@misc{HuffStoebener2022, author = {Huff, Dorothee and St{\"o}bener, Kristina}, title = {OCR-BW: Automatische Texterkennung von Handschriften}, series = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, journal = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-178545}, year = {2022}, abstract = {Nach der Digitalisierung von historischen Dokumenten ist der n{\"a}chste konsequente Schritt die Anreicherung der Digitalisate im Pr{\"a}sentationssystem mit einem durchsuchbaren Volltext, um die Zug{\"a}nglichkeit zu den Texten weiter zu erh{\"o}hen und neue Forschungsfragen an das Material zu erm{\"o}glichen. W{\"a}hrend in vielen Bibliotheken bereits verschiedene M{\"o}glichkeiten zur automatischen Texterkennung von historischen Druckwerken genutzt werden, ist die Zur{\"u}ckhaltung bei Handschriften vielfach h{\"o}her, da handschriftliche Quellen die automatische Texterkennung vor neue Herausforderungen stellen. Mithilfe von Machine Learning wurden auf dem Feld der automatischen Handschriftenerkennung in den letzten Jahren jedoch große Fortschritte gemacht, die von Bibliotheken genutzt werden k{\"o}nnen, um ihre eigenen Best{\"a}nde weiter zu erschließen, aber auch, um sich als Servicepartnerin f{\"u}r die Wissenschaft zu etablieren. Im Rahmen des Projekts OCR-BW (https://ocr-bw.bib.uni-mannheim.de/) werden seit 2019 Transkribus und ab 2021 auch eScriptorium f{\"u}r die Erzeugung von automatischen Volltexten f{\"u}r Handschriften systematisch an ausgew{\"a}hlten Corpora getestet. Die im bisherigen Projektverlauf erzielten Ergebnisse sind sehr positiv und zeigen, dass eine automatische Handschriftenerkennung mit einer Zeichenfehlerrate von unter 5 \% m{\"o}glich und erwartbar ist. Bereits ver{\"o}ffentlichte Volltexte haben die Sichtbarkeit und das Forschungsinteresse an diesen Materialien deutlich erh{\"o}ht. Das Projekt zielt außerdem darauf ab, die Wissenschaft bei der Vorbereitung und Durchf{\"u}hrung von Forschungsvorhaben zu unterst{\"u}tzen. An Beispielen vom mittelalterlichen Gebetbuch {\"u}ber Großbest{\"a}nde wie Juristische Konsilien bis hin zum Expeditionstagebuch des 20. Jahrhunderts soll gezeigt werden, mit welchem Ressourcenaufwand welche Ergebnisse erzielt werden k{\"o}nnen.}, language = {de} } @misc{HinrichsenBaiererBoenig2022, author = {Hinrichsen, Lena and Baierer, K.U. and Boenig, M.}, title = {Massendigitalisierung mit OCR-D: Anwendungsm{\"o}glichkeiten f{\"u}r Bibliotheken und Community-Aktivit{\"a}ten}, series = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, journal = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-178585}, year = {2022}, abstract = {Die Deutsche Forschungsgemeinschaft (DFG) f{\"o}rdert seit 2015 mit dem Projekt OCR-D die Entwicklung von Werkzeugen f{\"u}r die Massendigitalisierung historischer Dokumente. Im Fr{\"u}hjahr 2021 begann die dritte und abschließende Phase. In dieser wird die automatische Generierung von Volltexten der VD 16, VD 17 und VD 18 konzeptionell und technisch in verschiedenen Bibliotheken und anderen Einrichtungen vorbereitet sowie implementiert. Die Verstetigung und Optimierung der OCR-D-Software wird begleitet von vier Projekten, die OCR-D in bestehende Anwendungen und Infrastrukturen implementieren, sowie von drei Modulprojekten, die OCR-D-Werkzeuge weiter optimieren. Im Vortrag und der begleitenden Pr{\"a}sentation der OCR-D-Software werden der Projektstand, die Ziele sowie die M{\"o}glichkeiten und Funktionsweisen der