Fraktur, Kurrent und Handschrift sind keine gewöhnlichen OCR-Aufgaben.
Historische Vorlagen verbinden wechselnde Schriften mit verblasster Tinte, beschädigtem Papier, unregelmäßigen Zeilen und alten Sprachformen. Gute Ergebnisse entstehen deshalb nicht durch einen einzelnen Knopfdruck, sondern durch Bildoptimierung, passende Erkennungsmodelle, Layoutanalyse und eine messbare Qualitätskontrolle.
- Fraktur und Antiqua getrennt bewerten
- Kurrent und Handschrift modellgerecht verarbeiten
- Konfidenzen und Stichproben dokumentieren
- TXT, ALTO XML oder durchsuchbares PDF ableiten
Standards machen Ergebnisse über Systeme und Jahre hinweg belastbar.
Auflösung allein definiert noch keine gute Digitalisierung. Farbwiedergabe, Schärfe, Vollständigkeit, Benennung, technische Metadaten und ein reproduzierbarer Workflow gehören zusammen. Die DFG-Praxisregeln und projektspezifische Vorgaben bilden dafür den Rahmen.
- Masterdateien und Derivate sauber trennen
- ICC-Profile und OutputIntent kontrollieren
- PDF/A-Konformität tatsächlich validieren
- Prüfergebnisse maschinenlesbar protokollieren
Ein Bild zeigt eine Seite. Strukturdaten erklären das Dokument.
ALTO beschreibt erkannte Wörter und ihre Positionen. METS verbindet Dateien mit physischer und logischer Struktur, MODS ergänzt bibliografische Angaben. TEI und DTA eignen sich für wissenschaftlich erschlossene Texte. Entscheidend ist, dass jede Ebene eindeutig auf das richtige Digitalisat verweist.
- Seiten, Artikel und Kapitel abbilden
- OCR-Koordinaten mit dem Bild verbinden
- Signaturen und Dateinamen konsistent halten
- Import in Zielsysteme frühzeitig testen
Der sicherste Scanprozess beginnt lange vor der ersten Aufnahme.
Verpackung, Transport, Akklimatisierung, Tranchierung und Reponierung sind Teil der Produktionsqualität. Empfindliche Bindungen, Pergament, Großformate oder kontaminationsverdächtige Bestände benötigen eigene Arbeitsanweisungen und klare Übergabepunkte.
- Schäden und Besonderheiten vorab erfassen
- Vorlagen ohne unnötigen Druck aufnehmen
- Säurefreie, P.A.T.-geeignete Materialien nutzen
- Restauratorische Entscheidungen dokumentieren
Ein repräsentatives Testset verhindert teure Überraschungen in der Serie.
Ein Pilot sollte nicht nur einfache Muster enthalten. Erst schwierige Bindungen, schwache Kontraste, Beilagen, Sonderformate und komplexe Strukturen zeigen, ob Aufnahme, OCR, Benennung und Datenübergabe als Gesamtsystem funktionieren.
- Sonderfälle bewusst in den Pilot aufnehmen
- Abnahmekriterien vor Serienstart festlegen
- Durchsatz und Fehlerbilder realistisch messen
- Änderungen versioniert freigeben
Millionen Dateien brauchen Regeln, die jede einzelne Datei erreichen.
Prüfskripte kontrollieren Eigenschaften, die sich nicht wirtschaftlich ausschließlich manuell bewerten lassen. Dazu gehören Dateilesbarkeit, Auflösung, Farbraum, Sequenzen, Dubletten, PDF/A-Konformität, OCR-Inhalte und XML-Verknüpfungen. Auffälligkeiten werden gezielt zur Sichtkontrolle vorgelegt.
- Vollständigkeit und Reihenfolge prüfen
- Bildfehler und technische Abweichungen finden
- OCR und strukturierte Daten plausibilisieren
- PASS/FAIL-Berichte für die Abnahme erzeugen