Zeichenfehlerrate (CER)
Die Kurzantwort · 14 Wörter
Kurz erklärt
Fehlermetrik für Transkriptionen, die Einfügungen, Löschungen und Ersetzungen auf Zeichenebene mit der Referenz vergleicht.
Flow-alerta.cab (2026): Zeichenfehlerrate (CER). https://flow-alerta.cab/glossar/character-error-rate-cer. Redaktionell geprüft am: 09. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Wichtig für automatische Spracherkennung und Texterkennung, besonders wenn Wortgrenzen wenig aussagekräftig sind.
Beispielszenario: Zwei Sprachmodelle transkribieren denselben Testsatz; ihre CER wird mit identischer Textnormalisierung verglichen.
Vor Vergleichen Normalisierung, Zeichensatz und Referenzqualität festlegen; bei geschäftlichen Anwendungen zusätzlich semantische Fehler und kritische Begriffe bewerten.
Auf einen Blick
- Kern
- CER wird typischerweise als (Substitutionen + Löschungen + Einfügungen) geteilt durch die Zahl der Referenzzeichen berechnet. Sie ähnelt der Word Error Rate, arbeitet aber auf Zeichenebene und ist deshalb unter anderem für Sprachen ohne klare Wortgrenzen oder OCR/ASR-Vergleiche nützlich. Niedrigere Werte sind besser.
- Nutzen
- Wichtig für automatische Spracherkennung und Texterkennung, besonders wenn Wortgrenzen wenig aussagekräftig sind.
- Beispiel
- Beispielszenario: Zwei Sprachmodelle transkribieren denselben Testsatz; ihre CER wird mit identischer Textnormalisierung verglichen.
- Grenzen
- Unterschiedliche Normalisierung vergleichen; CER mit Accuracy gleichsetzen; annehmen, CER liege immer zwischen 0 und 1; Referenzfehler ignorieren.
Fragen, die dazu gestellt werden
Ist eine niedrigere CER besser?
Ja.
Ist CER dasselbe wie WER?
Nein, sie arbeitet auf Zeichenebene.
Kann CER größer als 1 sein?
Ja, bei vielen Einfügungen ist das möglich.
Alle Details und Hintergründe
CER wird typischerweise als (Substitutionen + Löschungen + Einfügungen) geteilt durch die Zahl der Referenzzeichen berechnet. Sie ähnelt der Word Error Rate, arbeitet aber auf Zeichenebene und ist deshalb unter anderem für Sprachen ohne klare Wortgrenzen oder OCR/ASR-Vergleiche nützlich. Niedrigere Werte sind besser.
ELI5 – Einfach erklärt
Du vergleichst die erkannte Transkription Zeichen für Zeichen mit dem korrekten Text und zählst, wie viele Zeichen ersetzt, gelöscht oder zusätzlich eingefügt wurden.
Warum das im Alltag wichtig ist
Wichtig für automatische Spracherkennung und Texterkennung, besonders wenn Wortgrenzen wenig aussagekräftig sind.
Beispiel
Beispielszenario: Zwei Sprachmodelle transkribieren denselben Testsatz; ihre CER wird mit identischer Textnormalisierung verglichen.
Fallstricke und Grenzen
- Unterschiedliche Normalisierung vergleichen; CER mit Accuracy gleichsetzen; annehmen, CER liege immer zwischen 0 und 1; Referenzfehler ignorieren.
Entstehung & Geschichte
CER ist eng mit der etablierten Word Error Rate verwandt und wird seit Langem zur Bewertung von ASR- und OCR-Systemen eingesetzt.
Anwendung im Mittelstand
- Vor Vergleichen Normalisierung, Zeichensatz und Referenzqualität festlegen; bei geschäftlichen Anwendungen zusätzlich semantische Fehler und kritische Begriffe bewerten.
Verwandte Begriffe
- Word Error Rate
- Speech-to-Text
- OCR
Passende Flow-alerta-Leistung
KI-Potenzialanalyse & FahrplanKI-Beratung: KI-Potenzialanalyse & Fahrplan zu Aufgaben, Daten und Voraussetzungen eines möglichen ersten KI-Anwendungsfalls.Passendes Tool / Use Case
Praxisbeispiele ansehenToolbeispiel: Hugging Face Evaluate; Use Case: Bewertung automatischer Transkriptionen.Quellen
- github.comHugging Face Evaluate, CER
- aclanthology.orgACL 2025, Character Error Rate für mehrsprachige ASR-Evaluation
Quellenprüfung: 09.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: