Nextcloud und die stille Revolution der Texterkennung

Wenn Dokumente sprechen lernen: Nextcloud und die stille Revolution der Texterkennung

Es gibt diese Momente in der Technik, die man erst richtig zu schätzen lernt, wenn man sie eine Weile vermisst hat. Ich hatte so einen Moment, als ich kürzlich in einem Kellerarchiv stand, vor mir ein Stapel eingescannte Verträge aus den Neunzigern – als TIFF-Dateien, versteht sich, ohne jede Textebene. Der Kollege neben mir fluchte leise vor sich hin, während er eine Datei nach der anderen händisch betitelte. „Das kann doch nicht wahr sein“, murmelte er, „wir haben Nextcloud im Haus, aber die Kisten hier sind einfach nur Datengräber.“

Er hatte recht. Und er hatte unrecht. Denn Nextcloud, die inzwischen wohl bekannteste Open‑Source‑Alternative zu den großen Cloud‑Diensten aus Übersee, kann nämlich mehr, als nur Dateien zu syncen und zu sharen. Sie kann lesen. Genauer gesagt: Sie kann Texte aus Bildern und gescannten Dokumenten extrahieren – optische Zeichenerkennung, kurz OCR. Und das ist, wenn man genauer hinschaut, eine ziemlich große Sache. Nicht, weil die Technologie neu wäre – Tesseract gibt es seit den 1980ern –, sondern weil sie endlich da ankommt, wo sie hingehört: mitten im Arbeitsalltag von IT‑Entscheidern, Administratoren und all jenen, die tagtäglich mit unstrukturierten Daten kämpfen.

OCR in Nextcloud: Mehr als nur ein Plugin

Die OCR‑Funktionalität in Nextcloud ist nicht etwa ein zentrales Feature, das mit jeder Installation ausgeliefert wird. Das wäre auch kaum sinnvoll, denn die Anforderungen unterscheiden sich massiv. Ein kleiner Verein, der seine Mitgliedsanträge digitalisieren will, braucht etwas anderes als eine Rechtsanwaltskanzlei mit täglich Hunderten von eingescannten Schriftstücken. Nextcloud setzt hier konsequent auf sein App‑Ökosystem – und das ist gut so.

Die bekannteste App heißt schlicht „Nextcloud OCR“ und stammt aus der Feder von Marcel Klehr. Sie integriert die Tesseract-Engine direkt in die Cloud‑Umgebung und erlaubt es, Bilder oder PDFs nach dem Hochladen automatisch zu verarbeiten. Das klingt simpel, und in der Theorie ist es das auch: Man legt eine Datei in einen bestimmten Ordner, und nach einigen Sekunden (oder Minuten, je nach Komplexität) liegt eine durchsuchbare Version bereit. Die Praxis, das sei gleich vorweggesagt, hat ihre Tücken – dazu später mehr.

Ein interessanter Aspekt ist, dass die Erkennung nicht nur auf dem Server stattfindet, sondern auch in die Nextcloud-eigene Volltextsuche integriert wird. Das bedeutet: Wer künftig nach „Rechnung März 2024“ sucht, bekommt nicht nur Dateien mit passendem Dateinamen angezeigt, sondern auch solche, in denen der Text „Rechnung März 2024“ an irgendeiner Stelle vorkommt. Das klingt banal, aber in der Praxis ist das ein Quantensprung. Denn die meisten Unternehmen horten immer noch Berge von gescanntem Papier, die niemand mehr findet – weil die Ablage nach Bauchgefühl erfolgt und eine Volltextsuche schlicht nicht existiert.

Es gibt aber noch eine zweite, deutlich mächtigere App: die Nextcloud Workflow App. Sie erlaubt es, OCR als einen Schritt in komplexen Automatisierungsprozessen zu nutzen. Man kann also regeln: „Wenn eine Datei in den Eingangsordner fällt, extrahiere den Text, speichere die Metadaten in der Datenbank, sende eine Benachrichtigung und lege die Datei dann im Archiv ab.“ Das ist echter Fortschritt, keine Frage. Nur – die Einrichtung erfordert ein gutes Verständnis des Nextcloud Workflow Engines und etwas Geduld. Für Admins, die schon mit anderen Workflow‑Tools gearbeitet haben, ist das aber durchaus machbar.

