Datenkomprimierung reduziert die Dateigröße. Kleinere Dateien benötigen weniger Speicherplatz, werden schneller über Netzwerke übertragen und sind kostengünstiger in der Aufbewahrung. Der Nachteil liegt im Rechenaufwand. Komprimieren und Dekomprimieren benötigen CPU-Zeit. Ziel ist es, mehr Speicherplatz und Bandbreite einzusparen, als für die Verarbeitung aufgewendet wird. In den meisten Anwendungsfällen rechnet sich das.

Komprimierung gibt es in zwei Formen. Verlustfreie Komprimierung erhält jedes Bit der Originaldaten. ZIP-Dateien, PNG-Bilder und FLAC-Audiodateien verwenden verlustfreie Verfahren. Verlustbehaftete Komprimierung verwirft Informationen, die dem menschlichen Auge kaum auffallen. JPEG-Bilder, MP3-Audiodateien und H.264-Videos verwenden verlustbehaftete Verfahren. Der Qualitätsverlust ist zwar vorhanden, aber bei üblichen Einstellungen oft nicht wahrnehmbar. Die Wahl hängt vom Anwendungsfall ab. Medizinische Bilder benötigen verlustfreie Komprimierung, da jedes Pixel zählt. Ein Marketingfoto kann verlustbehaftete Komprimierung tolerieren, da der Betrachter den Unterschied nicht bemerkt. Komprimierungsalgorithmen nutzen Muster. Wiederholte Sequenzen, häufig vorkommende Zeichen und vorhersehbare Strukturen werden effizienter kodiert. Zufällige Daten lassen sich nicht komprimieren. Deshalb lassen sich verschlüsselte Dateien und bereits komprimierte Medien nicht weiter verkleinern. Der Algorithmus findet keine weiteren Informationen, die er nutzen könnte. Die Entropie ist die Grenze.

Kompressionsarten

• Verlustfrei – exakte Rekonstruktion, größere Dateien
• Verlustbehaftet – ungefähre Rekonstruktion, kleinere Dateien
• Streaming – komprimiert die Daten beim Eintreffen
• Wörterbuchbasiert – ersetzt wiederkehrende Muster durch Verweise

Komprimierung ist ein Kompromiss. Speicherplatz und Bandbreite auf der einen Seite, Qualität und Rechenleistung auf der anderen. Man muss das richtige Verhältnis für die jeweilige Aufgabe finden.