Transkript

1 von :11 Vorwort Einleitung Empfehlung Formatkategorien Zeichencodierung Datenkompression Kriterienkatalog Offenheit Lizenzfreiheit Verbreitung Funktionalitaet Implementierung Speicherdichte Verifizierbarkeit Komplexitaet (nur Videoformate) Selbstdokumentation (nur Videoformate) Best Practice Perspektive Formatklasse Verworfene Kriterien Formatkatalog Textdaten TXT PDF PDF-A-1 PDF-A-2 PDF-A-3 ODF OOXML Bilddaten TIFF JPEG JPEG2000 PNG DNG PDF-A-2 bei Bilddaten Vektorgrafiken SVG Audiodaten WAV MP3 Videodaten Uncompressed Video Digital Video MPEG-2 MPEG-4 MJPEG2000 MOV AVI MXF Strukturierte Daten: Tabellenkalkulation XLS ODF bei Tabellenkalkulation OOXML bei Tabellenkalkulation PDF-A bei Tabellenkalkulation Strukturierte Daten: Datenbanken CSV SIARD SQLX SQL Script Geschichte der Formate Glossar Bibliografie Bewertungsmatrix (html) / (excel)

2 von :11 Vorwort Die vorliegende Version 3.0 des Katalogs archivischer Dateiformate (KaD) der KOST wurde von der KOST-Geschäftsstelle zusammen mit der Expertengruppe Dateiformate erarbeitet. An der Arbeit beteiligt waren: Georg Büchler, KOST; Olivier Debenath, StABS; Daniel Gubler, clavisit; Martin Kaiser, KOST; Reto Kromer, reto.ch; Hans Jörg Kuhn, StAUR; Martin Lüthi, StASG; Christoph Manasse, StABS; Michele Merzaghi, BAR; Yves Niederhäuser, Memoriav; Katrin Oettli, Tanzarchiv; Romano Padeste, StAZH; Ursina Rodenkirch-Brändli, StAGR; Claire Röthlisberger, KOST; Brigitte Sacker, StadtABE; Beat Siegrist, BK; Jean-Daniel Zeller, HCUGE. Vorherige Versionen des KaD sind weiterhin verfügbar: Version 2.0 vom , erarbeitet von der KOST-Geschäftsstelle unter Mitarbeit von Gilbert Coutaz, ACV; Alain Dubois, StAVS; Alexandre Garcia, CICR; Daniel Gubler, clavis IT; Hans Jörg Kuhn, StAUR; Christoph Manasse, StABS; René Quillet, StABL; Alexandra Rietmann, SR DRS; Matthias Wild, StAZH. Version 1.0 vom , erarbeitet im Rahmen eines Projekts der KOST-Geschäftsstelle und einer KOST-internen Arbeitsgruppe (Gilbert Coutaz, ACV; Peter Hurni, StABE; Hans Jörg Kuhn, StAUR; Paul Müller, StABS; Claudia Schmucki, StAZH). Der KaD ist über die KOST-Website unter zugänglich und wird periodisch aktualisiert. Kontakt: Version 3.0,

3 von :11 Einleitung Der Katalog archivischer Dateiformate KaD beschreibt 28 wichtige und verbreitete Dateiformate und analysiert ihre Eignung für die digitale Archivierung. Diese Formate gehören verschiedenen Kategorien an: Text, Bild, Audio, Video, Tabellenkalkulation und Datenbanken. Analyse und Bewertung Unter Archivinstitutionen besteht ein grober Konsens über die Eigenschaften, die ein Format aufweisen sollte, um als langzeittauglich zu gelten. Diese Eigenschaften können als Kriterien formuliert werden, mit deren Hilfe die einzelnen Formate analysiert werden. Der KaD basiert auf einem Kriterienkatalog, welcher drei Sichtweisen auf die Formate umfasst: Eine Bewertung anhand archivfachlicher Kriterien legt offen, in welchem Mass ein Format die Anforderungen von Archiven an die Archivtauglichkeit erfüllt und welche Risiken bei seiner Verwendung zu beachten sind. Der KaD verwendet dazu sieben unterschiedlich gewichtete Kriterien. Eine Best-Practice-Analyse hält fest, wie jedes Format in der Archivwelt beurteilt und in den Verwaltungen angewendet wird. Die Orientierung an Best Practices ergänzt die technischere, aber unter Umständen zu abstrakte archivfachliche Analyse. Diese Sicht lässt sich in zwei weitere Kriterien übersetzen. Eine Klassifizierung der Formate erlaubt es, unterschiedliche Bewertungen gemäss den ersten beiden Sichten zu verstehen, und trägt zum Entscheid über eine Empfehlung bei. Es wird unterschieden zwischen altbekannten und aktuellen Formaten, die sich auf Grund ihrer Stabilität für die Archivierung eignen; neuen Formaten, die zweifellos grosse Verbreitung erlangen werden; und potentiellen Formaten, bei deren Design die Archivtauglichkeit eine besondere Rolle gespielt hat, deren Zukunft aber noch nicht absehbar ist. Drei Sichten der Formatanalyse Die Betrachtung der Dateiformate aus diesen drei Sichten führt zu zwei sich ergänzenden Resultaten. Einerseits ermöglicht der Katalog der archivfachlichen und Best-Practice-Kriterien, die untersuchten Formate jeder Kategorie in eine Rangfolge gemäss ihrer Archivtauglichkeit zu bringen. Dabei wird jedes Format an Hand des Kriterienkatalogs bewertet und erhält zu jedem Kriterium eine Bewertung von 1 (nicht erfüllt) bis 4 (vollständig erfüllt). Diese Bewertungen werden mit der Gewichtung des Kriteriums multipliziert und aufsummiert. Um eine aussagekräftige Rangliste zu erhalten, wird der Logarithmus über dem Mittelwert innerhalb einer Kategorie berechnet. Formate, die Werte grösser als eins erreichen, können dann als überdurchschnittlich archivtauglich gelten. Die Analyse nach Formatklassen anderseits lässt sich nicht in einen numerischen Wert übersetzen. Sie hilft aber bei der Interpretation der Resultate, erlaubt es, Trends zu erkennen, und ermöglicht eine Prognose über die den Archiven potentiell in nächster Zeit zur Übernahme angebotenen Formate. Die Resultate der Analyse gemäss den drei Sichten sind in einer Bewertungsmatrix (html) / (excel) zusammengefasst. Aufgrund dieser Analyse müssen einzelne Formate im KaD als 'nicht archivtauglich' bezeichnet werden. Die Migration solcher Formate in ein archivtaugliches Format muss aber nicht unbedingt bei der Übernahme erfolgen. Es kann durchaus das Ende des Lebenszyklus des Formates abgewartet und somit der Migrationszyklus verlängert werden (Bsp.: JPEG, MP3, MPEG-2 ).