Tesseract im Hintergrund: Der stille Arbeiter

Die eigentliche Arbeit verrichtet, wie so oft, ein kleines, unscheinbares Programm: Tesseract. Ursprünglich von Hewlett‑Packard entwickelt und später von Google unter eine offene Lizenz gestellt, ist es heute die Referenzimplementierung für Open‑Source‑OCR. Allerdings – und das ist ein wichtiger Punkt – ist Tesseract kein Alleskönner. Es kann hervorragend mit klaren, sauberen Druckschriften umgehen, insbesondere wenn die Vorlage aus einer Office‑Anwendung oder einem modernen Drucker stammt. Bei historischen Dokumenten, handschriftlichen Notizen oder stark verzerrten Scans sieht es schon anders aus. Dann muss man entweder auf spezielle Modelle setzen, die Tesseract über entsprechende Trainingsdaten lernt, oder auf andere Werkzeuge ausweichen.

Nextcloud selbst bietet keine grafische Oberfläche, um Tesseract zu trainieren. Das wäre auch zu viel verlangt. Aber es gibt in der Community Erweiterungen, die das Anbinden externer OCR‑Dienste ermöglichen – etwa über die REST‑API von tesseract.js oder über spezialisierte Container. Und hier zeigt sich ein Muster, das für Open‑Source‑Projekte typisch ist: Die Basis ist solide, aber die wirklich cleveren Lösungen entstehen oft erst durch individuelle Anpassungen. Wer bereit ist, ein paar Stunden in die Konfiguration zu investieren, bekommt ein System, das mit kommerziellen Lösungen durchaus mithalten kann – und das ohne monatliche Lizenzgebühren.

Natürlich ist das nicht jedermanns Sache. „Warum so kompliziert?“, fragen manche Entscheider. „Es gibt doch ABBYY, Adobe, Microsoft.“ Ja, das stimmt. Aber diese Produkte kosten Geld, binden einen an einen Anbieter und – das ist der entscheidende Punkt – sie laufen meist in deren Cloud oder auf eigenen Servern mit entsprechenden Lizenzbedingungen. Nextcloud hingegen kann komplett on‑premise betrieben werden. Die OCR‑Ergebnisse verlassen nie das eigene Rechenzentrum. Für Unternehmen mit strengen Compliance‑Auflagen (Krankenhäuser, Anwaltskanzleien, Behörden) ist das ein Trumpf, der kaum zu toppen ist.

Der Preis der Freiheit: Performance und Skalierung

Kein Artikel über Nextcloud OCR wäre vollständig ohne eine ehrliche Betrachtung der Performance. Denn so sympathisch die Idee der lokalen Texterkennung ist – sie frisst Rechenleistung. Tesseract ist, gelinde gesagt, kein Fliegengewicht. Bei einzelnen PDFs mit ein paar Seiten merkt man kaum etwas. Aber wehe, wenn der Eingangsordner täglich mit Hunderten von eingescannten Dokumenten gefüttert wird. Dann wird aus der simplen OCR‑Aufgabe schnell ein Ressourcenproblem.

Die CPU‑Last schnellt in die Höhe, der Arbeitsspeicher wird knapp – und wer den Dienst nicht richtig dimensioniert, hat plötzlich eine lahme Nextcloud auf dem Tisch. Das muss nicht sein, aber es passiert häufiger, als man denkt. Die einen unterschätzen den Aufwand, die anderen setzen einfach einen Raspberry Pi als Server ein (was bei drei Scans pro Woche funktioniert, aber nicht bei dreihundert). Abhilfe schafft eine durchdachte Architektur: eigener Worker‑Prozess für die OCR, Auslagerung auf einen separaten Server, am besten mit GPU‑Unterstützung. Moderne Grafikkarten beschleunigen die Texterkennung enorm, allerdings unterstützt Tesseract CUDA nicht von Haus aus. Es gibt aber Forks und Patches, und wer mit Docker arbeitet, kann über entsprechende Images nachdenken.

