Vai al contenuto
Lingua:DeutschEnglish Last updated: 2026-10-23

PDF: Formate und wesentliche Eigenschaften

Diese Seite legt für PDF fest, welche Fassungen Anton bevorzugt und akzeptiert, welche Eigenschaften eines PDF erhalten bleiben müssen und was Anton davon heute misst oder prüft. Sie gehört zur Reihe je Formatkategorie (anton#687), nach den Bildern. Textformate wie DOCX, ODT und TXT stehen auf der Seite Text; PDF, das nur Fotos enthält, behandelt die Seite für Bilder.

Was hier steht, braucht Anton für drei Dinge: um zu dokumentieren, was ein PDF ausmacht (NDSA Cn-1.1), um zu prüfen, ob es das noch tut (Cn-2.1), und um nach einer Migration zu belegen, dass nichts Wesentliches verloren ging (media:migrate).

Formate

Stufe Format Bedingung
bevorzugt PDF/A-2u
bevorzugt PDF/A-2b für Scans mit OCR
akzeptiert PDF/A-1a, PDF/A-1b, PDF/A-2a
akzeptiert PDF/A-4 ohne eingebettete Dateien (nicht 4f)
akzeptiert PDF 1.0 bis 1.7, PDF 2.0 Schriften eingebettet; ohne Passwort zu öffnen
nicht akzeptiert PDF/A-3, PDF/A-4f eingebettete Dateien beliebigen Typs
nicht akzeptiert PDF, das sich nur mit Passwort öffnen lässt

Bevorzugt ist PDF/A-2u. PDF/A-2 erlaubt, was PDF/A-1 noch verbot (Transparenz, Ebenen, JPEG 2000), und «u» verlangt, dass jedes Zeichen einem Unicode-Zeichen zugeordnet ist: Der Text lässt sich dann suchen, kopieren und vorlesen, nicht nur ansehen. So empfiehlt es die KOST. Bei Scans stammt der Text aus der OCR und ist ohnehin nur so gut wie die Erkennung; dort genügt PDF/A-2b, das nur die Erscheinung der Seite sichert. Die OCR in Anton schreibt bei Scans PDF/A-2b; ein PDF, das schon Text hat, bleibt gewöhnliches PDF, damit Ghostscript Schriften und Vektortext nicht neu schreibt (anton#712). Die NARA führt PDF/A-1 und PDF/A-2 als bevorzugte Übernahmeformate.

Akzeptiert ist, wie bei den Bildern, was sich mit verbreiteten, quelloffenen Werkzeugen lesen lässt und voraussichtlich lesbar bleibt. Gewöhnliches PDF gehört dazu: Die NARA stuft PDF 1.7 und 2.0 mit geringem, PDF 1.0 bis 1.6 mit mittlerem Risiko ein und belässt beide, die KOST hält PDF «grundsätzlich» für archivtauglich. Anton wandelt PDF bei der Übernahme nicht nach PDF/A um. Nach den Formatentscheiden migriert Anton erst, wenn sich eine Datei nicht mehr darstellen lässt, und eine Umwandlung nach PDF/A ist nach der KOST auch später «meist problemlos» möglich.

Nicht akzeptiert ist PDF/A-3. Es gleicht PDF/A-2, darf aber Dateien beliebigen Typs einbetten, etwa ein Word-Dokument oder eine Excel-Tabelle hinter einer Rechnung. Diese Dateien lassen sich weder erkennen noch prüfen, und Anton sieht sie nicht: Sie hätten weder PUID noch Formatprüfung noch Nutzungskopie. Die KOST lehnt PDF/A-3 aus diesem Grund ab. Dasselbe gilt für PDF/A-4f. Ablieferstellen liefern stattdessen PDF/A-2 und die eingebetteten Dateien als eigene Dateien. Kommt ein PDF/A-3 trotzdem an, nimmt Anton es an wie jedes PDF und hält eingebettete Dateien mit ihren Typen als Risiko fest. Im Bestand auf umberto ist PDF/A-3 eine Ausnahme: Am 23.10.2026 gab sich unter rund 70 000 geprüften PDF ein einziges als PDF/A-3 aus.

Ein PDF, das sich nur mit Passwort öffnen lässt, kann Anton weder prüfen noch darstellen. Ein PDF, das nur das Drucken oder Kopieren sperrt, lässt sich öffnen; es ist akzeptiert, und Anton hält die Verschlüsselung als Risiko fest.

Auch hier gilt: Ein Archiv führt möglichst wenige Formate. Wer PDF selbst erzeugt, etwa beim Scannen oder beim Export aus einer Textverarbeitung, wählt PDF/A-2. Die Ablieferstelle bettet alle Schriften ein, vermeidet JavaScript, Verschlüsselung, eingebettetes Audio und Video sowie die Kompression JBIG2: Ihre verlustbehaftete Mustererkennung kann Zeichen unbemerkt vertauschen, etwa eine 6 durch eine 8.

Wesentliche Eigenschaften

Gruppiert wie bei der NARA nach Erscheinung, Struktur, Verhalten und Kontext. Die NARA unterscheidet, ob ein Dokument wegen seines Inhalts oder als Beweis seiner Form aufbewahrt wird. Bei einem Protokoll zählt der Text, bei einer Publikation, einem Plan oder einer Urkunde auch, wie die Seite aussieht. Die Tabelle trennt darum zwei Stufen: «immer» und «bei fester Erscheinung».

