KI-gestützte Transkription historischer Druckschriften

KI-gestützte Transkription und Analyse historischer Schriften des 18. Jahrhunderts mit Large Language Models.

laufend KI-gestützte Transkription historischer Druckschriften

Historische Druckschriften sind eine reiche Quelle für die Geschichte unserer Region – doch in Frakturschrift gesetzt, eng gedruckt und ohne moderne Struktur sind sie für die Forschung schwer zugänglich. Gemeinsam mit dem Chemnitzer Geschichtsverein und FusionSystems erproben wir, wie Large Language Models und Vision Language Models solche Werke lesen, gliedern und als durchsuchbare Daten bereitstellen können.

Im Projekt werden ausgewählte Schriften des 18. Jahrhunderts mit Hilfe moderner Technologien untersucht. Mithilfe von Large Language Models (LLM) und Vision Language Models (VLM) werden sowohl die historischen Schriften als auch die Sprache analysiert.

Ein zentrales Ziel ist es, die Buchinhalte in ein strukturiertes Ausgabeformat – beispielsweise eine Datenbank – zu übertragen, um sie der weiteren wissenschaftlichen Analyse zugänglich zu machen.

Fragestellung

Wie lassen sich umfangreiche Druckwerke des 18. Jahrhunderts zuverlässig und nachvollziehbar in strukturierte Daten überführen – so, dass Historikerinnen und Historiker den Ergebnissen vertrauen und sie selbst überprüfen können?

Das Beispiel: ein Haushaltungs-Lexikon

Als Erprobungsobjekt dient das „Compendieuses und Nutzbares Haußhaltungs-Lexicon“ aus dem 18. Jahrhundert. Es beschreibt in alphabetischen Stichworten, was im damaligen Haushalt, in Feld-, Acker-, Garten- und Weinbau, Viehzucht, Jagd und Fischerei wissenswert war – vom Aal bis zum Abraum. Damit ist es ein Fenster in den Alltag, die Sprache und das Wissen jener Zeit.

Herkunft der Methode

Die Herangehensweise wurde zunächst für die Erschließung historischer Musikdrucke entwickelt. Für das Haushaltungs-Lexikon haben wir sie übertragen – von Notendrucken mit Titelblatt, Widmung und Register hin zu einem umfangreichen Nachschlagewerk.

Vorgehen in zwei Ebenen

Dokumentebene (Makroebene)Seitentypen erkennen, Dokumentensteckbrief anlegen, semantisches Gedächtnis über das ganze Werk aufbauen.
Seitenebene (Mikroebene)Ein Vision Language Model liest Fraktur und Seitenaufbau – Stichwort, Spalte, Text –, gesteuert durch Anweisungen und Beispiele aus der Vektordatenbank.

Dokumentebene. Zuerst wird das ganze Werk betrachtet: Welche Seitentypen gibt es – Einband, Titelblatt, Vorrede, Lexikonseiten, Register? Daraus entstehen ein Dokumentensteckbrief und ein semantisches Gedächtnis, das bei jeder einzelnen Seite mitgeführt wird. So „weiß“ das System, in welchem Werk und an welcher Stelle es gerade liest.

Seitenebene. Dann wird jede Seite als Bild an ein Vision Language Model übergeben. Es erfasst Schrift und Seitenaufbau zugleich: Es erkennt Stichworte, Spalten und Textabschnitte und überträgt den Fraktursatz in heutige Zeichen. Gesteuert wird es durch strukturierte Anweisungen, die zum Seitentyp passen, und durch passende Beispiele, die aus einer Vektordatenbank abgerufen werden (Retrieval Augmented Generation).

Die Ergebnisse werden in eine Datenbank geschrieben – je Eintrag mit Stichwort, Text, Seite, Spalte, Wortzahl und Herkunftsdatei – und lassen sich als Tabelle ausgeben.

Prüfen statt glauben

  1. VLM liest Seite
  2. Datenbank
  3. Plausibilitätsprüfung
  4. Prüfmodell · GND-Abgleich
  5. kritische Nachprüfung
  6. Stichprobe von Hand
  7. Tabelle

Entscheidend ist, was danach geschieht. Automatische Plausibilitätsprüfungen erkennen etwa Einträge, die über Spalten- oder Seitengrenzen hinweg fortgesetzt oder abgeschnitten wurden; diese Stellen werden gezielt kritisch nachgeprüft. Ein zweites Modell prüft die Ergebnisse mit verändertem Kontext, und erkannte Ortsangaben werden mit der Gemeinsamen Normdatei (GND) abgeglichen. Fachleute kontrollieren zusätzlich Zufallsstichproben von Hand.

Warum das für erklärbare KI steht

Sprachmodelle liefern flüssige, überzeugend wirkende Texte – auch dann, wenn sie sich irren. Wir setzen deshalb nicht auf ein einzelnes Modell, sondern umgeben es mit einer erklärbaren Schale aus Steuerung, Kontext, Normierung, Gedächtnis und Prüfung. Jede Angabe lässt sich bis zur Originalseite zurückverfolgen.

Grundlagen: Das Schalenmodell – wie eine erklärbare Schicht um das KI-Modell entsteht →

Stand und Ausblick

Die Verarbeitungskette ist als Prototyp aufgebaut und wird am Haushaltungs-Lexikon erprobt. Als Nächstes sollen weitere Werke aus der Chemnitzer und sächsischen Geschichte erschlossen werden. Das Verfahren lässt sich auf andere Quellen übertragen – etwa Briefe, Akten, Geschäftspapiere oder Konzertprogramme.

Haben Sie Fragen?

Interessieren Sie sich für eine Zusammenarbeit oder möchten Sie mehr über unsere Forschung erfahren? Wir freuen uns auf den Austausch.

Kontakt aufnehmen →