Ein Tipp aus der Praxis: Wer plant, Nextcloud OCR im größeren Stil einzusetzen, sollte vorher einen Lasttest machen. Das klingt nach viel Aufwand, ist aber unverzichtbar. Legen Sie 50 große PDFs in den Verarbeitungsordner, stoppen Sie die Zeit und beobachten Sie die Systemlast. Dann wissen Sie, ob Ihr Server mitspielt oder ob es Zeit für ein Upgrade ist. Die gute Nachricht: Nextcloud selbst skaliert horizontal, und die OCR kann man auf separate Container auslagern. Mit Kubernetes oder Docker Swarm ist das durchaus machbar. Allerdings braucht es dann auch jemanden, der sich damit auskennt – oder einen externen Dienstleister, der das Setup übernimmt.

Eine Alternative: Man nutzt die Integration von externen OCR‑APIs, die auf eigenen Servern laufen (etwa über tensorflow‑basierte Dienste). Das ist dann nicht mehr reine Open‑Source‑Sache, aber immer noch datenschutzkonform, solange die API im selben Netzwerk hängt. Nextcloud bietet dafür eine Schnittstelle, die sogenannte „External OCR“‑App. Leider ist die nicht mehr aktiv gepflegt, aber in der Community gibt es Fork‑Versionen. Auch hier gilt: Man muss sich einarbeiten oder einen Partner suchen, der die Integration als Dienstleistung anbietet.

Sprachen, Schriften, Sonderfälle

Ein weiterer Punkt, der in der Praxis oft unterschätzt wird, ist die Sprachunterstützung. Tesseract kann über hundert Sprachen – aber die Qualität schwankt gewaltig. Englische Texte funktionieren eigentlich immer gut, auch deutsche. Bei den meisten europäischen Sprachen ist die Erkennungsrate akzeptabel. Aber wehe, es kommen asiatische Schriftsysteme ins Spiel, kyrillische Zeichen oder gar gemischte Dokumente. Dann muss man die entsprechenden Trainingsdaten laden und häufig auch die Konfiguration anpassen. Nextcloud OCR bietet in der Administrationsoberfläche die Möglichkeit, die gewünschten Sprachpakete zu aktivieren. Wer das vergisst, bekommt bei chinesischen Zeichen nur wirre Zeichenfolgen – oder gar nichts.

Nicht zuletzt spielt die Bildqualität eine Rolle. Ein guter Scan mit 300 dpi und kontrastreichem Text liefert perfekte Ergebnisse. Ein mit dem Smartphone fotografiertes Schild aus schrägem Winkel bei schlechtem Licht – das ist selbst für die beste OCR‑Engine eine Herausforderung. Nextcloud kann hier nicht zaubern, aber sie kann helfen, indem sie im Vorfeld eine Bildoptimierung durchführt. Die Tesseract‑Engine selbst bietet solche Filter an (Skalierung, Graustufen, Binarisierung), und in manchen Integrationen werden diese auch automatisch angewandt. Leider nicht immer. Auch hier gilt: ausprobieren, testen, nachjustieren.

Und dann gibt es noch die Hausforderung Handschrift. Tesseract liefert bei handschriftlichen Notizen oft schlechte Ergebnisse, weil das Training auf Druckschrift ausgelegt ist. Es existieren zwar Modelle für bestimmte Handschriften, aber die sind spezialisiert und kaum allgemein einsetzbar. Für handschriftliche Dokumente sollte man besser auf spezielle Lösungen setzen (etwa Transkribus oder Tools, die auf neuronalen Netzen basieren). Nextcloud kann man über die Workflow‑App dennoch anbinden – wenn man bereit ist, den Integrationsaufwand zu stemmen.

Von der Dateiablage zur Wissensplattform

Was mich persönlich an diesem Thema fasziniert, ist der Wandel, den Nextcloud durch solche Features durchmacht. Ursprünglich als einfache File‑Sync‑Lösung gestartet, entwickelt sie sich mehr und mehr zu einer Plattform für kollaboratives Arbeiten und strukturierte Datenhaltung. Die OCR ist dabei nur ein Baustein – aber ein zentraler. Denn sie macht aus stummen Bilddaten lesbare, durchsuchbare Informationen. Und das ist die Voraussetzung für alles Weitere: automatische Verschlagwortung, semantische Suche, Integration von KI‑basierten Analysen.

