von Susanne Schmolze, Landesarchiv Saarbrücken
Den Abschluss der Sektion 2 “Archive als Digitale Orte” bildet ein Vortrag von Susanne Schmolze, Archivrätin am Saarländischen Landesarchiv. Einleitend führt sie aus, dass immer mehr Archive KI-Tools erproben. Dies ist teil einer übergeordneten Entwicklung die Erschließung und Bereitstellung von Archivmaterialien zur zentralen Aufgabe für Archive macht. Auch das Saarländische Landesarchiv hat verschiedene Inhalte auf unterschiedlichen Plattformen zugänglich gemacht. Gegenstand des Vortrags ist ein Pilotprojekt zur Texterkennung handschriftlicher Texte mittels KI, welches am Landesarchiv Saarbrücken durchgeführt wurde. Dabei wurde zunächst das öffentlich zugängliche Modell Transkribus verwendet, da es übersichtlich und einfach zu nutzen ist sowie gute Ergebnisse liefert. Erste Ergebnisse dieses Projekts zur KI-basierten Handschriftenerkennung (Handwritten Text Recognition, HTR) konnten im Herbst 2023 veröffentlicht werden.
Der Vortrag gliedert sich in drei Teile. Zunächst wird die ausgewählte Quelle vorgestellt, dann die Projektergebnisse und schließlich wird ein Ausblick auf geplante Folgeprojekte gegeben.
Der Workflow des durchgeführten Pilotprojektes gliedert sich in die Auswahl der Quelle und Vorbereitung des Projektes, dann eine Transkription und das Modelltraining an die sich schließlich die Überarbeitung und Veröffentlichung anschließen.
Anlass für das Projekt gab das anstehende Jubiläum der zweiten Saarabstimmung und des Beitritts des Saarlandes zur BRD (1955-1959) und das antizipierte öffentliche Interesse daran. Als Textbasis ausgewählt wurden die Protokolle der Saarländischen Verwaltungskommission. Diese amtierte von Oktober 1946 bis Dezember 1947 unter der Aufsicht der französischen Militärregierung als provisorisches Kabinett. 142 Sitzungen der Verwaltungskommission fanden statt, bevor sie mit dem Inkrafttreten der Verfassung 1947 durch eine reguläre Regierung abgelöst wurde. Die Sitzungsprotokolle sind handschriftlich in drei Bänden überliefert und befinden sich im Landesarchiv. Somit war eine interne Digitalisierung möglich. Zudem handelt es sich mit 400 Doppelseiten um einen überschaubaren Umfang und die Protokolle zeichnen sich durch seltene Schreiberwechsel und klare Handschriften aus.
Nach der Digitalisierung wurden zunächst einige Testläufe mit öffentlichen Modellen gestartet und so Trainigsdaten erzeugt. Das letztendlich genutzte öffentliche Modell – Transkribus German Handwriting M1 – wurde mit Daten im Umfang von circa 17.000 Wörtern trainiert. Dafür erfolgte eine sorgfältige manuelle Korrektur der erstellten Transkriptionen im Transkribus-Texteditor. Dieses Material wurde dann wiederum für das Training eines eigenen Modells genutzt, das für die Transkription des restlichen Textes zur Anwendung kam.
In diesem Fall wurde die vom KI-Modell erstellte Rohfassung der Transkription als Word-Datei exportiert und eine erstkorrigierte Arbeitsfassung erstellt. Dabei wurden zunächst nur auffällige Mängel hinsichtlich Orthografie, Zeichensetzung, Sonderzeichen und Zahlen sowie Abkürzungen korrigiert. Im nächsten Schritt wurde der erstellte Text – ebenfalls in Word – formatiert, mit einem umfassenden Inhaltsverzeichnis versehen und als PDF/A gespeichert. Auf diese Weise wurde eine höhere Übersichtlichkeit und Nutzer:innenfreundlichkeit erreicht. Den größten Bearbeitungsaufwand nahmen jeweils die Überarbeitung im Transkribus Texteditor und die Überarbeitung in Word ein — zusammen fast 90% der aufgewendeten Zeit. Bearbeitungszeiten im KI-Modell konnten von der jeweiligen Serverauslastung abhängen.
