Archivalia

Historische Handschriften zu entziffern kann je nach Schriftart, Lesbarkeit und individuellen paläografischen Kenntnissen durchaus zur Herausforderung werden. Diese Erfahrung hat vermutlich so manch ein*e Geschichtsstudent*in gemacht, als er oder sie zum ersten Mal mit einer scheinbar unentzifferbaren Quelle konfrontiert wurde. Künstliche Intelligenz verspricht als Werkzeug, etwa durch speziell für die Handschriftenerkennung entwickelte Modelle, Abhilfe zu schaffen. Wie hilfreich und nutzbar die KI dafür aber tatsächlich ist, hängt stark von der Herangehensweise und dem eigentlichen Vorhaben ab.

Wie hilft KI bei der Handschriftenerkennung?
Ich bin keineswegs Expertin in diesem Bereich; nach meinen Recherchen lässt sich daher vereinfacht Folgendes festhalten: Gedruckte Texte mit einheitlichen Buchstaben, Layout und Schriftart können mittlerweile mit OCR (Optical Character Recognition) zuverlässig von Computern erfasst werden. Dabei werden die Zeichen eines Textes automatisch erkannt und in maschinenlesbaren Text umgewandelt. Typische Anwendungsbereiche sind beispielsweise die Digitalisierung gedruckter Zeitungen oder Bücher.

Mit Handschriften gestaltet sich das jedoch deutlich schwieriger: Handschriften sind in ihrer Gestalt naturgegeben wesentlich komplexer, da sie sich nicht nur stark zwischen verschiedenen Schreiber*innen unterscheiden, sondern selbst innerhalb eines Textes derselben Person (etwa hinsichtlich der Neigung, Form oder des Abstands der Buchstaben) variieren können. Moderne HTR-Anwendungen (Handwritten Text Recognition) nutzen Verfahren der künstlichen Intelligenz, wie etwa neuronale Netze, um dieses Problem zu adressieren und auch Handschriften für Computer erkennbar zu machen. Anstatt einzelne Buchstaben nach festen Regeln zu identifizieren (wie bei klassischen OCR-Verfahren für gedruckte Texte), werden die Modelle zur Handschriftenerkennung mit großen Mengen bereits transkribierter Handschriften trainiert. Die Modelle lernen Muster und Zusammenhänge zu erkennen und werden so stetig verbessert – so heißt es zumindest.

Wie zuverlässig die KI-gestützte Handschriftenrerkennung mittlerweile ist, hängt allerdings stark von den Gegebenheiten der zu lesenden Schrift (z. B. vom Zustand des Mediums, der Qualität des hochgeladenen Scans oder Fotos, davon, wie sauber geschrieben wurde oder wie ungewöhnlich die Schrift ist) ab.

Transkribus
Wer nach einer KI-Anwendung zur Handschriftenerkennung speziell für historische Quellen sucht, wird früher oder später auf Transkribus stoßen. Die Plattform wurde von der Gruppe Digitalisierung und elektronische Archivierung der Universität Innsbruck in Zusammenarbeit mit weiteren europäischen Forschungsgruppen entwickelt. Ziel ist es, die Technologie nicht nur Forschenden, sondern auch der breiten Öffentlichkeit zugänglich zu machen und große Mengen historischer Handschriften digital zu erschließen und durchsuchbar zu machen.

Transkribus vereint dabei verschiedene Modelle zur Handschrifterkennung, die je nach Sprache, Schriftart oder Zeitraum ausgewählt werden können. Es besteht außerdem die Möglichkeit, eigene Modelle auf einem spezifischen Quellenbestand zu trainieren.

Erste Schritte und Selbstversuch
Transkribus hat mich neben seinem akademischen Anspruch und den vielen Anwendungsmöglichkeiten (die in diesem Rahmen nicht alle aufgezählt werden können) mit der einfachen Zugänglichkeit überzeugt: Im Browser kann man mit einer kostenlosen Anmeldung recht schnell das erste Dokument hochladen und transkribieren lassen. Dafür braucht man nur ein gutes Foto oder besser einen Scan des Dokuments, bevor man sich für eines der zahlreichen Transkriptionsmodelle entscheiden kann. Besonders hilfreich erscheint mir dabei, dass die Modelle nach Sprache und Entstehungszeitraum gefiltert werden können – die meisten verfügen außerdem über eine Kurzbeschreibung sowie Kennzahlen (etwa zu Trainingsdaten), die dabei helfen, ein passendes Modell für das eigene Vorhaben auszuwählen.

Für meinen Versuch habe ich mich für eine Seite aus einem privaten Rezeptbüchlein von 1902 entschieden, das mir bisher stellenweise nicht ganz zu entschlüsseln war. Ich habe drei der gängigen Modelle, die zur Erkennung deutscher Kurrentschrift geeignet sein sollen, getestet:

1. “German Genius” – ein Modell, das von Transkribus selbst entwickelt wurde, aber leider nur in der Bezahlversion verfügbar ist.