So kann man sich etwa vorstellen, dass ein eingehendes Rechnungsscan automatisch erkannt, der Betrag extrahiert und in eine Buchhaltungsdatenbank geschrieben wird. Oder dass ein eingescanntes Formular durch Texterkennung und nachfolgende Verarbeitung in ein strukturiertes Datenset verwandelt wird, das man in eine CRM‑Software überführen kann. All das ist heute schon mit Bordmitteln möglich, wenn auch nicht mit wenigen Klicks. Das erfordert Konfigurationsarbeit und ein gutes Verständnis der Prozesse. Aber wer diese Arbeit einmal investiert hat, spart später enorm viel Zeit – und vermeidet Fehler, die bei manueller Dateneingabe unvermeidlich sind.

Dabei zeigt sich ein typisches Open‑Source‑Phänomen: Die Möglichkeiten sind da, aber sie müssen gehoben werden. Der Hersteller liefert die Werkzeuge, nicht die fertige Lösung. Das ist manchmal frustrierend, bietet aber auch ungeahnte Freiheiten. Wer die OCR selbst betreiben will, kann das tun – ohne jemanden um Erlaubnis fragen zu müssen. Das ist in einer Zeit, in der viele Unternehmen unter dem Damoklesschwert von Lieferkettenabhängigkeiten stehen, ein nicht zu unterschätzender Vorteil.

Alternativen und Ergänzungen: Was kann Nextcloud OCR nicht?

Eine ehrliche Betrachtung gebietet es, auch die Grenzen aufzuzeigen. Nextcloud OCR ist, wie gesagt, kein Ersatz für eine professionelle Dokumentenmanagement‑Suite wie ELO oder d.velop. Sie kann keine komplexen Layouts erkennen, keine Tabellen extrahieren und keine Barcodes auslesen (jedenfalls nicht out‑of‑the‑box). Dafür gibt es Erweiterungen, aber die sind oft noch experimentell. Wenn Sie also eine vollautomatische Rechnungsverarbeitung für tausende Belege pro Tag planen, sollten Sie zu spezialisierten Lösungen greifen – oder Nextcloud mit einem externen System koppeln. Das geht über die REST‑API, und die ist bei Nextcloud glücklicherweise sehr gut dokumentiert.

Ein anderer Punkt: Die App „Nextcloud OCR“ ist nicht mehr in der offiziellen App‑Liste (zumindest in der Version für Nextcloud 30 und neuer). Das liegt daran, dass der Entwickler die Wartung eingestellt oder das Projekt aufgegeben hat. Die App funktioniert unter Umständen noch, aber es gibt keine Sicherheitsupdates mehr. Wer also auf Nummer sicher gehen will, nutzt besser die alternative App „Workflow OCR“ (so heißt sie in der Community) oder setzt auf Docker‑Container, die die OCR als externen Dienst bereitstellen. Auch das Nextcloud-eigene „Groupware“‑Thema hat keine native OCR – es ist eine Frage der Integration.

Nicht zuletzt ist der Support ein Thema. Nextcloud selbst bietet keine offizielle Hotline für OCR‑Probleme. Die Community hilft im Forum, aber schnelle Antworten sind nicht garantiert. Unternehmen, die auf eine verlässliche, professionelle OCR‑Lösung angewiesen sind, tun gut daran, einen Dienstleister zu engagieren, der das Setup betreut. Die Kosten sind überschaubar, wenn man bedenkt, was man an Lizenzgebühren für kommerzielle OCR‑Software spart. Und man bleibt unabhängig – ein nicht zu unterschätzender Faktor.

Der Blick nach vorn: KI und die Zukunft der Texterkennung

Die Entwicklung der optischen Zeichenerkennung ist längst nicht abgeschlossen. Während Tesseract auf klassischen Algorithmen und neuronalen Netzen der zweiten Generation basiert, arbeiten die großen Player längst mit Transformer‑Modellen und Large Language Models (LLMs). Diese können nicht nur Text erkennen, sondern auch den Kontext verstehen, Layouts interpretieren und sogar handschriftliche Notizen mit hoher Genauigkeit extrahieren. Es ist nur eine Frage der Zeit, bis solche Modelle auch in Nextcloud landen – sei es über Erweiterungen, sei es über die Integration von Diensten wie dem Open‑Source‑Tool „PaddleOCR“ oder „EasyOCR“.