4 von :11 Anwendung im Archiv Bewertungsmatrix zur Archivtauglichkeit von Dateiformaten Der KaD soll nicht den falschen Eindruck erwecken, die Aufgabe der digitalen Archivierung sei allein durch die richtige Formatwahl lösbar. Die Wahl des geeigneten Archivformats für bestimmte digitale Unterlagen hängt von verschiedenen Faktoren ab. In den Einleitungstexten zu den verschiedenen Formatkategorien ist erläutert, wie der konkrete Anwendungsfall und Bewertungsentscheid die Formatwahl beeinflussen. Allgemeine Überlegungen zur Anwendung des KaD sind im Folgenden festgehalten. In der Regel legt ein Archiv eine Liste von Formaten fest, die es als archivtauglich akzeptiert. Es darf sich dabei wie auch bei vielen anderen seiner Tätigkeiten nicht als alleinstehende Institution verstehen, sondern ist verschiedenen Einflüssen ausgesetzt. Meist zeigen sich diese Einflüsse in den knappen Ressourcen finanzieller und personeller Art; daneben treten weitere interne oder externe Einflüsse auf. Einflüsse auf die Formatauswahl Bei der Festlegung dieser Formatliste sieht sich das Archiv mit einer grossen Menge an unterschiedlichen Formaten konfrontiert. All diese Formate zu analysieren, übersteigt die Ressourcen der meisten Archive. Hier greift der KaD ein, in dem Analysen verschiedenster Formate enthalten sind. Der KaD dient den Archiven damit nicht nur als Informationsquelle, sondern auch als Entscheidungshilfsmittel. Erstens zeigt er auf, welche Formate nach heutigem Kenntnisstand archivtauglich sind und als Zielformate für die Migration dienen können. Zweitens dient er im Kontakt mit der Verwaltung als Referenz dafür, welche Formate aus archivischer Sicht im aktiven Lifecycle verwendet (und entsprechend empfohlen) werden können. Die im KaD als archivwürdig definierten Formate sind als Empfehlung zu verstehen. Welche Formate ein Archiv als tauglich für die digitale Archivierung zulässt, bleibt seine Entscheidung. Aufbau des KaD Die vorliegende Einleitung wird ergänzt durch eine Übersicht über die untersuchten Formatkategorien sowie durch allgemeine Hinweise zu Zeichencodierung und Datenkompression. Die für die Analyse verwendeten Kriterien sind im Kriterienkatalog beschrieben, ihre Gewichtung wird erläutert. Aufgeführt sind auch Kriterien, die zwar in Betracht gezogen, dann aber verworfen wurden. Die als archivtauglich oder aus Gründen ihrer grossen Verbreitung als interessant für die Archive identifizierten Formate bilden den Formatkatalog. Ein Übersichtsartikel fasst jeweils die Analyse der Formate einer Kategorie zusammen. Er liefert allgemeine Informationen sowie konkrete Empfehlungen, basierend auf der durch den Kriterienkatalog erzielten Rangliste. Ein Anhang zum KaD umfasst einen Essay zur Geschichte der Dateiformate, ein Glossar sowie die allgemeine Bibliografie. Empfehlung Auf der Website der KOST sind die Kernaussagen des KaD in einer Kurzempfehlung zusammengefasst.

5 von :11 Empfehlung der KOST Der kann von Archiven und verwandten Institutionen als Grundlage für die Formulierung eigener Formatempfehlungen benutzt werden. Aufgrund der im KaD detailliert erläuterten Analysen, Bewertungen und Schlussfolgerungen empfiehlt die KOST für die verschiedenen Formatkategorien die folgenden Dateiformate als gegenwärtig archivtauglichste Lösung: Textdaten sollen möglichst bereits im Amt in ein PDF-Format ( PDF/A-1, PDF/A-2 oder PDF ) umgewandelt und so archiviert werden. Eine Konvertierung von PDF-Dateien in ein PDF/A-Format ist zu einem späteren Zeitpunkt meist problemlos möglich. Details zum Format PDF-A-1 Details zum Format PDF-A-2 Details zum Format PDF Analyse der Textformate Es gibt nicht ein einziges ideales Archivformat für Bilddaten. Es ist im Gegenteil unerlässlich, den konkreten Anwendungsfall und die archivische Bewertung in den Formatentscheid mit einzubeziehen: PDF/A-2 erfüllt die archivischen Anforderungen an ein Bildformat in idealer Weise, ist jedoch in erster Linie geeignet für die Archivierung retrodigitalisierter Unterlagen in Seitenform wie Amtsdruckschriften und Karteikarten. Für diese Unterlagenkategorie ist auch eine massvolle Komprimierung empfehlenswert. JPEG gilt gemeinhin sowie als Resultat der Analyse des KaD nicht als Archivformat. In der Praxis übernehmen viele Archive allerdings grosse Bildbestände im JPEG-Format. Eine Konvertierung in ein Archivformat macht hier nur in den wenigsten Fällen Sinn: JPEG ist weit verbreitet und stabil, der Informationsverlust durch die Komprimierung ist bereits geschehen und nicht rückgängig zu machen. PNG kann in der Regel nicht als Zielformat für Migrationen gelten, wird jedoch bei der Archivierung von Webinhalten voraussichtlich in grossen Mengen übernommen werden. DNG kann in Betracht gezogen werden bei der Archivierung von digitalen Fotos, falls der Zugriff auf die RAW-Daten möglich ist. In einem allgemeinen Sinn kann immer noch TIFF als hauptsächliches Archivformat für Rasterbilder gelten. Die Verwendung von JPEG2000 mit seinen Vorteilen in der Speicherplatzökonomie ist alternativ ebenfalls möglich, erfordert vom Archiv jedoch ein bewusstes Bekenntnis zu diesem ausserhalb der Archivwelt immer noch wenig verbreiteten Format. Details zum Format PDF/A-2 Details zum Format JPEG Details zum Format PNG Details zum Format DNG Details zum Format TIFF Details zum Format JPEG2000 Analyse der Bildformate Für Audiodaten ist das WAV-Format (genauer: WAVE PCM) als Archivformat anerkannt und unbestritten. Details zum Format WAV Analyse der Audioformate Für die Archivierung von Videodaten sollte folgendes erwogen werden: Die übernommen Videodaten sollten wenn möglich die ursprünglich erzeugten und wenn nicht, so doch die mit möglichst wenig Konvertierungsschritten entstandenen Daten sein. Die geringe Erfahrung im archivischen Bereich mit der Langzeitarchivierung von Videodaten sollte uns davon abhalten, vorschnell Formatmigrationen in Erwägung zu ziehen. Eine Ausnahme ist der Fall, wo Videodaten von ephemeren Datenträgern (Kassetten, Minidisks etc.) übernommen werden müssen. Es ist abzuwägen, ob es der Umfang der zu archivierenden Videodaten erlaubt, diese in unkomprimierter oder verlustfrei komprimierter Form zu speichern. Der Entscheid für eine Komprimierung ist aus archivischer Sicht ein Bewertungsentscheid: In vielen Fällen muss mit Komprimierung auf bestimmte Aspekte (Qualität, zukünftige Benutzung etc.), ohne Komprimierung auf eine Überlieferung gänzlich verzichtet werden. Es muss ein besonderes Augenmerk auf möglichst lange Migrationszyklen gelegt werden. Deshalb ist für Videodaten die Migrationsvermeidung höher zu gewichten als die Reduktion der Formatanzahl im Archiv, und es können mehr Formate als (mindestens provisorisch) archivtauglich akzeptiert werden als für andere Formatkategorien. Daraus ergibt sich folgende Schlussfolgerung: Videoformate können nicht per se als archivtauglich oder nicht archivtauglich klassifiziert werden. Vielmehr ist je nach Entstehungszusammenhang, Archivauftrag und Bewertungsentscheid jeweils ein bestimmtes Format das in diesem Fall am besten geeignete. Analyse der Videoformate Es existiert kein aus archivischer Sicht ideales Format für strukturierte Daten aus Tabellenkalkulation. Die Wahl eines provisorischen Archivformats muss sich an den zu bewahrenden Eigenschaften orientieren: Wenn die Funktionalität bewahrt werden soll, ist die Verwendung eines Originalformats wie XLS, ODF oder OOXML unabdingbar. Wenn in erster Linie die Tabellennatur bewahrt werden soll, können Datenbank-Archivierungsformate verwendet werden. Wenn nur der optische Aspekt wichtig ist, sollte PDF/A-1 oder -2 verwendet werden. Details zum Format XLS Details zum Format ODF Details zum Format OOXML Details zum Format PDF/A-1 oder -2 Analyse der Tabellenkalkulationsformate Datenbanken können nur unter Vorbehalt in ein archivisches Dateiformat überführt werden. Die Übernahme von Datenbanktabellen im CSV-Format ist bislang ein verbreitetes Vorgehen in den Archiven. Angesichts der Limiten von CSV, insbesondere der fehlenden Dokumentation und Metainformationen, kann dieses Format inzwischen nur noch als Notlösung gelten. Es wird empfohlen, ein umfassenderes, spezifisch für die Datenbank-Archivierung entwickeltes Format wie SIARD zu verwenden. Details zum Format CSV Details zum Format SIARD Analyse der Datenbankformate

