Warum gibt es in PDF zwei verschiedene Metadatensysteme?

Aus historischen Gründen. Das Dokumentinformations-Wörterbuch existiert seit den ersten Versionen des Formats und besteht aus einfachen Schlüssel-Wert-Paaren. XMP wurde Anfang der 2000er-Jahre als Antwort auf den Bedarf an reichen und erweiterbaren Metadaten in Multimediadateien entwickelt und später zu PDF hinzugefügt. Das alte System wurde aus Gründen der Abwärtskompatibilität beibehalten, weshalb beide Systeme nebeneinander bestehen.

Wenn in beiden Systemen unterschiedliche Werte stehen – welcher gilt?

Der Standard empfiehlt, dass bei einem Widerspruch XMP Vorrang hat, doch die Anwendungen handhaben das uneinheitlich. Manche Betrachter zeigen die Dokumentinformationen, manche lesen XMP, manche nehmen, was gefüllt ist. Deshalb muss man beim Bereinigen der Metadaten beide behandeln – eines zu löschen und das andere zu belassen bedeutet, dass die Angabe in irgendeinem Programm weiterhin sichtbar bleibt.

Wie liegt der XMP-Block in der Datei – ist er komprimiert?

XMP wird meist unkomprimiert als reiner XML-Text in die Datei eingebettet. Der Grund: Man soll die Metadaten einer Datei lesen können, ohne sie vollständig zu zerlegen – Such- und Indexierungssysteme können die Datei durchsuchen und das XMP-Paket finden. Die praktische Folge: Öffnen Sie ein PDF in einem Texteditor, können Sie den XMP-Inhalt lesen.

Was verlangt das Archivformat PDF/A hinsichtlich der Metadaten?

PDF/A schreibt das Vorhandensein von XMP-Metadaten zwingend vor und verlangt darin eine besondere Kennung, die angibt, welcher PDF/A-Stufe das Dokument entspricht. Zudem wird erwartet, dass die Werte im Dokumentinformations-Wörterbuch mit ihren Entsprechungen im XMP übereinstimmen. Deshalb kann eine unachtsame Metadatenbereinigung bei einem PDF/A-Dokument dessen Konformität zerstören.

Was sind PDF-Metadaten? Der Unterschied zwischen XMP und dem Dokumentinformations-Wörterbuch

In einer PDF-Datei steckt eine Informationsschicht, die auf den Seiten überhaupt nicht sichtbar ist: wer sie erstellt hat, mit welchem Programm, wann und zu welchem Thema. Diese Schicht besteht in Wahrheit nicht aus einem, sondern aus zwei verschiedenen Systemen, und beide können sich widersprechen. In diesem Beitrag erklären wir den Aufbau von PDF-Metadaten, warum beide Systeme nebeneinander bestehen und was das für den Datenschutz bedeutet.

Die erste Schicht: das Dokumentinformations-Wörterbuch

Das ist die einfache Struktur, die seit den ersten PDF-Versionen existiert. Es ist ein Wörterbuch, auf das im Trailer-Bereich der Datei mit dem Schlüssel /Info verwiesen wird und das Schlüssel-Wert-Paare enthält:

<< /Title (Jahresbericht)
   /Author (Anna Weber)
   /Subject (Geschaeftsjahr 2025)
   /Keywords (bericht, finanzen, 2025)
   /Creator (Microsoft Word)
   /Producer (Adobe PDF Library 17.0)
   /CreationDate (D:20250312143022+01'00')
   /ModDate (D:20250315091544+01'00')
>>

Die Bedeutung der Felder:

| Schlüssel | Bedeutung | |---|---| | /Title | Der Titel des Dokuments | | /Author | Der Autor | | /Subject | Das Thema | | /Keywords | Die Stichwörter | | /Creator | Die Quellanwendung, die das Dokument erstellt hat (Word, InDesign) | | /Producer | Die Bibliothek, die es nach PDF umgewandelt hat | | /CreationDate | Der Erstellungszeitpunkt | | /ModDate | Der Zeitpunkt der letzten Änderung |

Die Unterscheidung zwischen /Creator und /Producer wird oft verwechselt, ist aber folgerichtig: Sie haben das Dokument in Word geschrieben (Creator), und die PDF-Engine von Word oder ein Zusatzmodul hat es nach PDF umgewandelt (Producer). Beide liefern unterschiedliche Angaben, und beide tragen Spuren über Sie.

Auch das Datumsformat ist bemerkenswert: Der Ausdruck D:20250312143022+01'00' bedeutet 12. März 2025, 14:30:22, Zeitzone UTC+1. Die Zeitzonenangabe ist ein Hinweis darauf, in welcher Weltgegend Sie das Dokument erstellt haben.

