C.    Archiveringsstandaarden

3.     Bestandsformaten

Digitale archiefdocumenten worden bij voorkeur in een gestandaardiseerd bestandsformaat opgeslagen. Gestandaardiseerde bestandsformaten zijn in de regel:

• open en gedocumenteerd: hun technische specificatie is beschikbaar. Men gaat ervan uit dat viewers gemakkelijk te programmeren zijn wanneer men over de technische specificatie van het formaat beschikt
• stabiel: standaarden kunnen pas gewijzigd worden na het doorlopen van een procedure
• software-onafhankelijk: standaarden worden ondersteund door software van meerdere producenten en open source initiatieven
• producent-onafhankelijk.

3.1.   Hiërarchie

In de IT-wereld bestaan tal van standaarden. Om het overzicht te behouden en als uitgangspunt in de keuze van een bepaald bestandsformaat kan men een hiërarchische indeling hanteren.

Bovenaan in de hiërarchie staan de officiële standaarden. Deze standaarden zijn vastgelegd door officiële standaardiseringsorganisaties en danken hun officiële status aan de participatie van een (inter-)gouvernementele organisatie. Bekende voorbeelden hiervan zijn ISO (International Organisation for Standardisation), IEC (International Electrotechnical Commission), ITU (International Telecommunications Union). Daarnaast zijn er veel officiële regionale en nationale standaardiseringsorganisaties.

Onder deze groep standaarden situeren zich de defacto standaarden. De defacto standaarden kunnen in drie subgroepen worden onderverdeeld. De specificaties zijn het resultaat van niet-officiële standaardiseringsinitiatieven (bijv. W3C). Hun beheer is niet in handen van één producent maar van een standaardiseringsinstantie. De open formaten zijn net zoals de specificaties publiek gedocumenteerd, maar hun beheer is in handen van één bepaalde producent. Tenslotte zijn er de gesloten formaten. Deze formaten danken hun status van defacto standaard aan hun wijdverspreidheid maar hun technische specificatie wordt niet vrijgegeven en ze zijn afhankelijk van één producent.

Bij het kiezen van een geschikt archiveringsformaat richt men zich bij voorkeur op de officiële standaarden en de specificaties. Enig pragmatisme is hierbij aanbevolen. De hiërarchie is een belangrijke leidraad maar is niet zaligmakend. De status van officiële standaard garandeert niets op zich. Zo kennen bepaalde specificaties een grotere toepassing dan hun officiële equivalenten (cf. Unicode vs. ISO-10646; XML vs. SGML). Naast de mate van standaardisatie gelden immers nog andere criteria voor geschikte archiveringsformaten.

3.2.   Geschikte archiveringsformaten

Een geschikt archiveringsformaat beantwoordt bij voorkeur aan volgende criteria:

• gestandaardiseerd: gedocumenteerd, stabiel en niet afhankelijk van één producent
• wijdverspreid en voldoende marktpenetratie
• uitwisselbaar: onafhankelijk van bepaalde besturingssystemen, netwerkprotocollen en applicaties
• voorziet een robuust foutopsporing- en verbeteringsmechanisme: fouten in bitopslag zijn herstelbaar
• mogelijkheid tot systematische en geautomatiseerde validatie
• goed gestructureerde opslag van informatie
• opslag zonder informatieverlies: geen lossy compressie
• mogelijkheid tot insluiten van (zelfgedefineerde) metadatavelden
• in staat om de essentiële eigenschappen van het archiefdocument in tijd over te brengen
• bewaren van de authenticiteit van de archiefdocumenten
• autonoom en zelfvoorzienig
• drager en apparaat onafhankelijke opslag mogelijk: het formaat kan op elke duurzame drager worden opgeslagen
• eenvoudig en gebruiksvriendelijk: het formaat is niet heel complex of ondersteunt geen ingewikkelde functionaliteiten.