6 von :11 Formatkategorien Die existierenden Formate können nach Datenrepräsentation und Funktionalität in sechs verschiedene Kategorien eingeteilt werden, die in untenstehender Darstellung aufgeführt und mit Beispielen verdeutlicht sind. Dabei steigt die Komplexität bei der Archivierung von links oben nach rechts unten. Sechs Formatkategorien Für den Katalog archivischer Dateiformate sind die folgenden Formatkategorien relevant: Textdaten, Bilddaten, Audiodaten, Videodaten und strukturierte Daten (Tabellenkalkulation, Datenbanken). Da Archive in der Regel keine Software archivieren, werden hingegen Programmdateien im KaD nicht behandelt.

7 von :11 Anmerkungen zur Zeichencodierung Zeichensätze und Zeichencodierung Wir unterscheiden zwischen Zeichensätzen und Zeichencodierungen Ein Zeichensatz ist eine festgelegte Menge von Zeichen (Buchstaben, Zahlen, Sonderzeichen, etc.). Jedes Zeichen (als abstrakte Einheit, z.b. "der lateinische Grossbuchstabe A") wird eindeutig identifiziert durch einem ihm zugeordneten Codewert (Zeichencode). Eine Zeichencodierung ist eine Abbildung von Zeichencodes in eine im digitalen Speicher darstellbare Form. Dabei wird jedem Zeichencode (der jeweils für genau ein abstraktes Zeichen steht) eine Bitsequenz zugeordnet. Traditionellerweise fielen Zeichensätze und Zeichencodierungen zusammen, indem direkt ein Zeichen in eine Bitsequenz abgebildet wurde. Dies gilt unter anderem für 7-bit ASCII die ISO 8859-Normenfamilie (ISO etc.), in 8 Bits codiert. Bei Unicode werden Zeichensatz und Zeichencodierung getrennt. Unicode definiert in erster Linie die verschiedenen Zeichen in den verschiedenen Schriften (bisher über 100'000) und ordnet ihnen einen sogenannten code point, einen Zeichencode zu. Dieser Zeichencode kann danach in verschiedener Weise in eine Bitsequenz umgesetzt werden: UTF-32 (UTF steht für Unicode Transformation Format) sieht für jedes Zeichen 4 Bytes à 8 Bits vor. Damit nehmen alle Zeichen im Speicher den gleichen Platz ein und es können alle bestehenden und alle noch je zu definierenden Zeichen untergebracht werden; diese Darstellung ist recht speicherintensiv. UCS-2 (2-byte Universal Character Set) sieht für jedes Zeichen 2 Bytes à 8 Bits vor. Damit nehmen alle Zeichen im Speicher den gleichen Platz ein; es können 65'536 Zeichen dargestellt werden, d.h. nur der sogenannte Basic Multilingual Plane (BMP) von Unicode. UTF-16 löst dieses Problem, indem es die Zeichen des BMP in einem 16-Bit-Wort, die weiteren Unicode-Zeichen in 2 16-Bit-Wörtern darstellt. UTF-8 ist eine speicherplatzoptimierte Zeichencodierung. Dabei werden die 128 Zeichen von ASCII in 1 Byte dargestellt, womit eine Kompatibilität erreicht wird. Für die weiteren Zeichen des Zeichensatzes werden bis zu 4 Bytes verwendet. Aus Gründen der Speicherplatzoptimierung und der Abwärtskompatibilität mit ASCII wird der Gebrauch von UTF-8 empfohlen. Referenzen ASCII American National Standards Institute (ANSI) X (ASCII-1967) ISO/IEC 646:1991, Information technology ISO 7-bit coded character set for information interchange [kostenpflichtig] ISO 8859 ISO/IEC :1998, Information technology 8-bit single-byte coded graphic character sets Part 1: Latin alphabet No. 1 [kostenpflichtig] [kostenlose Draft-Version des obigen] Unicode Unicode UTF-8 Literatur Spolsky, Joel: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) Tero, Paul: All About Unicode, UTF8 & Character Sets Smashing Magazine, Unicode UTF-8 Vergleich von UTF-8 mit anderen UNICODE-Zeichencodierungen

8 von :11 Datenkompression Digitale Dateien (vor allem Bild-, Audio- und Videodateien, aber grundsätzlich alle Dateien) werden wegen ihrer Grösse häufig komprimiert, damit Speicherplatz und Kommunikationskapazitäten gespart werden können. Wir unterscheiden dabei zwischen verlustfreien und verlustbehafteten Kompressionsalgorithmen. Verlustfreie Kompression basiert auf der Reduktion von Redundanzen in den vorliegenden Daten. Bei der Dekompression werden diese wiederhergestellt und so der originale Zustand wieder erreicht. Verlustbehaftete Kompression basiert (ausschliesslich oder zusätzlich) auf der Reduktion von Irrelevanzen, d.h. von Informationen, die für den Benutzer entbehrlich sind, z.b. weil er sie ohnehin nicht wahrnehmen kann. Diese Informationen sind nach der Kompression jedoch verloren; das Original kann nicht mehr wiederhergestellt werden. Bei verlustbehafteter Kompression ergeben sich mehr oder weniger starke Kompressionsartefakte, d.h. charakteristische, wahrnehmbare Veränderungen im Resultat. Für die digitale Archivierung gilt allgemein als Grundsatz, dass verlustbehaftete Kompressionsalgorithmen in der Regel zu vermeiden sind. Da der zukünftige Gebrauch der archivierten Unterlagen kaum abgeschätzt werden kann, sollen mit der Archivierung sämtlicher originaler Informationen möglichst alle Varianten offen gelassen werden. Insbesondere die temporale Kompression bei Videodaten führt zu Problemen bei der eventuellen späteren Bearbeitung. Gegen diesen Grundsatz sind in letzter Zeit drei gewichtige Einwände gemacht worden: Bei Digitalisierungen (von Bildern, Codices, Urkunden etc.) ist der Begriff "Verlust" genauer zu klären. Ein erster, unwiederbringlicher Datenverlust findet nämlich beim Digitalisierungsvorgang statt. Es kann gezeigt werden, dass Verfälschungen durch Komprimierung kleiner sein können als die durch den Digitalisierungsprozess erzeugte Varianz. Für Archivalien, die dem Format nach Bilder, der Funktion nach aber Texte sind, wie z.b. Retrodigitalisate von Amtsdruckschriften oder Karteikarten, ist die detaillierte fotografische Rekonstruktion keine signifikante Eigenschaft. In den letzten Jahren sind die Speicherplatzkosten für die digitale Archivierung präziser als zuvor bestimmt worden. Dabei hat sich gezeigt, dass der Speicherplatzbedarf unkomprimierter Archivalien, speziell im Bild-, Audio- und Videobereich, zu nicht mehr verantwortbaren Kosten führen kann. Aus diesen und anderen Gründen sind Fälle denkbar, in denen Daten in komprimierten Formaten durchaus ins Archiv übernommen werden sollen. Auf jeden Fall zu vermeiden sind jedoch Kompressionen mit nicht offengelegten Kompressionsalgorithmen sowie die erneute Kompression bereits komprimierter Daten. Literatur Wikipedia: Datenkompression Dale, Robin Lossy or Lossless? File Compression Strategies Discussion at ALA in: RLG DigiNews 3,1; Februar International Association of Sound and Audiovisual Archives IASA "Die Bewahrung von Schallaufnahmen. Ethische Aspekte, Prinzipien, Strategien (IASA-TC 03)" Version 2005, ab Kapitel 10 KOST/Memoriav Kolloquium Datenkomprimierung bei Bild, Audio, Video

