Strukturiertes Archivieren von Papierdokumenten

Grundsatz

Ein Papierdokument hat im Archiv mehrere Rollen. Es kann rechtlicher Nachweis, historische Quelle, Arbeitsunterlage, genealogischer Hinweis oder bloße Zwischeninformation sein. Nicht jede Rolle gehört in dasselbe System.

Deshalb wird nicht alles in eine einzige digitale Ablage gepresst. Die jeweilige Ebene bekommt die Aufgabe, die sie am besten erfüllt.

Ablauf vom Papier zum Archiv

Der Workflow ist bewusst mehrstufig aufgebaut. Dadurch bleibt später nachvollziehbar, welche Datei wofür gedacht ist.

Mein praktischer Ablauf

In der Praxis beginne ich nicht mit der Software, sondern mit der Frage nach dem Wert des Dokuments. Ist es ein rechtlicher Nachweis, eine historische Quelle, ein Alltagsbeleg oder nur eine Zwischeninformation? Erst danach entscheide ich, wie tief das Dokument erschlossen wird.

Wichtige Familienquellen, Urkunden, alte Briefe oder handschriftliche Dokumente behandle ich als Quellen. Das Papieroriginal bleibt erhalten, der Rohscan oder TIFF-Master wird getrennt gesichert und die durchsuchbare PDF/A-Datei dient als Arbeits- und Lesefassung. Der eigentliche Zusammenhang - Personen, Ereignisse, Unsicherheiten, Quellenkritik - wird in Obsidian oder einer Markdown-Notiz dokumentiert.

Laufende Alltagsdokumente wie Rechnungen, Versicherungen oder Steuerunterlagen behandle ich anders. Hier steht nicht die historische Quellenkritik im Vordergrund, sondern schnelles Finden, OCR, Dokumenttyp, Korrespondent und Aufbewahrung. Dafür ist Paperless-ngx als Arbeits- und Suchsystem sinnvoll.

Damit ist zugleich die Silo-Grenze gesetzt: Rohscans und Masterdateien sind Eingangs- oder Sicherungsebene. Paperless-ngx bekommt die durchsuchbare Dokumentenfassung, typischerweise PDF oder PDF/A mit OCR-Text. Fotoarchive, Bildserien und Rohscans von Fotos oder Negativen gehören dagegen in den Foto-Workflow mit digiKam, XMP und ergänzend Excire Foto.

Workflow: TIFF zu OCR-PDF/A

Für historische Urkunden, Kirchenbuchauszüge und wichtige Familiendokumente hat sich ein einfacher, klar getrennter Workflow bewährt:

Originalscan (TIFF)
        |
        v
Readiris 25 OCR
        |
        v
durchsuchbares PDF/A
        |
        v
Obsidian / Paperless-ngx / Wissensdatenbank

Das TIFF bleibt als Archivmaster unverändert erhalten. Es ist verlustfrei, langfristig geeignet und bildet die digitale Ausgangssicherung des Papierdokuments.

Das daraus erzeugte PDF/A ist die Arbeits- und Suchfassung. Es enthält eine OCR-Textebene, bleibt optisch aber am Originalscan orientiert. Damit kann es in Obsidian verlinkt, in Paperless-ngx indexiert und bei Bedarf einfacher weitergegeben werden.

Ein typisches Beispiel aus der Familiensaga:

Geburtsurkunde_Kuehn_1903.tif   Original / Archivmaster
Geburtsurkunde_Kuehn_1903.pdf   OCR-PDF/A / Arbeits- und Suchfassung
Geburtsurkunde_Kuehn_1903.md    Notizen, Quellenkritik, Personen, Kontext

In Obsidian wird vor allem mit der Markdown-Datei gearbeitet. Dort werden Quelle, Bewertung, Personenbezug und offene Fragen dokumentiert. PDF und TIFF bleiben als verlinkte Nachweise erhalten.

Für Paperless-ngx reicht in der Regel die OCR-PDF/A-Datei. Das TIFF bleibt im Archivbestand erhalten, während Paperless die durchsuchbare Arbeitsfassung indexiert. So werden doppelte OCR-Läufe vermieden und der Speicherbedarf bleibt beherrschbar.

