Überdimensionierte PDF-Dateien entstehen unter Windows 11 häufig nicht durch „zu viele Seiten“, sondern durch ungünstige technische Entscheidungen beim Scannen, Exportieren oder Zusammenführen: zu hohe Auflösung, ungeeignete Farbräume, ungeeignete oder zu aggressive Kompression an der falschen Stelle oder mehrfach eingebettete Bilder. Die Folgen zeigen sich im Alltag sofort: Upload-Limits werden gerissen, E-Mail-Anhänge scheitern, Dokumentenmanagement-Systeme reagieren träge und die Archivierung bläht sich unnötig auf. Gleichzeitig ist die naheliegende Maßnahme – aggressive Kompression – oft riskant: feine Linien verschwinden, kleine Schriften fransen aus, und OCR-Ergebnisse verschlechtern sich. Praktisch relevant ist daher eine klare, reproduzierbare Vorgehensweise, die Dateigröße senkt, ohne die Anforderungen an Lesbarkeit, Nachweisfähigkeit und langfristige Verwendbarkeit zu unterlaufen, und die zudem mit typischer Windows-Software und verbreiteten PDF-Werkzeugen umsetzbar bleibt.
Inhalt
- Warum PDFs zu groß werden: Auflösung, Farbräume, Bildtypen und PDF-Struktur richtig einordnen
- Auflösung und DPI: Mehr Pixel sind nicht automatisch mehr Lesbarkeit
- Farbräume und Farbtiefe: RGB, CMYK, Graustufe und „Farbe“ als Kostenfaktor
- Bildtypen und Kompressionsverfahren: JPEG, JPEG2000, Flate, CCITT und die Fallstricke
- PDF-Struktur: Objekt-Overhead, redundante Inhalte, Fonts und „linearisiert“
- Gezielt reduzieren unter Windows 11: Scan-Einstellungen, Export-Optionen und Kompression mit Bordmitteln, Druckertreibern und gängiger Software
- Schon beim Scannen entscheiden: Auflösung, Farbraum und Vorverarbeitung
- Export-Optionen verstehen: Bildkompression, Downsampling und Objektstruktur
- Bordmittel und Druckertreiber: „Microsoft Print to PDF“ und Treiberoptionen richtig einordnen
- Gängige Software: Optimieren ohne sichtbaren Verlust und mit kontrollierbarem Risiko
- OCR ohne Nebenwirkungen: Wann es hilft, wie man es sauber einsetzt und wo Kompression und Archivstandards Grenzen setzen
Warum PDFs zu groß werden: Auflösung, Farbräume, Bildtypen und PDF-Struktur richtig einordnen
Überdimensionierte PDF-Dateien entstehen selten durch „zu viele Seiten“, sondern fast immer durch ungünstige technische Parameter entlang der Verarbeitungskette: Scanner oder Multifunktionsgerät liefert zu viele Pixel, Bilder werden ohne passende Kompression eingebettet, Farbräume bleiben unnötig breit, und die PDF-Struktur enthält redundante oder ungenutzte Objekte. Wer gezielt verkleinern will, muss zuerst verstehen, welcher Anteil der Dateigröße durch Bilddaten, Schrift- und Vektorelemente, Metadaten oder durch strukturelle Altlasten verursacht wird.
Auflösung und DPI: Mehr Pixel sind nicht automatisch mehr Lesbarkeit
Bei Scans dominiert die Bildauflösung die Dateigröße. Für A4 gilt: Verdoppelt sich die Auflösung (z. B. von 300 auf 600 dpi), vervierfacht sich die Pixelanzahl und damit typischerweise auch der Platzbedarf der Bilddaten – selbst bevor Kompression greift. Das ist der häufigste Grund für „plötzlich riesige“ PDFs aus Scanner-Workflows. Gleichzeitig steigt die Nutzqualität ab einem bestimmten Punkt kaum noch, weil Druck- und Bildschirmdarstellung durch andere Faktoren begrenzt werden (Halbtonraster, Papier, Displayauflösung, Betrachtungsabstand).
Für reinen Textscan sind 300 dpi in der Praxis oft ausreichend, für kleine Schriften oder feine Linienzeichnungen können 400 dpi sinnvoll sein. 600 dpi und mehr werden eher für technische Vorlagen (Strichzeichnungen, sehr kleine Typografie) benötigt. Wird in Farbe oder Graustufe gescannt, skaliert der Speicherbedarf zusätzlich mit der Farbtiefe; ein 24‑Bit-RGB-Scan trägt pro Pixel dreimal so viele Informationen wie ein 8‑Bit-Graustufenbild.
