Durchsuchbares PDF

Ein durchsuchbares PDF enthält Text, den Software finden, auswählen, kopieren oder indexieren kann. Meist liegt hinter dem sichtbaren Seitenbild zusätzlich eine maschinenlesbare Textebene.

Durchsuchbares PDF und reines Bild-PDF

Zwei PDFs können auf dem Bildschirm identisch aussehen und sich trotzdem ganz unterschiedlich verhalten. Ein durchsuchbares PDF stellt seinen Text der Software zur Verfügung: Die Dokumentensuche funktioniert, Text lässt sich markieren und kopieren, und der Inhalt kann für späteres Auffinden indexiert werden. Ein reines Bild-PDF bewahrt die Seite optisch, verhält sich aber wie ein flaches Bild. Suche, Auswahl, Kopieren und die meisten Funktionen für Barrierefreiheit funktionieren dort nicht.

Dieser Unterschied ist relevant, weil viele PDFs unbemerkt nur aus Bildern bestehen. Gescannte Dokumente, fotografierte Seiten und manche Screenshot-Exporte erzeugen standardmäßig ein Bild-PDF, solange keine Textebene hinzugefügt wird.

Einsatzbereiche

• Archive und Akten: Finde gespeicherte Dokumente über Begriffe statt nur über Dateiname oder Datum.
• Recht und Compliance: Gerichte und Aufsichtsbehörden verlangen für Prüfung und Offenlegung häufig textdurchsuchbare Unterlagen.
• Forschung: Durchsuche Sammlungen gescannter Aufsätze, Berichte oder historischer Dokumente.
• Barrierefreiheit: Screenreader benötigen eine Textebene, um Dokumentinhalte vorzulesen.
• Screenshot-Exporte: Speichere aufgenommene Bildschirme als PDFs, deren Text sich später suchen und zitieren lässt.

So wird ein PDF durchsuchbar

Ein PDF kann auf zwei Wegen durchsuchbar sein. Wurde es digital erstellt, zum Beispiel durch einen Export aus einer Textverarbeitung oder einem Browser, ist der Text meist bereits eingebettet.

Beginnt das Dokument als Bild – Scan, Foto oder Screenshot –, ist eine OCR-Erkennung nötig. Sie erkennt den Text im Seitenbild und fügt dahinter eine Textebene ein. Das sichtbare Ergebnis bleibt gleich, der Text wird aber maschinenlesbar.

Deshalb führen manche Screenshot-Tools die OCR direkt beim Export aus. Das erzeugte PDF ist dann ohne weiteren Schritt durchsuchbar.

Häufige Fehler

• Annehmen, jedes PDF sei durchsuchbar. Auch ein optisch gut lesbares PDF kann nur aus Bildern bestehen. Prüfe, ob sich Text auswählen oder suchen lässt.
• Durchsuchbar mit fehlerfrei erkannt verwechseln. Die Qualität der Textebene hängt von der OCR ab. Schlechte Bilder, ungewöhnliche Schriften und komplexe Layouts können Fehler verursachen. Die Suche bleibt nützlich, aber Erkennungsfehler beeinflussen Such- und Kopierergebnisse.
• „Durchsuchbares PDF“ als eigenes Dateiformat behandeln. Es ist kein separates Format, sondern eine Eigenschaft. Jedes PDF kann durchsuchbar sein oder nur aus Bildern bestehen.
• Bild-PDFs ungeprüft archivieren. Ein gespeichertes Scan- oder Screenshot-Dokument ist später schwer auffindbar, wenn es nur aus Bildern besteht. Eine OCR vor der Archivierung hält den Inhalt durchsuchbar.