Paperless ist hier also nicht der Speicherort für jedes Rohmaterial, sondern das Dokumentensilo für die nutzbare, recherchierbare Dokumentenfassung. Die Rohdaten bleiben getrennt, kontrollierbar und bei wichtigen Quellen read-only erhalten.

PDF/A-Unterstandards richtig einordnen

PDF/A ist kein einzelnes Format, sondern eine Familie von Standards. Für gescannte Dokumente mit unsichtbarer Textebene sind PDF/A-1b oder PDF/A-2b oft eine robuste Wahl: Das Erscheinungsbild des Scans bleibt erhalten, die OCR-Textebene macht das Dokument durchsuchbar.

PDF/A-3b kann zusätzlich eingebettete Dateien enthalten. In einem kontrollierten Workflow kann das interessant sein, wenn das originale TIFF als zugehörige Quelldatei in der PDF/A-Datei mitgeführt werden soll. Dadurch entsteht eine kompakte Arbeitsdatei, in der sichtbarer Scan, OCR-Text und Quellanlage gemeinsam transportiert werden können.

Dateinamen und Namensschema

Ein dauerhaftes Archiv braucht Dateinamen, die auch ohne Datenbank verständlich bleiben. Bewährt hat sich ein einfaches, maschinenlesbares Schema mit ISO-Datum, Dokumenttyp, Name oder Absender und kurzem Thema:

YYYY-MM-DD_Dokumenttyp_Name_Thema.ext

Beispiele:

1903-04-18_Geburtsurkunde_Kuehn_Standesamt.tif
1903-04-18_Geburtsurkunde_Kuehn_Standesamt.pdf
1903-04-18_Geburtsurkunde_Kuehn_Standesamt.md

Das Datum im Format YYYY-MM-DD sortiert Dateien automatisch chronologisch. Unterstriche vermeiden Probleme mit Skripten, Backups, Kommandozeilen und Systemen, die Leerzeichen oder Sonderzeichen unterschiedlich behandeln. Umlaute können im sichtbaren Titel erhalten bleiben; im Dateinamen ist eine einfache Schreibweise wie Kuehn oft robuster.

Papieroriginal

Das Papieroriginal wird nicht automatisch wertlos, nur weil ein Scan existiert. Bei Urkunden, Verträgen, amtlichen Schreiben, familiengeschichtlichen Quellen oder handschriftlichen Dokumenten kann das Original weiterhin die maßgebliche Quelle bleiben.

Im Archiv wird deshalb bewusst entschieden, ob ein Papierdokument dauerhaft aufbewahrt, nach der Digitalisierung entbehrlich oder nur als Arbeitsunterlage relevant ist.

Rohscan und Masterdatei

Bei wichtigen Vorlagen kann ein Rohscan oder eine hochwertige Masterdatei sinnvoll sein. Diese Datei dient nicht der täglichen Nutzung, sondern der langfristigen Sicherung des Digitalisats.

Gebundene Quellen wie Familienchroniken, alte Register, Vereinsbücher oder Urkundenbände scanne ich nicht wie lose Einzelblätter. Hier ist ein Buchscanner wie der Plustek OpticBook 4800 sinnvoll, weil die Buchkante sauberer erfasst wird und Schatten, Verzerrungen sowie unnötige Belastung des Originals reduziert werden.

Je nach Vorlage und Bedeutung kann dies ein TIFF, ein hochwertiger Scan-Master oder eine andere unveränderte Ausgangsdatei sein. Diese Ebene bleibt von späteren Arbeitskopien getrennt.

PDF, TIFF und OCR

Für die praktische Nutzung wird aus dem Scan eine Arbeitsdatei erzeugt. Bei Dokumenten ist dies meist ein PDF mit OCR-Textebene. Bei bildhaften oder besonders quellenrelevanten Vorlagen kann zusätzlich ein TIFF als Master erhalten bleiben.

OCR macht den Inhalt durchsuchbar, ersetzt aber nicht die fachliche Einordnung. Ein Dokument ist erst dann wirklich erschlossen, wenn auch Datum, Inhalt, Herkunft und Kontext verständlich dokumentiert sind.

Paperless-ngx und dateibasiertes Dokumentenarchiv

Paperless-ngx dient für strukturierte Dokumentenbestände, bei denen Volltextsuche, Korrespondenten, Dokumenttypen, Datum und Tags eine zentrale Rolle spielen. Es ist die Arbeitsumgebung für das wiederauffindbare Dokumentenarchiv.

