Methodik: Was PDFzugang prüft, ableitet und bewusst offenlässt

PDF.js liest Seiten, Textpositionen, Metadaten, Formularfelder und Zeichenoperationen. Aus Schriftgröße und Position entsteht ein erster Strukturvorschlag. Seiten ohne ausreichenden Text werden als mögliche Scans markiert.

OCR erfolgt lokal mit Tesseract.js. Die erkannten Zeilen sind anschließend editierbar. Die Lesefassung wird mit PDFKit neu aufgebaut, verwendet eine eingebettete Atkinson-Hyperlegible-Schrift und semantische PDF-Tags.

• Dateiinhalt bleibt während der Verarbeitung lokal
• Jeder erkannte Textblock bleibt vor dem Export sichtbar
• Original und neue Lesefassung werden getrennt behandelt
• Prüfbericht benennt manuell offene Punkte
• Entwicklungs-Testdateien werden mit veraPDF gegen PDF/UA-1 geprüft

Der Prüfwert ist bewusst konservativ gebaut. Die Muster-Einladung erhielt 38 von 100 Punkten – obwohl ihr Text vollständig lesbar war. Der Grund liegt in der Gewichtung: Auswählbarer Text bringt maximal 30 Punkte, verlässliche Struktur-Tags, Titel, Sprache und Navigation den Rest. Fehlen Tags komplett, kann eine Datei den Wert 70 gar nicht erreichen, egal wie sauber sie aussieht. Diese Härte ist Absicht: Der Score soll den Zustand für assistive Technik abbilden, nicht den visuellen Eindruck. Er ist damit eine Orientierung für die Dringlichkeit – und ausdrücklich kein Konformitätsmaß und kein Zertifikat.

Wie jeder Prüfpunkt zustande kommt, steht transparent im erzeugten Prüfbericht jeder einzelnen Analyse.

Zum Nachlesen: Beispiel-Prüfbericht im Original ansehen