Deze criteria zijn belangrijk in de keuze van een bepaald bestandsformaat als archiveringsformaat. Ook bij het toepassen van archiveringsstandaarden houdt men best deze kwaliteitsvereisten voor ogen. Standaarden kunnen immers op diverse wijzen worden toegepast. De meeste archiveringsformaten laten de gebruiker toe om een aantal instellingen en parameters te definiëren. Zo kan men diverse soorten TIFF-, XML- en PDF-bestanden produceren maar niet elk TIFF-, XML- of PDF-document is geschikt om op lange termijn te archiveren. Bij afbeeldingen die als TIFF-bestand worden bewaard, kan JPEG-compressie worden toegepast. Er gaan hierbij niet alleen gegevens verloren, maar voor de reconstructie is men afhankelijk van de overeenstemmende decompressie. De kwaliteit van XML-documenten is afhankelijk van de nesting en semantiek van de XML-tags. PDF-documenten bestemd voor lange termijnbewaring zijn bij voorkeur getagd of op zijn minst gestructureerd.

De gearchiveerde digitale archiefdocumenten zijn best zo autonoom mogelijk. De afhankelijkheden voor reconstructie worden best tot een absoluut minimum beperkt. Het ontbreken van één noodzakelijke schakel in het reconstructieproces kan immers tot verlies van het archiefdocument leiden. Omwille deze reden worden compressie, encryptie, paswoorden of andere beveiligingsinstellingen zoveel mogelijk vermeden.

Meer informatie over geschikte archiveringsformaten is beschikbaar op de DAVID-website:

• Digitaal ArchiVeren. rIchtlijn & aDvies, nr. 4: Standaarden voor bestandsformaten. ()
• F. BOUDREZ, <XML/> en digitaal archiveren, Stadsarchief Antwerpen, Antwerpen, 2002. ()
• F. BOUDREZ, Standaarden voor digitale archiefdocumenten, Stadsarchief Antwerpen, Antwerpen, 2003. ()

Voor bepaalde types digitale informatie zijn (nog) geen geschikte archiveringsformaten beschikbaar. Deze digitale documenten zijn nauw verbonden met de hard- en softwareomgeving waarbinnen ze werden gecreëerd en kunnen nauwelijks of niet daar buiten worden gebruikt. Dit is momenteel het geval voor bepaalde multimedia-objecten. In dit geval is het aanbevolen om een bestandsformaat te zoeken dat aan zoveel mogelijk criteria van een geschikt archiveringsformaat beantwoordt en waarbij afhankelijkheden maximaal worden vermeden.

Aandachtspunt: archiveer geen gecomprimeerde digitale documenten!

• decompressie is een extra reconstructieschakel die botst met het principe om afhankelijkheden zoveel mogelijk te vermijden
• bij lossy compressie gaat informatie en kwaliteit verloren. Voor audio-visuele archiefdocumenten wordt het kwaliteitsverlies, de ruis en/of de vervormingen gemakkelijk auditief of visueel waarneembaar wanneer verschillende opeenvolgende compressie-algoritmes worden toegepast
• het verwerken van gecomprimeerde bitstreams is complexer
• gecomprimeerde digitale documenten zijn kwetsbaarder dan ongecomprimeerde documenten. Een fout in een gecomprimeerd bestand leidt sneller tot onherstelbaar verlies
• de compressienoodzaak vloeit meestal voort uit technologische beperkingen (verwerking, opslag, transmissie). Deze restricties zullen ten gevolge van de technologische vooruitgang de komende jaren soepeler worden of zelfs helemaal verdwijnen.

Als compressie onvermijdelijk is, opteer dan voor een lossless compressiemethode (zonder informatieverlies) en kies een compressie met een open, gedocumenteerd en gestandaardiseerd decompressie-algoritme.

3.3.    Voorbeelden van geschikte archiveringsformaten

Tips en aanbevelingen:

• beperk het aantal bestandsformaten die binnen de organisatie als archiveringsformaat worden gebruikt
• bewaar archiefdocumenten indien mogelijk van bij de creatie in een geschikt archiveringsformaat
• bewaar archiefdocumenten niet in een gesloten of ongedocumenteerd formaat
• vermijd het gebruik van compressie (bijv. LZW, JPEG, ZIP in een TIFF-bestand; ZIP in een PDF-bestand)
• verpak de archiefdocumenten niet in gecomprimeerde formaten (.zip; .tar)
• wanneer de originele formaten niet bewaard worden: vernietig de originele computerbestanden pas na de controle van de omzettingen
• ga na of standaarden wel correct worden toegepast en of de gearchiveerde digitale documenten wel beantwoorden aan de formele definitie van de standaard.

Andere webpagina's in dit hoofdstuk

• 1. Belang
• 2. Dragers