"Word found unreadable content"

Seit Word 2007 verwendet .docx das Format Office Open XML (OOXML), verpackt mit den Open Packaging Conventions. Benenne eines in .zip um und du kannst hineinschauen: Du findest [Content_Types].xml, eine Zuordnung _rels/.rels und den Ordner word/, der document.xml (den eigentlichen Text und die Absatzstruktur), styles.xml, settings.xml, fontTable.xml, einen Ordner word/media/ für die Bilder und word/_rels/document.xml.rels enthält, das alles miteinander verknüpft.

Das Herz der Datei ist word/document.xml. Jeder Absatz ist ein <w:p>, jeder Textabschnitt ein <w:r>, das ein <w:t> umschließt. XML ist streng: Ein einziges nicht geschlossenes Tag, ein einziges verirrtes Byte oder ein Datenstrom, der mitten in einem Element abbricht, macht den gesamten Teil unanalysierbar. Word ist hier absichtlich unerbittlich — statt stillschweigend ein halbes Dokument darzustellen, hält es an und bietet die Wiederherstellung an. Der Fehler hat also zwei häufige Grundursachen: Entweder ist der ZIP-Container selbst beschädigt (eine fehlerhafte Kopie, eine Synchronisierung, die Bytes verstümmelt hat), oder ein XML-Teil — meist document.xml — ist fehlerhaft oder abgeschnitten.

Weil das Format in Schichten aufgebaut ist, arbeitet die Reparatur auf zwei Ebenen. Zuerst behandelt das Werkzeug die Datei als ZIP und baut die Paketstruktur neu auf — es korrigiert das Verzeichnis, liest jeden gespeicherten Teil erneut ein und setzt ein wohlgeformtes Archiv wieder zusammen. Anschließend repariert es die OOXML-Teile im Inneren: Es validiert document.xml und seine Geschwister neu, schließt Strukturen, die offen geblieben sind, und verwirft Fragmente, die sich nicht retten lassen, damit der verbleibende Text sauber analysiert wird.

In der Praxis holt das den Fließtext und einen Großteil der Formatierung zurück — Absatzformate, Überschriften, Tabellen und Listen, die vollständig geschrieben wurden, überleben, weil sie alle in document.xml und styles.xml stehen. Eingebettete Bilder kommen meist gut durch: Sie liegen als eigenständige Dateien unter word/media/ (PNG, JPEG usw.), sodass ein Schaden am Text-XML sie nicht berührt, und ein Bild, dessen Teil unversehrt ist, wird einfach in das neu aufgebaute Paket übernommen. All das geschieht im Tab deines Browsers — keine Word-Installation, kein Add-in, kein Umweg über einen Server.

Die Reparatur holt zurück, was vorhanden ist; sie kann keinen Text rekonstruieren, der nie auf die Festplatte geschrieben wurde. Wenn document.xml abgeschnitten wurde — das Speichern oder Kopieren hielt auf halbem Weg an —, ist alles nach dem Bruchpunkt verloren, und das Werkzeug kann nur die Absätze bis zu diesem Schnitt zurückgeben. Das ist die ehrliche Obergrenze jeder Wiederherstellung dieser Datei, unserer wie Words eigener.

Manche reichhaltigeren Konstrukte sind zudem fragiler als einfache Absätze. Komplexe Felder (sich selbst aktualisierende Querverweise, manche Formularfelder) und die Änderungsverfolgung tragen zusätzliches Markup, das, wenn es auf der beschädigten Seite landet, verloren gehen oder eingeebnet werden kann, selbst wenn der umliegende Text überlebt. Wenn das passiert, behältst du in der Regel den lesbaren Text und verlierst den Mechanismus, nicht das ganze Dokument. Für alles Vertrauliche — Verträge, ärztliche Notizen, unveröffentlichte Arbeit — ist genau das der Punkt, dass die Reparatur auf dem Gerät bleibt: Du kannst im Netzwerk-Tab (Network) bestätigen, dass niemals auch nur ein Byte der .docx gesendet wird.