9 von :11 Kriterienkatalog Der Kriterienkatalog ermöglicht die Bewertung der verschiedenen Formate in den drei in der Einleitung erwähnten Dimensionen archivfachliche Bewertung, Best-Practice-Analyse und Formatklasse. Der unterschiedlichen Bedeutung der Kriterien wird durch eine unterschiedliche Gewichtung Rechnung getragen. Bei der Bewertung erhalten somit alle Formate eine Gesamtpunktzahl, die als Mass für ihre Archivtauglichkeit dient. Dieses Vorgehen ermöglicht es, den Katalog archivischer Dateiformate flexibel anzupassen, falls sich die Eigenschaften eines Formats ändern. Zu jedem Kriterium wird festgehalten: Name Gewichtung Beschreibung und Bedingung für vollständige Erfüllung Kriterienkatalog zur Formatbewertung archivische Bewertung: Offenheit Lizenzfreiheit Verbreitung Funktionalitaet Implementierung Speicherdichte Verifizierbarkeit Komplexitaet (nur Videoformate) Selbstdokumentation (nur Videoformate) Best-Practice-Analyse: Best Practice Perspektive Formatklasse: Formatklasse Verworfene Kriterien

10 0 von :11 Offenheit Die Spezifikation des Formats ist vollständig und öffentlich zugänglich Gewichtung: 1 Langzeitarchivierung digitaler Daten beinhaltet nicht nur die stabile Aufbewahrung einmal archivierter Bitströme. Ebenso wichtig ist, dass die zum Verständnis dieser Bitströme notwendigen syntaktischen und semantischen Informationen mit erhalten werden. Diese Metainformationen erlauben es, die inhaltliche Struktur der Daten zu lesen und deren ursprüngliche Erscheinungsform wieder herzustellen. Zu diesen Metainformationen gehört die Spezifikation des Dateiformates. Auf Grund der Spezifikationen muss es möglich sein, einen Rendering Agent (ein Programm zum Lesen und Interpretieren der Daten) zu entwickeln. Die Offenheit der Spezifikation trägt entscheidend dazu bei, dass die im entsprechenden Format codierte Information am Ende des Lebenszyklus auch wieder ausgelesen und in ein anderes Format migriert werden kann. Solche Spezifikationen können per Definition öffentlich sein, wie etwa bei den offenen Dateiformaten (z.b. PNG). Sie können vom Rechteinhaber eines Formates unter kommerziellen Gesichtspunkten oder im Sinn einer Marktstrategie veröffentlicht werden (wie bei Adobe Photoshop PSD oder ursprünglich bei Adobe PDF). Eine weitere Möglichkeit besteht darin, dass das Dateiformat durch externe Analyse bekannt gemacht wird. Das ist eigentlich kein legaler Weg, oft aber der einzig gangbare bei obsoleten Dateiformaten von Produkten ohne bekannten Rechtsnachfolger. Die Vollständigkeit der Spezifikation kann in diesen Fällen nicht garantiert werden. Das Kriterium verlangt nicht, dass die Spezifikation kostenfrei erhältlich sein muss, auch wenn dies wünschenswert ist. Es bleibt dem Archiv überlassen, ob es eine Kopie der Spezifikation selber aufbewahrt oder ob es sich darauf verlässt, dass diese auch in Zukunft extern erhältlich sein wird. Für die im KOST-Formatkatalog ausgewählten Formate bewahrt die KOST eine Kopie der Spezifikation auf.

11 1 von :11 Lizenzfreiheit Der Gebrauch des Formats ist durch keine Lizenzen eingeschränkt oder einschränkbar. Das Format ist herstellerunabhängig. Gewichtung: 1 Bei proprietären Dateiformaten besteht das Risiko, dass der Lizenzgeber seine Strategie ändert (wie Unisys im Fall von GIF) oder dass ein oder mehrere Rechtsnachfolger neue Lizenzforderungen stellen können (wie das Fraunhofer-Institut/Alcatel-Lucent im Fall von MP3). Proprietäre Dateiformate sind auch in Gefahr, marktabhängigen, schnellen Formatänderungen unterworfen zu sein. Zu beachten ist, dass die Lizenzfrage nicht nur bezüglich des eigentlichen Dateiformats, sondern auch bezüglich der im Format verwendeten Algorithmen zur Codierung, Kompression, Decodierung und Verschlüsselung geklärt ist. Zum Beispiel ist der Kompressionsalgorithmus Lempel-Ziv-Welsh (LZW), der im GIF-Format zur Anwendung gelangt, durch ein Patent von Unisys geschützt. Dabei können auch eingebettete Objekte, etwa Schriften, lizenzrechtliche Verstösse mit unkontrollierbaren Kostenfolgen verursachen (z.b. Schriften in PDF-Dokumenten; siehe dazu: Licenses for Font Embedding, Streaming and Web Servers: ). Aus diesen Gründen ist es besser, wenn Formate und darin verwendete Algorithmen nicht nur lizenzfrei sind, sondern unter einer Open-Source-Lizenz stehen. So kann garantiert werden, dass keine anderweitigen Lizenzforderungen geltend gemacht werden.

12 2 von :11 Verbreitung Das Format ist weit verbreitet; deshalb können lange Migrationszyklen erwarten werden Gewichtung: 1 Eine grosse Verbreitung eines Formats, d.h. eine grosse Anzahl existierender Dateien in diesem Format, trägt zur Langlebigkeit bei, da die grosse Zahl der zu konvertierenden Dateien einem schnellen Formatwechsel entgegensteht. Wir können zudem auch eine vernünftige Zahl von Applikationen und Tools erwarten, die mit diesem Format umgehen können. Bei einer allfällig doch notwendigen Formatkonvertierung (wie z.b. bei GIF zu PNG) werden wahrscheinlich auch Konvertierungstools auf dem Markt verfügbar sein. Eine Verbreitung auf unterschiedlichen Plattformen (z.b. Unix und Windows) garantiert, dass die Formatspezifikationen korrekt umgesetzt worden sind oder umgesetzt werden können. Ein gutes Indiz für die Langlebigkeit ist auch die bisherige Lebensdauer eines Formats: Formate, die schon lange in Gebrauch sind, entsprechen offenbar den verschiedensten Anforderungen gut; für sie kann deshalb eine günstige Langzeitprognose gestellt werden. Weitere Indizien, die wir in Betracht ziehen können, sind die Abwärtskompatibilität, die Anzahl alternativer Formate und die Volatilität in einer Formatkategorie.

