Wieso zum Teufel musste das nochmals digitalisiert werden?

Vor einiger Zeit zeigte ich die “Baudenkmale in der Pfalz” hier an, ins Netz gestellt von Dilibri:

http://www.dilibri.de/id/1568528

Die Bände liegen dort in guter Qualität vor. Warum musste die UB der Humboldt-Universität die Bände jetzt nochmals digitalisieren?

http://digi-alt.ub.hu-berlin.de/viewer/toc/BV043214701/0/



Diesen Blogbeitrag zitieren
Klaus Graf (2016, 26. März). Wieso zum Teufel musste das nochmals digitalisiert werden? Archivalia. Abgerufen am 24. Juni 2024, von https://doi.org/10.58079/c3mn

Autor: Klaus Graf

Historiker und Archivar, Blogger

2 Gedanken zu „Wieso zum Teufel musste das nochmals digitalisiert werden?“

  1. Die HU trifft keine Schuld. Das war ein privater EOD-Auftrag aus der Weihnachtsaktion, der bereits einige Zeit vor Erscheinen des Werkes bei Dilibri abgewickelt war. Lediglich die Aufnahme dieser EOD-Digitalisate in die öffentliche Datenbank der HU hat eine Weile gedauert, wodurch natürlich der Eindruck entstand, die Titel wären erst nach Dilibri digitalisiert worden.

  2. Zum Glück wurde das nochmal digitalisiert !

    1. Grundsätzlich ist Redundanz eine feine Sache. Wenn irgendwo in der Republik in einen Bibliotheksserverraum das Wasser reinläuft oder gammelige Platten/Bänder abrauchen, ist das unschön. Gerade KG als Archivar, sollte doch eher Redundanz begrüßen.

    2. Beide Digitalisateanbieter nutzen unterschiedliche Systeme (RLP: Semantics Visual Library Server 2016 vs. UBHU: Goobi). Es ist anzunehmen, das die OCR/Weiterverarbeitung hier unterschiedliche Ergebnisse zeitigt, m. W., sind das unterschiedliche Codebases (Semantics wohl proprietär und auf einen Microsoft IIS draufgeflanscht*, Goobi wohl quellenoffen und Java-basiert**). Ergo sollten die OCR-Ergebnisse und damit auch die Ergebnisse von Suchen im Text unterschiedliche Ergebnisse zeitigen.
    Eine Stichprobe, eine Suche nach dem Anfang des ersten Satzes des Vorwortes des ersten Bandes der “Baudenkmale in der Pfalz” (“Die Erforschung und Erhaltung der deutschen Baudenkmale”) zeigt daher auch:

    HU-Goobi findet:
    http://digi-alt.ub.hu-berlin.de/viewer/search/-/DEFAULT%253A%2528%2522die+erforschung+und+erhaltung+der+deutschen+baudenkmale%2522%2529+OR+FULLTEXT%253A%2528%2522die+erforschung+und+erhaltung+der+deutschen+baudenkmale%2522%2529+OR+NORMDATATERMS%253A%2528%2522die+erforschung+und+erhaltung+der+deutschen+baudenkmale%2522%2529+OR+UGCTERMS%253A%2528%2522die+erforschung+und+erhaltung+der+deutschen+baudenkmale%2522%2529/1/-/-/

    RLP-Visual Library nicht:
    http://www.dilibri.de/search?operation=searchRetrieve&query=vl.fulltext%3D%28%22Die+Erforschung+und+Erhaltung+der+deutschen+Baudenkmale%22%29+and+vl.domain%3D%28dilibri%29+sortBy+relevance%2Fasc&startRecord=1&vlsearch_sortBy=relevance&maximumRecords=10&vlsearch_sortOrder=asc&truncate=

    Das sagt zwar nichts Allgemeines über die Qualität der jeweiligen Systeme aus (ist ja nur eine Stichprobe), aber:

    “Gute Qualität” und gute OCR-Qualität — ganz abgesehen von den Suchalgorithmen mit denen man die gewonnen OCR-Texte dann auswertet (leider ist das in beiden Fällen vollkommen intransparent und man kriegt nur einen undokumentierte Suchschlitz) — sind doch zwei paar Schuhe.

    Wieviel Erkennungsverbesserungspotential bei OCR auf Fraktur oder mit Fraktur gemischten Texten nach oben noch ist, und wie hier kontinuierliche Verbesserungen mit älteren OCR-Läufen zu verzahnen sind, finden gerade die Leute von OCR-D*** raus. Für die über 1 Million Bände aus VD16-18, die man zu einem guten Drittel bereits durch die Maschinen gejagt hat, ein durchaus sinnvolles Unterfangen, vom 19. Jhdt. und den Regalmetern bröselnden Holzschliffpapiers ganz zu schweigen. Man will man sich doch nicht nur Seitenabbilder in “guter Qualität” angucken, sondern mit den elektronischen Volltexten praktisch arbeiten, respektive Finden was man sucht, oder? Thomas Staecker hat die Probleme und Ansätze zu einer “Textqualitätsmessung” ganz schlüssig dargestellt,**** vgl. auch die Slides von Elisa Herrmann (Projektkoordinatorin OCR-D) vom philtag-Workshop***** vor einigen Tagen.

    * http://www.semantics.de/produkte/visual_library/
    ** https://github.com/goobi
    *** http://www.ocr-d.de/
    **** http://www.personalschriften.de/aktuelles/artikelansicht/details/volltext-via-ocr-moeglichkeiten-und-grenzen.html – in der Publikation ab S. 123.
    ***** http://kallimachos.de/kallimachos/images/8/8f/PresentationHerrmann.pdf

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