Farbräume und Farbtiefe: RGB, CMYK, Graustufe und „Farbe“ als Kostenfaktor
Viele Scanprofile speichern konsequent in RGB, selbst wenn das Dokument nur schwarzweiß ist. Das bläht Daten nicht nur durch drei Kanäle auf, sondern erschwert auch eine effiziente Kompression: gleichförmige Hintergründe oder Papiertexturen erzeugen Rauschen in allen Kanälen. Für reine Text- und Formularscans ist 1‑Bit (Schwarzweiß) oder Graustufe oft deutlich kleiner und zugleich klarer, sofern die Binarisierung sauber gewählt wird.
CMYK kommt typischerweise aus Druckvorstufen- oder Export-Workflows und ist für Büro-Scans selten nötig. Zusätzlich erhöhen eingebettete ICC-Profile die Dateigröße leicht; kritisch wird es, wenn Profile mehrfach oder unnötig pro Bildobjekt eingebettet werden. Transparenzen, Softmasks oder ein Mischbetrieb aus Farbräumen können zu komplexen Objektstrukturen führen, die manche Optimierer nur unvollständig zusammenführen.
| Inhalt / Ziel | Typische, größenrelevante Konsequenz |
|---|---|
| Reiner Text, Stempel, einfache Linien | 1‑Bit (Schwarzweiß) ermöglicht sehr starke Kompression; falsche Graustufen/Farbe vergrößern deutlich. |
| Text mit Fotos oder Farbgrafiken | Gemischte Seiten profitieren von Segmentierung (Text/Foto getrennt); „alles als Foto“ verursacht große Rasterbilder. |
| Druck-PDF aus Layoutsoftware | CMYK, hohe Bildauflösungen und eingebettete Profile sind üblich; für Versand oft überdimensioniert. |
| Archiv-/Belegscan | Graustufe bei 300 dpi ist häufig ausreichend; Papiertexturen und Rauschen sollten vor Kompression reduziert werden. |
Bildtypen und Kompressionsverfahren: JPEG, JPEG2000, Flate, CCITT und die Fallstricke
PDF ist ein Container, der Bilder in unterschiedlichen Formaten einbetten kann. Große Dateien entstehen oft, weil Bilder unkomprimiert oder mit ungeeignetem Verfahren gespeichert werden. Fotos profitieren von verlustbehafteter Kompression (typischerweise JPEG), während Textflächen und harte Kanten bei JPEG zu Artefakten neigen. Für reine Schwarzweiß-Scans (1‑Bit) sind CCITT Group 4 oder JBIG2 extrem effizient; letzteres birgt jedoch je nach Betriebsmodus (verlustbehaftete „symbolische“ Kompression) Risiken für die inhaltliche Integrität, wenn Zeichen fälschlich vereinheitlicht werden.
Verlustfreie Verfahren wie Flate/ZIP sind für synthetische Inhalte (Vektoren, UI-Elemente, manche Screenshots) geeignet, bei Fotos jedoch oft ineffektiv. Problematisch sind „falsche“ Workflows, in denen bereits komprimierte Bilder erneut und ohne Nutzen umkodiert werden; das kann die Qualität verschlechtern, ohne nennenswert zu sparen, oder die Dateigröße sogar erhöhen (z. B. JPEG → Flate, je nach Tool/Encoder und Workflow).
- Foto-Scan als RGB-Bild: JPEG ist meist angemessen; hohe Qualitätsstufen erzeugen große Dateien, zu niedrige Stufen verursachen Blockartefakte und verschlechtern OCR-Grundlagen.
- Textscan in 1‑Bit: CCITT Group 4 liefert oft die kleinsten Dateien; bei JBIG2 sollte verlustfreie Kodierung bevorzugt werden, wenn Belegtreue erforderlich ist.
- Gescannte Screenshots/Diagramme: Flate kann besser sein als JPEG, weil scharfe Kanten und homogene Flächen weniger „Rauschen“ erzeugen und verlustfrei bleiben.
