Projekte, die Handwritten Text Recognition verwenden, werden seit einigen Jahren häufiger und bieten neue Perspektiven für die historische Forschung. Dabei ist eine besondere Dynamik in der französischen Mediävistik zu beobachten, deren Projekte neue Transkriptionsstandards für mittelalterliche Quellenkorpora versprechen und auch umsetzen. Dank leistungsfähiger Transkriptionsplattformen wie eScriptorium und Transkribus ist die Forschung in der Lage, mit großen Textkorpora im Umfang von mehreren tausend Seiten zu arbeiten. Projekte wie etwa HIMANIS und CREMMALAB in Frankreich stellen zahlreiche Datensätze für das Training von Transkriptionsmodellen für westliche lateinische Quellen zur Verfügung. Die im Rahmen dieser Projekte angestellten Überlegungen zur Standardisierung von Prozessen oder zur Verwendung einer unkorrigierten Transkription haben die Grundlage für Studien individueller Forschender gelegt. Dazu gehört auch das im Rahmen dieses Forschungsprojekts vorgestellte Quellenkorpus: die erhaltenen und digitalisierten Plädoyerregister des Parlement von Paris für den Zeitraum 1395 bis 1488. Das Projekt geht von der sozialgeschichtlichen Frage nach dem Verhältnis von Gelehrten in der französischen Hauptstadt mit der Bevölkerung während des Hundertjährigen Kriegs aus. Ziel ist die Einrichtung eines effizienten Arbeitsablaufs für dieses Korpus einzurichten, das reich an Informationen ist. Dabei wird sowohl mit Transkribus als auch mit eScriptorium gearbeitet. Das Ziel ist also nicht nur ein Vergleich der beiden Tools, sondern der Aufbau eines Workflows, der beide miteinander kombiniert.
„Pauline Spychala: EScriptorium und Transkribus im Spiegel – Vorläufige Schritte zum Training eines HTR-Modells an französischen spätmittelalterlichen Quellen“ weiterlesenDominique 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“ weiterlesenLennard 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“ weiterlesenChristian 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.
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