Transkribus ein Erfahrungsbericht

Habt ihr Probleme beim Lesen alter Zeitungen? Oder wollt ihr einfach alte Zeitungen digitalisieren und anschließend den Zeitungstext weiterverwenden? Dann ist Transkribus das richtige Programm für euch! Ich hab´s ausprobiert und lasse euch nun an meinen Erfahrungen teilhaben.

Wie komme ich zu alten Zeitungen?

Wie ihr vielleicht noch wisst, befasse ich mich derzeit mit dem Ausbruch des Vulkans Tambora. Deshalb suchte ich nach Zeitungen, die dieses Thema behandeln. Aber wie finde ich die?
Die ÖNB stellt dafür ein geeignetes Tool, das Projekt ANNO, zur Verfügung. Dort könnt ihr eine große Anzahl verschiedener Zeitungen finden. Ihr könnt entweder in den Zeitungen stöbern oder nach bestimmten Begriffen suchen.
Ich hab´s mal probiert und den Begriff Tambora gesucht, eine Zeitung dazu ausgewählt und sie mir als PDF heruntergeladen. Das ist alles unkompliziert.

Ich kann den Text nicht lesen – Was tun?

Wenn ihr das Problem habt, eine super Zeitung gefunden zu haben, aber euch beim Lesen des Texts schwer tut, oder ihr einfach nur den Text weiterverarbeiten wollt, hilft euch das Programm Transkribus der Universität Innsbruck weiter. Ladet euch das Programm ganz einfach hier herunter und legt einen Account an. Achtung ihr braucht die aktuellste Version von Java. Habt ihr eine veraltete Version, funktioniert Transkribus, wie bei mir, nicht. Aktualisiert also einfach eure Java, wenn notwendig.
Importiert nun eure von ANNO heruntergeladene PDF-Datei mittels dem „Ordner mit Pfeil“ in der Taskleiste links oben nach Transkribus. Je nach Größe der Datei dauert der Upload etwas. Drückt dann im linken Feld rechts unten auf das Aktualisieren-Zeichen und ihr seht eure Datei nun links in der Liste. Öffnet sie mit Doppelklick und es erscheint rechts eine Vorschau des PDFs. Im Transkriptionsfeld ist noch nichts geschrieben.

Schritt 1) Upload PDF in Transkribus (Bild Stefan Artner)

Habt ihr die Datei erst mal in Transkribus hochgeladen, müsst ihr eine Layoutanalyse durchführen, damit Transkribus den Textteil erkennt. Geht dazu auf Tools, wählt bei Methode CITlab Advanced, wählt die zu analysierende Seitenanzahl aus und klickt auf RUN. Es dauert nun etwas, je nach Größe des PDFs. Nun seht ihr bei der Vorschau den Text blau markiert und im Transkriptionsfeld wurden Zeilen angelegt.

Schritt 2) Layoutanalyse (Bild Stefan Artner)

Transkribus weiß nun welche Stellen des PDFs Textstellen sind. Nun wollt ihr diese Transkripieren, um diese alte Schrift lesen bzw. den Text weiterverwenden zu können. Dafür führt die sich direkt unter der Layoutanalyse befindliche Texterkennungsfunktion (Text Recognition) durch. Da wir eine gedruckte Zeitung transkribieren, empfehle ich euch bei Methode auf „Transkribus OCR“ zu gehen. Bei einer Handschrift wählt die Methode „HTR“. In der überarbeiteten Version von Transkribus funktioniert die „HTR“-Methode zwar auch für Drucke, aber darauf komme ich unten bei meinen Erfahrungen zurück.
Klickt nun wieder auf „Run“ und nach einer gewissen Bearbeitungszeit seht ihr in der Vorschau farbige Markierungen und im Transkriptionsfeld den transkribierten Text. Dort könnt ihr nun manuell Fehler ausbessern oder Orte, Personen, etc. im Transkriptionstext über Rechtsklick, All Tags, als Orte, Personen, etc. farblich markieren.
In der Taskleiste oben befindet sich ein zweiter „Ordner mit einem Pfeil“ für den Export der Datei. Klickt jenen an und wählt links oben „Client Export“ und an der Linken Seite ein Format aus, um die Datei auf eurem PC zu speichern.

Schritt 3) Texterkennung (Bild Stefan Artner)
Erfahrungen mit Transkribus

Wie ihr nun gesehen habt, ist es recht einfach gedruckte Texte mit Transkribus zu transkripieren. Ich möchte euch nun meine Erfahrungen damit präsentieren.

