Kurz beantwortet
Ziehst du ein Fenster auf Docsi, nimmt er über die Bildschirmaufnahme-Schnittstelle des Systems ein einzelnes Bild dieses Fensters auf und liest den sichtbaren Text lokal per Texterkennung. Erfasst wird nur, was gerade sichtbar ist – kein verdeckter Inhalt, keine anderen Tabs. Auf dem Mac ist dafür einmal die Freigabe „Bildschirmaufnahme“ nötig. Lässt sich der Text markieren, liefert Kopieren und Einfügen oft genauere Ergebnisse.
Das Wichtigste in Kürze
- Docsi nimmt ein einzelnes Bild des Fensters auf und liest den Text lokal.
- Erfasst wird nur der sichtbare Bereich, keine anderen Tabs.
- Auf dem Mac ist einmal die Freigabe „Bildschirmaufnahme“ nötig.
- Größere Schrift und heller Hintergrund verbessern die Erkennung.
- Markierbarer Text lässt sich durch Kopieren genauer übernehmen.
Was ein Fensterbild enthält
Fenster-Drop kann den sichtbaren Inhalt eines ausgewählten Fensters als Bild erfassen. Darin stecken keine unsichtbaren PDF-Seiten, Tabellenblätter oder vollständigen Webseiten. Lokale Texterkennung kann sichtbaren Text daraus aufbereiten.
Für ganze Dokumente ist der Dateiimport die bessere Quelle. Ein Link allein ist ebenfalls kein Nachweis, dass Docsi den Inhalt der verlinkten Seite gelesen hat.
Die Ansicht bewusst vorbereiten
- Zeige nur das Fenster und den Abschnitt, den die Aufgabe braucht. Schließe vertrauliche Überlagerungen.
- Nutze eine gut lesbare Vergrößerung und bringe die benötigten Zeilen in den sichtbaren Bereich.
- Übergib das Fenster an Docsi und kontrolliere die erfasste Vorschau sowie erkannten Text.
- Beschreibe die Aufgabe passend zum Ausschnitt. Für weitere Seiten füge die Originaldatei hinzu.
Systemfreigaben und fehlende Inhalte
Unter macOS braucht die Fensteraufnahme die Bildschirmaufnahme-Freigabe. Unterstützte Bediengesten und Systemverhalten unterscheiden sich zwischen Windows und macOS. Wenn keine brauchbare Vorschau erscheint, verwende den Dateiimport und melde das Problem mit deinem Systemstand.
Wie die Fensteraufnahme technisch funktioniert
Unter Windows nutzt Docsi die öffentliche Schnittstelle Windows.Graphics.Capture, auf dem Mac ScreenCaptureKit von Apple. Beide liefern ein Bild genau des gewählten Fensters. Docsi wandelt dieses Bild in eine PNG-Datei um und liest den Text daraus mit derselben lokalen Texterkennung wie bei Scans – für gedruckten Text in Deutsch und Englisch.
Es entsteht ein einzelnes Standbild, keine laufende Aufzeichnung. Die Aufnahme verlässt deinen Computer nicht; erst eine anschließende KI-Aufgabe schickt den daraus erkannten Text an die Docsi KI. Bildmodelle bekommen bei Bedarf zusätzlich das Bild.
Die Freigabe auf dem Mac
macOS schützt Bildschirminhalte: Eine App darf Fenster anderer Programme erst aufnehmen, wenn du es unter Systemeinstellungen → Datenschutz & Sicherheit → Bildschirm- und Systemaudioaufnahme erlaubst. Docsi fragt beim ersten Fenster-Drop danach. Nach dem Erlauben musst du Docsi meist einmal neu starten.
Die Freigabe kannst du jederzeit an derselben Stelle wieder entziehen. Docsi nutzt sie nur in dem Moment, in dem du ein Fenster auf ihn ziehst. Unter Windows wählst du das Fenster bewusst aus; eine Systemfreigabe wie auf dem Mac ist dort nicht nötig.
Die Ansicht lesbar machen
Die Texterkennung arbeitet mit einem Bild von höchstens 2.400 Pixeln Kantenlänge. Ein sehr großes Fenster mit kleiner Schrift wird dabei verkleinert und schwerer lesbar. Vergrößere deshalb die Schrift im Browser oder Programm, nutze lieber ein mittelgroßes Fenster und scrolle zu dem Abschnitt, um den es geht.
Heller Text auf dunklem Grund, halbtransparente Ebenen und Werbebanner erschweren die Erkennung. Schalte für die Aufnahme bei Bedarf in einen hellen Lesemodus und schließe Pop-ups. Prüfe danach Zahlen und Namen im erkannten Text, bevor du eine Aufgabe darauf aufbaust.
Private Inhalte im Fenster
Erfasst wird alles, was im Fenster sichtbar ist – auch Benachrichtigungen, offene Chats in einer Seitenleiste oder persönliche Daten in einem Formular. Schau vor dem Ziehen kurz auf das Fenster und schließe, was nicht in die Aufgabe gehört.
Andere Fenster, andere Tabs und Inhalte unterhalb des sichtbaren Bereichs nimmt Docsi nicht auf. Er liest keine Cookies, keinen Browserverlauf und keine Passwörter aus. Willst du eine lange Seite verwenden, nimm mehrere Ausschnitte auf oder kopiere den Text.
Wann Kopieren oder eine Datei besser ist
Ein Fensterbild ist praktisch für Inhalte, die sich nicht als Datei speichern lassen, etwa eine Web-App oder eine Vorschau. Lässt sich der Text dagegen markieren, ist Kopieren und Einfügen genauer: Der Text kommt Zeichen für Zeichen an, ohne Erkennungsfehler.