13 3 von :11 Funktionalität Das Format ist geeignet, die Information in allen Formaten seiner Kategorie zu repräsentieren. Gewichtung: 1 Das heisst, dass alle üblichen Formate der gleichen Kategorie mit existierenden Werkzeugen ohne Funktionalitätsverlust in dieses Format konvertiert werden können (Migrierbarkeit). Dabei müssen Inhalt, Struktur und Layout möglichst erhalten bleiben. Ergänzend muss das Format die gängigen oder zumindest die für die Archivierung als notwendig erkannten Funktionalitäten seiner Kategorie abdecken. So ist z.b. PDF eine bessere Repräsentation für MS-Word-Dokumente als etwa TIFF, weil darin neben der Repräsentation auch die Textkomponente erhalten bleiben kann.

14 4 von :11 Implementierung Für das Format existieren mehrere Implementierungen. Gewichtung: 0.5 Mit Implementierungen sind Tools zum Erstellen, Bearbeiten, Ansehen oder Konvertieren des betreffenden Formats gemeint. Mehrere unabhängige Implementierungen garantieren, dass keine undocumented features existieren und die Spezifikation vollständig umgesetzt werden kann. Das Problem ist öfter bei proprietären Formaten zu finden, die zwar offen sind, aber nur von einem Softwarehersteller gepflegt werden (z.b. Adobe Photoshop PSD: nur Adobe-Produkte können wirklich mit allen PSD-Dateien umgehen). Beachtet werden muss, dass es sich um unabhängige Implementierungen handelt und nicht um die Integration desselben Moduls in unterschiedlichen Softwarepaketen. Dieses Kriterium ist den Kriterien Offenheit und Lizenzfreiheit nachgelagert; es bestätigt diese gleichsam. Deshalb wird es schwächer gewichtet.

15 5 von :11 Speicherdichte Das Format ermöglicht eine hohe Speicherdichte. Gewichtung: 0.5 Die Speicherdichte soll möglichst hoch sein, d.h. das Format soll Dateien ermöglichen, die wenig Speicherplatz beanspruchen. In der Praxis der letzten Jahre zeigt sich ein wachsendes Bewusstsein für die Kostenaspekte der digitalen Archivierung, dem dieses Kriterium Rechnung trägt.

16 6 von :11 Verifizierbarkeit Es müssen Methoden und Werkzeuge existieren, die verifizieren können, dass eine Datei den Formatspezifikationen entspricht. Gewichtung: 0.5 Hier geht es einerseits um die automatische Formaterkennung, anderseits um die Validierung der gesamten Datei. Die Formaterkennung muss das Format bis auf die gewünschte Granularität erkennen können (also statt PDF besser z.b. PDF 1.4). Die Formatvalidierung muss bestätigen, dass eine Datei den Spezifikationen des Formats entspricht. Dabei müssen auch als problematisch erachtete eingebettete Objekte erkannt werden können.

17 7 von :11 Komplexität Das Format besitzt ein möglichst geringe Komplexität. Das Kriterium soll im Augenblick nur bei Videoformaten Anwendung finden. Gewichtung: 0.5 Komplexität, vor allem bezüglich Verschachtelung von Kompressionsalgorithmen, ist bei notwendigerweise komprimierten Dateiformaten ein Nachteil. Die Verschachtelung von Kompressionsalgorithmen bedingt in der Regel hohe Rechnerleistung zur Darstellung und Bearbeitung der Datei. Verschachtelung von Kompressionsalgorithmen kann auch bei der Formatmigration zu Problemen mit Artefakten führen, die durch die Kombination/Überlagerung verschiedener Algorithmen entstehen. Geringere Komplexität ist also besser zu bewerten.

18 8 von :11 Selbstdokumentation Das Format kann Metadaten einschliessen und ermöglicht die Extrahierung dieser Metadaten aus Dateien. Das Kriterium soll im Augenblick nur bei Videoformaten Anwendung finden. Gewichtung: 0.5 Gewisse Dateiformate haben eigene Metadatenbereiche, die beim Erstellen der Datei in der Regel mit technischen Metadaten über den Herstellungsprozess automatisch gefüllt werden. Diese Metadaten sind speziell bei Videodaten, allenfalls auch bei Bilddaten (Fotos), für die Nachvollziehbarkeit des Datenentstehungsprozesses von grossem Nutzen. Inhaltliche Metadaten hingegen, wie etwa die Angaben zu Titel, Autor etc. in einem PDF-Dokument, werden tendenziell schlecht genutzt und bewirtschaft und sind darum unzuverlässig. In diesem Fall sollte möglichst auf Metadaten des Records-Management-Systems abgestellt werden, in dem die Daten entstanden sind. Diese externen Metadaten sind in aller Regel vollständiger und qualitativ wertvoller als dateiinterne Metadaten. Siehe dazu auch unter Verworfene Kriterien die Anmerkungen zur Metadatenunterstützung.

19 9 von :11 Best Practice Das Kriterium "Best Practice" wird bei jenen Formaten hoch bewertet, die in den Archiven bereits verwendet werden; es sei denn, dass damit schlechte Erfahrungen gemacht wurden. Gewichtung: 0.5 Der Begriff Best Practice meint ein allgemein als bewährt angesehenes Verfahren oder Vorgehen, häufig im Sinn eines De-Facto-Standards. Da es bisher erst wenige Langzeiterfahrungen mit potentiell archivtauglichen Formaten gibt, ist die Orientierung an Best Practices besonders wertvoll. Für die Zwecke des KaD muss der Begriff freilich etwas weiter gefasst werden als üblich. Ein Format erreicht dann eine hohe Bewertung in Best Practice, wenn Unterlagen in diesem Format in den Archiven bereits vorhanden sind und wenn keine schlechten Erfahrungen von der weiteren Verwendung abraten. Das Kriterium ist nur halb gewichtet, da es eine gewisse Subjektivität mit sich bringt, die nicht zu grossen Einfluss auf die Gesamtbewertung nehmen sollte.

20 0 von :11 Perspektive Das Kriterium "Perspektive" bildet die Zukunftsfähigkeit eines Formats im archivischen Sinne ab, insbesondere das noch nicht realisierte Potenzial. Gewichtung: 0.5 Im Gegensatz zur Best Practice, welche die Erfahrungen von Archiven mit einem Format abbildet, steht das Kriterium Perspektive für die Erwartungen, die die Archive an ein Format haben. Das Kriterium ist nur halb gewichtet, da es eine gewisse Subjektivität mit sich bringt, die nicht zu grossen Einfluss auf die Gesamtbewertung nehmen sollte.