Die Grenze dieses Systems ist klar: Es gibt eine feste Liste von Feldern, es kann keine strukturierten Daten tragen, keine Sprachangabe führen und keine Mehrfachwerte unterstützen.

Die zweite Schicht: das XMP-Paket

Anfang der 2000er-Jahre wurde für den Bedarf an reichen und erweiterbaren Metadaten in Multimediadateien (Foto, Video, Dokument) die XMP (Extensible Metadata Platform) entwickelt. Später wurde sie auch PDF hinzugefügt.

XMP ist eine XML-basierte Struktur und liegt als eingebetteter Datenstrom in der Datei:

<x:xmpmeta xmlns:x="adobe:ns:meta/">
 <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
  <rdf:Description rdf:about=""
    xmlns:dc="http://purl.org/dc/elements/1.1/">
   <dc:title>
    <rdf:Alt>
     <rdf:li xml:lang="de">Jahresbericht</rdf:li>
     <rdf:li xml:lang="en">Annual Report</rdf:li>
    </rdf:Alt>
   </dc:title>
   <dc:creator>
    <rdf:Seq><rdf:li>Anna Weber</rdf:li></rdf:Seq>
   </dc:creator>
  </rdf:Description>
 </rdf:RDF>
</x:xmpmeta>

Was XMP mitbringt:

Mehrsprachige Werte. Der Titel kann sowohl auf Deutsch als auch auf Englisch gespeichert werden.
Mehrere Autoren. Mehrere Autoren lassen sich als geordnete Liste führen.
Erweiterbarkeit. Über verschiedene Namensräume kann jede Organisation eigene Felder ergänzen.
Standardisierte Schemata. Es kommen etablierte Schemata wie Dublin Core (dc:), IPTC für die Fotografie und XMP Rights für die Rechteverwaltung zum Einsatz.

XMP wird meist als unkomprimierter reiner Text in die Datei eingebettet. Das ist eine bewusste Entscheidung: Such- und Indexierungssysteme sollen das XMP-Paket finden und lesen können, ohne die Datei vollständig zu zerlegen. Die praktische Folge: Wenn Sie ein PDF in einem Texteditor öffnen, können Sie den XMP-Inhalt lesen.

Wenn beide Systeme sich widersprechen

Viele PDFs tragen beide Schichten, und die Werte müssen nicht übereinstimmen:

Ein Programm aktualisiert die Dokumentinformationen und rührt XMP nicht an.
Ein anderes Programm aktualisiert XMP und belässt die alten Angaben.
Ein Metadaten-Bereiniger löscht nur eines von beiden.

Der Standard empfiehlt, dass bei einem Widerspruch XMP Vorrang hat. Doch die Anwendungen sind uneinheitlich: Manche Betrachter zeigen die Dokumentinformationen, manche lesen XMP, manche nehmen, was gefüllt ist.

Für den Datenschutz sind die Folgen ernst. Haben Sie den Autorennamen aus den Dokumentinformationen gelöscht und im XMP belassen, sieht das Dokument im Eigenschaftenfenster sauber aus, doch beim Auslesen mit einem anderen Werkzeug tritt Ihr Name zutage. Das ist der häufigste Grund für Geschichten nach dem Muster "Ich dachte, ich hätte die Metadaten bereinigt".

Eine verlässliche Bereinigung muss beide behandeln. Zur Überprüfung eignet sich eine grobe, aber wirksame Methode: die bereinigte Datei in einem Texteditor öffnen (ohne zu speichern) und nach Ausdrücken wie xmpmeta, dc:creator und dc:title suchen.

Was Metadaten verraten

Konkrete Hinweise:

Identität. Die Felder /Author und dc:creator werden meist automatisch aus Ihrem Betriebssystem-Benutzernamen gefüllt. In einem anonym versandten Dokument ist das eine unmittelbare Preisgabe Ihrer Identität.

Vorlagenreste. Haben Sie ein Angebot aus einer Datei kopiert, die Sie für einen früheren Kunden erstellt haben, steht im Titel womöglich noch dessen Name.

Die Zeitachse. CreationDate und ModDate zeigen den tatsächlichen Entstehungsverlauf des Dokuments. Zudem ist die Zeitzonenangabe ein geografischer Hinweis.

Softwareprofil. Das Feld /Producer verrät, welche Bibliothek in welcher Version Sie verwenden. Das gibt Aufschluss über Ihre betrieblichen Arbeitsabläufe.

