Tag Archives: transcriptions and ocr

„Hätte ich das mal eher gewusst …mit Jan Markert“

Kannst Du in drei Sätzen Dein Projekt vorstellen und sagen, was speziell der digitale Anteil daran war?

Der erste Deutsche Kaiser Wilhelm I. (1797–1888) und seine Ehefrau Kaiserin Augusta (1811–1890) führten zeit ihrer fast 60-jährigen Ehe eine umfangreiche, teilweise tägliche Korrespondenz, aus der etwa 5.800 Briefe archivalisch überliefert sind. In der digitalen Edition Das preußische Königspaar Wilhelm I. und Augusta zwischen „Neuer Ära” und Reichsgründung  werden nicht nur etwa 2.500 dieser Briefe (und Telegramme) aus den ereignisreichen wie folgenreichen Jahren 1857 bis 1871 vollständig transkribiert und annotiert, sondern auch alle noch vorhandenen Originalbriefe und Briefbeigaben als Digitalisate publiziert. Dieser einzigartige Quellenkorpus aus der höchsten Ebene der preußischen und deutschen Politik wird der Forschung und Öffentlichkeit erstmals zur Verfügung gestellt – und das per Mausklick.

Brief des späteren Kaisers Wilhelm I. an seine Ehefrau Augusta vom 6. Oktober 1857; GStA PK, BPH, Rep. 51 J, Nr. 509, Faszikel 1857, Bl. 161.

 

Stichwort Mehrwert: Was war nur möglich bzw. welche Vorteile gab es, weil Du digital gearbeitet hast?

Eine digitale Edition ist nicht an die Seitenzahlbegrenzungen einer Printedition gebunden, was bei letzterer meist dazu führt, dass nur ausgewählte Quellen publiziert werden. Aber jede Auswahl schränkt auch die Fragestellungen ein, mit denen die Quellen analysiert werden können.

Die Publikation der Originale neben dem transkribierten Text ist ebenfalls ein Vorteil digitaler Editionen. Diese Darstellungsform hebt nicht nur den materiellen Aspekt historischer Briefkorrespondenzen hervor, der bei einer reinen Textedition verlorengeht, sondern erlaubt auch den Vergleich des Transkripts mit dem Original, und damit Korrekturen von möglichen Lesefehlern. Solche Korrekturen sind im digitalen Raum in wenigen Minuten möglich, bei einer Printedition hingegen meist überhaupt nicht.

Suchfunktionen wie der Personenindex und die Volltextsuche erlauben zudem, den umfangreichen Quellenkorpus gezielt und schnell ohne Seitenblättern zu erschließen. Und die Verlinkung der in den Briefen erwähnten Personen über deren GND-URIs mit dem entsprechenden Datensatz der Deutschen Nationalbibliothek erlaubt eine eindeutige Identifizierung in einem Umfang, den ein gedrucktes Personenregister nicht fassen könnte.

Hattest Du vorher schon mal mit digitalen Methoden gearbeitet?

Die digitale Edition ist ein Nachfolgeprojekt meiner 2024 erschienenen Dissertation Wilhelm I. Vom „Kartätschenprinz” zum Reichsgründer, für die ich auch die archivalische Ehekorrespondenz des Monarchenpaares inhaltlich heranzog. Da ich mir mit diesem Thema eine Epoche der deutschen Geschichte auswählte, die allgemein als „ausgeforscht“ gilt, musste ich mich durch sprichwörtliche Berge an Literatur und gedruckten wie ungedruckten Quellen arbeiten. Diese Materialmasse konnte ich oft nur mithilfe digitaler Recherchetools und Online-Datenbanken erschließen, die mir nicht selten einen Bibliotheksbesuch oder eine längere Archivreise ersparten.

Wie war damals eigentlich Dein Erstkontakt?

