Netzwerklast, Protokolle und sichere Datenübernahme Aktendigitalisierung: Scan-Massen­da­ten sicher ins Netzwerk überführen

Anbieter zum Thema

ALE Deutschland GmbH

Ist ein Aktenbestand gescannt, beginnt die eigentliche Aufgabe: Hunderttausende Dateien müssen ohne Engpass, Datenverlust oder Sicherheitslücke durch das Netz in DMS, ECM oder ERP wandern. Wo die Stolperfallen liegen und wie man sie umgeht.

Aktendigitalisierung wird meist als Scan-Projekt geplant: Hochleistungsscanner, OCR, Qualitätskontrolle. Der Moment, in dem die fertigen Dateien die Übergabestation verlassen, taucht in der Planung selten auf. Genau dort entscheidet sich aber, ob ein Projekt termingerecht und revisionssicher abschließt oder im Netz steckenbleibt. Sobald die Dateien die Scan-Strecke verlassen, sind sie schlicht Netzwerk-Traffic und zwar in einer Größenordnung, für die ein produktives LAN nie ausgelegt wurde.

Der Scan ist nur die halbe Miete

Ein mittelgroßer Bestand von einigen hundert laufenden Metern Akten entspricht schnell mehreren Millionen Seiten. Diese Dateien müssen von der Übergabestation über das Speicher-Backend bis ins Zielsystem transportiert, geprüft und indexiert werden. Jeder dieser Schritte ist eine eigene Last für Leitung, Storage und Server. Der Handoff „Scan zu Zielsystem“ ist damit kein Nebenschauplatz, sondern der eigentliche Flaschenhals des Projekts.

Datenvolumen vorab kalkulieren

Der erste konkrete Schritt ist eine Volumenschätzung, bevor der erste Karton eintrifft. Als Faustwerte pro A4-Seite:

• Bitonal (Schwarz-Weiß), TIFF G4, 300 dpi: rund 30 bis 60 KB

• Graustufen, 300 dpi: einige hundert KB als komprimiertes PDF

• Farbe, 300 dpi, 24 Bit: rund 25 MB unkomprimiert, als JPEG oder PDF/A meist 300 KB bis 1,5 MB

Rechenbeispiel: Zwei Millionen Seiten bei durchschnittlich 400 KB ergeben etwa 800 GB Nutzdaten. Mit OCR-Textlayer, Vorschaubildern, mehreren Ausgabeformaten (PDF/A und TIFF) und Versionsständen werden daraus schnell 1,5 bis 2 TB. Diese Zahl ist die Planungsgrundlage für Bandbreite, Speicher und Zeitfenster – nicht der Seitenzähler.

Schon die Wahl von Auflösung und Farbtiefe ist damit eine Infrastrukturentscheidung: Reiner Fließtext lässt sich bitonal speichern und hält das Volumen niedrig, während Farbe nur dort eingesetzt werden sollte, wo sie inhaltlich nötig ist, etwa bei Stempeln, farbigen Markierungen oder Fotos. Wer das pro Dokumenttyp festlegt, statt pauschal in Farbe zu scannen, reduziert das zu transportierende Volumen oft um die Hälfte.

Wo das Netz zum Flaschenhals wird

In der Praxis liegen vier typische Engstellen:

• Die Anbindung der Übergabestation: oft nur 1 GbE (Gigabit Ethernet), geteilt mit dem Office-Traffic.

• Das Speicher-Backend (NAS/SAN): Bei Millionen kleiner Dateien limitieren die Schreib-IOPS, nicht die nominelle Bandbreite.

• Der WAN-Uplink: Sobald das Ziel ein Cloud-DMS ist, zählt die Upload-Bandbreite und die ist meist ein Vielfaches kleiner als der Download.

• Der OCR- bzw. Verarbeitungsserver: Er liest jede Datei nach dem Eingang erneut und schreibt sie zurück und verdoppelt damit faktisch das Transportvolumen.

Wie groß der WAN-Effekt ist, zeigt eine einfache Rechnung: 800 GB über einen 100-Mbit/s-Upload dauern rechnerisch rund 18 Stunden. Bei 2 TB und einem real nutzbaren Drittel der Bandbreite sind das mehrere Tage am Stück. Wer nur auf die nominelle Leitungsgeschwindigkeit schaut, übersieht Latenz und IOPS – bei vielen kleinen Dateien der entscheidende Faktor.

