Ein PDF unter eine 10-MB-Grenze bringen

Die Megabyte stecken an einer von zwei Stellen, und das entscheidet alles

Ein PDF ist ein Behälter. Darin kann eine Seite als Anweisungen beschrieben sein — zeichne diese Glyphe hier, in dieser Schrift, ziehe diese Linie — oder als Foto einer Seite. Das Erste erzeugen Textverarbeitung, Tabellenkalkulation oder ein Reporting-Werkzeug. Es ist erstaunlich kompakt: eine Seite dichten Textes sind ein paar Kilobyte Anweisungen, und die Schriften werden im ganzen Dokument geteilt statt wiederholt. Das Zweite erzeugen Scanner oder Handykamera: ein Foto eines Blattes Papier, als JPEG gespeichert, eines pro Seite.

Die folgende Rechnung ist nicht knapp. Ein zwölfseitiger Vertrag aus einer Textverarbeitung wiegt oft unter 200 KB insgesamt. Dieselben zwölf Seiten bei 300 dpi gescannt sind zwölf Fotos zu je rund 8,7 Megapixel und landen bei etwa 12 MB. Am Inhalt hat sich nichts geändert; an der Darstellung schon. Deshalb ist der Allerweltsrat „komprimier das PDF“ nutzlos, solange man nicht weiß, welches man hat: die beiden Fälle haben außer der Dateiendung fast nichts gemeinsam.

Was strukturelle Komprimierung tatsächlich entfernt

Ein PDF besteht aus nummerierten Objekten, und die Datei führt eine Querverweistabelle, die sagt, wo jedes beginnt. Ein Dokument mehrfach zu bearbeiten oder aus einer Vorlage zu erzeugen lässt diese Struktur fett werden: Objekte, auf die nichts mehr zeigt, Wörterbücher, die pro Seite wiederholt statt geteilt werden, eine Querverweistabelle, an die angehängt statt neu geschrieben wurde. Das Neuschreiben mit Objektströmen packt viele kleine Objekte in einen einzigen komprimierten Strom und ersetzt die Tabelle durch ein komprimiertes Gegenstück. Genau das tut der Kompressor dieser Seite, und er ist wirklich verlustfrei: jede Glyphe, jede Linie, jedes Pixel ist Bit für Bit, was es war.

Die ehrliche Grenze ist die Kehrseite dieses Satzes. Weil es verlustfrei ist, kann es die Bildströme nicht anrühren: ein JPEG im PDF kommt als dasselbe JPEG heraus. Bei einem Scan ist die Struktur eine dünne Hülle um einen Stapel Fotos, also entfernt das Beseitigen strukturellen Ballasts einen Rundungsfehler. Das Werkzeug wird sagen, dass es fast nichts gespart hat, und es sagt die Wahrheit: es war fast nichts zu sparen da.

Die Auflösung wirkt quadratisch, und darin liegt der ganze Hebel

Die Seite ändert ihre Größe nicht, also multipliziert die Auflösung in zwei Richtungen zugleich. Von 300 dpi auf 200 dpi ist ein Faktor zwei Drittel je Achse, und zwei Drittel im Quadrat sind vier Neuntel: 44,4 Prozent der Pixel, 55,6 Prozent weg. Von 300 auf 150 ist die Hälfte je Achse und damit ein Viertel der Pixel. Deshalb ist die Auflösung der einzige Hebel mit echter Hebelwirkung bei einem Scan, und deshalb erzeugen kleine Änderungen daran große Größenunterschiede.

Wo man aufhört, ist eine Frage danach, wer das Dokument liest. Zweihundert dpi ist die übliche Untergrenze in Verwaltungsvorgaben, und bei dieser Auflösung bleiben Fließtext und Unterschriften am Bildschirm sauber und drucken ordentlich. Hundertfünfzig ist noch lesbar, weicht aber Kleingedrucktes, Fußnoten und Stempelabdrücke auf. Darunter verschmelzen Zeichen. Und wenn das Dokument einer Texterkennung vorgelegt statt von einem Menschen gelesen wird, reduziere gar nicht: die Erkennungsgenauigkeit fällt unter 300 dpi deutlich ab, und ein abgelehntes Formular ist schlechter als ein zweiter Upload-Versuch.

Der Weg, wenn du nicht neu scannen kannst

Oft stammt der Scan von woanders und das Original ist weg. Der Weg führt darüber, das PDF zu zerlegen und neu zu bauen: jede Seite als Bild exportieren, diese Bilder verkleinern und aus dem verkleinerten Satz ein neues PDF zusammensetzen. Das sind drei Schritte statt einem, und jeder läuft im Browser, sodass eine Gehaltsabrechnung oder ein medizinisches Formular dafür nicht auf Reisen geht.

Eine Warnung zur wiederholten JPEG-Kodierung, denn dieser Weg enthält sie. Ein JPEG, das dekodiert und neu kodiert wird, verliert jedes Mal ein wenig, und der Verlust summiert sich; nach einem Durchgang bei vernünftiger Qualität sieht man nichts, nach fünf schon. Reduziere einmal, auf die Auflösung, die du wirklich brauchst, statt die Datei in mehreren Anläufen abzuhobeln. Schießt der erste Versuch übers Ziel, geh zum Original-PDF zurück und fang neu an, statt die bereits reduzierte Kopie erneut zu reduzieren.

