Was in einer PDF neben dem sichtbaren Text steht
Eine PDF-Datei trägt zwei Sorten von Beschreibungen mit sich. Die erste ist das Info-Dictionary am Dateiende. Die Norm ISO 32000-1 sieht dafür neun Einträge vor (Tabelle 317): Titel, Autor, Thema, Stichwörter, das Programm, in dem das Dokument entstand (Creator), das Programm, das daraus die PDF gemacht hat (Producer), Erstell- und Änderungsdatum sowie eine Angabe zur Druckvorstufe. Programme dürfen eigene Einträge ergänzen. Word und andere Büroprogramme übernehmen dabei, was in den Dateieigenschaften steht, oft den Namen aus dem Benutzerkonto und manchmal den Firmennamen.
Die zweite Sorte sind XMP-Blöcke, ein XML-Format nach ISO 16684-1. Laut Abschnitt 14.3.2 der PDF-Norm darf jedes Objekt in der Datei einen solchen Block tragen: das Dokument als Ganzes, jede Seite, jedes Bild und jede eingebettete Grafik. Darin steht oft mehr als im Info-Dictionary, etwa eine Dokumentkennung, die alle Fassungen eines Dokuments verbindet, oder ein Bearbeitungsverlauf mit Datum und Uhrzeit jeder Speicherung. Wer eine Grafik aus einer anderen Datei einfügt, schleppt deren XMP-Block mit, samt Namen des Grafikers.
Ein Beispiel aus den Testdateien dieser Seite: Ein zweiseitiges Angebot zeigt im Info-Dictionary „Erika Mustermann“ als Autor, „Muster GmbH“ als Firma und „Microsoft Word für Microsoft 365“ als Programm. Dazu kommen vier XMP-Blöcke (Dokument, Seite 1, ein Bild, eine eingebettete Grafik) und ein Block mit Zusatzdaten des Grafikprogramms (PieceInfo). Nichts davon sieht man beim Lesen. Jedes PDF-Programm zeigt es unter „Dokumenteigenschaften“ an.
Alte Fassungen in derselben Datei
Viele PDF-Programme speichern Änderungen, indem sie sie hinten an die Datei anhängen. Die Norm nennt das inkrementelles Update (Abschnitt 7.5.6) und schreibt ausdrücklich vor, dass gelöschte Objekte unverändert in der Datei bleiben und nur als gelöscht markiert werden. Jeder Nachtrag endet mit einer eigenen Endmarke %%EOF. Wer im Acrobat Reader ein Formular ausfüllt und speichert oder in einem Programm nur den Autor ändert, bekommt deshalb oft eine Datei, in der die alte Fassung vollständig weiter steckt. Ein Texteditor zeigt sie.
In der Testdatei mit zwei Speicherständen steht vorne „Max Altmann“ als Autor und „Entwurf intern“ als Titel, hinten im Nachtrag „Erika Neumann“ und „Angebot“. Ein PDF-Programm zeigt nur die hinteren Werte. Das Werkzeug zählt die Endmarken, liest die alten Werte aus den Rohdaten und listet sie unter „Frühere Speicherstände“ auf. Diese Anzeige hat eine Grenze: Steht eine alte Fassung in einem komprimierten Objektstrom (üblich ab PDF 1.5), zeigt die Liste sie nicht an. Entfernt wird sie beim Bereinigen trotzdem, weil die neue Datei nur aus den aktuellen Objekten entsteht. Eine Ausnahme sind linearisierte Dateien („schnelle Webansicht“): Sie haben schon beim ersten Speichern zwei Endmarken. Das Werkzeug erkennt das am Kennzeichen /Linearized im Dateikopf und zählt sie als einen Stand.
So entsteht die bereinigte Kopie
Das Werkzeug liest die PDF mit der Bibliothek pdf-lib 1.17.1 in den Arbeitsspeicher und verändert dort Folgendes: Das Info-Dictionary fällt weg (auf Wunsch bleibt nur der Titel). Jeder Eintrag /Metadata wird an jedem Objekt gelöscht, also auch an Seiten, Bildern und Grafiken, ebenso /PieceInfo. Dateianhänge, JavaScript im Dokument und Autornamen an Kommentaren werden entfernt, solange die Häkchen gesetzt sind. Ebenso fallen die Info-Angaben an Artikeln (Threads) und der Programmname an Ebenen weg. Die Dokument-ID im Dateiende wird durch einen neuen Zufallswert ersetzt.
Danach geht es vom Dokumentkatalog aus durch alle Verweise. Was dabei nicht erreicht wird, kommt nicht in die neue Datei: alte Fassungen von Objekten, gelöschte Objekte, abgehängte XMP-Blöcke und interne Verwaltungsdaten. Die neue Datei hat genau eine Querverweistabelle und genau ein %%EOF. Objektströme schreibt das Werkzeug bewusst nicht, damit alle Verwaltungsdaten unkomprimiert stehen und die anschließende Byte-Suche sie auch erfasst. Die Datei wird dadurch manchmal ein paar Kilobyte größer. Seiteninhalte, Schriften und Bilder werden Byte für Byte übernommen und nicht neu komprimiert.
