@misc{Labahn2016, author = {Labahn, Roger}, title = {Von Digitalisaten zu Volltexten. Handschriftenerkennung im Rahmen virtueller Forschungsumgebungen: Technologische Konzepte f{\"u}r die Handschrifterkennung}, year = {2016}, abstract = {Die automatische Texterkennung entwickelt sich zunehmend zu einer technologischen Kernkomponente von Forschungssoftware im Bereich Digital Humanities. Nach der klassischen OCR (Optical Character Recognition) erleben wir eine erfolgreiche Erweiterung auf die Erkennung von Handschriften und sprechen zunehmend von HTR - Handwritten Text Recognition. Damit sind wesentliche Entwicklungen in der Technologie und den Algorithmen verbunden: Anstelle segmentierter Einzelzeichen (Character) m{\"u}ssen ganze Zeichenfolgen verarbeitet werden (W{\"o}rter, Zeilen, Textbl{\"o}cken, Seiten). Gegenw{\"a}rtig werden zwei Basistechnologien des Maschinellen Lernens, Hidden Markov Models (HMM) und Rekurrente Neuronale Netze (RNN), f{\"u}r Anwendungsaufgaben eingesetzt wie das (ggf. nutzerunterst{\"u}tzte)Transkribieren handschriftlicher Texte und die Suche nach Schl{\"u}sselw{\"o}rtern in großen Textkorpora (Keyword Spotting - KWS). Der Vortrag gibt einen allgemeinverst{\"a}ndlichen {\"U}berblick {\"u}ber einige Grundlagen und ausgew{\"a}hlte Details der Basisalgorithmen moderner Handschrifterkennung sowie die Einordnung der HTR in den gesamten Erkennungsprozess. Der aktuelle Stand soll realistisch vorgestellt werden und an teils {\"u}berraschenden Beispielen wird dokumentiert, dass heutige Erkennungstechnologie die Probleme des Lesens von Handschrift tats{\"a}chlich behandeln kann! Die Projektgruppe Computational Intelligence Technology Lab (CITlab, Inst. f. Mathematik, Universit{\"a}t Rostock; Leitung PD Dr. Roger Labahn) ist Technologie-Partner im READ-Projekt In langj{\"a}hriger Zusammenarbeit mit der PLANET intelligent systems GmbH (Schwerin) konnten die algorithmischen und technologischen Grundlagen geschaffen und inzwischen zu einer anwendungsbereiten HTR-Software ausgebaut werden. Diese Software-Module haben ihre Leistungsf{\"a}higkeit vor allem durch vier erste Pl{\"a}tze bei den international f{\"u}hrenden Wettbewerben zu Handschrifterkennung und Schl{\"u}sselwortsuche in den Jahren 2014 und 2015 eindrucksvoll demonstriert.}, language = {de} }