Bereits heute gibt es Community‑Projekte, die versuchen, Nextcloud mit einem lokalen LLM für OCR‑Aufgaben zu verbinden. Die Idee ist bestechend: Statt auf vorgegebene Trainingsdaten angewiesen zu sein, könnte das System mit jeder Anfrage dazulernen. Die Hürden sind allerdings hoch: Modelle dieser Größenordnung brauchen massive Rechenleistung (GPU‑Cluster) und sehr viel Speicher. Eine Integration in eine Standard‑Nextcloud auf einem durchschnittlichen Server ist daher aktuell nicht realistisch. Aber die Entwicklung schreitet schnell voran, und was heute noch Zukunftsmusik ist, könnte in zwei, drei Jahren zum Standard gehören.

Interessant ist auch der Trend zur dezentralen KI. Statt alle Daten zentral zu verarbeiten, könnten OCR‑Modelle direkt auf den Endgeräten laufen – auf dem Smartphone oder Laptop des Nutzers. Das spart Bandbreite und schützt die Privatsphäre. Nextcloud hat mit seinen Clients für Desktop und Mobil bereits eine gute Basis dafür. Ob die OCR‑Berechnung dann wirklich auf dem Device stattfindet oder doch lieber auf dem Server, hängt von der Aufgabe ab. Ein hybrider Ansatz – einfache Erkennung lokal, komplexe Fälle im Backend – wäre denkbar.

Praktische Anleitung: So bringen Sie OCR in Ihre Nextcloud

Genug der Theorie, kommen wir zum Handfesten. Für alle, die es selbst ausprobieren wollen, hier eine grobe Skizze – ohne Anspruch auf Vollständigkeit, aber mit den wichtigsten Stolpersteinen.

Zunächst brauchen Sie eine installierte Nextcloud, idealerweise in einer aktuellen Version (28 oder höher). Dann benötigen Sie einen Server mit ausreichend RAM und CPU – mindestens 4 GB RAM, besser 8 GB, wenn mehrere OCR‑Jobs parallel laufen sollen. Tesseract installieren Sie entweder direkt über den Paketmanager (apt install tesseract-ocr tesseract-ocr-deu) oder als Docker‑Container. Letzteres ist in der Regel wartungsfreundlicher und erlaubt eine bessere Ressourcen‑Isolation.

Als nächstes suchen Sie sich eine OCR‑App, die zu Ihrer Version passt. Der Markt ist unübersichtlich: „Nextcloud OCR“ (von Klehr) funktioniert zuverlässig bis Version 25, für neuere Versionen müssen Sie entweder die Workflow‑App nutzen oder auf das „OCR‑Workflow“‑App setzen, das im Nextcloud App Store über die „Workflow“‑App konfiguriert wird. Die Einrichtung erfolgt über die Administrationsoberfläche: Sie definieren einen Ordner, in dem die zu verarbeitenden Dateien landen, und legen die Sprachpakete fest. Dann können Sie eine Test‑Datei hochladen und nach wenigen Minuten prüfen, ob die Texterkennung funktioniert hat (z. B. indem Sie in der Dateivorschau auf den Reiter „Text“ klicken oder die Volltextsuche bemühen).

Häufige Fehlerquellen sind fehlende Berechtigungen (der Web‑Server muss Schreibrechte auf den temporären Ordner haben) und fehlende PHP‑Erweiterungen. Die App benötigt unter anderem die Erweiterungen `imagick` und `exec`. Wenn Ihr Nextcloud in einem Docker‑Container läuft, müssen Sie diese Erweiterungen im Image nachinstallieren – die offiziellen Images enthalten sie nicht immer. Ein Blick ins Logfile (nextcloud.log) ist Gold wert.

Wer die OCR in Workflows einbetten will, kommt um die „Workflow Engine“ nicht herum. Hier können Sie Bedingungen formulieren: „Wenn eine Datei in einen bestimmten Ordner gelegt wird und den Tag ‚OCR‘ enthält, dann starte die Verarbeitung“. Das klingt abstrakt, aber die Oberfläche ist gut strukturiert. Ein Nachteil: Die Workflow‑Engine ist bis heute nicht ganz intuitiv, und die Dokumentation lässt an manchen Stellen Wünsche offen. Aber es gibt genügend Tutorials und Foreneinträge – und die Community hilft meist schnell.