- Mischseiten (Text + Foto): Eine einzige Bildschicht für die ganze Seite erzwingt Kompromisse; segmentierte Verfahren (Text/Foto getrennt) sparen oft deutlich, sind aber stark von der Qualität der Seitentrennung abhängig.
PDF-Struktur: Objekt-Overhead, redundante Inhalte, Fonts und „linearisiert“
Neben Bilddaten kann die interne Struktur eine PDF spürbar aufblasen. PDFs bestehen aus vielen Objekten (Streams, Ressourcen, Querverweistabelle). Werden Seiten beim Export inkrementell gespeichert, bleiben alte Objektversionen im Dateiende erhalten; die Datei wird größer, obwohl der sichtbare Inhalt gleich bleibt. Manche Tools fügen zudem Vorschaubilder, Formularreste, nicht genutzte XObjects oder mehrfach eingebettete Schriftuntergruppen hinzu. Auch mehrere, nahezu identische Fonts (z. B. durch unterschiedliche Subsetting-Sätze pro Seite) erhöhen die Größe.
„Linearisiertes“ PDF (Fast Web View) ist primär eine Struktur für schnelleres Laden über das Netz; es ist nicht automatisch kleiner. Im Gegenteil kann Linearisation zusätzlichen Struktur-Overhead bringen. Relevant für die Größe sind eher das Aufräumen (Entfernen ungenutzter Objekte), das konsistente Einbetten von Schriften sowie die Frage, ob Inhalte als Vektor (z. B. Text aus einer Anwendung) oder als Rasterbild (Scan) enthalten sind. Vektortext mit eingebetteten Fonts ist häufig deutlich kleiner und bleibt durchsuchbar, während ein Scan ohne Textlayer immer ein Bild bleibt – unabhängig davon, wie klein er komprimiert wird.
Gezielt reduzieren unter Windows 11: Scan-Einstellungen, Export-Optionen und Kompression mit Bordmitteln, Druckertreibern und gängiger Software
Schon beim Scannen entscheiden: Auflösung, Farbraum und Vorverarbeitung
Der größte Hebel für kleine PDF-Dateien liegt vor dem Export: Ein Scan mit zu hoher Auflösung und ungünstigem Farbraum produziert Bilddaten, die sich später nur noch mit Qualitätsverlust schrumpfen lassen. Für typische Office-Dokumente (Text, Tabellen, Stempel, Unterschriften) ist eine moderate Auflösung ausreichend, solange der Scanner sauber fokussiert und die Vorlage gerade eingezogen wird. Bei Fotos, Plänen oder sehr feinen Rasterungen steigt der sinnvolle DPI-Bedarf, allerdings sollte dann gezielt nur dort hochaufgelöst gescannt werden.
Zusätzlich beeinflusst die Scan-Software häufig unbemerkt den Farbraum. Ein Farbscan (RGB) für eine schwarzweiße Textseite bläht die Datenmenge massiv auf; Graustufen sind in vielen Fällen der passende Kompromiss. Für reine Textvorlagen ist ein echtes Schwarzweiß (1 Bit) am kleinsten, erfordert aber eine gute Schwellenwert- bzw. Entzerrungslogik, sonst entstehen ausgefranste Kanten und schlechte OCR-Ergebnisse. Praktisch relevant sind auch automatische Bildverbesserungen: „Hintergrund entfernen“, „Kontrast erhöhen“ oder „Entflecken“ reduzieren zwar visuell Störungen, können aber feine Serifen und dünne Linien beschädigen oder die Kompression verschlechtern, wenn sie Rauschen hinzufügen.
- Textdokumente (Standard):
300 dpi, FarbraumGraustufen, Schärfung sparsam, Hintergrundglättung nur bei sichtbarem Papierraster. - Reine Schwarzweiß-Vorlagen:
300–600 dpimit1 Bit(B/W) nur dann, wenn die Scan-Software einen stabilen Schwellenwert bietet und dünne Linien nicht ausfransen. - Foto- oder Grafikanteil:
300 dpifür A4 ist meist ausreichend; höhere DPI nur bei nachweislichem Detailgewinn, sonst steigt die Dateigröße überproportional. - Vorlagenqualität: Zuerst Ausrichtung, Zuschnitt und Entzerrung korrigieren; schiefe Seiten erzeugen große Ränder und erschweren spätere Kompression und OCR.
