Wie man Volltext aus gescannten handschriftlichen Quellen extrahiert: Video-Tutorials über Automatische Texterkennung jetzt online

Die manuelle Transkription handschriftlicher oder gedruckter Quellen ist häufig zeitaufwändig und bei größeren Korpora oft nicht durchführbar. Automatische Texterkennung (ATR) kann hierbei entscheidend helfen, Volltext aus gescannten Bildern zu extrahieren. Die entsprechende Software wie Transkribus, eScriptorium, OCR4all, OCR-D und andere entwickeln sich rasant und liefern mit ihren großen Modellen oft erstaunliche Ergebnisse.

Der Teaser zu den sechs Videos, v.l.n.r.: Pauline Spychala, David Lassner, Hippolyte Souvay, Hugo Scheithauer, Floriane Chiffoleau und Sarah Ondraszek.

Dennoch ist es nicht ganz einfach, wenn man vor der Herausforderung steht, automatische Texterkennung anwenden zu wollen, zumal wenn es sich um ein großes Korpus handelt. Ausgehend von der Beobachtung, dass Geisteswissenschafter:innen gerne mehr über ATR wissen möchten, aber die technische Schwelle als zu hoch empfinden, haben Anne Baillot und ich uns beim DARIAH Theme Grant 2022 beworben, um Video Tutorials für den Workflowablauf zu erstellen. Das Ziel dabei war, den Zugang zu diesem Wissen zu erleichtern, indem wir Schritt für Schritt zeigen, wie der Arbeitsprozess abläuft, und die Konzepte und Begriffe erklären, die zum Verständnis notwendig sind.

Gesagt, getan. In nur zwei Arbeitstreffen (und einigen Online-Besprechungen und viel Hausarbeit) hat das fantastische Team den Workflow aufgeteilt, Skripte geschrieben und die Videos aufgenommen. Ein riesiges Dankeschön gebührt Anna Busch, Alix Chagué, Floriane Chiffoleau, David Lassner, Sarah Ondraszek, Ariane Pinche, Aneta Plzáková, Hugo Scheithauer, Hippolyte Souvay, Pauline Spychala und Larissa Will. Paul Ramisch hat uns durch die ungewöhnliche Situation der Videoaufnahmen geführt und hinterher alles geschnitten und geglättet. Auch ihm und Leonard Dorn, der tatkräftig bei den Aufnahmen geholfen hat, sei herzlich gedankt. Die Videos sind als Playlist bei YouTube im Account des DHIP auf Englisch verfügbar und mit Untertiteln in Englisch, Deutsch und Französisch versehen. Parallel dazu haben wir für alle Workflow-Schritte Blogbeiträge in den drei Sprachen erstellt: https://harmoniseatr.hypotheses.org/.

In sechs Schritten zur Transkription

In der sechsteiligen Videoreihe werden Forschende nun durch den ATR-Prozess geführt, wobei Hauptkonzepte und Begriffe Schritt für Schritt erläutert werden. Eine Roadmap dient als Einstieg und Entscheidungshilfe für das Erstellen einer Strategie, die an die individuellen Bedürfnisse und die eigenen Quellen etc. angepasst ist. Ein Glossar erklärt die wichtigsten Begriffe. Die folgenden Videos – jeweils zwischen sieben und zehn Minuten – stehen zur Verfügung:

Präsentation des Projekts

Mareike König und Anne Baillot bei der Postersession auf dem DARIAH Annual Event am 19.6.2024. CC-BY 4.0.

Beim DARIAH Annual Event vom 18.-22. Juni 2024 in Lissabon war es dann soweit und Anne Baillot und ich konnten das Projekt mit einem Poster[1] und einer Kurzvorstellung präsentieren. Für eine möglichst große Verbreitung trötet unser Projekt außerdem über einen Mastodonaccount https://fedihum.org/@harmoniseatr. Dort werden wir in den nächsten Wochen jeden Tag einen ATR-Begriff samt Erläuterung aus dem englischen Glossar automatisch mit dem wunderbaren Tool autodone des Instituts für Digital Humanities an der Universität Köln posten.

Viel Spaß beim Ansehen der Videos und Lesen der Beiträge und viel Erfolg beim Entwickeln einer Strategie und beim Umsetzen eines ATR-Projekts!

  1. Baillot, Anne, & König, Mareike (2024). Automatic Text Recognition (ATR) – Extracting Text From Scanned Images. Zenodo. https://doi.org/10.5281/zenodo.11926542. []

Mareike König

Dr. Mareike König ist stellvertretende Direktorin am Deutschen Historischen Institut Paris. Sie leitet das deutschsprachige Blogportal für die Geisteswissenschaften de.hypotheses.org.

More Posts

Follow Me:
TwitterFacebook


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Mareike König (21. Juni 2024). Wie man Volltext aus gescannten handschriftlichen Quellen extrahiert: Video-Tutorials über Automatische Texterkennung jetzt online. Digital Humanities am DHIP. Abgerufen am 19. Juli 2024 von https://doi.org/10.58079/11v92


Das könnte dich auch interessieren …

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