Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining

Künstliche Intelligenz (hier genauer:  Maschinelles Lernen) eröffnet uns als Historikern einen neuen, breitflächigen Zugang zu den historischen Quellen durch

(I) Texterkennung und Volltextsuche,
(II) Textsegmentierung,
(III) Erkennung von Eigennamen und anderer Entitäten etc. (Named Entity Recognition),
(IV) Identifizierung und Verlinkung von Texteinheiten und Entitäten,
(V) Klassifizierung des Dekors und der Elemente visueller Kommunikation,
(VI) Datierung undatierter Quellen,
(VII) Schreiberidentifizierung.

Im Juni 2017 haben die Partner des europäischen Forschungsprojekts Himanis (https://himanis.hypotheses.org/) mehr als 80.000 Seiten mittelalterlicher Handschriften samt Volltextsuche online gestellt und damit eine immense Menge noch unedierten Textmaterials und historische Quellen für die historische Forschung verfügbar gemacht. Der so indexierte Korpus beinhaltet die rund 200 Bände des „Trésor des Chartes“ mit Urkunden- und Formelbüchern, welche zwischen 1302 und 1486 in der französische Königskanzlei produziert wurden.  Die in mehreren Sprachen verfassten Texte variieren dabei sehr stark voneinander und weisen zugleich sehr viele Abkürzungen auf. In zwei laufenden Forschungsprojekten werden die damals eingesetzten Technologien in Richtung semantische Analyse weiterentwickelt.

In Home – History of Medieval Europe (bis 31. Dez. 2021) werden Urkundenbücher nicht mehr nur auf reiner Textebene indexiert und mit Volltext durchsuchbar gemacht. Die Partner implementieren auch diverse Strategien für die Erkennung benannter Entitäten wie Personen, Körperschaften und Orte, einschließlich verschachtelter Entitäten (nested entities) wie Ortsnamen innerhalb einer Personenbezeichnung. Diese Entitäten sollen jetzt mit Normdaten verbunden werden, z.B. für die Geocodierung von Ortsnamen. In diesem Projekt sollen auch die verschiedenen elementare Texte der Urkundenbücher voneinander getrennt werden.

In Horae – Hours, Recognition, Analysis, Edition (bis 30. Juni 2022) werden 700 Stundenbücher automatisch transkribiert. Ihre graphische und semantische Aufteilung wird rekonstruiert: Identifizierung von liturgischen Texten, Gliederung der Offizien und deren Unterabschnitte in einer sehr granularen Struktur, tagging der Dekorelemente wie Miniatur, Initialen, Bordüre, Rubriken, usw.

Horae-Projekt: automatische Segmentierung und Transkription

Die Erschließung historischer Quellen wird hierbei auch durch eine automatisierte Schriftanalyse unterstützt, welche die Datierung undatierter Dokumente und die Schreiberidentifizierung ermöglicht, wie es durch verschiedene competitions in ICDAR und ICFHR bereits demonstriert wurde. Über die Einzelheiten der Forschungsprojekte und die Eigenheiten der verarbeiteten historischen Quellen hinaus wird der Vortrag dabei auch die Methoden und Techniken des Maschinellen Lernens ansprechen. Denn die „künstliche Intelligenz“ weist hinsichtlich des Aufbaus und der Zugänglichkeit der Daten für das Lernen und die Evaluierung der Ergebnisse auch Grenzen auf. Die Trainings-Phase integriert implizite Informationen und damit auch leicht Verzerrungen, was zu sehr weitreichenden, oft auch negativen Konsequenzen führen kann. Entsprechend werden in den genannten Projekten werden zum Teil noch wissensbasierte Systeme eingesetzt, welche die Expertise der Geisteswissenschaftler integrieren und damit nachvollziehbare Ergebnisse erzeugen, was insbesondere für manche Text-Mining Aufgaben gilt. Bildanalyse und Texterkennung hingegen beruhen meist vollständig auf dem Methoden des Maschinelles Lernens, weshalb sich deren Ergebnisse weniger deutlich nachvollziehen lassen und daher stets kritisch zu hinterfragen sind.

Dominique Stutzmann hat an der École nationale des Chartes studiert (archiviste paléographe, 2002) und wurde 2009 zum Thema Schriftpragmatik der Zisterzienser im Fach Mittelalterliche Geschichte promoviert. Nach einem Forschungsprojekt an der Staatsbibliothek zu Berlin wurde er Bibliothekar des höheren Dienstes an der Pariser Nationalbibliothek. Seit 2010 ist er Forscher am Institut de Recherche et d’Histoire des Textes (IRHT), eine Forschungseinrichtung des CNRS. Als Leiter der Abteilung für lateinische Paläographie sind seine Forschungsthemen einerseits die Entwicklung und sozialer Gebrauch der Schriften im französischsprachigen Raum vom 12. zum 15. Jahrhundert, und andererseits der „künstlichen Paläographie“, d.h. der Anwendung künstlicher Intelligenz für die Forschung zur Schriftgeschichte gewidmet. Er war bzw. ist principal investigator in zehn durch die EU, Frankreich und weiter Fördereinrichtungen geförderten Forschungsprojekten zu mittelalterlichen Texten und deren handschriftlichen Überlieferung. Er ist der Verfasser bzw. Herausgeber von sechs Monographien, fünf Datenbanken, einer paläographische sowie von rund 60 Aufsätzen.

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 24. Juni 2020, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage)

Cite this article as:
Torsten Hiltmann: Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining, in: Digital History Berlin (Blog), erschienen am: 19. Juni 2020, Internet: https://dhistory.hypotheses.org/147.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.