Transkribus: Erleichterung oder Belastung?

Hallo und herzlich willkommen zu einer weiteren Auflage des Digital History-Blogs. Was das Programm Transkribus ist, welche Funktionen dieses Programm beinhaltet und welche Chancen und Stolpersteine in meinem Workflow aufgetreten sind, möchte ich heute ansprechen.

Das von der Europäischen Union finanzierte Programm Transkribus ermöglicht es, handschriftliche und gedruckte Texte zu transkribieren. Auf der Basis der durchgeführten Transkriptionen erstellt die Software ein Trainingsmodell, das beim Transkribieren alter Handschriften und Druckschriften eingesetzt werden kann. Bei einem entsprechenden Quellenkorpus kann die Arbeit mit Transkribus deshalb eine wesentliche Erleichterung darstellen. In diversen Digitalisierungsprojekten historischer Quellen wird ebenfalls auf das Programm Transkribus zurückgegriffen.

Die Grundlagen des Workflows sind im Prinzip sehr einfach und lassen sich rasch mit dem Programm erproben. Der Weg zur erfolgreichen Installation von Transkribus kann allerdings bereits – wie mehrere Kolleginnen und Kollegen unterstrichen haben – die ein oder andere Hürde beinhalten. Ich hatte Transkribus vor Jahren schon einmal installiert, die Version 1.4.0 konnte auf meinem PC allerdings keine Layoutanalyse durchführen. Deshalb habe ich das Programm deinstalliert und die Version 1.15.1 neu heruntergeladen. Allerdings ließ sich Transkribus nach dem Download trotz Installation der neusten Java-Version nicht öffnen. Nach De- und Reinstallation von Java kam dann die Erleichterung: Transkribus läuft.

Der ideale Workflow

Wie bereits angedeutet sind die Grundfunktionen des Programms nicht schwer zu erlernen. Die gut aufbereiteten Tutorials und die teilweise mehrere Seiten langen Vorgangsbeschreibungen haben mir sehr geholfen, mit Transkribus umgehen zu lernen. Der erste Schritt besteht im Hochladen jener Zeitungen, die bereits im Vorfeld von der Zeitschriften-Datenbank ANNO heruntergeladen wurden. In der Layoutanalyse können Überschriften, Untertitel, Fließtexte, Tabellen usw. erkannt werden. Jede Textregion, die Transkribus findet, wird mit einer „Baseline“ und einer „Line“ unterlegt, die die Textpassagen kennzeichnen. Bei nicht richtig erkannten Formatierungen kann man auch manuell Änderungen vornehmen. Dies kann bei langsamen Rechnern allerdings erhebliche Zeit in Anspruch nehmen. Als nächstes wird die Texterkennung gestartet. Hier hat man die Gelegenheit, zwischen OCR-Texterkennung (für gedruckte Texte) und HTR-Texterkennung (für handschriftliche Texte) auszuwählen. Da im Forschungslabor Zeitungen die Hauptquelle sind, wurde die OCR-Texterkennung gestartet. Nach wenigen Minuten war das von Transkribus automatisch generierte Transkript fertig und konnte auf Fehler überprüft werden.

Bei gut lesbaren Schriftarten und zusammenhängenden Fließtexten ist die Fehlerquote von Transkribus sehr niedrig. Wenn ein Quellenkorpus Seiten mit einfachem Layout und gut lesbarer Schrift hat, ist Transkribus ein sehr hilfreiches und vor allem zeitsparendes Tool, um große Mengen an Quellenmaterial nicht mühsam manuell transkribieren zu müssen.

Der Teufel liegt im Detail

So sollte es zumindest im Idealfall ablaufen. Im folgenden Absatz möchte ich aber auch die Herausforderungen ansprechen, mit denen ich mich im Workflow konfrontiert sah. Da mein Kollege Lukas Stelzhammer und ich das Journal des Österreichischen Lloyd als Quellengrundlage haben, komme ich nicht umhin, dessen spezielles und komplexes Layout zu erklären. Im Jahrgang 1836 hatte das Journal des Österreichischen Lloyd prinzipiell immer folgenden Aufbau: Auf der ersten Seite wurde im Fließtext über die importierten und exportierte Waren des Hafens von Triest berichtet. Auf der zweiten Seite erhielt die Leserschaft nähere Informationen über die in der Stadt verkauften Waren. Die dritte Seite enthielt in einer tabellarischen Übersicht die Preise unterschiedlicher Waren. Angaben zu Wechselkursen, Gewichts-, Hohlmaß-, Längenangaben, Taxen und Zöllen ließen sich auf der vierten Seite finden. Transkribus hatte massive Probleme, die kleinteilige Tabelle in der Layoutanalyse zu erkennen. Ich habe mir zwar den ausführlichen Leitfaden zur manuellen Segmentierung, Layoutierung und Transkription von Tabellen durchgelesen, aber die Umsetzung gestaltete sich schwierig. Auch nach mehrstündigem Herumprobieren, dem Verschieben, Trennen und Verbinden von Linien und Spalten, Lines und Baselines, konnte ich die Tabelle nicht entsprechend segmentieren, dass die automatische Texterkennung dann funktioniert hätte. Bei derart komplexen Formatierungen braucht es entweder eine durch monatelange Einarbeitung gewonnene Expertise im Umgang mit Transkribus oder man überlegt sich, die Tabelle manuell zu transkribieren, was in meinem Fall sehr zeitsparend wäre.

Hier das Negativbeispiel: Mit Tabellen scheint Transkribus (noch) Probleme zu haben. Es gilt im Einzelfall zu entscheiden, ob für ein bestimmtes Quellenkorpus die Arbeit mit Transkribus zeitsparend oder zeitraubend ist.

Da für unsere Forschungsfrage allerdings nur die erste und manchmal die zweite Seite jedes Journals relevant ist, konnten wir dieses Problem elegant umgehen, indem wir einfach nur die entsprechenden Seiten auf Transkribus bearbeitet haben. Dort hat die Texterkennung prinzipiell gut funktioniert, es bedurfte aber dennoch eines manuellen Korrekturvorganges, um nicht richtig erfasste Buchstaben, Zahlen und Zeichen auszubessern.

Fazit

Transkribus ist ein vielfältiges Programm, das dem Historiker und der Historikerin große Erleichterungen in der Transkription digitalisierter Textkorpora ermöglichen kann. Auch für interessierte „Laien“, die in staubbedeckten Schuhkarton alte Briefe und Postkarten finden, besitzt das Programm Transkribus einen gewissen Reiz. Noch unentdeckt ist das Potential von Transkribus für verzweifelte Lehrer*innen, die stundenlang über die kaum zu entziffernden Handschriften der Schüler*innen brüten.. 😉 Besonders angenehm in der Arbeit mit Transkribus ist die Tatsache, dass im Programm nahezu alle „Jobs“ (also z. B. die Layoutanalyse und die Texterkennung) serverseitig ablaufen. Das heißt, dass man abends den PC ausschalten kann und am Morgen die transkribierten Passagen auf Transkribus öffnen kann. Das Programm hat viele Vorteile, braucht aber – um es wirklich gut nutzen zu können – eine Einarbeitungszeit, einen schnellen Rechner und/oder Nerven aus Stahl. Dies gilt besonders für Quellen, in denen unterschiedliche Formatierungen und typographische Muster vorkommen. Es gilt bei jedem Quellenkorpus im Vorfeld eines Projekts abzuklären, ob die Arbeit mit Transkribus im konkreten, vorliegenden Fall eine Erleichterung oder eine zusätzliche Belastung darstellt.


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