Die so transkribierten Sitzungsprotokolle wurden auf der Webseite des Landesarchivs Saarbrücken zugänglich gemacht. Dabei stand der Fokus zum einen darauf, die Textgenese nachvollziehbar und Erfahrungswerte zugänglich zu machen, zum anderen einen Vergleich zwischen Transkription und Vorlage zu gewährleisten und schließlich die inhaltliche Auswertung der Quelle durch die Forschung zu ermöglichen. Diesen Zielen wurde Rechnung getragen, indem erstens die Scans der handschriftlichen Sitzungsniederschriften, zweitens die unkorrigierten Transkriptionen des eigenen Modells und drittens die erstkorrigierte Fassung der Niederschriften nebeneinander auf der Webseite veröffentlicht wurden.
Die Textversion, also die korrigierte Fassung der Transkription, verfügt zusätzlich über umfangreiche Navigationsmöglichkeiten, welche das bereits erwähnte Inhaltsverzeichnis ebenso umfassen wie eine Volltextsuche und die Möglichkeit zum Setzen von Lesezeichen.
Aufgrund seiner Aktualität und dem erwarteten öffentlichen Interesses wird das Projekt selbstverständlich auch für die Öffentlichkeitsarbeit des Landesarchivs verwendet. Dies umfasst nicht nur Zeitungsberichte und Internetbeiträge, sondern auch die Präsentation des Pilotprojektes auf Tagungen wie dem Rheinischen Archivtag. Das Pilotprojekt soll Modell für die Digitalisierung und Transkription weiterer Bestände sein, zeigt diesbezügliche Potentiale auf, kann es in Zukunft Archivar:innen ermöglichen, weniger Zeit in die Transkription von Quellen investieren zu müssen und baut zudem Nutzbarkeitshürden für weniger geübte Nutzende ab. Außerdem verschaffen Pilotprojekte wie dieses dem Landesarchiv, seinen Beständen und der Geschichte des Saarlandes auch eine breite mediale Sichtbarkeit.
In der Diskussion wird aus dem Publikum gefragt, ob ein kostenloses Modell von Transkribus genutzt wurde oder nicht, und wenn nein, welches bezahlpflichtige Modell. Und auch ob das Modelltraining im Basiszugang funktioniert. Frau Schmolze antwortet, dass für das Kennenlernen des Programms die kostenlose Version durchaus ausreicht, die bezahlpflichtigen Modelle unterschiedliche Kontingente umfassen und das Training des Modells im persönlichen Nutzer:innenaccount erfolgt. Eine weitere Frage richtet sich darauf, inwiefern sich der Wechsel der Handschrift bzw. des oder der Schreibenden auf die Treffsicherheit der Texterkennung durch ein KI-Modell auswirkt. Frau Schmolze antwortet, dass das tatsächlich ein Problem sein kann und die das KI-Modell tatsächlich am zuverlässigsten funktioniert, wenn die zu transkribierenden Texte überwiegend von einer Person verfasst wurden. Eine dritte Frage zielt darauf ab, ob die Version von 2023 von Transkribus überhaupt noch mit der heutigen vergleichbar sein kann und wie schnell sich dies weiterentwickelt. Ebenso ob alle Nutzenden auf alle trainierten Modelle zugreifen können. Frau Schmolze antwortet, dass sich Transkribus selbstverständlich weiter entwickelt, trainierte Modelle aber freigeschaltet werden müssen, damit sie für alle Nutzenden frei zugänglich sind, ansonsten bleiben sie im eigenen Account. Zudem wird gefragt wie groß der Trainingsblock für ein Transkribus-Handschriftenmodell sein sollte. Frau Schmolze antwortet, dass Transkribus einen Textblock von mindestens 15.000 Wörter dafür empfiehlt, damit die Software ausreichend Beispiele hat, um Muster zu erkennen und zu lernen.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Katharina Hoß (26. Juni 2025). Texterkennung mit KI: Ein Projekt des Saarländischen Landesarchivs. Rheinischer Archivtag . Abgerufen am 9. Juli 2025 von https://doi.org/10.58079/147xn