Liegt das Dokument als PDF, Word- oder Excel-Datei vor, ist die Datei selbst die beste Quelle. Docsi liest dann alle Seiten mit Seitenzahlen und kann Quellenmarken genau zuordnen – das gelingt mit einem Fensterbild nur für den sichtbaren Ausschnitt.
Drei Beispiele für den Fenster-Drop
Eine Online-Vorlesung mit eingeblendeten Folien: Pausiere auf der wichtigen Folie und ziehe das Fenster auf Docsi; der Folientext wird zur Quelle für Karteikarten. Ein Dashboard im Browser: Nimm die Ansicht mit den Kennzahlen auf und bitte um eine kurze Zusammenfassung mit Zahlen.
Zwei Fenster nebeneinander, etwa eine Aufgabenstellung und deine Notizen: Ziehe beide nacheinander auf Docsi und nenne ihre Rollen. Im Demo-Video auf der Startseite entstehen so Karteikarten aus zwei Fenstern.
Ein Ablauf im Beispiel
Ein Beispiel: In einer Web-App deiner Hochschule siehst du die Prüfungstermine des Semesters, die sich weder herunterladen noch markieren lassen. Du vergrößerst die Ansicht auf 125 Prozent, scrollst zur Tabelle und ziehst das Browserfenster auf Docsi. Er nimmt ein Bild auf und erkennt den Text lokal.
Du prüfst die erkannten Daten mit der Ansicht, korrigierst einen verrutschten Raum und bittest Docsi um eine Tabelle mit Fach, Datum, Uhrzeit und Raum als CSV-Datei. Diese importierst du in deinen Kalender. Für den zweiten Teil der Liste, der unterhalb des sichtbaren Bereichs lag, wiederholst du die Aufnahme nach dem Scrollen.
Begriffe kurz erklärt
- Fenster-Drop
- Ein Fenster auf Docsi ziehen, damit er ein Bild davon aufnimmt und den Text liest.
- Windows.Graphics.Capture
- Die öffentliche Windows-Schnittstelle für Bildschirm- und Fensteraufnahmen.
- ScreenCaptureKit
- Apples Schnittstelle für Bildschirm- und Fensteraufnahmen unter macOS.
- Bildschirmaufnahme-Freigabe
- Die macOS-Erlaubnis, die eine App für Aufnahmen anderer Fenster braucht.
- Sichtbarer Bereich
- Der Teil eines Fensters, der gerade auf dem Bildschirm zu sehen ist. Nur er wird aufgenommen.
Ein konkretes Beispiel
Ein Browser zeigt eine Tabelle, deren letzte Spalten außerhalb des Fensters liegen. Ein Fensterbild enthält nur den tatsächlich sichtbaren Ausschnitt. Vergrößere den relevanten Bereich oder nutze eine echte Datei, wenn die gesamte Tabelle gebraucht wird. Eine Bildaufnahme ist für sichtbare Fehlermeldungen oder Layoutfragen gut geeignet. Für einen vollständigen Artikel ist eine Textquelle meistens besser. Prüfe außerdem, ob Benachrichtigungen oder andere private Informationen im Bild stehen.
Passe Quelle und Umfang an und verwende den Text in Docsi. Die Website startet keine KI-Aufgabe.
Das Ergebnis prüfen
Wenn etwas nicht passt
| Beobachtung | Nächster Schritt |
|---|---|
| Wichtige Stelle abgeschnitten | Fenster neu ausrichten und erneut aufnehmen oder die Originaldatei hinzufügen. |
| Screenshot als vollständige Quelle behandelt | Den sichtbaren Umfang im Auftrag nennen und für mehr Inhalt eine Textquelle liefern. |
| Aufnahme nicht verfügbar | Native App, Plattform und Fensterfreigabe prüfen. Keine Gerätefunktion aus einer Website-Vorschau ableiten. |
Häufige Fragen
Kann Docsi damit die ganze Webseite lesen?
Ein Fensterbild zeigt den erfassten Ausschnitt. Inhalte weiter unten, separate Registerkarten und unsichtbare Daten sind darin nicht enthalten.
Bleibt die Bildschirmaufnahme dauerhaft aktiv?
Die Quelle entsteht durch deine konkrete Übergabe. Verwende die Vorschau, um den Inhalt vor einer nachfolgenden KI-Aufgabe zu kontrollieren.
Kann ich mehrere Fenster nacheinander hinzufügen?
Ja. Jedes Fenster wird eine eigene Quelle; nenne im Auftrag, welches Fenster wofür steht.
Funktioniert das mit Videos?
Docsi nimmt ein Standbild auf. Sichtbarer Text im Bild, etwa Untertitel oder Folien, wird gelesen, der Ton nicht.
Kostet der Fenster-Drop Credits?
Die Aufnahme und Texterkennung nicht. Credits fallen erst an, wenn du danach eine KI-Aufgabe startest.
Wird das Fensterbild gespeichert?
Es wird zur Quelle deiner Aufgabe im lokalen Arbeitsbestand. Docsi lädt es nicht hoch; nur eine KI-Aufgabe nutzt den erkannten Text.
Quellen und weiterführende Informationen
Die Angaben zu Docsi beruhen auf der Produktdokumentation von Impulse Apps. Diese Primärquellen erklären die zugrunde liegenden Formate, Standards und Methoden.
- Microsoft: Screen capture (Windows.Graphics.Capture)Die Windows-Schnittstelle, über die Docsi ein Fenster aufnimmt.
- Apple: ScreenCaptureKitApples Schnittstelle für Fensteraufnahmen auf dem Mac.
- Apple: Zugriff auf Bildschirmaufnahme steuernSo erlaubst oder entziehst du einer App die Bildschirmaufnahme.