Warum viele PDFs für einen Teil deiner Besucher leer sind

Auf vielen Vereins- und Firmenseiten hängt die wichtigste Information an einem einzigen Link. Die Preisliste, das Anmeldeformular oder der Speiseplan der Woche liegen als PDF vor, weil das Dokument ohnehin schon fertig auf der Festplatte lag. Für die meisten Besucher geht das gut. Für einen kleineren Teil ist derselbe Link eine Sackgasse, und zwar eine, die man von außen nicht sieht.

Was ein Screenreader in einem Scan vorfindet

Ein gescanntes PDF ohne Textebene ist für einen Screenreader ein einziges großes Bild ohne Alternativtext. Die Software findet dort keine Buchstaben, keine Überschriften und keine Tabellenzeilen, sondern eine Fläche aus Pixeln, über die sie nichts sagen kann. Angesagt wird je nach Programm nur der Dateiname mit der Seitenzahl, also etwa "Speiseplan_KW34.pdf, Seite 1 von 2", oder dass die Seite leer sei. Der Inhalt ist da, er ist gestochen scharf, und für dieses eine Werkzeug existiert er trotzdem nicht.

Betroffen ist nicht nur der Screenreader. Die Volltextsuche des Browsers findet nichts. Eine automatische Übersetzung greift nicht. Wer die Schrift vergrößert, vergrößert ein Foto und bekommt Klötzchen statt schärferer Buchstaben. Auch Suchmaschinen lesen deine Preise nicht aus, weil sie ebenfalls nur ein Bild vor sich haben.

Der Zehn-Sekunden-Test

Du brauchst nichts außer dem Browser, in dem du gerade liest. Öffne das PDF, drücke Strg+A (auf dem Mac Cmd+A) und schau genau hin. Legt sich die blaue Markierung um einzelne Wörter und folgt den Zeilen, dann steckt echter Text in der Datei. Bleibt dagegen alles unmarkiert, oder erscheint nur ein einziger Block über der ganzen Seite, hast du einen Scan vor dir. Die Gegenprobe dauert noch mal fünf Sekunden. Drücke Strg+F und tippe ein Wort ein, das du auf dem Bildschirm klar erkennst, etwa einen Nachnamen aus der Überschrift. Null Treffer bei einem Wort, das eindeutig dasteht, ist der Beweis.

Wie so eine Datei überhaupt entsteht

Meistens entsteht sie am Kopierer im Flur. Jemand legt das unterschriebene Formular ein, tippt auf "Scan an E-Mail", und heraus kommt ein Foto des Papiers in einer PDF-Hülle. Handyfotos, die eine App zusammenklebt, sind derselbe Fall. Wird ein PDF dagegen direkt aus Word, LibreOffice, InDesign oder Google Docs exportiert, bringt es von Haus aus Text mit. Als grobe Hausnummer hilft schon die Dateigröße, denn zwei Seiten echter Text bleiben meist bei einigen hundert Kilobyte, während zwei gescannte Seiten schnell mehrere Megabyte wiegen.

Der Weg zurück heißt Texterkennung, meist als OCR abgekürzt. Viele Bürogeräte haben die Funktion im Scan-Menü, oft unter der Bezeichnung "Durchsuchbares PDF". Liegt nur noch die Datei vor, erkennen auch viele Dokumentenprogramme nach. Prüfe das Ergebnis mit demselben Markieren-Test und lies zwei, drei Zeilen mit, denn Texterkennung stolpert zuverlässig über Handschrift, Stempel, schiefe Kopien und eng gesetzte Tabellen.

Tags, und warum die Reihenfolge nicht der Optik folgt

Eine Textebene allein macht ein Dokument noch nicht bedienbar. Ein PDF speichert Text als lose Sammlung von Schnipseln mit Koordinaten, ähnlich wie Buchstaben auf einer Druckplatte. Dass eine Zeile eine Überschrift ist, weiß die Datei nicht, sie kennt nur große, fette Zeichen an einer bestimmten Stelle. Genau diese Bedeutung tragen die Tags nach. Ein Tag hält fest, dass hier eine Überschrift zweiter Ebene steht, dort ein Absatz und dort eine Tabelle mit Kopfzeile. Erst damit kann jemand von Überschrift zu Überschrift springen, statt sich von der ersten bis zur letzten Zeile durchzuhören.

Der zweite Teil ist die Lesereihenfolge, und die steckt ebenfalls in den Tags, nicht in der Position auf dem Blatt. Bei einem zweispaltigen Flyer, in den nachträglich ein Kasten geschoben wurde, läuft sie gern quer durcheinander. Vorgelesen wird dann erst die Überschrift, danach die Fußzeile, danach der Kasten aus der Mitte und zum Schluss die zweite vor der ersten Spalte. Auf dem Papier sieht alles sauber aus, im Ohr entsteht Kauderwelsch.

Formulare, Preise und Termine gehören auf eine Seite

Der ehrlichste Rat hier hat mit PDF-Technik gar nichts zu tun. Wird eine Information häufig gebraucht, oft geändert oder unterwegs gelesen, ist eine normale HTML-Seite fast immer die bessere Wahl. Sie bricht auf dem Handy um, lässt sich vergrößern, kopieren, vorlesen und durchsuchen, ohne dass jemand erst etwas herunterlädt. Und du änderst einen Preis in einer Minute, statt neu zu exportieren und hochzuladen.

