@misc{BoenigGeyken2015, author = {Boenig, Matthias and Geyken, Alexander}, title = {Mehr als ‚schmutzige OCR': die Aufwertungen von historischen Volltextdigitalisaten zu Forschungsdaten}, year = {2015}, abstract = {In Bibliotheken und Archiven werden die Ergebnisse der Optical Character Recognition (OCR) dem Nutzer vorwiegend als sog. schmutzige OCR, d. h. ohne weitere Nachkorrektur angeboten. Pauschal wird die Textgenauigkeit dabei mit 98-99\% angegeben. Dies gilt jedoch nur f{\"u}r j{\"u}ngere Texte mit einer vergleichsweise hohen Druckqualit{\"a}t. Bei {\"a}lteren Texten (also vor dem 19. Jh.) sinkt diese Genauigkeit deutlich. Selbst eine Quote von 98\% bedeutet, dass pro Seite (~2000 Zeichen) immerhin mit etwa 40 Fehlern zu rechnen ist, somit bis zu 40 W{\"o}rter nicht gefunden werden k{\"o}nnen. Daher ist in diesen Texten nur eine sogenannte Positivsuche m{\"o}glich und l{\"a}sst sich aus einem fehlenden Suchergebnis nicht sicher auf die Absenz des Wortes im Text schließen. Wissenschaftliches Arbeiten mit diesen Texten ist somit nicht solide m{\"o}glich. In den letzten Jahren wurden effiziente Methoden f{\"u}r die Post-Korrektur und die Strukturannotation auch gr{\"o}ßerer OCR-Textbest{\"a}nde entwickelt. Das DFG-gef{\"o}rderte Deutsche Textarchiv (DTA) der BBAW, hat diese Verfahren und Workflows zur OCR-Postkorrektur von Texten des 17.-19. Jhs. an verschiedenen Textbest{\"a}nden erfolgreich erprobt und weiterentwickelt. Der Vortrag wird anhand eines Projekts aus dem 19. Jh., dem Projekt Die Grenzboten (BBAW und Staats- und Universit{\"a}tsbibliothek Bremen, DFG-gef{\"o}rdert) sowie eines Projekts zur OCR-Postkorrektur der Trauergedichte Simon Dachs (BBAW und Staatsbibliothek zu Berlin - Preußischer Kulturbesitz (SBB-PK)) zeigen, wie sich die Postkorrektur sowohl auf der Ebene der Textgenauigkeit als auch auf der der Strukturgenauigkeit verbessern l{\"a}sst. Damit ergeben sich wesentlich bessere M{\"o}glichkeiten der Textauswertung. Auch die {\"U}berf{\"u}hrung der Daten in strukturbeschreibende Metadatenformate wie METS sind damit automatisch m{\"o}glich. Auf der Basis dieser Projekte soll diskutiert werden, wie im Rahmen der Massendigitalisierung eine nachfolgende Post-Korrektur von OCR-Ergebnissen effizient realisiert werden kann. (Session: Daten vernetzen und archivieren; Raum: Riga; 26. Mai 2015: 13:00 Uhr - 15:30 Uhr)}, language = {de} }