In meinem Masterstudium an der Otto-Friedrich-Universität Bamberg gab es ein Seminar – interessanterweise in der mittelalterlichen Geschichte –, in dem nicht nur Online-Datenbanken als Recherche-Tools vorgestellt wurden, sondern auch, wie viele historische Arbeitsmaterialien vor allem außerhalb Deutschlands bereits digitalisiert vorliegen. Das war eine angenehme Überraschung, denn in allen anderen Lehrveranstaltungen wurde die Literatur- und Quellenarbeit noch klassisch anhand von Bibliotheken und Printmedien beigebracht. Aber auch noch während meiner Promotion begegnete ich immer mal wieder einer Art grundlegender Skepsis, wenn es um die Frage ging, ob historische Quellen der Forschung und Öffentlichkeit digital zur Verfügung gestellt werden sollten. Ich hoffe daher, mit der Edition dazu beitragen zu können, die vielen Vorteile digitaler Arbeits- und Publikationsmethoden in der Geschichtswissenschaft hervorzuheben.

Forschungssoftwares wie FuD erlauben die Annotation edierter Quellen per Mauscursor-drag-and-drop, hier etwa über einen Personenindex.

Man sagt, dass digitale Projekte eine steile Lernkurve haben. Was wären die fünf Tipps, die Du gerne Deinem jüngeren Ich geben würdest? Was hättest Du gerne gewusst, was hättest Du anders gemacht, was hat sich für Dich als augenöffnend herausgestellt?

  1. Aller Anfang ist schwer, oder: Learning by doing. In die Forschungssoftware FuD des Trierer Servicezentrums eSciences, die ich zur Editionsarbeit nutze, musste ich mich erst einarbeiten. Das ging anfangs alles andere als schnell. Aber mit jedem digital inventarisierten Brief konnte ich lernen, frühere Fehler zu korrigieren und zukünftige zu vermeiden. Das gilt auch für Recherche-Tools oder das Befüllen der Editionswebsite mit Inhalten. Wie Handschriftenlesen oder Quellenanalyse muss und kann auch digitales Arbeitswissen erlernt werden. Wer anfangs kein „Profi“ ist, sollte sich daher nicht entmutigen lassen.
  2. Manchmal liegt’s nicht an Dir. Eine instabile Internetverbindung oder Softwarebugs können den Arbeitsprozess jederzeit plötzlich hemmen. Das durfte ich beispielsweise immer wieder feststellen, wenn ich mich bei Vortrags- oder Recherchereisen auf das Abenteuer Deutsche Bahn einließ – um ein ebenso banales wie alltägliches Problem zu nennen. FuD hängte sich plötzlich aufgrund der schwachen WLAN-Verbindung auf, was dann dazu führte, dass ich erst am nächsten Tag nach dem nächtlichen Software-Reboot weiterarbeiten konnte. Solche Erfahrungen sind frustrierend, aber das gilt auch im „analogen“ Arbeitsrahmen für lange Fernleihelieferzeiten oder kurzfristige Archivschließungen.
  3. Tausche Dich aus und vernetze Dich. Wenn beim digitalen Arbeitsprozess Probleme auftauchen, dann ist man selten der Erste, dem diese passieren. Es gibt mittlerweile (glücklicherweise) sehr viele Projekte, in deren Rahmen unterschiedliche Erfahrungen gemacht wurden und werden. Es lohnt sich, hier den Kontakt zu suchen und die bei der „analogen“ Geschichtsarbeit leider nicht selten beobachtbare „Guck mir nicht in die Quellen“-Ellebogenmentalität abzulegen. Offen über Möglichkeiten und Grenzen der eigenen Arbeit zu sprechen, führt dazu, dass letztendlich das ganze Fach von einem solchen Austausch profitiert.
  4. Künstliche Intelligenz ist ein Hilfsmittel. Anfangs stand ich der Nutzung von KI-Tools äußerst skeptisch gegenüber, wie (immer noch) Viele in der Geschichtswissenschaft. Und mit Blick auf Textanalysen und Literaturrecherchen ist diese Skepsis noch nicht überwunden, Stichwort: Halluzinieren. Aber konkret im Rahmen der Editionsarbeit sind KI-Tools bei der Personenrecherche ein zeitsparendes Instrument gewesen, das ich nicht mehr missen möchte – der Personenindex aller Namen, die in den zwischen 1857 und 1871 verfassten Briefen erwähnt werden, ist fünfstellig! Auch was Fremdsprachenübersetzungen betrifft, sind KI-Tools eine große Hilfe. Das Französisch beispielsweise, das im Deutschland des 19. Jahrhunderts geschrieben wurde, ist, was Wortschreibung und Grammatik betrifft, oft weit weg von der Originalsprache. Hier bieten KI-Analysen Übersetzungsmöglichkeiten, an die man mit dem modernen Schul- und Universitätsfranzösisch gar nicht gedacht hätte.
  5. Künstliche Intelligenz ist kein Alleskönner. Bei etwa 2.500 überlieferten Briefen aus dem Zeitraum 1857 bis 1871 stellte sich anfangs die Frage, ob die zeitraubende händische Transkriptionsarbeit – die Handschrift Wilhelms I. ist nur sehr schwer entzifferbar, was bereits zeitgenössisch wiederholt bemerkt wurde – nicht durch KI-Transkriptionsprogramme erleichtert werden könne. Immerhin werben die aktuell „auf dem Markt“ erhältlichen Plattformen nicht nur mit der Genauigkeit ihrer öffentlich zugänglichen Transkriptionsmodelle, sondern auch damit, wie einfach es möglich sei, auf der Basis von 50 bis 100 eingearbeiteten Briefseiten verlässliche Modelle für individuelle Handschriften zu trainieren. Nach über 150 eintrainierten Briefseiten für je Wilhelm I. und Augusta mussten mein Projektmitarbeiter Tobias Hirschmüller und ich allerdings feststellen, dass die Fehlerquote der aktuell zugänglichen KI-Transkriptionsplattformen bei teilweise 80 % lag. Es sind vor allem die sich nicht nur im Laufe der Korrespondenz, sondern sogar in den einzelnen Briefen verändernden Buchstaben- und Wortschreibweisen durch Wilhelm I. und Augusta, die den KI-Modellen eine systematische Handschriftenerkennung unmöglich machten. Aber darüber darf Tobias noch ausführlich in einem der folgenden Blogbeiträge dieser Reihe berichten …