21 1 von :11 Formatklasse Einteilung in eine der fünf unterschiedlichen Formatklassen. keine Gewichtung Zum besseren Verständnis werden die Formate anhand ihrer Position in ihrem Lebenszyklus in fünf Formatklassen eingeteilt: A: Altbekanntes Format mit grosser Verbreitung: Das Format ist altbekannt und verbreitet, Dateien in diesem Format sind in grosser Zahl vorhanden. B: Aktuelles Format im Gebrauch: In seiner Kategorie ist diese Format aktuell in Gebrauch. C: Zukünftiges Format: Das Format ist neu und wird noch nicht flächendeckend eingesetzt, es wird jedoch zweifellos weite Verbreitung erhalten. D: Potentielles Format: Das Format ist spezifiziert und insbesondere aus archivischer Sicht interessant. Es ist allerdings wegen fehlender Produktreife und Verbreitung noch nicht absehbar, welche Bedeutung es erlangen wird. X: Veraltetes Format: Das Format ist deprecated, es gibt kaum mehr aktuelle Implementierungen. (Diese Formatklasse wird gegenwärtig noch nicht angewendet, könnte aber in Zukunft relevant werden.)

22 2 von :11 Verworfene Kriterien Die folgenden Punkte wurden als mögliche Kriterien genannt, nach genauerer Analyse jedoch verworfen. Metadatenunterstützung Das Format soll Metadaten einschliessen können und muss die Extrahierung dieser Metadaten aus Dateien ermöglichen Gewisse Dateiformate haben eigene Metadatenbereiche, die beim Erstellen der Datei befüllt werden. Diese Metadaten werden in der Regel automatisch erstellt und entsprechen darum nicht immer den wirklichen Gegebenheiten und Intentionen des Erstellers (z.b. Titel in einem PDF-Dokument). Soweit sie nicht automatisch erstellt werden, werden sie tendenziell schlecht genutzt. Das Kriterium, in Version 1.0 des KaD noch enthalten, wurde verworfen, weil deutlich wurde, dass formatinterne Metadaten für die digitale Archivierung keinen Vorteil bieten. Metadaten sind zwar von entscheidender Bedeutung für die digitale Archivierung. Aus den obigen Ueberlegungen ergibt sich, dass wo möglich auf Metadaten des Records-Management-Systems abgestellt werden sollte, in dem die Datei erzeugt worden ist. Diese externen Metadaten sind in aller Regel vollständiger und qualitativ wertvoller als die dateiinternen. Sie müssen dann zusammen mit der Dokumentdatei archiviert werden. Dafür existieren verschiedene Methoden, welche alle vom Dateiformat unabhängig sind. Siehe aber das Kriterium Selbstdokumentation zu einem Spezialfall im Bereich der Videoformate. Interoperabilität Das Dateiformat ist von spezifischer Hardware und Betriebssystemen unabhängig. Heute wird die Bindung eines Dateiformates an eine spezifische Hardware bzw. an ein spezielles Trägermedium (CD oder DVD) vor allem als Kopierschutz eingesetzt. Das widerspricht der Grundvorgabe, dass nur Formate ohne Kopierschutz und Verschlüsselung archiviert werden sollen. Im Prinzip ist jedes wohl definierte Format auf jeder Hardware/Software-Plattform speicherbar. Ob auf dieser Plattform auch Rendering Software für dieses Format zur Verfügung steht, ist damit nicht gesagt. Im Prinzip könnte aber, auf Grund der veröffentlichten Formatspezifikation, eine solche für die jeweilige Plattform entwickelt werden (z.b. WMF unter Linux). Das Kriterium wurde verworfen, weil es für sämtliche untersuchten Formate zutrifft und mithin kein Unterscheidungsmerkmal ist. Interoperabilität ist eine so wesentliche Eigenschaft eines Archivformats, dass sie bereits in der Zusammenstellung des provisorischen Formatkatalogs berücksichtigt wurde. Authentizität Das Format muss die Authentizität der Dokumente gewährleisten. Digitale Signatur als heute akzeptierte Möglichkeit, die Authentizität einer Datei zu beweisen, ist notwendig mit den Nachteilen der Verschlüsselung verbunden. Einfachere Möglichkeiten der Authentizitätssicherung können auch auf der Ebene der Dateiarchivierung implementiert werden. Bei der Migration in das Format müssen Inhalt, Kontext, Struktur und Referenzen der Ausgangsdatei erhalten bleiben. Das Kriterium wurde verworfen, weil die Authentizität der archivierten Dokumente nicht via Dateiformat, sondern über andere Mechanismen sichergestellt werden soll. Fehlerkorrektur Das Format soll Mechanismen der automatischen Fehlerkorrektur anbieten. Gewisse Formate bieten Mechanismen der automatischen Fehlererkennung oder Fehlerkorrektur (z.b. PNG). Das Kriterium wurde verworfen, weil Fehlererkennung und Fehlerkorrektur heute in der Regel schon hinreichend von der Speichertechnologie und der Speichersoftware (Storage Management System) gewährleistet werden.

23 3 von :11 Formatkatalog Textdaten TXT PDF PDF-A-1 PDF-A-2 PDF-A-3 ODF OOXML Bilddaten TIFF JPEG JPEG2000 PNG DNG PDF-A-2 bei Bilddaten Vektorgrafiken SVG Audiodaten WAV MP3 Videodaten Uncompressed Video Digital Video MPEG-2 MPEG-4 MJPEG2000 MOV AVI MXF Strukturierte Daten: Tabellenkalkulation XLS ODF bei Tabellenkalkulation OOXML bei Tabellenkalkulation PDF-A bei Tabellenkalkulation Strukturierte Daten: Datenbanken CSV SIARD SQLX SQL Script

24 4 von :11 Textdaten Unter Textdaten verstehen wir Daten zur Repräsentation von wenig strukturiertem Text, wie sie u.a. von Textverarbeitungssoftware oder Texteditoren erzeugt werden. Zur Archivierung von Textdaten wird herkömmlicherweise vorgeschlagen, die nativen Formate dieser Software in besser geeignete Archivformate zu konvertieren, z.b. PDF/A-1 oder PDF/A-2. Mit dem Wechsel zu offenen, XML-basierten Dateiformaten in Textverarbeitungssoftware stellt sich die Frage, ob diese sich auch als Archivformate eignen würden. Zu beachten ist der grundsätzliche Unterschied zwischen seitenbasierten und nicht-seitenbasierten Formaten. Seitenbasierte Formate wie PDF und PDF/A sind für den Ausdruck optimiert, weswegen Seitenumbruch und Layout fixiert sind. Bei nicht-seitenbasierten Formaten wie allen Textverarbeitungsformaten steht der Text selber im Mittelpunkt; der Seitenumbruch wird erst beim Ausdruck (bzw. bei der Konvertierung in ein seitenbasiertes Format) fixiert. Ebenfalls zu den Textdaten zählen wir zwei Subtypen, die Präsentationsdaten (z.b. PowerPoint) und die Hyperlinkdaten (z.b. HTML). In der vorliegenden Version des KaD werden diese jedoch nicht speziell besprochen. Abgeraten wird von der Umwandlung von Text- zu Bilddateien, z.b. TIFF. Dagegen spricht neben der Speicherplatzökonomie vor allem der Verlust der Möglichkeit des Textexports. Untersuchte Formate TXT PDF PDF/A-1 PDF/A-2 PDF/A-3 (ist als Format für die Langzeitarchivierung nicht geeignet) ODF OOXML Empfehlung Textdaten sollen möglichst bereits im Amt in ein PDF-Format ( PDF/A-1, PDF/A-2 oder PDF ) umgewandelt und so archiviert werden. Eine Konvertierung von PDF-Dateien in ein PDF/A-Format ist zu einem späteren Zeitpunkt meist problemlos möglich.

