Sie haben einen Stapel Ausdrucke, die jemand mit einem Stift markiert hat, und Sie haben auch mehrere Seiten, die Sie direkt in Google Docs geschrieben haben. Sie müssen alles in einer einzigen PDF-Datei zusammenfassen, die professionell und konsistent aussieht. Bei den gescannten Seiten handelt es sich um flache Papierfotos. Die digitalen Seiten enthalten Live-Text. Können diese beiden grundsätzlich unterschiedlichen Arten von PDF-Inhalten in einem Dokument zusammenleben? Die kurze Antwort lautet: Ja, aber wie gut sie nebeneinander existieren, hängt davon ab, wie Sie die Zusammenführung angehen.
Dies ist kein ungewöhnliches Szenario. Eine Umfrage der Association for Information and Image Management aus dem Jahr 2024 ergab, dass 42 % der Unternehmen in ihren täglichen Arbeitsabläufen immer noch regelmäßig mit einer Mischung aus gescannten und digital erstellten Dokumenten umgehen (AIIM, „State of Intelligent Information Management“, 2024). Hybrid-PDFs, also Dokumente, die sowohl gescannte Bildseiten als auch digitalisierte Textseiten enthalten, sind in Anwaltskanzleien, Wirtschaftsprüfungsgesellschaften, Immobilienagenturen und akademischen Abteilungen an der Tagesordnung.
Was unterscheidet gescannte Seiten und digitale Seiten in einem PDF?
Um zu verstehen, warum das Zusammenführen gescannter und digitaler Seiten einige Sorgfalt erfordert, ist es hilfreich zu wissen, was jeder Seitentyp auf Dateiebene tatsächlich enthält. Auf einer digitalen Seite werden einzelne Textzeichen mit jeweils einer genauen Position, einer Schriftartreferenz und einem Unicode-Wert gespeichert. Suchfunktionen können diese Zeichen direkt lesen. Auf einer gescannten Seite wird ein einzelnes komprimiertes Bild gespeichert, häufig im JPEG- oder JPEG2000-Format, das einen rechteckigen Bereich einnimmt, der den Seitenabmessungen entspricht. Die Datei weiß nichts darüber, was dieses Bild darstellt. Es kann sich um Text, ein Foto oder eine Zeichnung handeln, und das PDF macht keinen Unterschied.
Dieser Unterschied hat praktische Konsequenzen. In einem zusammengeführten Hybrid-PDF sind einige Seiten durchsuchbar, andere nicht. Einige Seiten verfügen über auswählbaren Text, andere verhalten sich wie Fotos. Auch die Dateigröße pro Seite variiert erheblich. Eine digital erstellte Seite mit reinem Text kann 30 bis 50 KB belegen. Ein vollfarbiger 300-DPI-Scan desselben Inhalts kann 500 KB bis 2 MB belegen. Ein 20-seitiges Hybriddokument kann leicht zwischen 2 MB für eine größtenteils digitale Datei und 30 MB für eine größtenteils gescannte Datei liegen. Diese Variante ist wichtig, wenn Sie das Dokument per E-Mail versenden oder in ein Portal mit eingeschränkter Dateigröße hochladen.
Versuchen Sie PDF zusammenführen
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
So führen Sie gescannte und digitale Seiten zusammen, während alles organisiert bleibt
Der eigentliche Prozess der Kombination gescannter und digitaler PDF-Seiten unterscheidet sich nicht vom Zusammenführen anderer PDF-Dateien. Jedes Merge PDF-Tool kann den Job erledigen. Mit dem Zusammenführungstool von WukongPDF können Sie Dateien in beliebiger Reihenfolge hochladen, Seiten durch Ziehen neu anordnen und ein einzelnes kombiniertes PDF herunterladen. Dem Tool ist es egal, ob jede Quellseite von einem Scanner oder einem Textverarbeitungsprogramm stammt. Es behandelt alle Eingabeseiten gleich und fügt sie in der von Ihnen angegebenen Reihenfolge zusammen.
