Ein experimenteller Workflow für die Edition der Korrespondenz der Constance de Salm (1767-1845) 

Das umfangreiche Korpus der Korrespondenz der Constance de Salm (ca. 11.000 Stücke) besteht aus sehr unterschiedlichen Dokumenttypen (Originale, Entwürfe, Abschriften), die auf losen Blättern oder in gebundenen Büchern vorliegen und zudem von vielen verschiedenen Händen kopiert und abgeschrieben wurden. Anlässlich meines Praktikums von April bis Juli 2022 am DHIP im Rahmen des Masterstudiengangs “Technologies numériques appliquées à l’histoire” (École nationale des chartes) habe ich einen halbautomatisierten Workflow für die Erstellung einer digitalen Edition dieser Korrespondenz eingerichtet.

Eine vollständige Umsetzung der Verarbeitungskette wäre für ein viermonatiges Praktikum zu umfangreich gewesen, daher war hier das Erarbeiten eines Pilot-Workflows das Ziel, um die zukünftige Arbeit an der Edition zu erleichtern. So wurden drei Probleme angegangen, die sich bei jeder nativ-digitalen Edition eines sehr umfangreichen Korpus stellen:

1. Das Seitenlayout von Dokumenten zu analysieren (durch Training eines Modells zur Segmentierung von Seiten);
2. Ein Modell zu produzieren, das die Handschriften verschiedener Kopisten erkennen kann, und die Trainingsmethode wiederholbar zu machen;
3. Eine Strukturierung der Ausgabe im TEI-Format zu erzielen, Buchstabe für Buchstabe, aus Quellen, in denen sie gemeinsam hinein kopiert worden waren.

Zur Bewältigung dieser verschiedenen Herausforderungen musste zunächst festgelegt werden, an welcher Stelle wir beginnen sollten. Die Entscheidung fiel auf die komplexesten Dokumente, nämlich die gebundenen Sammlungen der sogenannten “zweiten Kopie”^[1]:

1. Diese Dokumente weisen das strukturierteste Layout auf (Überschriften, Schlagzeilen);
2. sie enthalten zahlreiche Marginalien (Ablagesysteme nach Brieftyp, Seitennummerierung, gelehrte Notizen);
3. sie enthalten viele nicht inventarisierte Dokumente: Daher war eine Sortierung notwendig in zu bearbeitenden und in auszusondernde Dokumente.

Von den Digitalisaten zum Volltext

Für die Segmentierung und die manuelle Annotation des Layouts sowie für die manuelle Transkription wurde eScriptorium in einer lokalen Instanz verwendet, während das Training der Vorlagen direkt mit der Anwendung Kraken in der Kommandozeile durchgeführt wurde.

Das Training eines Segmentierungsmodells führte nur zu partiellen, aber ermutigenden Ergebnissen. Die Trainingsmethoden werden sich in den kommenden Jahren rasch weiterentwickeln, und vermutlich wird der hier verwendete Segmentierungsansatz bald überholt sein. Dennoch führte er hier zu einer realen Zeitersparnis bei der Verarbeitung von Seiten, und nur Feinheiten wie Datumsangaben, Unterschriften usw. stellten ein echtes Problem dar.

Das Training von Algorithmen zur Handschrifterkennung war dagegen weniger schwierig. Dank des methodischen Inputs und der Modelle aus dem Projekt Lectaurep konnten mit relativ wenigen Trainingsdaten (etwa zehn Seiten für jede identifizierte Hand) hervorragende Ergebnisse bei der Volltexterkennung erzielt werden^[2].

Vom Volltext zur wissenschaftlichen Edition

Die Anwendung eScriptorium kompiliert die Layoutanalyse (Positionskoordinaten, Annotation von Bereichen und Schriftlinien) sowie den automatisch transkribierten Text in ein Dateiformat, das für die Archivierung bestimmt ist: XML-ALTO. Am Ende der Verarbeitungskette war es daher notwendig, die erhaltenen Dateien umzuwandeln für eine digitale Ausgabe im XML-TEI-Format.

Die Anwendung Alto2tei des Projekts Gallic(orpor)a konnte hier sehr nutzbringend an unsere Bedürfnisse angepasst werden, wie sie in dem Kodierungsleitfaden für die digitale Ausgabe von Ego-Dokumenten definiert wurden, erarbeitet im Rahmen des DAHN-Projekts (Dispositif de soutien à l’Archivistique et aux Humanités Numériques, Partnerschaft zwischen Inria, der Université du Mans und der EHESS^[3]. Meine Arbeit erhielt hier die Unterstützung des Teams dieses Projekts: von seiner Koordinatorin Anne Baillot, Professorin für Germanistik an der Universität Le Mans, und von Floriane Chiffoleau, Doktorandin im Bereich Digital Humanities am Inria. Die Edition des Briefwechsels von Constance de Salm wird auf der Plattform DiScholEd publiziert, die im Projekt DAHN für die Publikation von digitalen Editionen erstellt wurde. Beispielhaft sind schon drei fertig bearbeitete Briefe aus dem Korpus von Constance de Salm veröffentlicht, weitere werden nach und nach folgen.

Der hier entwickelte Verarbeitungsworkflow ist in einem Jupyter Notebook dokumentiert und kann als Open-Source auf dem Repositorium GitHub verfolgt und nachgenutzt werden: https://github.com/sbiay/CdS-edition.

---

Übersetzt aus dem Französischen von Mareike König, Originalbeitrag: https://dhiha.hypotheses.org/2945.

1. Bearbeitet wurden die drei ersten Bände: CdS/02_1/001-330, La correspondance de Constance de Salm (1767-1845). Die Korrespondenz der Constance de Salm (1767-1845). Inventar des Fonds Salm der Société des Amis du Vieux Toulon et de sa Région und des Bestands Constance de Salm im Archiv Schloss Dyck (Mitgliedsarchiv der Vereinigten Adelsarchiv im Rheinland e.V.). Elektronische Edition, DHI Paris 2020, <https://constance-de-salm.de/archiv/#/document/11215>, CdS/02_2/001-369, <https://constance-de-salm.de/archiv/#/document/11216> und CdS/02_3/001-334, <https://constance-de-salm.de/archiv/#/document/11217>, Zugriff am 3.8.2022 [↩]
2. Für eine Vorstellung der Handschriften und Schrifttypen siehe <https://github.com/sbiay/CdS-edition/tree/main/htr/mains> [↩]
3. Floriane Chiffoleau, Guide d’encodage pour l’édition numérique d’égodocuments, 2022 (DAHN Project), <https://github.com/FloChiff/DAHNProject/blob/master/Correspondence/Guidelines/Documentation-Correspondance.xml> [↩]

---

---