraxAgent kontrolliert jedes FIN-, Kilometerstand- und Kennzeichenfoto direkt bei der Aufnahme und bittet den Fahrer sofort um eine neue Aufnahme, wenn Winkel, Licht oder Bildausschnitt kein lesbares Ergebnis liefern würden. FIN, Kilometerstand und Kennzeichen werden anschließend direkt aus dem akzeptierten Foto per OCR extrahiert, sodass die Nummer, die in der Fallakte landet, genau die ist, die die Kamera tatsächlich aufgenommen hat, keine Abschrift davon.

Was sich dadurch für die Flottenverwaltung ändert

Der unmittelbare Effekt sind weniger falsche FIN im System, was wichtiger ist, als es klingt: Ein Schadensfall, der dem falschen Fahrzeug zugeordnet ist, kann lange dauern, bis er entwirrt ist, besonders wenn er bereits an einen Gutachter oder Versicherer weitergeleitet wurde. Der zweite Effekt ist, dass Backoffice-Mitarbeitende nicht mehr als manuelle Qualitätskontrolle für Daten fungieren müssen, die eine Kamera und ein Modell zuverlässiger lesen können als eine Person, die von einem Foto abtippt.

Häufig gestellte Fragen