Export-Optionen verstehen: Bildkompression, Downsampling und Objektstruktur
PDF-Größe wird maßgeblich durch eingebettete Bilder bestimmt: deren Auflösung, Kompressionsverfahren und Anzahl (z. B. doppelte Einbettung identischer Ressourcen). Viele Scan-Tools exportieren jede Seite als JPEG in hoher Qualität, selbst wenn große Flächen nur aus weißem Papier bestehen. Besser sind Exporte, die Downsampling (Reduzierung der effektiven Bildauflösung) und eine passende Kompression steuern. Für farbige bzw. graue Scanbilder ist JPEG oder JPEG2000 üblich; für harte Schwarzweiß-Bitmap-Seiten sind CCITT Group 4 oder JBIG2 (bei manchen Tools) deutlich effizienter. JBIG2 kann bei „lossy“-Modi jedoch Zeichen verwechseln; für rechtssichere Archivierung sind verlustfreie Einstellungen vorzuziehen.
Wichtig ist außerdem die Objektstruktur: Manche Programme schreiben pro Seite ein Vollbild, obwohl der Inhalt aus Text plus wenigen Bildern bestehen könnte. Sobald OCR eingesetzt wird, kann ein „sandwich PDF“ entstehen: Bild bleibt sichtbar, Text liegt unsichtbar darüber. Das verbessert Suchbarkeit, reduziert aber nicht automatisch die Dateigröße; im Gegenteil kann ein zusätzliches Text-Layer, eingebettete Fonts oder ein zu detailliertes OCR-Ergebnis (z. B. mit vielen Positionsinformationen) die Datei vergrößern. Ziel ist daher eine kontrollierte Kombination aus moderater Bildauflösung und schlankem OCR-Text.
| Einstellung | Empfehlung für kleine, robuste PDFs |
|---|---|
| Downsampling | Für Textscans auf 300 dpi begrenzen; bei bereits höherer Quelle konsequent reduzieren, statt nur „Qualität“ zu senken. |
| JPEG-Qualität | Moderate Qualität (typisch „mittel/hoch“); extrem hohe Qualität bringt bei Dokumentseiten selten sichtbaren Gewinn, aber große Dateien. |
| Farbraum | Graustufen statt RGB bei Text; RGB nur, wenn Farben inhaltlich relevant sind (z. B. Markierungen, Stempel). |
| OCR-Output | „Durchsuchbares Bild“ (Text-Layer) mit zurückhaltender Einbettung; keine unnötigen Zusatzsprachen und keine Bildduplikate. |
Bordmittel und Druckertreiber: „Microsoft Print to PDF“ und Treiberoptionen richtig einordnen
Unter Windows 11 ist „Microsoft Print to PDF“ primär ein Konvertierungsweg aus Anwendungen heraus. Für bereits gescannte, bildlastige PDFs ist der Effekt oft begrenzt: Drucken erzeugt häufig eine neu gerenderte Seitenbeschreibung, was Texte in Bilder umwandeln oder die interne Struktur verschlechtern kann. In günstigen Fällen entfernt der Druckweg überflüssige Metadaten oder vereinheitlicht Ressourcen; in ungünstigen Fällen entstehen zusätzliche Rasterungen und größere Dateien. Deshalb eignet sich der Druck-zu-PDF-Weg eher, wenn die Ausgangsdatei aus „schwierigen“ Quellen stammt (z. B. sehr komplexe Layoutobjekte) und eine saubere, kompatible PDF-Variante gebraucht wird, nicht als Standardmaßnahme zur Verkleinerung.
Mehr Spielraum bieten Druckertreiber mit eigener PDF-Ausgabe oder „Optimieren“-Profilen, sofern sie echte Bildkompression und Downsampling erlauben. Entscheidend ist, dass die Ausgabe nicht einfach jede Seite als hochauflösendes Bild rendert. Treiberoptionen wie „Bildqualität“, „Komprimierung“, „Farbmodus“ und „Auflösung“ sollten nachvollziehbar dokumentiert werden, damit identische Vorlagen reproduzierbar zu identischen Dateigrößen führen. Wo ein Treiber zwischen „Dokument“ und „Foto“ unterscheidet, ist „Dokument“ für Scan-PDFs meist die passende Wahl.
- Sicherheitscheck nach Druck-zu-PDF: Prüfen, ob Text noch selektierbar ist (kein reines Bild-PDF); sonst ist die Datei zwar „neu“, aber funktional schlechter.