Jan Markert ist wissenschaftlicher Mitarbeiter am Forschungszentrum Europa der Universität Trier. Dort bearbeitet er das von der DFG geförderte Projekt Eine neue Perspektive auf die deutsche Nationalstaatsgründung: Das preußische Königspaar Wilhelm I. und Augusta zwischen Neuer Ära und Reichsgründung (1857–1871). Eine digitale Edition (GZ: JA 547/15-1). Zu seinen Forschungsschwerpunkten gehören die preußische, deutsche und europäische Geschichte im „langen 19. Jahrhundert“. (ORCID-ID: https://orcid.org/0009-0006-9445-6448; DNB-Nummer: https://d-nb.info/gnd/1183401337)

Hätte ich das mal eher gewusst …mit Lukas Buchholz-Hein

Kannst Du in drei Sätzen Dein Projekt vorstellen und sagen, was speziell der digitale Anteil daran war?

Samuel Hahnemann (1755–1843) hatte sich als studierter Arzt gegen die damals vorherrschenden Behandlungspraktiken gewandt und begründete im Zuge dessen die Homöopathie. Seine Tätigkeit als Arzt hielt er in 54 überlieferten Krankenjournalen fest. Diese sind eine wichtige Quelle für die Geschichte des medizinischen Pluralismus, der ärztlichen Praxis und für das Verständnis von Krankheiten – und das für eine Zeit vor unserem heutigen Verständnis von Krankheit und Medizin. Die digital unterstützte Transkription und Edition ermöglichen zukünftig den weltweiten Zugang zu diesen Quellen.

Blick in das Krankenjournal D14. Abbildung: Institut für Geschichte der Medizin, Bosch Health Campus.

Stichwort Mehrwert: Was war nur möglich bzw. welche Vorteile gab es, weil Du digital gearbeitet hast?