Software vorgestellt. Im Fokus steht dabei, welche M{\"o}glichkeiten Bibliotheken mit digitalen Best{\"a}nden geboten werden, effizient und mit niedrigen Fehlerquoten Volltexte ihrer Best{\"a}nde zu generieren. OCR-D ist individuell f{\"u}r verschiedene Digitalisierungsworkflows nutzbar. Die Erstellung von Volltexten kann bedarfsgerecht skalierbar eingerichtet werden. Welche M{\"o}glichkeiten die Software f{\"u}r die unterschiedlichen Bedarfe in der diversen Bibliothekslandschaft bietet, wird ebenfalls Gegenstand des Vortrags sein. OCR-D ist nicht nur eine Software, sondern eine Community von Expert:innen, Praktiker:innen und Entwickler:innen. F{\"u}r diese Gemeinschaft werden verschiedene offene Kommunikationskan{\"a}le und M{\"o}glichkeiten geboten, teilzuhaben. Im zweiten Teil des Vortrages wird ein Einblick in unsere Community-Plattformen gegeben. So kann ein niedrigschwelliger Zugang daf{\"u}r genutzt werden, auch f{\"u}r technisch nicht versierte Anwender:innen, Hilfe und Unterst{\"u}tzung bei der Implementierung der Software in der eigenen Bibliothek zu erhalten.}, language = {de} } @misc{SchmidtKamlah2022, author = {Schmidt, Thomas and Kamlah, Jan}, title = {Der Weg zum nutzbaren Volltext. Werkspezifisches Training als Baustein der OCR-Volltexterkennung f{\"u}r Alte Drucke}, series = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, journal = {TK 5: Content: Vom Umgang mit Inhalten und Daten / 95, 96 oder 100 Prozent. OCR-D (01.06.2022, 9:00 - 12:00, Vortragsraum 9 (mit Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-178612}, year = {2022}, abstract = {Bibliotheken und Archive in Deutschland arbeiten seit einigen Jahren mit freien oder kommerziellen OCR-L{\"o}sungen, um aus digitalisierten Best{\"a}nden Volltexte zu generieren. Die Fehlerrate der Texterkennung und die damit verbundene Nutzbarkeit der Volltexte variieren hierbei stark. Besonders Druckwerke des 16. bis 19. Jahrhunderts stellen OCR-L{\"o}sungen vor Herausforderungen: historische Schriften (beispielsweise Fraktur), heterogene Satzspiegel und typographische Besonderheiten k{\"o}nnen die Texterkennung erschweren. Dabei profitieren meist genau diese Best{\"a}nde von qualitativ hochwertigen Volltexten, denn teils existieren nur noch wenige physische Exemplare eines historischen Drucks oder die konservatorischen Bedingungen lassen eine Nutzung in situ nicht zu. Der digitale Volltext gewinnt hier eine wichtige Rolle, um historische Druckwerke zug{\"a}nglich zu machen. Mithilfe eines werkspezifischen Nachtrainings l{\"a}sst sich die Qualit{\"a}t der Texterkennung signifikant erh{\"o}hen. Als Bestandteil eines allgemeineren Trainingsprozesses von OCR-L{\"o}sungen, der die Fehlerrate f{\"u}r eine große Bandbreite von Schriften und Druckwerken reduziert, dient ein werkspezifisches Nachtraining der Feinjustierung der Texterkennung. Auch k{\"o}nnen so besondere Glyphen (z. B. astronomische Symbole, aber auch Zeichen wie die Siegrune der NS-Zeit), die f{\"u}r bestimmte Anwendungszwecke eine besondere Relevanz besitzen, von g{\"a}ngigen OCR-L{\"o}sungen allerdings nicht erkannt werden, nachtrainiert werden. Im Rahmen des DFG-gef{\"o}rderten Koordinierungsprojekts „OCR-D" realisiert die Universit{\"a}tsbibliothek Mannheim derzeit anwenderfreundliches werkspezifisches Training. Anhand ausgew{\"a}hlter Beispiele soll ein solcher Trainingsprozess dargestellt und auf seine Vorteile und Herausforderungen eingegangen werden.}, language = {de} }