- Druckdialog als Signalquelle: Wenn nur „Qualität“ ohne DPI/Downsampling angeboten wird, bleibt die Reduktion oft kosmetisch; bessere Treiber nennen explizit
dpi, Kompressionsart oder Profile. - Kompatibilität statt Minimierung: Druck-zu-PDF eignet sich, um problematische PDFs zu normalisieren; echte Größenreduktion erfolgt zuverlässiger über Export-/Optimierungsfunktionen.
Gängige Software: Optimieren ohne sichtbaren Verlust und mit kontrollierbarem Risiko
Für die gezielte Verkleinerung sind Funktionen wie „PDF optimieren“, „Speichern als optimiert“, „Bilder neu komprimieren“ oder „Reduce File Size“ relevanter als ein erneuter Druck. Solche Optimierer greifen typischerweise an vier Stellen an: (1) Downsampling überdimensionierter Bilder, (2) Neu-Kodierung in effizientere Verfahren, (3) Entfernen ungenutzter Objekte (z. B. nicht referenzierte Fonts, Thumbnails), (4) Stripping von Metadaten. Entscheidend ist die Kontrolle über Grenzwerte: Eine pauschale „starke Kompression“ kann feine Schriftkanten sichtbar verschmieren, bei Diagrammen Blockartefakte erzeugen oder bei Screenshots mit UI-Elementen Farbsäume verstärken.
Für Office-Scans hat sich ein konservatives Profil bewährt: Bilder auf 300 dpi begrenzen, JPEG-Qualität moderat halten, Graustufen bevorzugen, zusätzliches Rauschen vermeiden. Bei reinem Text kann ein Wechsel auf 1-Bit plus CCITT G4 extreme Einsparungen bringen, setzt aber voraus, dass die Seite tatsächlich aus klaren Kanten besteht. Bei gemischten Dokumenten (Text plus Unterschriften, Stempel, eingebettete Fotos) sollte nicht global auf Schwarzweiß umgestellt werden; sonst verlieren farbige Prüfvermerke ihre Aussagekraft.
Wenn OCR im selben Durchlauf angeboten wird, sollte die Reihenfolge stimmen: erst Bilddaten stabilisieren (Zuschnitt, Entzerrung, Downsampling), dann OCR, anschließend optional eine leichte Objektbereinigung. Andernfalls basiert OCR auf zu großen oder zu verrauschten Bilddaten, und die spätere Verkleinerung kann (toolabhängig) Textausrichtung oder Zeichenpositionen verschieben. Bei Tools mit JBIG2-Option ist eine verlustfreie Variante vorzuziehen, sofern die Datei in Archivkontexten oder als Beleg verwendet wird.
- Konservatives Dokumentprofil: Bilder auf
300 dpi(Farbe/Graustufen) begrenzen, JPEG-Qualität nicht maximal, Farbraum passend wählen, unnötige eingebettete Vorschauen entfernen. - Schwarzweiß-Only mit Vorsicht: Nur für wirklich monochrome Seiten; Kompression wie
CCITT Group 4ist sehr klein, reagiert aber empfindlich auf Graurauschen und Schatten. - OCR ohne Ballast: Nur benötigte Sprachen aktivieren, Ausgabe als „durchsuchbares Bild“ (Text-Layer) statt zusätzlicher, hochauflösender Bildduplikate.
- Qualitätskontrolle nach Optimierung: Kanten von 8–10 pt Schrift, dünne Linien und Stempel prüfen; sichtbare Blockbildung oder verwaschene Serifen deuten auf zu aggressive JPEG-Parameter hin.
OCR ohne Nebenwirkungen: Wann es hilft, wie man es sauber einsetzt und wo Kompression und Archivstandards Grenzen setzen
OCR (Optical Character Recognition) wird oft als Hebel zur PDF-Verkleinerung missverstanden. OCR macht Text durchsuchbar und kopierbar; eine kleinere Datei entsteht nur dann, wenn die OCR-Software das PDF zusätzlich umstrukturiert, etwa indem sie Bilddaten neu komprimiert, redundante Ressourcen zusammenführt oder eine Textschicht statt einer reinen Bildseite ablegt. Genau hier liegt das Risiko: Viele „OCR“-Workflows verändern Bildauflösung, Farbraum oder Kompressionsart – mit sichtbaren Artefakten, schlechterer Lesbarkeit feiner Linien oder problematischen Effekten bei späteren Prüf- und Archivprozessen. Sauber eingesetzt bleibt OCR eine semantische Ergänzung, keine aggressive Bildreduktion.