Die Krankenjournale werden seit den 1980er Jahren aktiv wissenschaftlich ediert und transkribiert. Mein Vorgänger hatte schon angefangen, diese aus unterschiedlichen Gründen (u.a. Druckkosten und eine einfachere Zugänglichkeit, Schutz der Originale) als digitale Editionen aufzubereiten. Bisher sind 13 von 54 Krankenjournalen veröffentlicht.

Im Grund genommen ist es eine einfache Rechnung: Die Krankenjournale umfassen 27.544 Seiten. In diesen sind ca.16.000 Praxistage abgebildet, was bei einem Durchschnitt der transkribierten Krankenjournale von zehn bis fünfzehn Patient:innen pro Tag hochgerechnet insgesamt eine Summe von ca. 200.000 Konsultationen ergibt – und das über einen Zeitraum von 40 Jahren, in zwei Schreibhänden und drei Sprachen, mit Apothekerzeichen und Abkürzungen. Zudem wechselte Hahnemann von einer zunächst chronologischen Journalführung zum Versuch, die einzelnen Patient:innen und deren Krankheitsverläufe am Stück zu erfassen.

Als aktuell einziger Projektmitarbeiter der digitalen Edition ist es unmöglich, diese Menge auch nur im Ansatz während meines Berufslebens ohne Zuhilfenahme von digitalen Ansätzen zu transkribieren oder zu edieren. Daher ist die digitale Bearbeitung eigentlich eine Notwendigkeit und nicht einem reinen Mehrwert geschuldet, den diese mit sich bringt.

Um auch das schon vorhandene Wissen zur Schrift und zum Inhalt der Krankenjournale zu nutzen, trainiere ich mithilfe von Transkribus Modelle zur Erkennung der Handschriften. Hierbei werden auch die im Text vorhandenen Informationen per Tags ausgezeichnet, wie z.B. der Name und weitere identifizierende Merkmale der Patient:innen, Medikation, Mengen, Datums- und Ortsangaben. Dadurch können sie Bestandteil des Modelltrainings sein oder später auch für die Darstellung in der digitalen Fassung einen Mehrwert haben.

Ob man jedes Krankenjournal in einer kritischen Edition veröffentlichen wird, steht noch nicht fest. Aber durch das Training eines Modells für spezifische Schriftbilder und Eigenheiten ermöglicht die digitale Darstellung mit einer brauchbaren Transkription schon einen gänzlich anderen Zugang zu den Krankenjournalen als das physische Original. Modelle mit einer geringeren CERT (Character Error Rate, also die prozentuale Abweichung des Modells zur Groundtruth) oder auch Citizen-Science-Ansätzen ermöglichen hierbei noch im Nachgang Verbesserungen und Korrekturen, welche in einer gedruckten Edition nicht möglich wären.

Im Gegensatz zu menschlichen Bearbeiter:innen, bei denen der natürliche Braindrain irgendwann das Wissen mit sich nimmt, bleibt das Modell in einem Zustand eingefroren und erlaubt so langfristig einen Zugang zum Text.

Ausschnitt der Übertragung der Transkription von DF5 nach Transkribus. Abbildung: Institut für Geschichte der Medizin, Bosch Health Campus.

Hattest Du vorher schon mal mit digitalen Methoden gearbeitet?

Im Rahmen meines Masterstudiengangs der Digital Humanities an der Universität Stuttgart habe ich mit unterschiedlichen digitalen Methoden Kontakt gehabt. Dabei habe ich auch schon einmal gemeinsam mit zwei Kommilitonen eine Digitale Edition eines Rechnungsbuchs von 1402 erstellt.

Wie war damals eigentlich Dein Erstkontakt?