Die wichtigere Überlegung ist, was nach der Zusammenführung passiert. Wenn Sie möchten, dass das endgültige Dokument vollständig durchsuchbar ist, müssen die gescannten Seiten entweder vor oder nach dem Zusammenführen einen OCR-Schritt durchlaufen. Wenn Sie OCR vor dem Zusammenführen ausführen, haben Sie mehr Kontrolle, da Sie die Textqualität jeder gescannten Datei einzeln überprüfen können. Das Ausführen von OCR nach dem Zusammenführen ist praktischer, da Sie das gesamte Dokument in einem Durchgang verarbeiten. Beide Ansätze funktionieren. Die Wahl hängt davon ab, ob Sie die OCR-Einstellungen für verschiedene Quelldokumente unterschiedlich anpassen müssen.
Die Konsistenz der Seitengröße ist ein weiteres Detail, das es zu überwachen gilt. Gescannte Seiten haben häufig standardmäßig die physischen Abmessungen des Papiers auf dem Scannerbett, typischerweise US-Letter (8,5 x 11 Zoll). Digitale Seiten wurden möglicherweise im Format A4 (8,27 x 11,69 Zoll) oder in den benutzerdefinierten Abmessungen der ursprünglichen Anwendung erstellt. Wenn in derselben PDF-Datei Seiten leicht unterschiedlicher Größe angezeigt werden, gehen die meisten Betrachter mit der Variation elegant um, indem sie jede Seite so skalieren, dass sie in das Anzeigefenster passt. Der visuelle Übergang zwischen leicht unterschiedlichen Seitengrößen kann jedoch beim Scrollen störend sein. Wenn Konsistenz für Ihren Anwendungsfall wichtig ist, sollten Sie erwägen, während des Zusammenführungsprozesses alle Seiten auf eine einzige Größe zu standardisieren.
Wann Hybrid-PDFs sinnvoll sind und wann nicht
Hybrid-PDFs sind in vielen gängigen Situationen eine praktische Lösung. Juristen kombinieren routinemäßig digital erstellte Verträge mit gescannten Beweisstücken und Beweisdokumenten. Immobilienmakler führen digital erstellte Angebote mit eingescannten Besichtigungsberichten und Offenlegungsformularen zusammen. Buchhalter bündeln computergenerierte Jahresabschlüsse mit gescannten Belegen und Rechnungen. In jedem dieser Fälle erfüllt das Hybrid-PDF seinen Zweck: Es erstellt eine einzige, organisierte Datei, die jemand öffnen, durchblättern und von Anfang bis Ende überprüfen kann.
Es gibt jedoch Situationen, in denen ein Hybrid-PDF nicht ausreicht. Wenn der Empfänger im gesamten Dokument nach Text suchen muss, sind die gescannten Seiten für die Suchfunktion unsichtbar, es sei denn, sie wurden mit OCR verarbeitet. Wenn der Empfänger Text von einer beliebigen Seite kopieren und einfügen muss, bestehen die gescannten Seiten diesen Test nicht. Wenn das Dokument an ein System übermittelt wird, das eine automatische Textextraktion oder Volltextindizierung durchführt, beispielsweise ein elektronisches Gerichtssystem oder eine Dokumentenverwaltungsplattform, führen nicht gescannte Seiten in diesen Systemen zu leeren oder mit Fehlern gefüllten Ergebnissen.
Für diese anspruchsvolleren Szenarien ist die Ausführung von OCR auf jeder gescannten Seite vor dem Zusammenführen nicht optional, sondern unerlässlich. Ein vollständig durchsuchbares Hybrid-PDF unterscheidet sich kaum von einem vollständig digitalen PDF. Der einzige verbleibende Unterschied besteht darin, dass der Text gescannter Seiten beim Zoomen nicht umgebrochen wird, während dies bei digitalen Seiten der Fall sein kann, je nachdem, wie sie erstellt wurden. Aus praktischen Gründen bietet ein gut ausgeführtes Hybrid-PDF mit OCR auf jeder gescannten Seite das gleiche Benutzererlebnis wie ein rein digitales Dokument.
Verwalten der Dateigröße beim Mischen gescannter und digitaler Inhalte
Die Dateigröße ist oft das Erste, was den Leuten an einem Hybrid-PDF auffällt, und das nicht unbedingt positiv. Ein 10-seitiges Dokument, bei dem es sich bei 3 Seiten um 300-DPI-Farbscans und 7 Seiten um reinen digitalen Text handelt, kann leicht 10 MB überschreiten. Wenn dieses Dokument per E-Mail verschickt werden muss, erzwingen viele E-Mail-Server eine Anhangbegrenzung von 25 MB, und Empfänger mit mobilen Datenverbindungen werden es nicht zu schätzen wissen, eine so große Datei für Inhalte herunterzuladen, die nur einen Bruchteil der Größe hätten haben können.