Wann OCR tatsächlich hilft – und wann nicht
OCR lohnt sich vor allem bei gescannten Dokumenten ohne eingebetteten Text, bei Formularen, Belegen, Verträgen oder technischem Schriftgut, das im Nachgang durchsucht, indexiert oder automatisiert weiterverarbeitet wird. Für „digital geborene“ PDFs (z. B. aus Office-Export oder aus Fachanwendungen) ist OCR meist überflüssig, weil der Text bereits als Vektortext enthalten ist. In solchen Fällen erhöht OCR die Komplexität und kann die Datei sogar vergrößern, etwa durch zusätzliche Fonts, ToUnicode-Tabellen oder eine unnötige Unsichtbar-Textschicht.
OCR ist außerdem kein Ersatz für korrektes Scannen. Wenn Seiten mit zu hoher DPI, falschem Farbraum oder ungeeigneter Kompression aufgenommen wurden, bleibt die Bilddatenmenge die dominante Größe. Dann sollte zuerst an Scanprofilen und Bildkompression angesetzt werden; OCR wird danach als separater Schritt ergänzt. Diese Trennung erleichtert die Qualitätskontrolle und verhindert, dass eine OCR-Engine „nebenbei“ Bilddaten verschlechtert, ohne dass die Ursache später nachvollziehbar ist.
Saubere OCR-Praxis: Textschicht hinzufügen, Bilddaten stabil halten
Ein „nebenwirkungsfreier“ OCR-Workflow folgt dem Grundsatz, das visuelle Erscheinungsbild nicht anzutasten. Das bedeutet: keine implizite Downsampling-Regel, keine ungeplante Konvertierung von RGB nach CMYK oder in einen Indizfarbraum, keine „Optimierung“ mit niedriger JPEG-Qualität. Geeignete Werkzeuge bieten Optionen wie „Text unter Bild“ oder „Suchbares Bild“, bei denen die Originalseite als Bild beibehalten wird und lediglich eine unsichtbare Textlage hinzukommt. Für spätere Reproduktion (Druck, Beweisführung) ist diese Trennung entscheidend.
Eine weitere Fehlerquelle sind falsche Sprachen und Zeichensätze. Für deutschsprachige Dokumente mit Umlauten und Ligaturen sinkt die Erkennungsqualität spürbar, wenn nur Englisch konfiguriert ist. Schlechte OCR produziert zudem lange, fehlerhafte Textketten, die Indexe aufblähen können, ohne praktischen Nutzen zu liefern. Bei tabellarischen Belegen oder Formblättern ist außerdem zu prüfen, ob das Tool Layout-Analyse (Spalten, Tabellen) beherrscht oder den Text in falscher Reihenfolge ablegt.
- OCR nur bei Bild-PDF: Vorab prüfen, ob Text vorhanden ist, z. B. durch Kopier-Test oder in Tools, die den Inhaltstyp anzeigen; automatisierbar über
qpdf --check input.pdf(liefert Hinweise auf Struktur-/Konsistenzprobleme, ersetzt aber keine Inhalts- oder Texterkennung). - Bilddaten unverändert lassen: In OCR-Dialogen Optionen wählen, die die Seite nicht neu rendern (typisch „Suchbares Bild“/„Text unter Bild“); wenn ein Werkzeug zwingend „Optimieren“ koppelt, separate OCR-Software bevorzugen.
- Sprache und Zeichensatz: Für deutschsprachige Scans
deu(und bei Bedarfdeu+eng) konfigurieren; bei Tesseract-basierten Workflows z. B.tesseract input.tif output -l deu pdf(je nach Tool-Wrapper). - Schärfe statt DPI eskalieren: OCR profitiert von klaren Kanten und hohem Kontrast; besser leichtes Deskew/Entflecken im Scanprogramm als pauschal 600 dpi, wenn das Ausgangsmaterial dafür keinen Mehrwert liefert.
- Qualität prüfen, bevor komprimiert wird: Stichproben auf kritischen Seiten (Kleingedrucktes, Stempel, Unterschriften) und Suchtests mit Umlauten; erst danach Bildkompression oder „Speichern als optimiert“ anwenden.
