Handschriftenerkennung mit KI: Warum Archive Seiten ordnen müssen, bevor Geschichte lesbar wird
- Benjamin Metzig
- vor 2 Tagen
- 6 Min. Lesezeit
Eine alte Manuskriptseite wirkt oft wie ein stiller Widerstand gegen alles, was digitale Texte sonst so leicht macht. Tinte ist verblasst, Zeilen kippen leicht nach oben, Ränder tragen spätere Ergänzungen, einzelne Buchstaben sehen je nach Schreiber fast wie verschiedene Alphabete aus. Wer so eine Seite betrachtet, merkt schnell: Hier muss nicht einfach Text erkannt werden. Hier muss erst entschieden werden, was überhaupt als Zeile gilt, was Randnotiz ist, was Abkürzung, was Korrektur und was bloß ein Fleck.
Handschriftenerkennung mit KI beginnt deshalb nicht bei Wörtern, sondern bei Seitenlogik. Erst wenn ein System versteht, wie eine historische Seite aufgebaut ist, kann aus einem Archivbild ein brauchbarer Arbeits- und Suchtext werden.
Genau an dieser Stelle wird verständlich, warum Handschriftenerkennung mit KI kein aufgebohrtes OCR ist. Sie ist der Versuch, historische Schrift nicht nur zu digitalisieren, sondern in eine Form zu bringen, in der Archive durchsuchbar, vergleichbar und wissenschaftlich bearbeitbar werden.
Kernaussagen
Alte Handschriften scheitern für Maschinen meist nicht zuerst an Buchstaben, sondern an Seitenstruktur, Materialschäden und wechselnden Schreibgewohnheiten.
Moderne HTR-Systeme funktionieren am besten, wenn sie für bestimmte Sammlungen, Schriften oder Dokumenttypen gezielt trainiert werden.
Gute Ergebnisse entstehen aus einem Workflow: saubere Scans, korrekte Layouterkennung, belastbare Trainingsdaten und menschliche Nachkontrolle.
Hohe Erkennungsraten ersetzen keine Paläografie, weil historische Bedeutung oft in Varianten, Unsicherheiten und Kontexten steckt.
Der größte Gewinn liegt darin, dass Archive aus Bildbeständen suchbare Arbeitsräume werden, nicht darin, dass jede Seite perfekt und endgültig entschlüsselt wäre.
Warum alte Handschriften kein normales OCR-Problem sind
Optische Zeichenerkennung wurde für Druck entwickelt: wiederkehrende Buchstabenformen, einigermaßen stabile Zeilen, klare Trennung von Text und Hintergrund. Historische Handschriften sind das Gegenteil davon. Schriftstile wechseln innerhalb von Jahrhunderten, manchmal sogar innerhalb einer einzigen Akte. Dazu kommen gebrochene Zeilen, Randbemerkungen, Streichungen, Tintenschäden, durchscheinendes Papier oder Dokumente, die nie für maschinelle Lesbarkeit gedacht waren.
Deshalb arbeitet die Forschung in diesem Feld längst nicht mehr nur mit klassischer OCR, sondern mit Handwritten Text Recognition, kurz HTR. Ein aktueller Überblick zur HTR-Forschung beschreibt sehr deutlich, wie sich das Feld von eher heuristischen Verfahren über RNN-Systeme hin zu Transformer-Ansätzen verschoben hat. Die Modelle sind besser geworden, aber das Grundproblem bleibt: Handschrift ist kein sauber normiertes Signal, sondern eine historisch gewachsene Praxis voller Abweichungen.
Wer verstehen will, warum das relevant ist, muss nur einen Blick in Archive werfen. Manche Bestände sind schon physisch schwer zu sichern, lange bevor irgendein Modell darauf angesetzt wird. Genau diese materielle Vorarbeit spielt auch digital eine Rolle, wie der Beitrag Wenn Papier seine eigene Säure schreibt für den Erhalt von Schriftträgern zeigt. Was chemisch zerfällt, scannt sich nicht einfach später fehlerfrei zurück ins Wissen.
Bevor die KI liest, muss sie die Seite ordnen
Der vielleicht wichtigste Schritt passiert noch vor der eigentlichen Entzifferung. Wie Transkribus in seinem Workflow für Archivmaterialien erklärt, muss ein System zunächst erkennen, wo auf der Seite überhaupt Text liegt. Diese Layouterkennung zerlegt das Dokument in Zonen, Zeilen und gegebenenfalls Tabellenfelder. Erst diese Vorarbeit macht aus einer Manuskriptseite etwas, das maschinell transkribiert werden kann.
