Was ist PDF/A und brauchen Sie es?

Ein PDF ist eine Sammlung von Anweisungen zum Zeichnen einer Seite, und einige dieser Anweisungen hängen von Dingen ab, die nicht in der Datei stehen. Eine Schrift, die auf Ihrem Rechner installiert ist. Ein Farbprofil, das Ihr Monitor liefert. Ein Video, eine JavaScript-Aktion, ein Link auf einen Server, den es in zehn Jahren nicht mehr gibt. Öffnen Sie eine solche Datei heute auf einem anderen Rechner, sieht meist alles richtig aus, weil die fehlenden Teile ersetzt werden. Öffnen Sie sie 2050, gibt es womöglich nichts mehr zum Ersetzen. PDF/A ist die Antwort darauf: eine eingeschränkte Teilmenge von PDF, in der alles, was zur exakten Wiedergabe der Seite nötig ist, in der Datei steckt und alles, was von der Außenwelt abhängt, verboten ist. Es ist kein anderes Dateiformat — eine PDF/A-Datei ist ein PDF und öffnet sich in jedem Betrachter — es ist ein Versprechen darüber, was die Datei nicht enthält.

Was die Norm verbietet

Die Regeln folgen aus dem Ziel. Schriften müssen eingebettet sein, alle, ohne Ausnahme für den Standardsatz, den man früher bei Betrachtern voraussetzte; ein Dokument, das Arial nur beim Namen nannte und dem Betrachter das Finden überließ, ist nicht archivfähig, denn in fünfzig Jahren kann der Ersatz andere Metriken haben und den Umbruch verschieben. Verschlüsselung ist verboten, denn ein Dokument, das niemand entschlüsseln kann, ist nicht bewahrt. Ebenso verboten sind JavaScript, eingebettetes Audio und Video sowie Aktionen, die externe Dateien starten oder Netzwerkadressen öffnen. Transparenz ist in den älteren Teilen der Norm eingeschränkt und in den neueren erlaubt. Farbe muss eindeutig definiert sein, entweder über ein eingebettetes ICC-Profil oder in einem geräteunabhängigen Raum, damit ein bestimmtes Rot dieses bestimmte Rot ist und nicht das, was der Drucker daraus macht. Und jede Datei muss XMP-Metadaten tragen, die angeben, welche PDF/A-Variante sie zu sein behauptet.

Die Stufen: A, B und U

Die Konformität kennt Stufen, und die Buchstaben bedeuten etwas anderes als die Versionsnummern. Stufe B, für basic, garantiert die visuelle Wiedergabe: Die Seite wird für immer richtig aussehen. Stufe A, für accessible, verlangt zusätzlich eine getaggte Struktur — eine maschinenlesbare Beschreibung, welcher Text Überschrift, welcher Absatz, welcher Tabellenzelle ist und in welcher Lesereihenfolge — sowie Unicode-Zuordnungen für allen Text. Stufe U liegt dazwischen und verlangt die Unicode-Zuordnungen ohne die vollständige Struktur, sodass sich der Text zuverlässig durchsuchen und extrahieren lässt, auch wenn das Dokument nicht durchgehend getaggt ist. Stufe A ist aus einem beliebigen Dokument wirklich schwer herzustellen, weil Taggen echte redaktionelle Arbeit ist; deshalb verlangen Archive in der Praxis meist Stufe B, und deshalb verlangt eine Institution, die PDF/A-1a fordert, erheblich mehr als eine, die PDF/A-1b fordert.

Welche Version man nimmt

PDF/A-1 kam zuerst und ist am strengsten: keine Transparenz, keine Ebenen, keine eingebetteten Dateien. PDF/A-2 lockerte das und erlaubt Transparenz, Ebenen, JPEG-2000-Bilder und das Einbetten weiterer PDF/A-Dateien in einen Behälter. PDF/A-3 brachte eine wesentliche Änderung, indem es beliebige Anhänge jeden Typs erlaubt — so funktionieren die Formate der elektronischen Rechnung: eine für Menschen lesbare Rechnungsseite mit der maschinenlesbaren Datendatei darin. PDF/A-4, das auf dem neueren PDF 2.0 aufsetzt, räumt die Stufen deutlich auf. Sofern die Empfängerseite nichts anderes vorgibt, ist PDF/A-2b die vernünftige Voreinstellung: modern genug, um sich nicht mit der Transparenz Ihres Dokuments zu streiten, streng genug, um ein echtes Archiv zu sein, und von allen Prüfwerkzeugen unterstützt.

