Zeitsegeln für Anfänger #1

Ahoi Matrosen*innen auf dem reißenden Strom der Zeit!

In meinem ersten Blogpost möchte ich meine Erfahrungen mit der Zeitungsdatenbank ANNO der Österreichischen Nationalbibliothek und dem Programm Transkribus mit euch teilen.

Die Zeitungsdatenbank ist ein Projekt der ÖNB, bei dem Zeitungen eingescannt und online zur Verfügung gestellt werden. Diese ist frei zugänglich und bietet eine umfassende Auswahl an Printmedien aus den letzten Jahrhunderten. Um sich die Möglichkeiten dieses Schatzes bewusst zu machen, empfehle ich jenen, die diesen noch nicht kennen, auf der Website zu stöbern und herumzuexperimentieren.

Transkribus ist ein Tool, mit dessen Hilfe eingescannte Dokumente analysiert und ausgelesen werden können. Das klappt meiner Erfahrung nach noch nicht ganz reibungslos, aber wenn man sich vor Augen führt, was für ein unfassbarer Entwicklungsprozess dahinter stecken muss, einer Maschine das Lesen von Zeitungen beizubringen, die man als Mensch kaum entziffern kann, weil sie in einer halbverschmierten Frakturschrift gedruckt sind, erbringt Transkribus bereits eine beachtliche Leistung.

Ich selbst hatte ÖNB ANNO bereits für eine andere LV genutzt und war daher mit der Navigation vertraut, weshalb ich recht schnell die zu herunterladenden Zeitungen und den passenden Monat gefunden hatte. Hier kommen wir auch schon zu einer der zwei größten Herausforderungen der Aufgabe: Das einzelne Herunterladen der Zeitungen als PDFs. Die Problematik bestand weniger darin die Zeitungen zu öffnen und auf den Download-Button zu drücken, sondern darin, dass meine lokale Bambusleitung einige Zeit brauchte um die Dateien herunterzuladen. Damit konnte ich ANNO auch schon hinter mir lassen und mich in weiterer Folge Transkribus widmen.

Kopfzeile der Ausgabe der Innsbrucker Nachrichten vom 1. Februar 1919. ÖNB ANNO, [http://anno.onb.ac.at/cgi-content/anno?aid=ibn&datum=19190201&seite=1&zoom=33], eingesehen am 4.5.2020.

Die Installation war bei mir überraschend leicht – auch wenn das Programm auf Java basiert!  Nach dem erfolgreichen Registrieren meines Benutzers begann ich mit dem Hochladen der ersten Zeitung. Und hier trat das zweite Problem auf: Erfahrungsgemäß ist die Uploadrate etwa ein Zehntel der Downloadrate. Der geneigte Leser wird nun möglicherweise erkennen, in welche Richtung sich die Geschichte entwickelte. Glücklicherweise kann man in Transkribus Aufträge starten und dann den PC verlassen um sich produktiveren Dingen zu widmen. Jedoch wünschte ich, es gäbe eine Uploadanzeige, in der man den Uploadprozess mehrerer Dateien verfolgen könnte. Nachdem die Dateien also erfolgreich den Weg vom Internet über meinen PC zurück ins Internet gefunden hatten, startete ich nacheinander die Layoutanalysen, damit Transkribus herausfinden konnte, wo denn überhaupt Text steht. Wir Menschen sehen dies selbstverständlich auf den ersten Blick, doch die Maschine muss erst überprüfen, wo es sich um Text, Textblöcke, Absätze, Zeilen und Wörter handelt. Hiernach folgte das OCR. Nach einer kurzen Prüfung der Einstellungen und der Änderung, dass es sich beim zu lesenden Text um eine Gothic-Schrift handelte, startete ich diese ebenfalls für alle Zeitungen, was wieder ein zeitlich langwieriger Schritt war. Nach Fertigstellung habe ich die ausgelesenen Texte kurz überflogen und sofort festgestellt, dass teilweise katastrophale Zeichenkombinationen erkannt wurden. Jedoch war die Aufgabenstellung nicht, diese Fehler auszubessern (was meinen Berechnungen nach auch einen Zeitaufwand von 42 Arbeitstagen bedeutet hätte), sondern das Ausgelesene als simple Textdatei für die weitere Verwendung zu exportieren, was mit wenigen Klicks zu bewältigen war. Diese Dateien werden wir in den nächsten Arbeitsaufgaben wieder benötigen.

Gegenüberstellung des Originalscans und des durch Transkribus erkannten Textes in bereits ausgegebener, uneditierter Form.

Doch für heute ist es Zeit die Segel zu streichen. Ich bin bereits gespannt, in welche Gewässer wir beim nächsten Blogpost stechen werden.


Das könnte dich auch interessieren …

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