Pipeline-Demo

Was sehen wir? Eine handschriftliche Inventarliste aus dem 15. Jahrhundert in frühneuhochdeutscher Kurrentschrift. Das Dokument listet den Hausrat auf, der dem Burggrafen Burkhart von Knöringen auf Schloss Thaur übergeben wurde. Die sprachlichen Herausforderungen (Abkürzungen, regionale Varianten, Kurrentschrift) machen eine automatische Verarbeitung anspruchsvoll.

Quelle: Tiroler Landesarchiv, Abt. BBÄ MIB, Inventare A 049.1 (4 Seiten, Papier). Digitalisiert via Transkribus (Collection 2197991, Doc-ID 11328300).

Im Quellen-Explorer öffnen

Was sehen wir? Das Zielformat dieser Pipeline-Stufe: maschinenlesbarer Text, der die Zeilenstruktur des Originals beibehält und damit an das Digitalisat rückgebunden bleibt. Die hier gezeigte Transkription stammt aus dem Inventaria-Projekt, ist also von Fachleuten erstellt und in Transkribus abgelegt worden. Sie ist kein Ergebnis eines HTR-Laufs, sondern der Maßstab, an dem sich die automatische Erkennung messen lassen muss.

Was die HTR hier leisten muss: Abkürzungszeichen (ũ, ẽ), regionale Schreibweisen (hawsrat, sloss, dekhen), lateinische Datumsformeln.

Status: Für die 57 Burgeninventare des Inventaria-Projekts liegt der Volltext vor, dieses Inventar ist eines davon. Für die 26 Raitbücher (8.561 Seiten) existiert bisher keine Zeile Transkription: sechs Bände haben eine Layout-Analyse mit Baselines und Regionen, die Texterkennung selbst steht aus. Ein HTR-Modell für diese Hände zu trainieren und zu evaluieren, ist genau die Arbeit, die das Projekt vorhat. Die Modellgüte lässt sich erst nach diesem Training beziffern.

Qualitätssicherung: Im Vollprojekt wird coOCR/HTR als Ergänzung zu Transkribus eingesetzt. Das Schwesterprojekt ermöglicht die systematische Validierung und Korrektur von HTR-Ergebnissen: Fachexpertinnen prüfen, korrigieren und bewerten die automatischen Transkriptionen in einem Editor-in-the-Loop-Workflow mit KI-gestützter Qualitätsbewertung (confident/uncertain/problematic).

Im Quellen-Explorer öffnen coOCR/HTR ansehen

Was passiert hier? Ein LLM (Claude) extrahiert benannte Entitäten aus dem frühneuhochdeutschen Text. Die Herausforderung: historische Namensvarianten (Burkharten von Knoringen → Burkhart von Knöringen), veraltete Objektbezeichnungen (strosakh → Strohsack, dekhen → Decken), und implizite Ortsreferenzen (hoff → Innsbrucker Hof).

Methode: Diese Extraktion wurde mit Claude als LLM-Prototyping-Werkzeug erstellt. Im Vollprojekt wird jede Extraktion durch die Fachwissenschaftlerin validiert (Expert-in-the-Loop). Die Konfidenz wird kategoriell angezeigt: sicher / prüfenswert / problematisch.

Was passiert hier? Aus den erkannten Entitäten werden Beziehungen extrahiert: Wer macht was, wo, mit wem? Dieses Inventar zeigt typische höfische Praktiken: Übergabe von Amtsgut (Inventarisierung), Zeugnis durch Hofbeamte, Pferdeausrüstung für den Burggrafen, Besitzverhältnisse am Schloss.

Beobachtung: Aus nur 4 Seiten Inventartext lassen sich 16 Personen, 3 Orte und 13 Relationen zwischen diesen Entitäten gewinnen. Eine vierte Ortsangabe (albem, gelesen als Alm) ist als problematisch markiert und geht deshalb nicht in das Netzwerk in Schritt 5 ein. Die 8.561 Seiten Raitbücher werden diese Datenbasis um Größenordnungen erweitern.

Was sehen wir? Das Beziehungsnetzwerk eines einzigen Inventardokuments (4 Seiten). Schloss Thaur steht im Zentrum: hier kreuzen sich Besitz (Knöringen), Verwaltung (Randorffer als Hauskämmerer), Zeugnis (Bürger aus Hall) und höfische Hierarchie (Sigmund als Landesfürst).

Skalierung: Der Netzwerk-Explorer zeigt das vollständige SiCProD-Netzwerk mit 6.288 Personen und 42.893 Relationen. Jedes verarbeitete Quelldokument reichert dieses Netzwerk mit neuen Verbindungen an.

Fazit: Aus 4 Seiten Handschrift entsteht ein analysierbares Beziehungsnetzwerk mit 19 Knoten (16 Personen, 3 Orte) und 24 Verbindungen. Die 24 Verbindungen sind mehr als die 13 Relationen aus Schritt 4, weil eine Relation mit mehreren Beteiligten im Graph zu mehreren Kanten wird. Die gleiche Pipeline ist auf die 8.561 Seiten Raitbücher skalierbar. Das ist der Kern des Projektantrags.