Julia Pabst: Maschinelles Lernen in der Epigraphik. Abhängigkeiten zwischen Zeit, Raum und Genealogie auf Grabmälern

Die Digitalisierung schafft neue Möglichkeiten, historische Daten zu erfassen, analysieren und zu interpretieren. Diese Entwicklung wirkt sich insbesondere auf die Hilfswissenschaften aus. Zielte die erste Welle der Digitalisierung in den Geschichtswissenschaften zunächst vor allem auf die reine Erstellung von Digitalisaten und Bereitstellung von Metadaten, erweitert die zweite Welle unsere Möglichkeiten, komplexe Zusammenhänge zu verstehen. In der Epigraphik, Heraldik und Genealogie ermöglichen neue Werkzeuge, wie maschinelles Lernen, Muster in großen Datensätzen zu identifizieren, die traditionell schwer zu erfassen sind. So können fragmentarische Digitalisate beispielsweise mit Informationen aus besser erforschten Quellen angereichert werden und zur Identifikation neuer Zusammenhänge führen.

In dieser Arbeit wird die Anwendung von maschinellem Lernen in der Epigraphik untersucht. Der Fokus liegt darauf, wie maschinelles Lernen dazu beitragen kann, Abhängigkeiten zwischen Zeit, Raum und Genealogie auf Grabmälern sichtbar zu machen. Durch die Analyse großer Datenmengen von Wappen und Grabinschriften wird versucht, Muster und Zusammenhänge zu identifizieren, die durch manuelle Untersuchungen schwer zu erfassen sind. Die Datengrundlage stellen dabei Bilder, die von Deutsche Inschriften Online bereitgestellt werden, dar. Diese edierte Sammlung hat sich zum Ziel gesetzt, alle deutschen und lateinische Inschriften des Mittelalters und der Frühen Neuzeit bis 1650 in Deutschland, Österreich und Südtirol zu sammeln und zu veröffentlichen. Das Projekt “Die Deutschen Inschriften” sammelt seit über 70 Jahren Inschriften. Seit 2008 werden diese nicht nur online zur Verfügung gestellt, sondern lassen sich auch über eine API herunterladen und somit auch maschinell weiterverarbeiten.

Der Fokus der Arbeit liegt hierbei auf Wappen, die sich auf Grabplatten und Epitaphien befinden. In einem ersten Schritt werden die Metadaten mit Informationen angereichert, die aus der Analyse der Bilder mit einem eigens trainierten ML-Modell stammen und in ein neues Datenmodell überführt. In einem zweiten Schritt wird auf Basis des neuen Datenmodells versucht, Aussagen über die Ahnenfolge zu treffen. Dies erfolgt aufgrund der festgelegten Ahnenbezifferungsmethode. Das übergreifende Ziel besteht nicht nur darin, Zusammenhänge zwischen den Familien sichtbar zu machen, sondern auch Kontiunitäten und Brüche innerhalb der Ahnenprobe auf Grabplatten zu finden. Im Rahmen der Masterarbeit kann dies jedoch nicht vollständig erreicht werden. Es wird jedoch eine Grundlage geschaffen, um dies in einem weiteren Schritt zu erarbeiten.

Die Bilder der Deutschen Inschriften Online wurden so bereinigt, dass sie für das Maschinelle Lernen nutzbar sind. Mithilfe des Deep-Learning-Modells YOLOv8 wurde ein iterativer Prozess gestartet, welcher die Wappen zum jetzigen Zeitpunkt mit einer Genauigkeit von 91% und die Inschriften mit einer Genauigkeit von 61% erkennt. Die Informationen über die Anzahl und die Position der Wappen werden kodiert, um Rückschlüsse auf mögliche Ahnenproben zu ziehen. In einem iterativen Prozess werden dabei unterschiedliche Typen segmentiert und auf dieser Basis eine Klassifikation erarbeitet bzw. auf bestehende Klassifizierungen zurückgegriffen. Durch die Anreicherung der Metadaten mit Informationen zur Datierung und dem Ort, lassen sich weitere Zusammenhänge herstellen.

Durch die Automatisierung der Analyse von Grabdenkmälern kann demnach nicht nur die Effizienz und Genauigkeit der Forschung erhöht werden, sondern auch komplexe Zusammenhänge zwischen Zeit, Raum und Genealogie auf Grabmälern besser verstanden werden. Des Weiteren können die entwickelten Methoden und Techniken auch auf andere epigraphische Datensätze angewendet werden.

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 8. Mai 2024, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)



Diesen Blogbeitrag zitieren
Digital History Berlin (Redaktion) (2024, 6. Mai). Julia Pabst: Maschinelles Lernen in der Epigraphik. Abhängigkeiten zwischen Zeit, Raum und Genealogie auf Grabmälern. Digital History Berlin. Abgerufen am 20. Juni 2024, von https://doi.org/10.58079/11n4v

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.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search