So sieht der typische Ausgangszustand aus, bei dem der Linktext nur der Dateiname ist:

<p>Unsere aktuellen Preise finden Sie hier:</p>
<p><a href="/downloads/preisliste.pdf">preisliste.pdf</a></p>

Und so der Zustand, nachdem der Inhalt auf die Seite gewandert ist. Das PDF darf bleiben, es ist jetzt nur noch die Beilage zum Ausdrucken:

<h2>Preise der Werkstatt</h2>
<table>
  <caption>Preise ab September</caption>
  <thead>
    <tr>
      <th scope="col">Leistung</th>
      <th scope="col">Preis</th>
    </tr>
  </thead>
  <tbody>
    <tr><td>Grundreinigung</td><td>89,00 Euro</td></tr>
  </tbody>
</table>
<p>
  <a href="/downloads/preisliste.pdf">
    Preisliste zum Ausdrucken (PDF, 2 Seiten, 180 KB)
  </a>
</p>

Zwei Dinge sind dabei nebenbei besser geworden. Die Tabelle hat echte Kopfzellen mit scope="col", sodass beim Vorlesen jeder Betrag seiner Leistung zugeordnet bleibt. Und der Link heißt nicht mehr wie eine Datei, sondern sagt, was kommt und wie groß es ist. Wer sich nur die Links einer Seite vorlesen lässt, hörte vorher bloß einen Dateinamen.

Wann ein PDF die richtige Wahl bleibt

Es gibt Fälle, in denen das Layout selbst zur Information gehört, etwa ein Formular, das ausgedruckt und unterschrieben wird, ein Jahresbericht fürs Archiv, dazu Notenblätter, Baupläne oder Urkunden. Dort ist ein PDF richtig, es sollte dann aber mit Text, Tags, gesetzter Dokumentsprache und einem echten Titel herauskommen. Fehlt der Titel, meldet sich die Datei beim Vorlesen als "Dokument1" oder mit ihrem Dateinamen.

Die Haken beim Export

Word: Nicht über den PDF-Drucker gehen, der wirft die Struktur weg. Nimm "Speichern unter" oder "Exportieren" mit Dateityp PDF, setze in den Optionen den Haken bei "Dokumentstrukturtags für Barrierefreiheit" und optimiere auf "Standard" statt "Minimale Größe". Vorher lohnt die Barrierefreiheitsprüfung im Reiter "Überprüfen".
LibreOffice: Über "Datei, Exportieren als, Als PDF exportieren" im Reiter "Allgemein" die PDF-Tags anhaken, am besten zusammen mit "Universelle Barrierefreiheit (PDF/UA)", die die Tags ohnehin voraussetzt.
InDesign: In den Absatzformatoptionen unter "Export-Tagging" festlegen, was als Überschrift und was als Absatz herausgeht, die Reihenfolge im Artikel-Bedienfeld sortieren und beim Export "Mit Tags versehenes PDF erstellen" anhaken.
Google Docs: "Datei, Herunterladen, PDF-Dokument" behält die Struktur, solange du die Formatvorlagen für Überschriften benutzt und die Schrift nicht bloß größer gezogen hast.
Scanner: Texterkennung im Gerätemenü einschalten, bevor der Stapel durchläuft.

In allen Programmen gilt derselbe Grundsatz. Was im Dokument als Überschrift, Liste oder Tabelle angelegt ist, kommt so auch im PDF an. Was nur größer und fett aussieht, kommt als größerer, fetter Absatz an.

Selbsttest in unter zwei Minuten

Nimm dir die drei PDFs vor, die auf deiner Seite am meisten gebraucht werden, meist ein Formular, eine Preisübersicht und ein Terminplan.
Öffne das erste davon im Browser.
Drücke Strg+A beziehungsweise Cmd+A. Markieren sich einzelne Wörter, gibt es Text. Bleibt die Seite unmarkiert oder wird sie am Stück als ein Block hervorgehoben, ist es ein Scan.
Drücke Strg+F und suche ein Wort, das du auf der Seite siehst. Kein Treffer bestätigt den Befund aus Schritt 3.
Gibt es Text, kopiere ihn mit Strg+C und füge ihn in ein leeres Textdokument ein. Die Reihenfolge dort gibt dir einen ersten Eindruck davon, wie die Datei vorgelesen wird. Landet die Fußzeile mitten im Satz, stimmt die Struktur nicht.
Schau auf den Titel im Browser-Tab. Steht dort ein Dateiname oder "Dokument1", trage in den Dokumenteigenschaften einen richtigen Titel nach.

Wenn dabei mehrere Dateien durchfallen, fang trotzdem nicht beim Archiv an, sondern sortiere nach dem, was jemand braucht, um mit dir in Kontakt zu kommen. Das sind fast immer das Anmeldeformular, die Preise und die Öffnungszeiten. Diese drei holst du als Text auf die Seite, der Rest darf warten. Eine Sache sagen wir dabei lieber offen. Ein Bedienhilfen-Widget auf deiner Website, unseres eingeschlossen, arbeitet im Browser und kann an einer PDF-Datei nichts ändern, denn die Datei liegt außerhalb der Seite. Wer sie zugänglich machen will, muss an die Datei ran oder den Inhalt dorthin holen, wo die Werkzeuge deiner Besucher greifen.