25 5 von :11 TXT Kategorie Textformate Abkürzung TXT.txt,.ans,.asc text/plain x-fmt/14; x-fmt/15; x-fmt/16; x-fmt/21; x-fmt/22; x-fmt/111; x-fmt/130; x-fmt/282; x-fmt/283 Titel Nur-Text Plain Text Text only Versionen Keine; siehe aber die Informationen zur Zeichencodierung. Beschreibung Das Textformat kann als stabilstes Format der Informatik gelten; die ASCII-Codierung ist bereits seit Jahrzehnten bekannt und im Einsatz; neuere Codierungen wie die ISO-8859-Familie sowie die verschiedenen UNICODE-Codierungen sind dazu abwärtskompatibel. Bewertung Offenheit: 4 Die gebräuchlichen Zeichencodierungen sind ISO- oder IETF-Standards und als solche offengelegt. Lizenzfreiheit: 4 Es existieren keinerlei Lizenzen auf Textformat oder Codierungen. Verbreitung: 2 Das Format ist eines der verbreitetsten der Informatik, wird jedoch in den Verwaltungen kaum verwendet. Funktionalitaet: 2 In Nur-Text-Dateien sind Layout und Formatierungen kaum (d.h. nur sehr rudimentär) darstellbar. Deshalb ist eine Migration von Dateien aus Textverarbeitungsprogrammen in Nur-Text mit einem praktisch absoluten Verlust der Formatierung verbunden, was je nach deren Stellenwert inakzeptabel sein kann. Zudem enthalten die meisten Dateien aus Textverarbeitungsprogrammen vermehrt nicht nur Text, sondern auch Bilder, Grafiken, Tabellen und ähnliches, was bei der Konvertierung nicht übernommen werden kann. Implementierung: 4 Es existiert eine Fülle von Texteditoren. Speicherdichte: 4 Die Speicherdichte ist hoch und kann bei Bedarf durch verlustfreie Kompression noch gesteigert werden. Verifizierbarkeit: 2 Die Erkennung ist teilweise nur durch die Extension möglich. Bei der Erkennung kann die Zeichencodierung nicht festgestellt werden. Es existieren zudem keine Validatoren. Best Practice: 4 Nur-Text wird verbreitet als Archivformat empfohlen und benutzt. Perspektive: 1 Ein Entwicklungspotential besteht bei Nur-Text praktisch nicht mehr. Formatklasse: A Es handelt sich um eines der ältesten Formate der Informatik. Fazit Nur-Text erfüllt die meisten archivischen Anforderungen maximal (mit der wesentlichen Ausnahme der Layouterhaltung) und ist deshalb als Archivformat unbestritten. In den Verwaltungen werden Nur-Text-Dateien jedoch kaum verwendet. Ausnahmen sind XML-, HTML- und CSV-Dateien, bei denen es sich grundsätzlich auch um reine Textdateien handelt, die neben dem Text aber auch Struktur- und/oder Layoutinformationen beinhalten und jeweils einem bestimmten Anwendungszweck dienen (Webpages, Datenbankinhalte). Ferner exportieren gewisse ältere Informationssysteme ihre Daten am einfachsten in Nur-Text-Form. Unterlagen, die dem Archiv im Nur-Text-Format angeboten werden, können bedenkenlos in diesem Format archiviert werden, sofern die Zeichencodierung bekannt ist. Die gängigen Zeichencodierungen sind durchwegs problemlos, müssen aber in den Metadaten dokumentiert werden. Wenn eine Wahlmöglichkeit besteht, sollte wegen der universellen Verständlichkeit und der Zukunftsfähigkeit UNICODE in der Codierung UTF-8 verwendet werden. Referenz Nur-Text ist kein formeller Standard. Es existieren jedoch formelle Standards für die Zeichencodierung. Formell definiert ist der MIME-Type text/plain: Multipurpose Internet Mail Extensions (MIME) Part Two: Media Types, Literatur Verbindungen CSV

26 6 von :11 PDF Kategorie Textformate Abkürzung PDF.pdf application/pdf fmt/14; fmt/15; fmt/16; fmt/17; fmt/18; fmt/19; fmt/20; fmt/276 Titel Portable Document Format Version aktuelle Version: 1.7 (2006), respektive ISO :2008 vorhergehende Versionen: 1.0 (1993), 1.1 (1994), 1.2 (1996), 1.3 (1999), 1.4 (2001), 1.5 (2003), 1.6 (2005) Beschreibung Das Portable Document Format (PDF) ist ein plattformübergreifendes Dateiformat für Dokumente. PDF ist als Speicher- und Austauschformat weit verbreitet und beliebt. Es bedient sich einer vektorbasierten Seitenbeschreibungssprache (Weiterentwicklung von PostScript), die die freie Skalierbarkeit der Darstellung erlaubt. Bewertung Offenheit: 4 Das Portable Document Format (PDF) wurde von Adobe Systems entwickelt und im PDF Reference Manual offengelegt. PDF 1.7 wurde im Juli 2008 als ISO standardisiert. Zukünftige Versionen von PDF werden nicht mehr von Adobe, sondern im ISO-Standardisierungsprozess erarbeitet. Lizenzfreiheit: 2 PDF ist lizenzfrei, die Lizenzfrage ist für verwendete Schriften oder Kompressionsalgorithmen zu klären (siehe dazu ). Verbreitung: 4 PDF existiert seit 1993 und ist weit verbreitet. Seit Oktober 2006 ist Version 1.7 aktuell. Es gibt zahlreiche Tools auf verschiedenen Plattformen zur Konvertierung von Textformaten nach PDF. Funktionalitaet: 3 Alle üblichen Formate dieser Kategorie können ohne Inhaltsverlust nach PDF konvertiert werden. Dateiinhalte lassen sich durch Volltextsuche auffinden. Das Layout kann originalgetreu erhalten werden, wenn sichergestellt ist, dass die Schriften und Farbräume verfügbar sind (z.b. durch Einbettung bei der PDF-Generierung). Neben einer Struktur können PDF-Dokumente interaktive Elemente wie Lesezeichen, Kommentare oder Formularfelder sowie Audio- / Videoobjekte, Transparenz, Ebenen, JavaScripts und integrierte Dateien enthalten. Aus PDF-Dokumenten lassen sich Textpassagen, Tabellen und Grafiken (auch Ausschnitte davon) durch Kopieren in andere Anwendungsprogramme einfügen und weiterverarbeiten. Implementierung: 3 Es stehen zahlreiche Werkzeuge zum Konvertieren diverser Formate nach PDF zur Verfügung. Beispiele sind PDFlib, PDF-Writer, Acrobat Distiller, Office Als Anzeigetool stellt u.a. Adobe Systems den Adobe Reader zum kostenlosen Gebrauch zur Verfügung und entwickelt diesen laufend weiter. Es existieren eine Vielzahl von PDF-Viewern. Speicherdichte: 4 PDF hat in der Regel einen relativ geringen Speicherbedarf. Durch Kompression können PDF-Dateien verdichtet werden; siehe dazu aber die Überlegungen zur Datenkompression. Verifizierbarkeit: 4 Die Erkennung ist nicht nur durch die Extension, sondern auch über die entsprechende Bytesequenz möglich. Spezielle Validatoren existieren zu den neusten Versionen. Best Practice: 2 PDF ist ein beliebtes Speicher- und Datenaustauschformat und ist in den Verwaltungen verbreitet. Dokumente werden in dieses Format konvertiert, sobald sie definitiv sind und nicht mehr geändert werden. Es werden in der Regel die aktuellen Versionen von PDF verwendet. Diese können Funktionalitäten beinhalten, die aus Sicht der Langzeitarchivierung wenig geeignet sind; z.b. JavaScript und Verschlüsselung. In den Archiven sind wegen der Bevorzugung von PDF/A nur in geringem Umfang PDF-Dateien übernommen worden. Perspektive: 1 Der weiterhin verbreitete Einsatz von PDF, aber auch die ständige Weiterentwicklung sind abzusehen. In Office 2010 von Microsoft z.b. lassen sich Dokumente direkt im PDF-Format speichern. In den neueren Versionen von PDF sind etliche patent- und lizenzrechtliche Erweiterungen und aus archivischer Sicht problematische Funktionalitäten eingebaut. Formatklasse: B Das Format ist flächendeckend im Gebrauch. Fazit PDF eignet sich grundsätzlich als Archivierungsformat. Zu beachten sind jedoch mögliche Probleme mit speziellen Funktionalitäten und eingebetteten Objekten. Deshalb ist für die Archivierung wenn immer möglich PDF/A zu bevorzugen. Für Dokumente mit archivwürdigem Layout sollte zudem darauf geachtet werden, dass alle Inhalte, insbesondere auch Bilder, Schriften und Farbräume, eingebettet werden. Zurückhaltung ist geboten beim Einsatz problematischer Funktionalität wie z.b. JavaScript, integrierte Dateien, Ton- oder Videoreproduktion. Referenz ISO :2008 Document management Portable document format Part 1: PDF [kostenpflichtig] Adobe (ed.) PDF Reference [kostenfrei]

