Die Herausforderung
Warum mittelalterliche Handschrifterkennung spezialisierte Werkzeuge erfordert
Mittelalterliche Handschriften stellen Herausforderungen dar, die kein universelles OCR-System bewältigen kann. Die Schriften selbst sind die erste Hürde: Ein Karolingische-Minuskel-Codex des 12. Jahrhunderts teilt kaum visuelle Merkmale mit einer Bastarda-Urkunde des 15. Jahrhunderts. Die Schwierigkeiten gehen jedoch weit über die Buchstabenformen hinaus. Mittelalterliche Schreiber verwendeten umfangreiche Abkürzungssysteme — Suspensionszeichen, Kontraktionsstriche, Tironische Noten und spezialisierte Symbole für häufige lateinische Wörter — die den Text um 30–40 % komprimieren. Ligaturen verschmelzen Zeichen auf Weisen, die je nach Skriptorium und Schreiber variieren. Beschädigtes Pergament, verblasste Eisengallustinte, Palimpseste und Randglossen erhöhen die Komplexität weiter. Standard-OCR, trainiert auf gedrucktem Text, erzeugt bei diesen Materialien keine brauchbare Ausgabe.
Abkürzungssysteme: Suspension, Kontraktion, hochgestellte Buchstaben, Tironische Noten — Standard-OCR hat kein Framework, um diese zu interpretieren
Schriftvielfalt: Gotische Textura, Rotunda, Kursive, Karolingische Minuskel, Beneventana, Insulare Schrift, Bastarda — jede erfordert eigene Erkennungsmodelle
Ligaturen und Buchstabenverschmelzungen variieren je nach Skriptorium, Epoche und individuellem Schreiber
Physische Schäden: Pergamentlöcher, Tintenverblassung, Palimpseste, Wasserflecken und Bindung, die Text am Bundsteg verdeckt
Mehrschichtiger Text: Randglossen, interlineare Ergänzungen, Korrekturen und Rubrizierung erfordern eine ausgefeilte Layoutanalyse
Die Lösung
Wie Transkribus mittelalterliche Dokumente mit HTR transkribiert
Transkribus verwendet Handschrifterkennung (HTR) — Deep-Learning-Modelle, die auf transkribierten Handschriftenseiten trainiert wurden — statt Zeichenvorlagen-Abgleich. Dieser Ansatz eignet sich grundlegend für mittelalterliche Schriften, weil er ganzheitliche Wort- und Zeilenmuster lernt, nicht isolierte Zeichenformen. Das öffentliche Modell-Repository der Plattform umfasst Modelle, die von Forschenden auf spezifischen mittelalterlichen Schriften trainiert wurden, die täglich mit diesen Materialien arbeiten. Wo kein bestehendes Modell zu Ihrer Sammlung passt, ermöglicht Transkribus das Training eines eigenen HTR-Modells auf Ihren Ground-Truth-Daten — abgestimmt auf einen bestimmten Schreiber, ein Skriptorium oder einen Dokumenttyp.
Öffentliche HTR-Modelle für Gotische Textura, Karolingische Minuskel und weitere wichtige mittelalterliche Schriften — sofort einsatzbereit
Eigenes Modelltraining: Stellen Sie 50–100 Seiten Ground Truth bereit und trainieren Sie ein Modell für Ihre spezifische Schreiberhand
Layoutanalyse verarbeitet mehrspaltige Seiten, Randglossen, Rubrizierung und interlinearen Text
Abkürzungsauflösung kann in das Modelltraining integriert werden für vollständig aufgelöste Transkriptionen
Export als TEI-XML mit Koordinaten auf Wortebene und Konfidenzwerten für digitale wissenschaftliche Editionen
Addres to dear Isabella on the Authors
recovery
O Isa pain did visit me
I was at the last extremity
How often did I think of you
I wished your graceful form to view
To clasp you in my weak embrace
Indeed I thought Id run my race
Good Care Im sure was of me taken
But indeed I was much shaken
At last I daily strength did gain
Vom Handschriftenbild zur TEI-XML-Edition in 4 Schritten
Handschriftenbilder hochladen
Importieren Sie hochauflösende Scans oder Fotografien von Handschriftenfolios. Transkribus akzeptiert TIFF, JPG, PNG und PDF. Organisieren Sie nach Codex, Lage oder Sammlung.