Da ich einen nicht ganz neuen PC habe, war natürlich nicht die aktuellste Version von Java installiert und ich musste erstmals erkennen, dass dies das Problem ist, warum Transkribus nicht funtkioniert. Ist die neue Java-Version erst einmal installiert, kann man Transkribus öffnen. Ich muss gestehen, als ich dies tat, fühlte ich im ersten Moment etwas erschlagen, da das Programm unzählige Felder und Buttons hat und nur in englischer Sprache zur Verfügung steht.
Mit einer Anleitung ist es aber kein Problem mit Transkribus zu arbeiten. Deshalb habe ich euch oben eine Anleitung beigefügt. Dort haben wir den Transkriptionsprozess für eine PDF-Datei durchgespielt. Transkribus funktioniert aber auch recht gut, wenn man gleich mehrere PDFs transkribieren möchte. Das Hochladen der Dateien ist dabei etwas mühselig, da jede Datei einzeln hochgeladen werden muss. Die Layoutanalyse und die Texterkennung hingegen funktionieren auch für viele PDFs gleichzeitig. Wählt dafür einfach bei der Seitenauswahl „current collection“ und rechts davon „choose docs“ aus. Transkribus kann zwar immer nur etwa fünf Dateien gleichzeitig bearbeiten, doch werden die anderen einfach in eine Warteschlange gegeben und ihr könnt euch zurücklehnen. Da das alles am Server geschieht, könnt ihr das auch über Nacht machen und den PC dabei ausschalten. Als ich es probierte funktionierte es sehr gut. Das Heraufladen der Dokumente und die Layoutanalyse sind allgemein recht schnelle Prozesse. Bei den 20 Dokumenten mit jeweils vier Seiten dauerte die Layoutanalyse nur wenige Minuten. Die Texterkennung ist ein etwas aufwendiger Prozess, doch dauerte dieser Vorgang bei mir auch nur etwa eine Stunde. Das Speichern der Dateien am PC ist erneut etwas mühsamer, da jede Datei einzeln gespeichert werden muss. Speichert man sie aber am Server, kann die gesamte Kollektion gespeichert werden.

Wenn ihr euch, wie ich, am Beginn etwas von den vielen Buttons erschlagen fühlt, kann ich euch also beruhigen, mit ein wenig Übung, seid ihr schnell geübt beim Arbeiten mit Transkribus.

Noch ein paar Erfahrungen zur Texterkennung:

Ich war erstaunt wie gut die Texterkennung funktioniert. Das erste PDF, das ich verwendete, war bei genauerer Betrachtung etwas unscharf, sodass das Kleingedruckte mit freiem Auge kaum lesbar war. Transkribus hat aber auch diese Textstellen recht gut transkribiert, auch wenn dort mehr Fehler entstanden als beim übrigen Text. In scharf gescannten PDFs hingegen funktioniert Transkribus wirklich sehr gut. Ich war erstaunt über die Genauigkeit der Transkription meiner in Frakturschrift gedruckten Zeitung. Nur die verschnörkelten Anfangsbuchstaben stellten für Transkribus ein Problem dar. So wurde beispielsweise bei meiner Zeitung aus Oesteich Gestreich. Da es aber nicht allzu viele verschnörkelte Buchstaben in meiner Zeitung gibt, kann man diese leicht manuell ausbessern.
Aufpassen sollte man, dass der Scan nicht einzelne Buchstaben der vorhergehenden oder nachfolgenden Seite enthält, wie dies häufig passiert wenn man eine Buchseite scannt, da Transkribus diese Buchstaben natürlich auch erkennt und in die Transkription aufnimmt.
Um mich mit Transkribus vertraut zu machen, schaute ich einige Screencasts. In einem davon wurde erläutert, dass Transkribus mittlerweile überarbeitet wurde und bei der Texterkennung auch die „HTR“-Methode für gedruckte Texte verwendet werden könne. Ich hab auch dies probiert, hatte aber das Problem, dass meine Zeitung mehrere Spalten hat und Transkribus dies in der „HTR“-Methode nicht erkannte und Zeile für Zeile transkribierte. Mit der „OCR“-Methode geschah dies nicht. Davon abgesehen transkribierte die „HTR“-Methode die Wörter in etwa derselben Qualität wie die „OCR“-Methode. Wie die „HTR“-Methode bei Handschriften funktioniert, kann ich euch noch nicht sagen, aber ich werd´s bald ausprobieren.

Für das weitere Bearbeiten finde ich die Funktion der Markierung von Orten, Personen, etc. mittels Tags sehr hilfreich. So lassen sich bestimmte Begriffe leicht wiederfinden, da diese Markierungen auch in der Vorschau farblich dargestellt werden.

Ich kann euch also nur empfehlen Transkribus auszuprobieren. Erschreckt nicht, wenn ihr das Programm zum ersten Mal öffnet, sondern geht nach einer Anleitung vor und ihr seid schnell geübt im Transkribieren von Texten. Probiert es vielleicht auch mal mit Handschriften aus! Viel Spaß!


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