27 7 von :11 Literatur Adobe PDF-Seite Wikipedia: Portable Document Format PDF Tools AG (ed) White Paper: PDF. Die Grundlagen Parker, Nick; Bouloc, Michel; Rouchon, Olivier Guide méthodologique. Le format de fichiers PDF Verbindungen PDF/A-1, PDF/A-2, PDF/A-3

28 8 von :11 PDF/A-1 Kategorie Textformate Abkürzungen PDF/A.pdf application/pdf fmt/95; fmt/354 Titel Portable Document Format (Archival) Version PDF/A-1 (entspricht PDF-Version 1.4) mit PDF/A 1a und PDF/A 1b (2005) Zusätzlich sind PDF/A-2 und PDF/A-3 publiziert. Da keine PDF/A-Version eine andere ablöst, sind alle Versionen gleichermassen gültig. Beschreibung PDF/A-1 ist ein Portable Document Format, das für die Archivierung geschaffen wurde. Das Format wurde im Standard "ISO Document management Electronic document file format for long-term preservation" genormt. Dieser Standard entspricht der PDF-Version 1.4. Im Standard wird nur aufgelistet, welche Funktionen der einzelnen PDF-Versionen obligatorisch, empfohlen, eingeschränkt oder verboten sind. Man unterscheidet zwischen PDF/A 1a: vollständige Übereinstimmung mit dem Standard PDF/A PDF/A 1b: Mindestanforderungen von PDF/A erfüllt (Barrierefreiheit gemäss Abschnitt 508 des US Rehabilitation Act nicht erfüllt) Bewertung Offenheit: 4 PDF/A-1 beruht auf der Version 1.4 der PDF-Spezifikation, die von der Firma Adobe Systems entwickelt und zur Verfügung gestellt wird. PDF/A-1 ist als ISO-Standard publiziert und somit offengelegt. Lizenzfreiheit: 3 Das Kriterium Lizenzfreiheit ist erfüllt; insbesondere, weil u.a. nicht alle Kompressionsalgorithmen verwendet werden dürfen. Verbreitung: 4 PDF/A-1 entspricht der PDF-Version 1.4 (mit gewissen Vorbehalten). Der Einsatz dieser Version ist logischerweise abnehmend. PDF/A-1 selber ist jedoch verbreitet und bekannt. Die Verbreitung wird nach wie vor zunehmen, insbesondere dadurch, dass die Version 1 gültig bleibt und nicht migriert werden muss. In Office 2010 von Microsoft z.b. lassen sich Dokumente direkt im PDF/A-1-Format speichern. Funktionalitaet: 3 Textextraktion und natürliche Leseordnung bleiben bei PDF/A-1 erhalten. Im Gegensatz zu PDF 1.4 sind Transparenz, Ton-/Videoproduktion und JavaScript-Objekte nicht erlaubt. Strukturierte Objekte (Texte, Vektorgraphiken, Rasterbilder) bleiben erhalten, sofern sie eingebettet werden. WYSIWYG ist mit kleineren Einschränkungen gewährleistet. Für PDF/A-1a wird die visuelle Langzeitreproduktion (Lesbarkeit und Verständlichkeit) garantiert, bei PDF/A-1b fehlt das sogenannte Tagged PDF, welches der korrekten Darstellung auf unterschiedlichen Ausgabegeräten (PDA, Geräte gemäss Abschnitt 508 US Rehabilitation Act) dient. Implementierung: 4 Es existieren verschiedene Tools zur Erzeugung von PDF/A-Dokumenten (Adobe Acrobat Professional u.a.) Gelesen werden können die PDF/A-Dateien mit allen PDF-Readern (z.b. Adobe Reader). In der Praxis hat sich allerdings gezeigt, dass PDF/A-Dokumente von einem anderen als dem erzeugenden Tool aufgrund der Komplexität gelegentlich nicht als valid anerkannt werden. Speicherdichte: 2 PDF/A-1 ist in der Regel relativ kompakt. Die Einbettung der Schriftarten verursacht jedoch gegenüber PDF einen zusätzlichen Speicherbedarf. Verifizierbarkeit: 4 PDF/A-1-Dateien können mittels Bytesequenz erkannt werden. Es existiert eine Vielzahl von Validatoren. Best Practice: 4 PDF/A-1b wird von vielen Archiven als Archivformat gefordert und auch bereits archiviert. PDF/A-1 eignet sich besonders gut für die dauerhafte Archivierung und kann zusätzlich ohne Informationsverlust ausgedruckt werden. Perspektive: 4 Der Standard PDF/A-1b hat sich für die Langzeitarchivierung durchgesetzt. Neuentwicklungen finden in neuen Versionen statt, welche jedoch diese Version nicht ausser Kraft setzen. Formatklasse: C PDF/A ist im Hinblick auf die Archivierung spezifiziert worden und widerspricht nicht den Anforderungen an die dauerhafte Archivierung. Fazit PDF/A-1 ist als Format für die Langzeitarchivierung sehr geeignet. Archive sollten darauf hin wirken, dass Dokumente in der Verwaltung im Standard PDF/A-1 gespeichert werden. Die Best Practice zeigt deutlich, dass inbesondere PDF/A-1b die bevorzugte Formatversion ist. Referenzen ISO :2005 Document management Electronic document file format for long-term preservation Part 1: Use of PDF 1.4 (PDF/A-1) [kostenpflichtig] PDF_Reference_1.4 PDF Reference (third edition) Adobe Portable Document Format Version [kostenfrei] Literatur PDF Tools AG (ed) Diverse Informationen zu PDF/A