Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern

Seit einigen Jahren hat sich die Analyse der mittelalterlichen Schriftquellen durch die Anwendung digitaler Methoden, insb. der Bildverarbeitung durch Künstliche Intelligenz bzw. Maschinelles Lernen, stark verändert. Der Zugang zu Texten wurde durch Verfahren wie die Volltextindexierung, automatische Texterkennung (Handwritten Text Recognition) sowie durch Text-Mining-Werkzeuge wie die Eigennamenerkennung (Named Entity Recognition), Stilometrie oder die Identifizierung textueller Übernahmen (Text Reuse Detection) grundsätzlich erweitert. An der Schnittstelle zwischen Computer Vision und digitalen Bildern der Textquellen haben sich zudem weitere Forschungsfelder entwickelt, wie die Analyse des Layouts und der mise-en-page oder die Erforschung der Schrift als Bild von der Schreiberidentifizierung bis hin zur Schriftklassifizierung.

„Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern“ weiterlesen

Lennard Rennebeck / Lennart Thevißen: Optical Character Recognition – Den Text aus Digitalisaten extrahieren

Die Digitalisierung ermöglicht den orts- und zeitunabhängigen Zugriff über verschiedenste Plattformen auf viele für das Studium oder die Forschungsarbeit relevante Werke. So kann etwa zunehmend zentrale Literatur genutzt werden, ohne eigens in eine (andere) Stadt fahren, das Werk heraussuchen und selber einscannen zu müssen – nicht selten in eher suboptimaler Qualität. Damit gewährleisten die umfassenden Digitalisierungsvorhaben der Archive und Bibliotheken nicht nur, dass die Titel in hochauflösender Qualität zur Verfügung stehen, sondern sie gewähren auch neuartige Nutzungsszenarien. Wie wäre es zum Beispiel, einen digitalisierten Text schnell und effektiv hinsichtlich bestimmter Schlüsselwörter zu durchsuchen, um zügig potenziell interessante Stellen im Dokument für die genauere Untersuchung zu finden? Neuere PDF-Publikationen, die mit einer sogenannten OCR-Software erschlossen wurden, ermöglichen genau das. Sogenannte „Bild-PDFs“, über die keine Texterkennungssoftware drüber gelaufen ist, können dies demgegenüber (noch) nicht.

Konstantin Baierer und Clemens Neudecker von der Staatsbibliothek zu Berlin gaben den Teilnehmenden des Seminars „Digitalisierung historischer Schriftquellen in der Praxis“ einen umfassenden Überblick über den Workflow und die Potenziale der Optical Character Recognition (OCR), zeigten aber auch noch bestehende Herausforderungen auf.

„Lennard Rennebeck / Lennart Thevißen: Optical Character Recognition – Den Text aus Digitalisaten extrahieren“ weiterlesen

Christian Reul: Erschließung gedruckter und handschriftlicher historischer Quellen mit OCR4all

Ein zentraler Aspekt der Arbeit von Historiker:innen ist die Auseinandersetzung mit historischen Quellen in Form von gedruckten und handschriftlichen Textzeugen. Diese liegen häufig lediglich als Scans vor, was ihre Verwendbarkeit stark einschränkt, da automatische Erschließungsansätze wie die Volltextsuche oder Verfahren der quantitativen Analyse nicht einsetzbar sind. Hierzu muss aus den Digitalisaten zunächst sog. maschinenverarbeitbarer Volltext extrahiert werden, wobei Methoden der automatischen Texterkennung, wie die optische Zeichenerkennung (Optical Character Recognition, OCR) von Drucken oder Handschriften (Handwritten Text Recognition, HTR), eine immer größere Rolle spielen.

„Christian Reul: Erschließung gedruckter und handschriftlicher historischer Quellen mit OCR4all“ weiterlesen

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

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search