Forschende

Der Workshop präsentiert digitale Methoden für die Erschließung von Handschriften und alten Drucken. Wo klassische Texterkennung (OCR) an ihre Grenzen stößt, bietet die Handwritten Text Recognition (HTR) Lösungen, um Dokumente semiautomatisch zu transkribieren und für die Forschung nutzbar zu machen.

In diesem Workshop erkunden wir die technischen Grundlagen der automatischen Handschrifterkennung. Wir vergleichen die aktuellen Software-Anwendungen am Markt, erörtern deren spezifische Vor- und Nachteile und diskutieren ihren Einsatz in der Forschung sowie im Bibliotheks- und Archivwesen.

Der Fokus liegt auf dem operativen Arbeitsprozess: Vom Dokumentenimport über die Layout-Analyse bis hin zur eigentlichen Texterkennung und dem Export der Daten. Ein besonderes Augenmerk gilt dabei dem Training und der Bewertung eigener KI-Modelle. Sie haben die Gelegenheit, diese Schritte direkt mit der einsteigerfreundlichen Anwendung Transkribus praktisch zu erproben. Für die Anmeldung bei Transkribus muss ein kostenfreier Account erstellt und den AGBs des kommerziellen Anbieters READ-Coop zugestimmt werden. Die Übung ist daher freiwillig und nicht zum Verständnis des Workshops notwendig. Vorwissen ist ebenso wenig nötig, die einzige Teilnahmevoraussetzung ist ein eigener Laptop bzw. Tablet (am besten mit Maus/Tastatur). 

Inhalte

• Technische Grundlagen von HTR
• HTR-Software im Vergleich
• Anwendung von Layout-Analyse und Handschriftenerkennung 
• Training eigener KI-Modelle
• Tagging von Textstrukturen und Inhalten

 Lernziele

• Sie kennen die grundlegende Funktionsweise der automatischen Handschriftenerkennung
• Sie kennen die Vor- und Nachteile verschiedener Software-Anbieter und können einschätzen, welche Lösungen für Sie geeignet sind 
• Sie können evaluieren, in welchen Szenarien HTR zu welchen Zwecken angewendet werden kann
• Sie können Dokumente importieren, die Layout-Analyse und die Texterkennung durchführen
• Sie können Dokumente mit Metadaten anreichen, annotieren und die Daten exportieren
• Sie können Modelle für die Handschriftenerkennung bewerten, einsetzen und selbst trainieren