Wann Teilen besser ist als Verkleinern

Lies die Grenze genau, bevor du irgendetwas verschlechterst. Die meisten Formulare begrenzen jeden Anhang, nicht die Einreichung, und sehr viele akzeptieren mehrere. Ein 14-MB-Scan, der bei 300 dpi bleiben muss, weil er maschinell gelesen wird, teilt sich in zwei 7-MB-Hälften, die beide in voller Qualität hochladen. Das ist besser als eine einzelne Datei mit 150 dpi, an der die Erkennung dann scheitert.

Zwei kleinere Warnungen, die man kennen sollte. Manche Formulare messen die kodierte Größe eines Uploads statt der Datei auf der Platte, was bei einem E-Mail-Anhang etwa ein Drittel hinzufügt; verschickst du per Mail statt per Formular, ziele auf rund 7 MB, um eine 10-MB-Decke zu unterschreiten. Und ein passwortgeschütztes PDF lässt sich ohne Passwort weder umstrukturieren noch teilen, weil das Werkzeug die Objektstruktur nicht lesen kann, die es umschreiben müsste — erst den Schutz entfernen, dann arbeiten, dann wieder setzen.

Eine Entscheidung, die allein aus der Dateigröße folgt

Zusammengenommen passt die Regel in eine Zeile: Kilobyte pro Seite sagt dir, welches Problem du hast, und das Problem sagt dir, welches Werkzeug. Text-PDFs sprechen auf strukturelle Komprimierung an und verlieren nichts; Scans sprechen nur auf Auflösung an und verlieren dafür Detail. Das falsche zu probieren kostet ein paar Sekunden; zu wissen, was was ist, macht aus einer Formularablehnung ein gelöstes Problem, meist im ersten Anlauf.

Häufige Fragen

Ich habe komprimiert, und es hat sich kaum geändert. Ist das Werkzeug kaputt?

Fast sicher nicht — es sagt dir, dass die Datei ein Scan ist. Strukturelle Komprimierung ist verlustfrei, kann die Bilder im PDF also nicht neu kodieren, und bei einem Scan sind die Bilder im Wesentlichen die ganze Datei. Ein Ergebnis von ein oder zwei Prozent heißt, es gab ein bis zwei Prozent strukturellen Ballast und sonst nichts zu holen. Sieh dir die Kilobyte pro Seite an: über etwa 300 KB heißt die Antwort Auflösung, nicht Komprimierung.

Macht das Verringern der Auflösung das Dokument rechtlich ungültig?

Das Verringern der Auflösung berührt die Gültigkeit für sich genommen nicht, aber zwei Dinge können es. Trägt das Dokument eine elektronische Signatur, zerstört jede Änderung sie — die Signatur deckt die exakten Bytes, ein neu gebautes PDF ist aus Sicht der Signatur ein anderes Dokument und wird als ungültig angezeigt. Und manche Verfahren schreiben in eigenen Regeln eine Mindestauflösung vor, üblich sind 200 oder 300 dpi. Prüfe die Vorgabe des Formulars vor dem Verkleinern, und ist die Datei signiert, baue sie gar nicht neu: teile sie stattdessen, oder frage, ob neu signiert werden kann.

Warum braucht dieselbe Seite in Farbe mehr Platz als in Graustufen?

Weil Farbe drei Kanäle speichert, wo Grau einen speichert, und weil fotografisches Rauschen in einem Farbscan schlecht komprimiert. Bei einer Schwarz-Weiß-Vorlage — Brief, Formular, Vertrag — nimmt Graustufen statt Farbe bei gleicher Auflösung typischerweise ein weiteres Drittel bis die Hälfte weg und verliert nichts, was im Dokument war. Scanne nur farbig, wenn Farbe Bedeutung trägt: ein Stempel, eine markierte Stelle, ein Diagramm, ein Ausweis.

Kann ich das PDF nicht einfach zippen?

Es bringt fast nichts, denn ein PDF ist innen bereits komprimiert: seine Ströme sind deflate-komprimiert, und die Bilder sind JPEGs, also schon komprimierte Daten. Komprimierte Daten zu zippen bringt typischerweise ein bis zwei Prozent. In der Praxis macht es die Sache meist schlechter: viele Formulare weisen Archive schlicht ab, und ein Sachbearbeiter, der einen Anhang auspacken muss, ist ohne Gegenwert verärgert.

Die Grenze sagt 10 MB und meine Datei hat 9,4 MB, wird aber abgelehnt. Warum?

Meist eines von drei Dingen. Die Grenze kann für die ganze Einreichung statt für jeden Anhang gelten, dann zählen deine anderen Dateien mit. Das System kann den kodierten Upload statt der Datei auf der Platte messen, was bei einem Mail-Anhang rund ein Drittel hinzufügt. Oder das Megabyte selbst ist mehrdeutig: 10 MB können 10.000.000 Byte oder 10.485.760 bedeuten, und eine Datei, die das Betriebssystem 9,4 MB nennt, kann über dem kleineren liegen. Ziele auf einen bequemen Abstand — etwa 7 MB gegen eine 10-MB-Decke — statt knapp darunter landen zu wollen.