Kompression und OCR: Wechselwirkungen, die oft übersehen werden
Viele OCR-Engines arbeiten intern mit gerasterten Zwischenbildern. Wird dabei automatisch in Graustufen umgewandelt oder die Auflösung reduziert, kann das die Datei zwar verkleinern, aber Details zerstören, die im Originalscan noch vorhanden waren. Besonders riskant sind aggressives JPEG auf Textseiten (Blockartefakte an Kanten) und verlustbehaftetes JBIG2 in einem Modus, der Zeichenmuster zusammenführt („symbol substitution“). Letzteres kann einzelne Buchstaben angleichen; in sensiblen Kontexten (Rechnungen, technische Angaben) ist das inakzeptabel.
Als robuste Strategie gilt: Für reine Schwarzweiß-Textscans kann verlustfreies JBIG2 oder CCITT Group 4 sehr kleine Dateien erzeugen, ohne Zeichen zu verfälschen. Für Graustufen- oder Farbseiten mit Stempel, Markierungen oder Fotos bietet sich JPEG2000 verlustfrei oder moderat verlustbehaftet an, sofern Empfänger und Archivprozesse die Dekodierung sicher beherrschen. Wenn Kompatibilität im Vordergrund steht, bleibt klassisches JPEG (moderate Qualität) der kleinste gemeinsame Nenner, allerdings mit klaren Grenzen bei feinen Linien und Schriften.
| Baustein | Sinnvolle Zielsetzung und typische Grenze |
|---|---|
| OCR-Textschicht | Erhöht Suchbarkeit/Barrierefreiheit; sollte das Seitenbild nicht verändern. Datei kann leicht wachsen (Fonts/Index), daher nur einsetzen, wenn Suche/Extraktion gebraucht wird. |
| Bildkompression (Textseiten) | Schwarzweiß: bevorzugt CCITT G4 oder JBIG2 verlustfrei; verlustbehaftetes JBIG2 mit Symbolersetzung birgt Inhaltstreue-Risiken. |
| Bildkompression (Farbe/Graustufen) | JPEG/JPEG2000 je nach Kompatibilitätsanforderung; zu starke JPEG-Qualitätsreduktion verschlechtert OCR-Ergebnis und Lesbarkeit von Kleindruck. |
| Archivanforderungen (PDF/A) | Erfordert eingebettete Profile/Fonts und verbietet bestimmte Inhalte; kann Dateien vergrößern. OCR ist möglich, muss aber normkonform eingebettet werden (z. B. Unicode-Mapping für Textsuche). |
Archivstandards setzen Grenzen: PDF/A, Nachvollziehbarkeit und Revisionssicherheit
Für Langzeitarchivierung ist nicht die minimale Dateigröße entscheidend, sondern Reproduzierbarkeit und normkonforme Selbstenthaltung. PDF/A-Varianten verlangen u. a. eingebettete Schriften, definierte Farbprofile und den Verzicht auf aktive Inhalte; je nach Ausgangsmaterial erhöht das die Dateigröße. OCR passt grundsätzlich dazu, sofern die Textschicht korrekt kodiert ist (Unicode/ToUnicode), die Seitenbilder nicht „heimlich“ neu komprimiert werden und keine nicht erlaubten Features eingebracht werden. Tools, die bei „PDF/A erstellen“ automatisch Bilder neu samplen, sollten mit Vorsicht behandelt werden, weil sich Bildqualität und Dateigröße dann nicht mehr getrennt steuern lassen.
Für Versand und E-Mail gilt ein anderer Fokus: hohe Kompatibilität, schnelle Anzeige, akzeptable Größe. Hier kann eine moderate Bildkompression sinnvoll sein, OCR bleibt optional. Für Archive und Compliance-nahe Ablagen empfiehlt sich dagegen ein nachvollziehbarer Prozess mit klarer Trennung der Schritte: Scanqualität festlegen, Bilddaten gezielt komprimieren (oder bewusst verlustfrei lassen), anschließend OCR als zusätzliche Schicht und erst dann – falls gefordert – Konvertierung in PDF/A mit dokumentierten Einstellungen. So bleiben Inhaltstreue, Suchbarkeit und Dateigröße technisch begründet und überprüfbar.