Dieses Dokumentensilo umfasst eingescannte Dokumente, Briefe, Bescheide, Rechnungen, Verträge, Versicherungsunterlagen, Objektunterlagen, Vereins- und Projektunterlagen, digital erzeugte PDFs und OCR-durchsuchbare Archivdokumente. Die Stärke liegt gerade darin, solche Belege über OCR, PDF/A, Korrespondenten, Dokumenttypen, Tags und Aufbewahrungslogik strukturiert zu halten.

Nicht gemeint sind Fotoarchive, Bildserien, Rohscans von Fotos oder Negativen, veröffentlichte Bilder oder Website-Inhalte. Diese Ebenen gehören in eigene Silos: Fotoarchiv mit digiKam/XMP, Präsentation auf der Website oder externe Veröffentlichungsziele.

Besonders stark ist Paperless-ngx bei lebenden, seriellen Alltagsbeständen: Rechnungen, Versicherungen, Steuerunterlagen, Korrespondenz, Verträge und laufende Posteingänge. Dort helfen automatischer Import, OCR, Korrespondenten, Dokumenttypen und Volltextsuche im Alltag spürbar.

Das dateibasierte Dokumentenarchiv wird dort eingesetzt, wo eine schlankere Ablage sinnvoller ist. Auf dieser Website erscheint dafür gelegentlich der interne Kurzbegriff Mini-DMS. Entscheidend ist aber nicht die Software, sondern die klare Frage: Soll das Dokument gesucht, verwaltet, weitergegeben, historisch eingeordnet oder langfristig als Quelle bewahrt werden?

Für historische, abgeschlossene oder generationenübergreifende Sammlungen - etwa Urkunden, Familienquellen oder ausgewählte Nachlassdokumente - ist eine offene Ordnerstruktur oft die sicherere Grundform. Sie bleibt auch dann verständlich, wenn Paperless-ngx später nicht mehr betrieben wird. Paperless kann solche Dateien zusätzlich indexieren, sollte aber nicht der einzige Wissensträger sein.

Obsidian als Kontextebene

Obsidian ist nicht die Ablage für jedes Dokument. Es ist die Ebene, auf der Zusammenhänge dokumentiert werden: Personen, Orte, Ereignisse, Quellenlage, offene Fragen und Entscheidungen.

Ein Dokument kann im DMS liegen, während seine Bedeutung in Obsidian beschrieben wird. Diese Trennung verhindert, dass ein DMS zur genealogischen oder historischen Wissensdatenbank überfrachtet wird.

Langfristige Ablage

Die langfristige Ablage folgt dem Prinzip: so viel Struktur wie nötig, so wenig Komplexität wie möglich. Dokumente sollen auch ohne Spezialwissen auffindbar bleiben, aber nicht durch übertriebene Ordnerlogik schwer wartbar werden.

Führend ist eine Kombination aus stabilen Dateiformaten, nachvollziehbaren Metadaten, lesbaren Dateinamen, dokumentierten Entscheidungen und regelmäßiger Sicherung.

Die Sicherung der Scan-Master und OCR-Arbeitsdateien gehört deshalb in dieselbe Strategie wie das übrige Archiv: Backup und Langzeitbewahrung im Familienarchiv beschreibt die Grundsätze mit mehreren Kopien, getrennten Orten und regelmäßiger Lesbarkeitsprüfung. Für die spätere generationenübergreifende Nutzung ist außerdem der digitale Nachlass entscheidend: Nachfolgende müssen erkennen können, welche Datei Quelle, Master, Arbeitskopie und Kontextdokument ist.

Praxis-Checkliste

• Ist entschieden, ob das Papieroriginal aufbewahrt wird?
• Gibt es bei wichtigen Quellen einen unveränderten Rohscan oder Master?
• Ist die Arbeitsdatei durchsuchbar und in einem geeigneten Format gespeichert?
• Liegt das Dokument im passenden System: Paperless-ngx, dateibasiertes Dokumentenarchiv oder Dateisystem?
• Ist der inhaltliche Zusammenhang in Obsidian dokumentiert, wenn er später wichtig ist?
• Sind Ablage, Metadaten und Backup nachvollziehbar geregelt?