Mein Erstkontakt war im Masterstudium der Digital Humanities, vorher waren digitale Methoden im Studium nie ein Thema gewesen. Das machte es anfangs natürlich schon herausfordernd, sich in diese neuen Thematiken, Methoden und Anwendungsbereiche einzuarbeiten, aber gleichzeitig sehr bereichernd und prägend. Es erschlossen sich mir neue Blickwinkel auf schon vertraute Forschungsgebiete und damit auch andere Fragestellungen und Ansätze. Man erlernt in gewisser Weise eine neue Syntax und muss dabei diese erst zu verstehen lernen. Ähnlich wie in der Philosophie muss man zuerst eine gemeinsame Sprache (von der Bedeutung her) etablieren, um verstanden zu werden und damit selbst Verständnis aufbauen zu können. Dies ist ein wichtiger Faktor in einem Feld zwischen Geisteswissenschaften und IT.

Man sagt, dass digitale Projekte eine steile Lernkurve haben. Was wären die fünf Tipps, die Du gerne Deinem jüngeren Ich geben würdest? Was hättest Du gerne gewusst, was hättest Du anders gemacht, was hat sich für Dich als augenöffnend herausgestellt?

  1. Setz dich früher mit digitalen Möglichkeiten auseinander. Erst in meinem Master gab es Einführungen in Methoden der geisteswissenschaftlichen Anwendungsbereiche. Naturwissenschaftlich geprägte Ansätze lassen sich auch sehr gut für geisteswissenschaftliche Forschung nutzen.
  2. Anfängliche Frustration ist ein normales Phänomen. Zu Beginn mag sich das Auseinandersetzen mit eigenem Programmieren oder dem Anwenden bestimmter Methoden mehr nach, wie es Clarke beschrieb, Magie[1] anfühlen. Es funktioniert oder nicht, wieso und weshalb ist nicht sofort ersichtlich. Der Wechsel vom Nutzenden einer Technik ohne weiteres Verständnis hin zum Anwender mit Verständnis gleicht einer solchen Entzauberung – Fehler werden sichtbar, Mechanismen verstanden. Es ähnelt dem Anwenden einer gelernten Sprache, nur dass man diese hierbei sofort perfekt benutzen muss, um das gewünschte Ergebnis zu bekommen.
  3. Verständnis und Übung kommen mit der Zeit. Nur weil es digital schneller geht, heißt es nicht, dass es damit auch sofort schnell ist.
  4. Man kann kein Meister jeglicher Methode sein. Stattdessen sind das Grundverständnis über die Methoden und die Auswahl der für den Ansatz passenden Methode für die eigene Forschung viel wertvoller.
  5. Digitale Methoden sind ein Werkzeug für die eigene Forschung und kein Selbstzweck. Sie können Quellen ganz anders und schneller erschließen, aufbereiten oder darstellen.

[1] „Any sufficiently advanced technology is indistinguishable from magic.“ In: Arthur C. Clarke (1973), Profiles of the future: an inquiry into the limits of the possible.

Lukas Buchholz-Hein ist seit Dezember 2023 Wissenschaftlicher Mitarbeiter am Institut für Geschichte der Medizin des Bosch Health Campus (IGM). In dieser Funktion ist er u.a. für die Betreuung und Weiterentwicklung der Digitalen Edition der Krankenjournale Samuel Hahnemanns zuständig. Foto: Herb Allgaier.

Die Blogreihe „Hätte ich das mal eher gewusst … Was Historiker:innen und historisch arbeitende ihrem jüngeren Ich raten würden“ wird betreut durch das GHI Washingtonin Kooperation mit NFDI4Memory/ Task Area Data Culture, dem Verband der Historiker und Historikerinnen Deutschlands (VHD) und der Digital History Professurder Humboldt-Universität zu Berlin. Wir freuen uns über alle, die offen über ihre Erfahrungen mit digitalen Projekten im Geschichtsbereich sprechen möchten – und Tipps geben, was sie auf jeden Fall beim nächsten Mal anders machen würden.

Sie haben / Du hast auch Interesse, einen Beitrag für die Reihe zu schreiben? Gerne! Christiane Weber (VHD/NFDI4Memory) [weber@historikerverband.de] und Katharina Hering (GHI) [hering@ghi-dc.org] freuen sich auf eine Email.