Neuer Schwerpunkt der Abteilung Digitale Geschichtswissenschaft am DHIP: Automatisierte Handschriftenerkennung (ATR)

Die Grundlage für viele historische Arbeiten sind textliche Quellen, seien sie handschriftlich oder gedruckt, im Archiv selbst fotografiert oder von Archiven, Bibliotheken und Museen digital online bereitgestellt. Je mehr Quellen es zu entziffern, zu lesen und zu analysieren gilt, umso wichtiger wird es, dass diese im Volltext zur Verfügung stehen. Das erleichtert nicht nur das Durchsuchen und die klassische Weiterverarbeitung der Texte in Form von Notizen oder Zitaten, sondern ermöglicht überhaupt erst die Anwendung digitaler Methoden zur Textanalyse. Für umfangreiche Quellenkorpora muss dabei nicht mehr ausschließlich selbst transkribiert werden, vielmehr können lernende Technologien bei der Erstellung einer Transkription helfen. Das klingt gut – ist es auch -, aber dennoch recht aufwändig und birgt so manchen methodischen Fallstrick…

ATR = OCR+HTR

Die für die Volltexterkennung grundlegenden ATR-Technologien haben sich in den letzten Jahren rasant entwickelt und tun dies auch weiterhin: ATR steht für Automated Text Recognition, der sich derzeit etablierende Oberbegriff für die Erkennung von gedruckten Texten über Optical Character Recognition (OCR) zum einen und die Erkennung handschriftlicher Texte über Handwritten Text Recognition (HTR) zum anderen. 

Den meisten dürfte bei der Erkennung handschriftlicher Texte als erstes Transkribus in den Sinn kommen, eine KI-gestützte Plattform, die relativ einfach zu bedienen ist und auch im Browser verwendet werden kann, ab einem gewissen Umfang jedoch kostenpflichtig wird. In der aktiven Transkribus-Gemeinde wurden zahlreiche nachnutzbare Modelle für das Erkennen von Handschriften aus verschiedenen Epochen entwickelt. In Frankreich ist eScriptorium relativ weit verbreitet, eine Open Source Software, die an der Pariser Universität PSL entwickelt wurde. Deren Nutzung ist zwar kostenlos, erfordert aber neben technischen Kenntnissen für die Anwendung eine (rechenintensive) Instanz, die entweder selbst aufgesetzt oder an anderer Stelle nachgenutzt werden muss^[1].

Für Historiker:innen stellen sich tausend Fragen, wobei die Frage nach der geeignetsten Anwendung für die eigenen Quellen fast noch am leichtesten ist. So ganz einfach ist es also nicht, sich in der schönen neuen Welt zurechtzufinden. Dennoch hat ATR gerade für historisch arbeitende Forschende ein riesiges Potential, so dass wir uns am DHIP in den nächsten Jahren diesem Thema widmen und einen Kompetenzschwerpunkt bei uns aufbauen möchten.

Projekt: HTR angewandt auf ein mediävistisches Korpus

Der neue Schwerpunkt zeigt sich zum einen im Forschungsprojekt zu Beziehungen zwischen Gelehrten und städtischer Bevölkerung in Paris im späten Mittelalter von Pauline Spychala, die als Post-Doc in der Abteilung Digitale Geschichtswissenschaften des DHIP arbeitet. Sie wendet HTR-Techniken auf ein großes handschriftliches Textkorpus an: das Plädoyerregister des Pariser Zivilparlaments des 14. und 15. Jahrhunderts. HTR ist hierbei besonders nützlich, um relativ schnell zu einem Roh-Volltext dieser Quelle zu gelangen, die Aufschluss gibt über Gerichtsverfahren. Das Vorgehen bringt aber auch zahlreiche Herausforderungen mit sich, etwa die diachrone Variabilität der Schrift und die Variabilität der mittelalterlichen Sprache genauso wie Verzerrungen und Auswirkungen der erzeugten Texterkennungsmodelle auf die eigene historische Fragestellung. Pauline Spychala erprobt in ihrem Projekt verschiedene Anwendungen und Plattformen für die semi-automatische Transkription dieser handschriftlichen Texte und trägt damit zum Gegenstand der Kritik digitaler Werkzeuge (digital tool criticism) bei. 

Projekt Harmonising ATR-Workflows

Zum anderen zeigt sich der Schwerpunkt in einem von DARIAH-EU geförderten Drittmittelprojekt von Anne Baillot (Univ. Le Mans) und Mareike König (DHIP). Das einjährige Projekt verfolgt das Ziel, geisteswissenschaftliche Forschende in die Lage zu versetzen, ATR-Techniken für ihre Forschungsprojekte selbstständig anzuwenden. Dafür erarbeitet eine international zusammengesetzte Gruppe Online-Tutorials, die insbesondere für Geisteswissenschaftler:innen gemacht sind, die über keine tiefgreifenden technologischen Kompetenzen verfügen. Zugleich werden mit dem Projekt verschiedene bestehende ATR-Projekte in Kontakt gebracht, um damit zu einem standardisierten Vorgehen bei der Anwendung von ATR-Techniken beizutragen. Das Projektblog findet sich unter https://harmoniseatr.hypotheses.org/. Bei Mastodon wird unter @harmoniseatr getrötet. Hashtag: #harmoniseatr

Save the date: Praxis-Workshop ATR im September

Für alle diejenigen, die selbst ATR-Techniken auf ein Korpus anwenden möchten, sei unser Praxis-Workshop empfohlen. Er findet am 7.-8. September 2023 am DHI in Paris statt (finanziell unterstützt durch ALMAnaCH/INRIA, Departement für Geschichte der Universität Freiburg, Schweiz). Der Workshop richtet sich in erster Linie an Promovierende und Post-Docs aller geisteswissenschaftlichen Disziplinen, die mit deutschen und/oder französischen Quellen arbeiten, egal aus welcher Epoche diese Quellen stammen. Master-Studierende sind ebenfalls willkommen. Der Workshop ist kostenlos, eine Pauschale für die Reisekosten kann beantragt werden. Besondere technische Vorkenntnisse sind nicht erforderlich. Die Ausschreibung wird in den nächsten Tagen hier im Blog veröffentlicht.

___

Beitragsbild: ATR-Symboldbild von Mareike König, Lizenz: CC-BY 4.0

1. In Deutschland unterstützen die UB Mannheim und Tübingen Gedächtnisinsitutionen bei der Anwendung von eScriptorium, wie hier im Blog zu sehen. [↩]

---

---