Das Problem der vielen kleinen Dateien

Eine Million 400-KB-Dateien sind im Netz deutlich aufwendiger zu bewegen als wenige große Archive gleicher Gesamtgröße: Jede einzelne Datei kostet Protokoll-Overhead, Verzeichnisoperationen und IOPS. Zwei Stellschrauben helfen. Erstens lassen sich Dateien chargenweise in Containern (etwa TAR oder ZIP) bündeln, am Zielort wieder entpacken und so der Overhead pro Objekt drastisch senken. Zweitens lastet ein einzelner serieller Transferstrom eine breite Leitung selten aus – erst mehrere parallele Streams oder ein Übertragungstool mit größerem TCP-Window holen die nominelle Bandbreite heraus. Beides zusammen verkürzt das Übertragungsfenster in der Praxis oft um ein Vielfaches.

Übertragungswege absichern

Sobald personenbezogene Akten im Spiel sind, ist eine Verschlüsselung der Daten bei der Übertragung („in transit") und im ruhenden Zustand („at rest") Pflicht (Art. 32 DSGVO). Konkret bedeutet das:

• SMBv1 abschalten und ausschließlich SMBv3 mit Verschlüsselung, SFTP oder HTTPS/S3 mit TLS einsetzen.

• Integrität über Prüfsummen sichern: Ein Hash-Manifest (etwa SHA-256) pro Charge erlaubt es, jede Datei nach der Übertragung gegen das Original zu verifizieren. Stille Bitfehler und abgebrochene Transfers fallen so sofort auf.

• Übertragungen idempotent und wiederaufsetzbar gestalten, damit ein Abbruch nicht den kompletten Stapel neu anstößt.

Die Ingest-Strecke segmentieren

Eingehende Scan-Dateien sind nicht per se vertrauenswürdig. Auch ein PDF kann aktive Inhalte transportieren. Es empfiehlt sich, die Übergabestrecke in einem eigenen VLAN zu führen, sie vom Office-Netz zu trennen und nur die nötigen Ports zum Zielsystem freizugeben (Least Privilege). Eine vorgelagerte Schadcode-Prüfung der Dateien vor dem Schreiben ins DMS gehört zum Standard. Bleibt ein kompromittierter Stapel auf ein abgegrenztes Segment beschränkt, ist der Schaden begrenzbar.

Staging statt Direkt-Ingest

Statt Dateien direkt ins Produktivsystem zu schreiben, hat sich ein Staging-Bereich bewährt. Die Daten landen zunächst in einer Zwischenzone, werden dort auf Vollständigkeit, Prüfsummen, Schadcode und Indexfelder geprüft und erst danach ins DMS übernommen. Der Massentransfer läuft in Zeitfenstern außerhalb der Hauptlast, nachts oder am Wochenende. Per QoS oder gezielter Bandbreitenbegrenzung lässt sich zudem verhindern, dass der Ingest das Tagesgeschäft ausbremst.

Saubere Übergabe ins DMS/ECM

Die letzte Meile entscheidet über die Nutzbarkeit des Archivs. Drei Punkte sind hier zentral:

• Übergabe automatisieren statt manuell: Überwachte Ordner (Hot Folder), DMS-APIs oder die CMIS-Schnittstelle vermeiden Medienbrüche und Fehlerquellen.

• Metadaten gleich beim Import mitgeben: Aktenzeichen, Dokumenttyp und Aufbewahrungsfrist https://www.scan-profi.de/scan-blog/archivieren/aufbewahrungsfristen/ gehören in die Indexfelder. Ohne saubere Indexierung ist auch ein perfekt übertragenes Archiv praktisch nicht durchsuchbar.

• Revisionssicherheit beachten: GoBD und – bei sensiblen Beständen – die BSI-Richtlinie TR-RESISCAN geben den Rahmen für Protokollierung und Unveränderbarkeit vor.

Fazit

Das Scannen selbst ist heute Commodity; der Engpass liegt im Handoff ins Netzwerk. Wer das Datenvolumen vorab rechnet, die Übertragung absichert, die Ingest-Strecke segmentiert und über ein Staging ins DMS übergibt, verhindert die drei typischen Projektkiller: überlastete Leitungen, stille Datenverluste und ein Archiv, das zwar vollständig, aber unbrauchbar ist.

Über den Autor

Christian Hörl ist Geschäftsführer des Scandienstleisters ScanProfi (MH Scan & Print GmbH). Mit seinem Team verantwortet er die Digitalisierung großer Akten- und Medienbestände für Unternehmen und Behörden. Aus dieser Projektpraxis kennt er die infrastrukturellen und organisatorischen Hürden, die sich bei Digitalisierungsvorhaben stellen.

(ID:50900217)