Das klingt technisch, ist aber in Wahrheit eine historische Entscheidungshilfe. Wird eine Randnotiz als Haupttext gelesen, kippt die Bedeutung. Wird eine Tabellenstruktur falsch zerlegt, verrutschen Namen, Daten oder Summen. Transkribus formuliert das bemerkenswert nüchtern: Wenn die Layouterkennung falsch ist, wird auch die Transkription falsch. Genau deshalb reicht ein gutes Sprachmodell allein nicht aus.
Bei besonders komplexen Beständen wird dieses Problem noch deutlicher. Die von Transkribus eingeführten trainierbaren Field Models sind gerade deshalb interessant, weil sie nicht so tun, als ließe sich jedes historische Layout automatisch aus der Box verstehen. Formulare, Register, Logbücher oder juristische Serien brauchen oft ein eigens trainiertes Strukturmodell, bevor überhaupt sinnvoll gelesen werden kann.
Auch die Open-Source-Welt bestätigt diese Logik. Das Projekt Kraken beschreibt sein eigenes System nicht nur als Zeichenerkenner, sondern als Werkzeug für trainierbare Layouterkennung, Reading Order und Mehrschrift-Unterstützung, besonders für historische und nichtlateinische Materialien. Das ist ein guter Hinweis darauf, worin der eigentliche Fortschritt liegt: nicht in einem magischen Leseblick, sondern in immer präziserer Dokumentanalyse.
Training heißt hier: Schriftfamilien, Fehler und Geduld
Wenn man sagt, eine KI könne alte Handschriften lesen, klingt das oft allgemeiner, als es in der Praxis ist. Tatsächlich funktionieren viele starke Systeme vor allem deshalb gut, weil sie auf bestimmte Sammlungen, Schreiber, Sprachräume oder Zeitlagen zugeschnitten werden. Transkribus empfiehlt für brauchbare Custom Models mehrere tausend manuell transkribierte Wörter als Trainingsmaterial. Das ist kein Nebendetail, sondern der Preis dafür, dass aus einem allgemeinen Modell ein sammlungstaugliches Werkzeug wird.
Wie groß der Effekt solcher Spezialisierung sein kann, zeigt die Studie Handwritten Text Recognition of Historical Manuscripts Using Transformer-Based Models. Dort wurde ein Transformer-System auf lateinische Handschriften des 16. Jahrhunderts angepasst; mit domänenspezifischen Vorverarbeitungen und Augmentationen sank die Character Error Rate auf 1,60 Prozent. Das ist beeindruckend. Aber es ist eben keine Botschaft der Form "KI kann jetzt historische Handschriften", sondern eher: Unter klaren Bedingungen, mit passendem Datensatz und viel Sorgfalt wird maschinelle Entzifferung erstaunlich gut.
Genau hier lohnt sich ein nüchterner Blick auf den Unterschied zwischen Demo und Archivroutine. Ein Modell, das auf eine gut abgegrenzte Sammlung trainiert wurde, ist nicht automatisch robust gegenüber anderen Händen, anderen Schäden oder anderen Abkürzungssystemen. Die Forschung kommt also voran, aber sie tut das meist über Spezialisierung, nicht über völlige Verallgemeinerung.
Warum Paläografie durch gute Fehlerraten nicht verschwindet
Selbst eine sehr gute Transkription löst nur einen Teil der eigentlichen historischen Arbeit. Paläografie fragt nicht bloß, welcher Buchstabe dort steht, sondern auch, welche Schreibkonvention, welche Kürzung, welche Überlieferungspraxis und welcher Kontext mitschwingen. Eine Maschine kann eine Zeichenfolge ausgeben. Ob sie damit denselben historischen Sinn trifft wie ein geübter Bearbeiter, ist eine andere Frage.
Das gilt besonders dort, wo historische Schreiber mit Abkürzungen, Ligaturen oder lokalen Schreibgewohnheiten arbeiten. Eine Folge von Zeichen kann formal korrekt erfasst und trotzdem editorisch zu flach verstanden sein, wenn nicht mitgelesen wird, in welchem Register, in welcher Verwaltungssprache oder in welcher gelehrten Tradition sie steht.
