Wo sich versteckte Daten verbergen
Ein PDF ist ein Behälter, und die sichtbare Seite ist nur ein Teil dessen, was er trägt. Aus jedem der folgenden Orte sind Dokumente ausgetreten, während die Seite selbst einwandfrei geschwärzt war. Deshalb ist das Entfernen des Seitentextes notwendig, aber nicht das Ende der Arbeit.
Dokumenteigenschaften und XMP
Jedes PDF hat einen Eigenschaftenblock — Titel, Autor, Betreff, Stichwörter, Erzeuger, Erstellungs- und Änderungsdatum — den das erzeugende Programm füllt. Das Autorenfeld trägt häufig einen echten Personennamen oder einen Netzwerk-Benutzernamen. Der Titel trägt oft den ursprünglichen Dateinamen, der im beruflichen Umfeld regelmäßig einen Mandanten oder ein Aktenzeichen enthält. Daneben führen viele Dateien ein **XMP-Paket**: strukturierte Metadaten, die eine längere Historie samt früherer Titel und Werkzeuge enthalten können. Beides ist auf der Seite unsichtbar und reist mit der Datei.
Annotationen, Kommentare und Formularfelder
Kommentare, Notizen, Markierungen und Korrekturvermerke liegen getrennt vom Seiteninhalt und sind trivial auslesbar. Formularfelder sind heikler: ein ausgefülltes Feld behält seinen Wert **als Daten**, sodass ein scheinbar leeres Formular weiterhin trägt, was eingetippt wurde. Und eine optisch entfernte Annotation ist manchmal nur als ausgeblendet markiert statt gelöscht.
Anhänge, Ebenen und alles außerhalb des Sichtbaren
PDFs können eingebettete Dateien tragen — eine an einen Bericht gehängte Tabelle ist der Klassiker —, die auf keiner Seite erscheinen und sich mit einem Klick entnehmen lassen. Optionale Inhaltsgruppen, die den meisten als Ebenen begegnen, können Inhalte tragen, die für die Anzeige abgeschaltet und in der Datei vollständig vorhanden sind. Inhalt kann auch außerhalb des sichtbaren Seitenbereichs liegen: Beschneiden entfernt nicht, es blendet aus. Es ändert die Seitenbox, löscht aber nicht, was außerhalb fällt, und das Rückgängigmachen ist ein Menüpunkt.
Inkrementelle Speicherungen und frühere Fassungen
PDFs erlauben es, Änderungen **anzuhängen**, statt die Datei neu zu schreiben. Ein mehrfach bearbeitetes und gespeichertes Dokument kann seine früheren Zustände also in derselben Datei tragen, wiederherstellbar von jedem, der danach sucht. Das ist einer der Gründe, warum diese App das geladene Dokument nie bearbeitet und über sich selbst speichert. Die Ausgabe wird stets als neues Dokument aufgebaut, in das Seiten kopiert oder neu erzeugt werden — es gibt keinen früheren Zustand zum Anhängen und keine verwaisten Objekte aus dem Original.
Häufige Fragen
Wo steckt versteckter Text in einem PDF?
Meist in den Dokumenteigenschaften, einem XMP-Paket, Annotationen und Kommentaren, Formularfeldwerten, eingebetteten Anhängen, ausgeblendeten Ebenen, weggeschnittenem Inhalt oder früheren Fassungen aus inkrementellem Speichern.
Löscht das Entfernen des Seitentextes die Metadaten?
Nein. Das sind getrennte Teile der Datei. Metadaten müssen eigens bereinigt werden.
Lässt sich ein beschnittener Bereich wiederherstellen?
Ja. Beschneiden ändert die Anzeige, löscht den Inhalt außerhalb nicht, und lässt sich rückgängig machen.
Und ein ausgefülltes Formular, das leer aussieht?
Feldwerte sind Daten. Ein Feld kann leer angezeigt werden und trotzdem tragen, was eingetippt wurde.
Erscheinen eingebettete Anhänge beim Lesen der Datei?
Nicht auf der Seite. Sie stehen im Anhänge-Bereich des Betrachters und lassen sich mit einem Klick entnehmen.
Wie erkenne ich, ob meine Datei so etwas enthält?
Dokumenteigenschaften in einem Betrachter lesen, Anhänge- und Ebenenbereich prüfen, und die Datenströme roh nach den relevanten Begriffen durchsuchen.
Den Text entfernen und beweisen, dass er weg ist. Redact nimmt die Wörter aus der Seite heraus, statt sie zu verdecken, öffnet die erzeugte Datei anschließend erneut und durchsucht sie zweifach — per Textextraktion und per Rohdaten-Scan — bevor Sie herunterladen dürfen. Die Datei verlässt den Browser nicht.
PDF im Browser schwärzen