Paperless-ngx: Scanner und Mail-Import einrichten

Weg 1: Scanner in einen Netzwerkordner

Mein Scanner legt jeden Scan als PDF in einen Netzwerkordner. Diesen Ordner habe ich im Paperless-Container als Eingang eingebunden (den sogenannten Consume-Ordner). Paperless holt jedes PDF ab, das dort landet, und entfernt es nach dem Import aus dem Eingang.

Ein Punkt, den ich vorher nicht auf dem Schirm hatte: Liegt der Eingang auf einem Netzlaufwerk, bekommt Paperless oft keine Meldung über neue Dateien. Dann muss es den Ordner regelmäßig abfragen. Bei mir passiert das jede Minute:

PAPERLESS_CONSUMER_POLLING_INTERVAL=60
PAPERLESS_CONSUMER_RECURSIVE=true

Mit RECURSIVE liest Paperless auch Unterordner. So kann zum Beispiel jedes Gerät in einen eigenen Unterordner scannen. Den Absender eines Dokuments erkennt Paperless dadurch nicht, das macht es am Inhalt fest.

In Paperless-ngx 2.x heißt die Abfrage-Einstellung noch PAPERLESS_CONSUMER_POLLING.

Die Texterkennung läuft auf Deutsch und Englisch, weil bei mir beides vorkommt. Mit auto erkennt Paperless selbst, ob ein PDF schon Text enthält, und spart sich dann die Texterkennung. In 2.x entspricht das dem Modus skip.

PAPERLESS_OCR_LANGUAGE=deu+eng
PAPERLESS_OCR_MODE=auto

Große Stapel: Trennblätter statt Einzelscans

Ich scanne nicht jedes Blatt einzeln, sondern ganze Stapel. Damit Paperless daraus wieder einzelne Dokumente macht, lege ich zwischen die Dokumente ein Trennblatt mit Barcode:

PAPERLESS_CONSUMER_ENABLE_BARCODES=true
PAPERLESS_CONSUMER_BARCODE_STRING=PATCHT
PAPERLESS_CONSUMER_ENABLE_ASN_BARCODE=true

Paperless schneidet den Stapel an jedem erkannten Trennblatt auf und lässt das Trennblatt selbst weg. Zusätzlich klebe ich auf Papier, das ich aufbewahre, einen ASN-Aufkleber mit Barcode. Paperless übernimmt die Nummer vom Aufkleber, und ich finde das Original im Ordner unter derselben Nummer.

Ein Trennblatt muss sauber gedruckt sein. Beim ersten Karton hat Paperless eines wegen schwachem Toner nicht erkannt, und ich musste den Stapel neu scannen.

Panne 1: Bei großen Stapeln ist mein Scanner abgestürzt. Nicht jedes Mal, aber oft genug. Kleinere Stapel, 300 dpi und PDF 1.5 ohne PDF/A haben das bei mir gelöst. Für meine Briefe und Rechnungen reichen 300 dpi für die Texterkennung.

Weg 2: Scan-Postfach

Den zweiten Weg nutze ich für alles, was schon digital ist. Ich schicke die Mail an ein eigenes Scan-Postfach, Paperless holt die PDFs ab. Das Postfach nimmt nur Mails von Absendern an, die ich freigegeben habe.

Paperless bringt dafür einen eigenen Mail-Abruf mit. Den habe ich zuerst genutzt.

Panne 2: Große Stapel kamen mehrfach im Archiv an, dasselbe Dokument bis zu fünfmal. Die Ursache: Ein Scan mit 20 bis 80 Seiten und Trennblättern braucht eine Weile, bis Paperless ihn verarbeitet hat. Bei mir hat der eingebaute Abruf die Mail in dieser Zeit jede Minute erneut eingereiht, und unter Last ist sie dann mehrfach durchgerutscht.

Die Lösung war ein kleines eigenes Abrufskript statt der eingebauten Regel. Es macht drei Dinge in fester Reihenfolge:

1. Mail genau einmal herunterladen.
2. Die PDF-Anhänge vollständig in den Eingangsordner schreiben. Erst landet jede Datei unter einem versteckten Namen mit der Endung .tmp, die Paperless nicht importiert. Ist sie komplett, wird sie in ein PDF umbenannt. So sieht Paperless nie eine halbe Datei.
3. Erst danach die Mail im Postfach in den Ordner „Verarbeitet“ verschieben. Mails ohne PDF landen in „Ohne PDF“.

Das Skript merkt sich die Kennung jeder Mail (Message-ID). Bricht es nach Schritt 2 ab, schreibt es dieselbe Mail beim nächsten Lauf nicht noch einmal, sondern verschiebt sie nur noch.

Den eingebauten Mail-Abruf von Paperless habe ich abgeschaltet. Paperless schaut nur noch auf den Ordner, nicht mehr ins Postfach.

Noch ein Hinweis: Ab Version 3 lässt Paperless doppelte Dateien standardmäßig zu, frühere Versionen haben sie abgewiesen. Prüf in deiner Version, wie es eingestellt ist. Ein zweiter Scan desselben Briefs ist außerdem nie eine identische Datei und fällt deshalb ohnehin nicht als Duplikat auf.

Ablage nach Jahr und Absender

Damit die Dateien auch außerhalb von Paperless einen Sinn ergeben, legt Paperless sie nach Dokumentjahr und Korrespondent ab:

PAPERLESS_FILENAME_FORMAT={{ created_year }}/{{ correspondent }}/{{ created }}_{{ title }}

Fällt Paperless einmal aus, finde ich ein Dokument trotzdem im Speicher. Eine Sicherung von Datenbank und Einstellungen ersetzt das nicht.

Was ich daraus mitnehme

Beide Pannen fallen nicht beim ersten Testdokument auf. Sie kommen erst mit echten Stapeln im Alltag. Deshalb teste ich heute bei jeder Einrichtung den ganzen Weg mit echten Stapeln: vom Scanner und vom Postfach bis in die fertige Ablage.

Wenn du Linux und Docker sicher kannst, kommst du mit diesen Einstellungen weit. Einrichten musst du dazu noch die Netzwerkfreigabe, das Einbinden in den Container und die Rechte auf den Ordner.

Die einzelnen Schritte gibt es auch zum Mitnehmen: Leitfaden als PDF herunterladen →