Deshalb ist es kein Zufall, dass große Institutionen den menschlichen Anteil nicht einfach aus ihren Workflows streichen. Die British Library beschreibt ihren KI-Einsatz ausdrücklich eher als Prozesshilfe denn als fertiges Produkt. Das ist ein kluger Satz. Er nimmt dem Thema den Hype und beschreibt präzise, was in Archiven tatsächlich zählt: bessere Auffindbarkeit, mehr Vorstrukturierung, schnellere Vorerschließung, aber weiterhin verantwortete Prüfung.
Noch deutlicher wird das an einem Gegenbeispiel. Das Crowdsourcing-Programm By the People der Library of Congress konzentriert sich gerade auf handschriftliche oder komplex typografische Materialien, die sich automatischer Transkription nicht einfach fügen. Dort wird sichtbar, dass digitale Erschließung nicht immer als Vollautomatisierung endet. Manchmal endet sie in besser organisierten Formen gemeinsamer menschlicher Arbeit.
Wer Archive stärker als kulturelle Infrastrukturen betrachtet, merkt ohnehin schnell: Die eigentliche Aufgabe ist größer als reine Lesbarkeit. In Beiträgen wie Religiöse Archive oder Die Archive im Sand zeigt sich, dass Überlieferung, Erhalt, Zugänglichkeit und Deutung immer zusammenhängen. KI beschleunigt einige dieser Schritte. Sie ersetzt das Gefüge nicht.
Was Archive durch KI trotzdem gewinnen
Gerade weil die Technik nicht allmächtig ist, wird ihr realer Nutzen oft unterschätzt. Wenn tausende Seiten wenigstens grob oder halbautomatisch transkribiert sind, werden Bestände plötzlich durchsuchbar. Namen, Ortsangaben, Formeln oder wiederkehrende Muster lassen sich schneller finden. Forschende können Mengen vergleichen, statt sich nur von Einzelstück zu Einzelstück vorzuarbeiten. Bibliotheken und Archive gewinnen neue Zugänge für Öffentlichkeit, Lehre und Forschung.
Das verändert nicht nur Tempo, sondern auch Maßstab. Was früher in Wochen mühsam sondiert werden musste, lässt sich heute oft als Suchraum vorbereiten. Gerade für serielle Quellen, Verwaltungsakten, Register oder Sammlungen mit wiederkehrenden Händen ist das ein echter Sprung. Die Maschine ersetzt hier nicht den Historiker, sondern verschiebt die Schwelle, ab der historische Masse überhaupt bearbeitbar wird.
Der Punkt ist also nicht, dass KI Geschichte nun endlich "lesen" würde. Der Punkt ist, dass sie Archive in vielen Fällen von statischen Bildreservoirs zu navigierbaren Textlandschaften macht. Das ist weniger spektakulär als manche Zukunftsversprechen. Aber es ist für die Praxis vermutlich wichtiger.
Schluss
Alte Handschriften werden für KI nicht in dem Moment lesbar, in dem ein Modell genug Rechenleistung hat. Sie werden lesbar, wenn aus beschädigten, schiefen, widerspenstigen Seiten ein sauber strukturierter Arbeitsgegenstand wird: mit guter Bildbasis, passender Segmentierung, trainierten Modellen und kontrollierten Fehlern. Genau dort liegt die eigentliche Leistung des Feldes.
Wer deshalb fragt, ob KI Paläografen ersetzt, stellt die Sache etwas schief. Interessanter ist die andere Frage: Wie verändert sich historische Arbeit, wenn Archive nicht mehr nur angeschaut, sondern in großem Maßstab durchsucht, vortranskribiert und vergleichbar gemacht werden können? Die Antwort darauf ist weniger eine Ersetzung als eine Verschiebung. Die Maschine liest mit. Verstehen muss am Ende trotzdem jemand.
Autorenprofil
Benjamin Metzig ist Gründer, Autor und redaktionell Verantwortlicher von Wissenschaftswelle.de. Wissenschaftswelle ist ein persönlich geführtes redaktionelles Wissensprojekt, das komplexe Themen aus unterschiedlichen Fachbereichen sorgfältig recherchiert, strukturiert und verständlich aufbereitet. Moderne Recherche-, Analyse- und KI-Werkzeuge dienen dabei als Unterstützung, während Auswahl, Einordnung, Ton, Quellenbewertung und Veröffentlichung redaktionell bei Benjamin Metzig verantwortet bleiben. Mehr zum Profil: Autorenprofil von Benjamin Metzig.
Wenn du Wissenschaftswelle auch jenseits des Blogs verfolgen willst, schau hier vorbei: Instagram und Facebook.