Wie man eines erzeugt, und die Scan-Falle

Die meisten Office-Pakete exportieren direkt nach PDF/A, üblicherweise über ein Kästchen im Exportdialog, und das ist der sauberste Weg, weil das Ausgangsdokument noch weiß, was seine Überschriften und Schriften sind. Ein bestehendes PDF lässt sich ebenfalls konvertieren, mit spezialisierten Werkzeugen, die fehlende Schriften einbetten, Farben umrechnen und verbotene Funktionen entfernen. Die Falle sind Scans. Eine gescannte Seite, nach PDF/A konvertiert, ist auf Stufe B vollkommen gültig: Es ist ein Bild, es wird immer gleich aussehen, die Norm ist erfüllt. Aber sie enthält keinen Text, ist also nicht durchsuchbar, und Stufe A ist ohne OCR unerreichbar. Einen ganzen Aktenschrank als reines Bild-PDF/A zu archivieren erzeugt einen Bestand, in dem niemand etwas findet. Soll das Archiv benutzbar und nicht nur bewahrt sein, gehört OCR vor die Konvertierung in den Arbeitsablauf, und die OCR-Ausgabe braucht eine Korrektur.

Prüfen, nicht annehmen

Dass eine Datei mit angehaktem PDF/A-Kästchen exportiert wurde, ist kein Beweis für Konformität, und genau daran scheitern Einreichungen bei Fachzeitschriften, Gerichten und öffentlichen Archiven am häufigsten. Es gibt Prüfwerkzeuge, das bekannteste freie ist veraPDF, und sie nennen exakt, welche Klausel eine Datei verletzt. Die häufigen Fehler sind langweilig und wiederkehrend: eine Schrift, die wegen ihrer Lizenz nicht eingebettet werden konnte, eine übersehene Transparenzgruppe in einem Logo, ein Farbraum ohne Profil, fehlende oder fehlerhafte XMP-Metadaten oder ein Anmerkungstyp, den die Norm nicht zulässt. Für jeden gibt es eine konkrete Abhilfe. Das Prüfwerkzeug vor dem Einreichen laufen zu lassen macht aus einer Ablehnung in einigen Wochen fünf Minuten jetzt.

Wann PDF/A die falsche Wahl ist

Es ist ein Archivformat, kein Arbeitsformat, und es standardmäßig zu verwenden hat Kosten. Es lässt sich nicht verschlüsseln, ein vertrauliches Dokument kann also kein passwortgeschütztes PDF/A sein — die beiden Anforderungen schließen sich aus, und Sie müssen die Datei anders schützen, über Zugriffsrechte am Speicherort und nicht über das Dokument. Alle Schriften einzubetten macht Dateien größer, gelegentlich deutlich. Interaktive Formulare und Multimedia sind genau das, was die Norm entfernt. Die ehrliche Regel lautet: Nehmen Sie PDF/A, wenn ein Dokument lange nach dem Verschwinden der erzeugenden Software lesbar bleiben muss oder wenn eine Institution es verlangt, und nehmen Sie normales PDF für alles, woran Sie noch arbeiten. Am Ende einmal zu konvertieren ist viel einfacher, als die ganze Zeit innerhalb der Einschränkungen zu leben.

Wo die Komprimierung hineinpasst

Archivfähig und klein stehen im Spannungsverhältnis, und es lohnt sich, bewusst zu entscheiden, was Sie wollen. Aggressive Bildkomprimierung wirft Information dauerhaft weg, also genau das, was ein Archiv verhindern soll; eine Bestandskopie sollte daher sehr zurückhaltend oder gar nicht komprimiert werden. Die praktische Lösung sind zwei Dateien: eine originalgetreue PDF/A-Kopie im Archiv und ein komprimiertes Abbild für E-Mail und tägliches Lesen, das bei Bedarf neu erzeugt wird. Der Fehler besteht darin, nur die komprimierte Fassung zu behalten und sie Archiv zu nennen — sie wird sich 2050 zwar öffnen lassen, und es wird ihr weiterhin das Detail fehlen, das Sie heute weggeworfen haben.