2. “The German Giant 1” – ein kostenloses Modell das von der Community trainiert wurde.
3. “Text Titan II” – ein mehrsprachiges Modell, das ebenfalls von Transkribus stammt und aktuell als zuverlässigstes (aber kostenpflichtiges) Universal-Modell empfohlen wird.

Ergebnis: Da ich mich hiermit das erste Mal an eine KI-gestützte Anwendung zur Transkription von Handschriften herangewagt habe, hatte ich zwar keinen spezifischen Erwartungshorizont, war insgesamt aber positiv überrascht. Wie auf den Bildern zu erkennen ist, haben alle drei Modelle den Großteil des Rezepts bzw. den Kontext richtig erfasst – allerdings eben nur den Großteil, nicht ohne Fehler und vor allem nicht auf den einzelnen Buchstaben genau. Aufgefallen ist mir dabei, dass die Wörter, die allen drei Modellen Schwierigkeiten bereiteten, dieselben sind, die auch für mich persönlich schwer bis gar nicht lesbar sind. Das hat für mich die ein oder andere Überlegung zur tatsächlichen Verwendbarkeit der Handschriftenerkennung mit KI aufgeworfen.

Mein Fazit: Hohes Potenzial, aber: Erst lernen, dann auslagern

Zunächst lässt sich festhalten, dass die Handschrifterkennung mit Transkribus schnell eine brauchbare Ersttranskription liefert. Allerdings wurden zumindest in meinem kleinen Experiment eben nicht alle Wörter zuverlässig erkannt, und bisher scheint auch der allgemeine Konsens zu sein, dass KI-Ergebnisse auch bei der Handschriftenerkennung immer sorgfältig nachgeprüft werden müssen. Wenn das große Potenzial der KI-gestützten Handschriftenerkennung also darin liegt, umfangreiche Quellenbestände zu erschließen und durch Volltextsuche zugänglich zu machen – was sicherlich eine große Bereicherung für die Digitalisierung von Archivgut und die Quellenarbeit darstellt –, bleibt zu klären, wie eine so umfangreiche menschliche Überprüfung überhaupt geleistet werden kann und inwiefern die KI dann die Arbeit tatsächlich erleichtert. Mit Blick auf die Möglichkeit, in Transkribus eigene Modelle zu trainieren (allerdings nur in der Bezahlversion), kann ich mir jedoch vorstellen, dass eine intensive Auseinandersetzung mit dieser Technologie das schon leisten kann – zum Beispiel, wenn man sich im Rahmen eines Projekts mit einem großen Bestand ähnlicher Handschriften beschäftigt und das Modell darauf spezialisiert.

Ich denke, letztendlich kommt es immer darauf an, wofür man die KI verwendet: Wo es aktuell noch viel menschlichen Aufwand braucht, damit die Transkriptionen den Anforderungen wissenschaftlicher Genauigkeit entsprechen, ist für Laien, die etwa das Rezeptbuch der Urgroßmutter entschlüsseln möchten, vermutlich schon eine Ersttranskription mit dem einen oder anderen Fehler ein großer Erfolg.

Das bringt mich schließlich zurück zu dem Beispiel der Studierenden aus dem Einstieg. Zwar kann die KI die Arbeit, etwa wenn es darum geht, eine Quelle schnell einschätzen zu können oder einen ersten Überblick zu gewinnen, enorm erleichtern. Um aber künftig tatsächlich mit solchen Quellen wissenschaftlich arbeiten zu können, sind menschliche paläografische Kenntnisse aus meiner Sicht unverzichtbar. Egal, ob es darum geht, KI-generierte Transkriptionen zu überprüfen oder Wörter zu entschlüsseln, bei denen die KI aktuell noch nicht weiter weiß – in beiden Fällen ist einem letztendlich nur geholfen, wenn man historische Handschriften auch ohne KI lesen könnte. Ich kann dabei nur aus eigener Erfahrung berichten, aber mir scheint, als wäre im Geschichtsstudium noch Luft nach oben, wenn es darum geht, eine solide Kompetenz im Lesen historischer Handschriften zu vermitteln. Doch selbst wenn Paläografiekurse regelmäßig oder sogar verpflichtend im Studium angeboten würden, läge es letztendlich an jeder und jedem selbst, diese Kompetenzen durch Übung zu vertiefen. Ob diese Übung im klassischen Lesen historischer Handschriften erfolgt oder ob man sich durch Spielereien mit KI-gestützten Modellen nebenbei mit Paläografie vertraut macht – und dabei vielleicht zur Verbesserung zukünftiger Modelle beiträgt –, bleibt allen selbst überlassen.

Links

Zu Transkribus geht es hier

Mehr zum Hintergrund von Transkribus auf Wikipedia

Mehr zu OCR und HTR nachlesbar u. a. auf der Webseite der Uni Trier sowie bei Transkribus