Zum Schluss sucht das Werkzeug in der neuen Datei nach allen Namen und Programmangaben, die es vorher gefunden hat, in drei Schreibweisen (Latin-1, UTF-8, UTF-16) und jeweils auch als Hexadezimaltext. Steht dort 0 Treffer, kommt der Wert in den unkomprimierten Teilen der Datei nicht mehr vor. Getestet ist das an acht Testdateien mit 73 Einzelprüfungen. Das unabhängige Prüfprogramm pikepdf findet in allen bereinigten Dateien weder ein Info-Dictionary noch einen XMP-Block, und der mit pypdf ausgelesene Seitentext ist mit dem Original identisch.
Was in der Datei bleibt
| Bestandteil | Nach dem Bereinigen |
|---|---|
| Sichtbarer Text, Kopfzeilen, Briefkopf | bleibt unverändert, auch ein Name im Text |
| EXIF-Daten in eingebetteten Fotos | bleiben, weil sie in den Bilddaten selbst stecken |
| Formularfelder und ihre Namen | bleiben, damit das Formular funktioniert; die Namen werden angezeigt |
| Digitale Signatur | bleibt als Feld, ist danach aber ungültig; der Name des Unterzeichners bleibt |
| Dokument-ID im Dateiende | wird neu vergeben; die alte ist meist ein Prüfwert, der die Kopie mit dem Original verbinden würde (ISO 32000-1, 14.4) |
| JavaScript an einzelnen Feldern oder Links | bleibt; die Seite zählt diese Stellen |
| Dateiname | neu: „…-bereinigt.pdf“; benennen Sie die Datei bei Bedarf um |
Fotos in einer PDF tragen oft eigene EXIF-Daten mit Kamera und manchmal GPS-Standort. Diese stecken in den komprimierten Bilddaten. Das Werkzeug fasst die Bilder nicht an, damit keine Qualität verloren geht. Wer ein Foto aus einer PDF weitergeben will, holt es mit Bilder aus PDF extrahieren heraus und prüft es danach mit EXIF-Daten anzeigen und entfernen.
Verschlüsselte und signierte PDFs
Verschlüsselte Dateien lehnt das Werkzeug ab. Das gilt auch für PDFs, die sich ohne Passwort öffnen lassen, aber Drucken oder Kopieren sperren; auch sie sind technisch verschlüsselt. Kennen Sie das Passwort, entfernen Sie es zuerst mit PDF-Passwort entfernen, ebenfalls im Browser ohne Upload, und laden Sie die entsperrte Datei hier.
Bei einer digital signierten PDF warnt das Werkzeug vor dem Bereinigen. Eine Signatur sichert die Datei Byte für Byte; jede Änderung macht sie ungültig, und ein vollständiges Neuschreiben erst recht. Den Namen des Unterzeichners zeigt die Seite an, und die Byte-Suche meldet ihn als Treffer. Signierte Verträge oder Bescheide geben Sie deshalb im Original weiter.
Metadaten schon in Word oder Acrobat vermeiden
Am einfachsten ist es, die Angaben gar nicht erst in die PDF zu bringen. In Word unter Windows prüft „Datei › Informationen › Auf Probleme überprüfen › Dokument prüfen“ die Datei auf Dokumenteigenschaften und persönliche Angaben und entfernt sie. Wer danach als PDF exportiert, hat weniger in der Datei. Acrobat Pro bietet eine eigene Funktion zum Entfernen ausgeblendeter Informationen. Die Menüwege beschreiben den Stand vom 02.10.2026 (Microsoft 365, Windows 11); Microsoft und Adobe benennen Menüpunkte gelegentlich um. Prüfen lässt sich das Ergebnis in beiden Fällen hier: PDF laden und die Tabelle lesen.
Was die Seite mit Ihrer PDF macht
Nichts außerhalb Ihres Geräts. Der Browser liest die Datei, das Programm auf dieser Seite zerlegt sie und baut die neue Datei im Arbeitsspeicher. Nachgeladen wird nur die Bibliothek pdf-lib (513 KB) von dieser Domain, beim ersten Öffnen einer Datei. Im Netzwerkprotokoll des Browsers ist beim Laden und Bereinigen keine Anfrage zu sehen, die Dateiinhalt enthält. Gemeldet wird nur anonym, dass das Werkzeug benutzt wurde, ohne Dateiname und ohne Inhalt. Nach dem Schließen des Tabs ist nichts gespeichert. Ab etwa 50 MB kann ein Handy am Arbeitsspeicher scheitern; am Computer klappt es meist.