HTR-Modell auswählen oder trainieren
Wählen Sie aus öffentlichen Modellen für mittelalterliche Schriften oder trainieren Sie ein eigenes Modell auf Ihren Ground-Truth-Daten. Für beste Ergebnisse bei einer bestimmten Schreiberhand genügen 50–100 transkribierte Seiten.
Layoutanalyse und Erkennung starten
Transkribus erkennt Textregionen, Grundlinien, Spalten und Randzonen automatisch. HTR verarbeitet jede erkannte Zeile und liefert die Transkription mit Konfidenzwerten pro Zeile.
Überprüfen, korrigieren und exportieren
Überprüfen Sie die Transkription im integrierten Editor neben dem Handschriftenbild. Korrigieren Sie Fehler, fügen Sie TEI-Markup hinzu und exportieren Sie als TEI-XML, PAGE XML, ALTO oder Reintext für Ihre Edition oder Ihr Korpus.
Modelle und Schriften
Gotische Schrifterkennung und darüber hinaus: Öffentliche Modelle für mittelalterliche Paläographie
Das öffentliche Modell-Repository von Transkribus umfasst HTR-Modelle, die von Mediävisten und Digital-Humanities-Projekten weltweit beigesteuert wurden — darunter zahlreiche Modelle von Universitäten und Bibliotheken im deutschsprachigen Raum. Diese Modelle decken die wichtigsten Schriftfamilien ab, die in europäischen Handschriftentraditionen vom 8. bis zum 16. Jahrhundert vorkommen. Da jedes Modell auf echten Handschriftenseiten trainiert wurde — nicht auf synthetischen Daten — spiegeln sie die reale Variation von Schreiberhänden, regionalen Konventionen und epochenspezifischen Abkürzungspraktiken wider.
Gotische Textura (Textualis formata und libraria): Lateinische liturgische und literarische Handschriften, 12.–15. Jahrhundert
Karolingische Minuskel: Karolingerzeitliche Codices, 9.–12. Jahrhundert — Grundlage späterer europäischer Schriften
Beneventana: Süditalienische und dalmatinische Handschriften, 8.–13. Jahrhundert
Insulare Schriften (Insulare Majuskel und Minuskel): Irische und angelsächsische Handschriften, 6.–9. Jahrhundert
Bastarda und Hybrida: Spätmittelalterliche Verwaltungs- und Literaturhandschriften, 14.–16. Jahrhundert
Eigenes Modelltraining für jede Schrift, die nicht von bestehenden öffentlichen Modellen abgedeckt wird
Eigenes Training
Eigenes HTR-Modell für Ihre Handschriftensammlung trainieren
Keine zwei mittelalterlichen Handschriftensammlungen sind gleich. Ein Notariatsregister des 14. Jahrhunderts aus der Provence verwendet eine andere Hand als ein Psalter des 14. Jahrhunderts aus Böhmen, auch wenn beide unter 'Gotische Kursive' fallen. Transkribus ermöglicht es Ihnen, ein eigenes HTR-Modell auf Ihren transkribierten Ground-Truth-Daten zu trainieren und so eine Erkennungsmaschine zu erzeugen, die präzise auf Ihre Dokumente kalibriert ist. So erreichen Forschungsteams die höchste Genauigkeit — durch die Kombination von paläographischer Fachkenntnis mit maschinellem Lernen.
Beginnen Sie mit 50–100 Seiten manuell transkribierter Ground Truth aus Ihrer Handschrift
Der Trainingsprozess dauert typischerweise einige Stunden und kann über die Transkribus-Oberfläche gestartet werden
Trainierte Modelle können Schreiberabkürzungen auflösen, wenn Ihre Ground Truth aufgelöste Formen enthält
Feinabstimmung eines bestehenden öffentlichen Modells auf Ihren Daten für schnellere Konvergenz und weniger Trainingsseiten
Teilen Sie Ihr trainiertes Modell mit der Forschungsgemeinschaft oder behalten Sie es privat für Ihr Projekt
Häufig gestellte Fragen
Transkribus verfügt über öffentliche HTR-Modelle für die wichtigsten mittelalterlichen Schriftfamilien, darunter Gotische Textura (Textualis), Karolingische Minuskel, Beneventana, Insulare Schrift (Majuskel und Minuskel), Bastarda, Hybrida und diverse regionale Kursivschriften. Der Modellkatalog wird kontinuierlich von der Forschungsgemeinschaft erweitert. Für noch nicht abgedeckte Schriften können Sie ein eigenes Modell auf Ihren Ground-Truth-Daten trainieren.