Ein Wort zu Lizenz und Datenschutz

Ein Thema, das in vielen Fachartikeln zu kurz kommt, ist die Frage der Lizenz. Nextcloud als Ganzes steht unter der AGPLv3, was bedeutet, dass alle Erweiterungen, die auf dem Server laufen, ebenfalls unter einer kompatiblen Lizenz stehen müssen. Die OCR‑Apps sind in der Regel ebenfalls Open Source – meist unter der AGPL oder einer ähnlichen Lizenz. Das ist gut, denn es garantiert, dass Sie jederzeit den Quellcode einsehen und anpassen können. Wer geschützte Dokumente verarbeitet, sollte sich vergewissern, dass keine Daten ungewollt an externe Dienste gesendet werden. Bei lokaler OCR passiert das nicht, aber bei manchen Apps gibt es Einstellungen, die standardmäßig einen externen Dienst kontaktieren (etwa für die Lexikon‑Suche). Im Zweifel: nachlesen, deaktivieren, oder die Netzwerkverbindung des Containers kappen.

Datenschutzrechtlich ist Nextcloud OCR damit eine der sichersten Lösungen für Unternehmen, die personenbezogene Daten verarbeiten müssen. Die DSGVO verlangt, dass Daten nur auf Servern innerhalb des Europäischen Wirtschaftsraums gespeichert und verarbeitet werden. Mit einer Nextcloud‑On‑Premise‑Installation erfüllen Sie diese Anforderung automatisch – sofern Sie keinen Cloud‑Provider außerhalb der EU nutzen. Und da Nextcloud selbst keine Telemetrie oder Hintergrunddienste einschaltet, bleibt die Kontrolle vollständig beim Betreiber.

Kosten und Nutzen: Eine kurze Rechnung

Lassen Sie mich noch eine ganz pragmatische Betrachtung anstellen. Ein mittelständisches Unternehmen mit 100 Mitarbeitern scannt pro Monat vielleicht 2000 Belege. Bisher werden diese manuell abgetippt oder in eine Datenbank eingegeben – Kosten: etwa 15 Minuten pro Beleg, also 500 Arbeitsstunden pro Monat. Bei einem Stundensatz von 30 Euro sind das 15.000 Euro im Monat. Eine OCR‑Lösung, die automatisch den Text extrahiert, könnte diesen Aufwand auf ein Zehntel reduzieren. Die einmalige Investition in einen leistungsstarken Server (einige tausend Euro) und eventuell einen externen Dienstleister für die Integration (einige tausend Euro mehr) amortisiert sich in wenigen Monaten. Und das Schönste: Die Lösung bleibt im Haus, unterliegt keinen Lizenzsteigerungen und kann jederzeit erweitert werden – etwa um eine KI‑gestützte Klassifizierung.

Natürlich sind das Milchmädchenrechnungen. Die OCR ist nicht perfekt, und bei schlechten Vorlagen sind Nacharbeiten nötig. Aber selbst eine Erkennungsrate von 90 Prozent spart enorme Zeit. Und je besser die eingescannten Vorlagen sind, desto höher die Trefferquote. Wer seine Prozesse optimiert (Standard‑Vorlagen, einheitliche Scan‑Einstellungen, Vermeidung von Handschrift), kann die Erkenungsrate auf über 98 Prozent steigern. Das ist dann eine runde Sache.

Fazit: Kein Allheilmittel, aber ein mächtiges Werkzeug

Nextcloud OCR ist keine Zauberlösung. Sie erfordert Einarbeitung, ein gewisses Maß an technischem Verständnis und manchmal auch Geduld. Aber sie ist ein weiterer Mosaikstein in der Entwicklung von Nextcloud von einem einfachen File‑Sharer zu einer ernstzunehmenden Plattform für digitale Zusammenarbeit. Für Unternehmen, die auf Open Source setzen, die Datenhoheit bewahren und gleichzeitig von modernen Technologien profitieren wollen, ist die Texterkennung ein entscheidendes Feature.

Die größte Hürde bleibt die Wahrnehmung. Viele Entscheider denken bei Nextcloud immer noch an „Cloud wie Dropbox, nur selbst gehostet“. Dass dahinter ein ganzes Ökosystem aus Apps, Workflows und Integrationen steckt, ist noch nicht überall angekommen. Die OCR ist ein Paradebeispiel dafür, wie man aus einer statischen Dateiablage einen aktiven Informationshub macht. Und das ist, finde ich, eine Geschichte, die man öfter erzählen sollte. Vielleicht ja in diesem Artikel. So, wie ich es jetzt getan habe.