Unternehmensfelder. Manche PDF-Erzeuger in Unternehmen ergänzen über eigene XMP-Namensräume Felder wie Abteilungskürzel, Vertraulichkeitsstufe und interne Aktennummer.

PDF/A und die Metadatenpflicht

Das für die langfristige Archivierung entworfene Format PDF/A bringt strenge Regeln für Metadaten mit:

XMP ist verpflichtend. Das Dokument muss ein XMP-Paket tragen.
Eine Konformitätskennung ist erforderlich. Im XMP muss über die Felder pdfaid:part und pdfaid:conformance angegeben werden, welcher PDF/A-Stufe entsprochen wird.
Übereinstimmung wird erwartet. Die Werte in den Dokumentinformationen und ihre Entsprechungen im XMP müssen zusammenpassen.
Eigene Schemata müssen definiert werden. Werden nicht standardisierte XMP-Felder verwendet, muss deren Schema in der Datei beschrieben sein.

Die praktische Folge: Die Metadaten eines PDF/A-Dokuments unachtsam zu bereinigen zerstört die Konformität. Die Datei, die Sie an das Archivsystem senden, besteht die Prüfung dann nicht. Beim Bearbeiten der Metadaten von PDF/A-Dokumenten müssen die Konformitätsfelder erhalten bleiben.

Wohin Metadaten nicht reichen

Es ist wichtig, die Grenzen der Metadatenbereinigung klarzustellen, denn ein falsches Sicherheitsgefühl ist gefährlich:

Seiteninhalt. Metadaten sind Informationen über das Dokument; sie beeinflussen nichts, was auf der Seite steht. Steht auf Seite 3 Ihr Name, bleibt er dort.

Verborgener Inhalt. Mit einem schwarzen Kasten überdeckter Text ist Teil des Seiteninhalts und wird durch eine Metadatenbereinigung nicht entfernt. Dafür ist eine Schwärzung nötig.

Eingebettete Dateien. PDFs können Anlagen tragen (eine Excel-Quelltabelle, Anhänge). Diese sind eigenständige Objekte.

Daten in Formularfeldern. Die Feldwerte eines ausgefüllten Formulars stecken in der AcroForm-Struktur. Dafür ist ein Reduzieren nötig.

Versionsgeschichte. In einem PDF mit inkrementellen Aktualisierungen können frühere Fassungen in der Datei verbleiben. Dafür ist ein Vorgang nötig, der die Datei vollständig neu schreibt.

Eingebettete Schriften. In seltenen Fällen tragen eingebettete Schriften in ihren eigenen Metadaten den Namen des Lizenzinhabers.

Die nützliche Seite der Metadaten

Bislang war nur vom Risiko die Rede, doch Metadaten haben auch echten Nutzen:

Dokumentenmanagement in Organisationen. Systeme, die Tausende Dokumente verwalten, indexieren, klassifizieren und durchsuchen anhand der Metadaten. Richtig gefüllte Felder bestimmen die Qualität des Archivs.

Sichtbarkeit im Web. Das Titelfeld erscheint im Browser-Tab und in manchen Suchergebnissen. Bleibt es leer, wird der Dateiname angezeigt (etwa "bericht_final_v3_ENDG.pdf"), was nicht professionell wirkt.

Rechteverwaltung. Über das Schema XMP Rights lassen sich Urheberrechtsangaben, Nutzungsbedingungen und Kontaktdaten in das Dokument einbetten.

Langfristige Archivierung. Genau dafür gibt es die Metadatenpflicht in PDF/A: Wer die Datei in fünfzig Jahren findet, soll aus ihr selbst erkennen können, worum es sich handelt.

Zusammengefasst

PDF-Metadaten sind eine zweischichtige Struktur: das alte, einfache Dokumentinformations-Wörterbuch und das XML-basierte, reiche XMP-Paket. Beide bestehen nebeneinander, können sich widersprechen, und verschiedene Programme lesen jeweils ein anderes – deshalb ist es bei einer Bereinigung aus Datenschutzgründen zwingend, beide zu behandeln. Metadaten tragen echte Hinweise über Sie, vom Autorennamen bis zur Zeitzone, und weil die meisten automatisch gefüllt werden, gibt man sie unbemerkt weiter. Umgekehrt sind richtig gefüllte Metadaten bei im Web veröffentlichten und archivierten Dokumenten ein wertvolles Gut; PDF/A macht sie sogar zur Pflicht. Und die Grenze, die man nicht vergessen darf: Eine Metadatenbereinigung rührt weder den Seiteninhalt noch eingebettete Dateien noch die Versionsgeschichte an.