Die Genauigkeit variiert erheblich je nach Schrift, Zustand der Handschrift und verwendetem Modell. Bei gut erhaltener Gotischer Textura mit passendem Modell sind Zeichenfehlerraten von 3–5 % erreichbar. Anspruchsvollere Materialien — beschädigtes Pergament, stark abgekürzte Texte, ungewöhnliche Schreiberhände — können mit einem öffentlichen Modell bei 10–15 % Fehlerrate beginnen und sich durch eigenes Modelltraining deutlich verbessern. Jede Zeile enthält einen Konfidenzwert für gezielte Überprüfung.
Transkribieren Sie 50–100 repräsentative Seiten Ihrer Handschrift mit dem Transkribus-Editor. Diese Ground-Truth-Daten dienen als Trainingsinput. Starten Sie den Trainingsprozess über die Benutzeroberfläche — er dauert typischerweise einige Stunden. Das resultierende Modell ist spezifisch für die Schreiberhand, das Abkürzungssystem und das Layout Ihrer Handschrift. Sie können das Modell iterativ verbessern, indem Sie weitere Ground-Truth-Daten hinzufügen.
Das hängt davon ab, wie Ihre Ground Truth vorbereitet wurde. Wenn Ihre Trainingsdaten Abkürzungen auflösen (z. B. das Suspensionszeichen über 'dn' als 'dominus' transkribieren), lernt das Modell, aufgelöste Formen auszugeben. Wenn Ihre Ground Truth Abkürzungszeichen als Unicode-Zeichen beibehält, reproduziert das Modell diese. Viele Forschende trainieren zwei Modelle — eines für diplomatische Transkription und eines für aufgelöste — je nach ihrer editorischen Methodik.
Ja. Transkribus unterstützt TEI-XML-Export mit Koordinaten auf Wortebene, Konfidenzwerten und strukturellem Markup. Diese Ausgabe kann in digitale Editionsframeworks wie EVT (Edition Visualization Technology) integriert oder als Input für Kollationstools wie CollateX verwendet werden. PAGE-XML- und ALTO-XML-Exporte sind ebenfalls für weitere Downstream-Workflows verfügbar.
Die Layoutanalyse-Engine erkennt Textregionen auch auf Seiten mit Löchern, Flecken oder fehlenden Abschnitten. Für beschädigte Bereiche erzeugt das HTR-Modell Ausgaben mit niedrigeren Konfidenzwerten und kennzeichnet unsichere Lesungen deutlich. Forschende können Lücken (Lakunen) im Editor markieren und beschädigte Bereiche von der Verarbeitung ausschließen. Das System halluziniert keinen Text, wo keiner lesbar ist.
Transkribus stellt in seiner Dokumentation ein empfohlenes Zitierformat bereit. Typischerweise zitieren Sie die Plattform (Transkribus, entwickelt an der Universität Innsbruck), das spezifische HTR-Modell (einschließlich ID und Version) und das Verarbeitungsdatum. Dies gewährleistet Reproduzierbarkeit — ein anderer Forscher kann dasselbe Modell anwenden, um Ihre Transkriptionen zu verifizieren. Die READ-COOP-Publikationsliste enthält wichtige Referenzarbeiten.
Weiterführende Ressourcen
Mehr für Forschende
Entdecken Sie das gesamte Transkribus-Forschungstoolkit: Transkribus für Forscher · Was ist HTR? · Archivstau abbauen · Durchsuchbare PDFs erstellen
Bereit, Ihre Handschriften-Transkription zu beschleunigen?
Schließen Sie sich über 500 Universitäten an, die Transkribus bereits für die Handschrifterkennung nutzen. Starten Sie mit kostenlosen Credits und erkunden Sie öffentliche Modelle für mittelalterliche Schriften.
50 kostenlose Credits pro Monat — Keine Kreditkarte nötig
200 Mio.+Verarbeitete Seiten
500+Universitäten nutzen Transkribus
300+Öffentliche KI-Modelle