Gruppe Eigenschaft Stufe Quelle
Erscheinung Zahl und Folge der Seiten immer NARA
Bilder und Grafiken immer NARA
Formulare und Anmerkungen immer NARA
Seitengrösse und Ausrichtung bei fester Erscheinung NARA
Schriften mit Schnitt und Grösse bei fester Erscheinung NARA, KOST
Farbe bei fester Erscheinung NARA, KOST
Struktur Text, der sich extrahieren lässt, in Unicode immer NARA, KOST
Lesezeichen (Gliederung) immer NARA
eingebettete Dateien immer NARA, KOST
Verhalten Das PDF lässt sich darstellen. immer NARA
Verweise innerhalb des Dokuments immer NARA
Kontext eingebettete Metadaten (XMP, Titel, Autor, Datum, Sprache) immer NARA

Eingebettete Dateien stehen hier, obwohl PDF/A-3 nicht akzeptiert ist: Auch ein gewöhnliches PDF kann Anhänge tragen, und wo sie vorkommen, gehören sie zum Dokument.

Nicht erhalten werden müssen JavaScript, Aktionen, die Programme starten (/Launch), und Verweise auf andere Dateien (/GoToR) oder ins Web (/URI). Sie führen aus der Datei hinaus, und ihr Ziel bewahrt das Archiv nicht. Anton hält sie als Risiko fest, damit sichtbar ist, was in einer Migration wegfällt. Dasselbe gilt für die Verschlüsselung.

Die Fassung (PDF 1.4, PDF/A-2b) ist keine Eigenschaft, die erhalten bleiben muss. Sie wird festgehalten, weil sie sagt, was das PDF verspricht und wogegen es geprüft wird.

Was Anton misst und prüft

Stand: Version 0.111.1.

Eigenschaft Gemessen Geprüft
Fassung PDF-Version, bei der Übernahme mit poppler –
Zahl der Seiten bei der Übernahme mit poppler, bei jeder Formatprüfung mit qpdf bzw. pdftocairo nein, es gibt noch keine Migration von PDF
Darstellbar – bei der Übernahme und nächtlich mit media:validate-formats: qpdf; gründlich mit pdftocairo Seite für Seite, Fehler bei JPEG 2000 prüft MuPDF nach; auch beim Erzeugen der Nutzungskopie
Schriften eingebettet Zahl der Schriften Warnung, wo das PDF Text zeigt, der eine nicht eingebettete Schrift braucht (pdffonts)
Seitengrösse und Ausrichtung häufigste Seitengrösse in mm, Zahl der verschiedenen Grössen, Seiten im Querformat und gedrehte Seiten nein
Text extrahierbar Schriften ohne Unicode-Zuordnung (ToUnicode) nein; eine solche Schrift ist ein Merkmal, kein Risiko: Text lässt sich bei Standardkodierungen trotzdem extrahieren, nur erfüllt das PDF so nicht PDF/A-2u
Bilder Zahl der Bilder –
Eingebettete Dateien Zahl und Typen Warnung
JBIG2 Zahl der Bilder mit JBIG2 Warnung
Formulare und Anmerkungen Formular (AcroForm oder XFA), Zahl der Felder und der Anmerkungen Warnung bei einem Formular ohne Felder
Lesezeichen, Metadaten nein nein
JavaScript, Aktionen, Verweise Anzahl je Art (qpdf, pdfinfo) Warnung
Verschlüsselung ja Warnung
PDF/A-Konformität Stufe, die das PDF beansprucht mit veraPDF, wenn ein PDF sich als PDF/A ausgibt und veraPDF installiert ist; eine Abweichung ist eine Warnung

Die Merkmale stehen am Medium unter Technische Merkmale; für ältere PDF trägt sie media:validate-formats nach, sofern das Medium noch keine anderen Merkmale hat. Die Befunde stehen im Ereignis format-validation des Mediums und, zusammengezählt, unter Preservation Planning → «Formatprüfung».

Grenzen

  • Seitengrössen liest Anton nur für die ersten 2000 Seiten.
  • Hat ein Medium schon andere Merkmale, etwa von einer TIFF-Regel, trägt media:validate-formats die PDF-Merkmale nicht nach.
  • Lesezeichen und eingebettete Metadaten misst Anton nicht.
  • veraPDF prüft nur, was sich als PDF/A ausgibt. Ein gewöhnliches PDF wird nicht gegen PDF/A geprüft, und ein PDF/A, das seine Kennung im XMP verloren hat, auch nicht.
  • Scheitert bei der OCR im QR-Upload die Umwandlung nach PDF/A, schreibt sie gewöhnliches PDF. Den Grund zeigen die Upload-Aktionen des Mediums (pdfa_fallback).
  • Die Nutzungskopie (Ghostscript, /ebook) verkleinert Bilder für die Ansicht. Sie ist keine Normalisierung und kein Ersatz für den Master.
  • «Darstellbar» heisst, die Werkzeuge lesen und rendern jede Seite ohne Fehler. Ob die Seite richtig aussieht, prüfen sie nicht.

Was eine Migration prüfen muss

Anton kennt noch keine Regel, die PDF umwandelt. Kommt eine, etwa PDF nach PDF/A-2, muss danach gelten:

  • Die Zahl der Seiten ist gleich.
  • Seitengrösse und Ausrichtung jeder Seite sind gleich.
  • Der extrahierbare Text ist gleich, abgesehen von Leerraum.
  • Alle Schriften sind eingebettet.
  • veraPDF bestätigt die Ziel-Fassung.
  • Formulare, Anmerkungen, Lesezeichen und Metadaten sind übernommen, oder ihr Wegfall ist im Ereignis festgehalten.
  • Die abgelieferte Datei bleibt als Original, denn Ghostscript schreibt Schriften und Bilder neu.

Quellen