Verschiedene Techniken können die Dateigröße einer Hybrid-PDF-Datei unter Kontrolle bringen. Das Scannen in Schwarzweiß oder Graustufen statt in Farbe reduziert die Dateigröße pro Seite bei textintensiven Dokumenten um etwa 60 bis 80 %. Durch die Reduzierung der Scanauflösung von 300 DPI auf 200 DPI wird die Dateigröße etwa halbiert und dennoch genügend Details für lesbaren Text und akzeptable OCR-Ergebnisse bereitgestellt. Durch die Anwendung der Komprimierung auf die zusammengeführte PDF-Datei als letzter Schritt kann die Gesamtgröße weiter reduziert werden. Gescannte PDF-Seiten profitieren besonders von der Komprimierung, da gescannte Bilder oft weit mehr Pixeldaten enthalten, als für die Anzeige oder den Ausdruck auf dem Bildschirm erforderlich sind. Das Komprimierungstool von WukongPDF kann ein Hybrid-PDF ohne sichtbaren Qualitätsverlust um 50 bis 70 % verkleinern, was den Unterschied zwischen einer Datei, die von einem E-Mail-Server zurückgesendet wird, und einer Datei, die durchläuft, ausmacht.
Schritt-für-Schritt: Erstellen eines sauberen Hybrid-PDF
Ein konsistenter Ansatz zur Erstellung hybrider PDFs führt zu besseren Ergebnissen als jedes Mal zu improvisieren. Scannen Sie zunächst alle physischen Seiten mit 300 DPI in Graustufen, es sei denn, Farbe ist ausdrücklich erforderlich. Speichern Sie sie als einzelne PDF-Dateien, nicht als einzelnen kombinierten Scan. Öffnen Sie als Nächstes jede gescannte Datei und prüfen Sie, ob die Seiten gerade und lesbar sind. Führen Sie OCR für die gescannten Dateien aus, wenn das endgültige Dokument durchsuchbar sein soll.
Sammeln Sie Ihre digitalen Seiten. Wenn sie auf mehrere Dateien verteilt sind, führen Sie sie zuerst zusammen. Jetzt sollten Sie zwei saubere Sätze haben: einen Stapel gescannter PDFs und einen Stapel digitaler PDFs. Verwenden Sie ein Zusammenführungstool, um sie in der richtigen Reihenfolge zu kombinieren. Eine browserbasierte Zusammenführungsoberfläche zeigt alle hochgeladenen Seiten als Miniaturansichten an, die Sie an die richtige Position ziehen können, sodass das Anordnen gescannter und digitaler Seiten schnell und visuell erfolgt.
Führen Sie nach dem Zusammenführen eine kurze Qualitätsprüfung durch. Scrollen Sie durch jede Seite. Suchen Sie nach Seiten, die gedreht erscheinen, nach Seiten, auf denen der Scan einen Teil des Inhalts abgeschnitten hat, und nach Seiten, auf denen der Text so schwach ist, dass er schwer zu lesen ist. Beheben Sie alle Probleme an der Quelle und führen Sie sie bei Bedarf erneut zusammen. Führen Sie einen Strg+F-Suchtest für einige Wörter durch, von denen Sie wissen, dass sie auf gescannten Seiten vorkommen. Wenn die Suche sie findet, funktioniert OCR ordnungsgemäß. Ist dies nicht der Fall, müssen die gescannten Seiten erneut OCR durchlaufen, bevor das Dokument zur Weitergabe bereit ist.
Überprüfen Sie abschließend die Dateigröße. Wenn das Dokument für den E-Mail-Versand bestimmt ist, achten Sie darauf, dass es weniger als 10 MB groß ist. Wenn es diesen Wert überschreitet, führen Sie einen Komprimierungsschritt durch und überprüfen Sie es erneut. Die wenigen zusätzlichen Minuten, die Sie für diese Überprüfungsschritte aufwenden, sind weitaus weniger schmerzhaft, als wenn Ihnen ein Mandant, Kollege oder Gerichtsschreiber mitteilt, dass das von Ihnen gesendete Dokument unbrauchbar ist.
Versuchen Sie PDF zusammenführen
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.