DFG-Projekt im LWL-Archivamt: Was bei der Digitalisierung zu beachten ist

Am 26. November 2014 fand im Bundesarchiv in Koblenz im Rahmen der Kolloquiumswoche „Mitten im Wandel“ auch ein Tagungstag zum Thema Digitalisierung statt, auf dem wir mit unserem Mitarbeiter Stephan Makowski auch vertreten waren. Zusammen mit Dr. Julian Holzapfl von der Generaldirektion der Staatlichen Archive Bayerns  berichtete er aus der Praxis des aktuellen deutschlandweiten Projektes zur Digitalisierung in den Archiven. Hierbei kam eine schöne Präsentation zum Thema: „Welche Fehler können in der Zusammenarbeit mit Digitalisierungsunternhemen passieren? Waorauf sollte man achten?“ heraus. Ziel am Ende des DFG-Projektes Mitte diesen Jahres wird es u.a. auch sein, eine Checkliste genau zu dieser Thematik zu veröffentlichen. Die Präsentation wurde bereits auf den Seiten des Bundesarchivs publiziert. Dort finden sich auch die anderen interessanten Päsentationen zu den Vorträgen des restlichen Tagungstages.

Präsentation zum Thema „Qualitätssicherung in archivischen Digitalisierungsprojekten. Erfahrungen und Diskussionsanregungen auf dem Weg zur Professionalisierung“

holzapflmakowski_qualitaetssicherung

Foto:LWL-Archivamt
Im letzten Oktober trafen sich die Teilnehmer am DFG-Projekt bei uns im Archivamt in Münster.

DFG-Projekt im LWL-Archivamt: Erste Bestände online

400_102-111_000Kurz vor Weihnachten sind nun auch die ersten Bestände aus dem Digitalisierungsprojekt Amtsbücher auf die jeweiligen Speicherplätze hochgeladen worden. Anfang Januar werden die hierfür bearbeiteten Findbücher schließlich auf die Plattform http://www.archive.nrw.de übertragen und so recherchierbar gemacht.

Die Bestände des Archiv LWL sind bereits vollständig verarbeitet. Die Findbücher können eingesehen und die Digitalisate aufgerufen werden.

Praxisbericht Retrokonversion maschinenschriftlicher Findbücher

Wie in den meisten Archiven gibt es auch im LWL-Archivamt noch eine ganze Reihe von Findbüchern, die noch nicht in die Archivdatenbank übernommen sind, sondern nur in handschriftlicher oder maschinenschriftlicher Form existieren. Viele weitere Findbücher liegen als Textdokumente vor. Um eine gute und umfassende Recherchierbarkeit zu ermöglichen, sollen in den kommenden Jahren alle Findbücher nach und nach in der Datenbank erfasst werden, sie sollen „retrokonvertiert“ werden[1].

Dabei gibt es „schwierige Fälle“, wie man hier am Beispiel eines handschriftlichen Findbuchs sieht:

Beospiel für ein schwieriges handschriftliches  Findbuch
Abb. 1: Schwieriges handschriftliches Findbuch
(Quelle: Rha.H.Ak, Altfindbuch)

Hier bleibt nur die Abschrift durch in der Handschrift des damaligen Archivars geübte Personen, um ein vorzeigbares Ergebnis zu erhalten. Darüber hinaus ist die Erschließungsqualität in diesem Fall so schlecht, dass im Zuge einer Erfassung auch inhaltliche Verbesserungen unumgänglich sind.

Ganz andere Möglichkeiten bieten sich dagegen, wenn die Vorlage ein maschinenschriftliches Findbuch ist, das sich wie in diesem Fall sogar in Spalten aufteilen lässt:

Beispiel für ein gutes maschinenschriftliches Findbuch
Abb. 2: Gutes maschinenschriftliches Findbuch
(Quelle: Findbuch Ost.NLü)

Hier kann mit Erfolg elektronische Texterkennung („OCR“) eingesetzt und anschließend eine Strukturierung mit Hilfe bestimmter Schlüsselbegriffe durchgeführt werden. Im vorliegenden Fall wurde die verbreitete OCR-Software ABBYY Finereader in der Version 10 eingesetzt, jedoch sind auch andere OCR-Programme prinzipiell geeignet[2]. Voraussetzung sind qualitativ hochwertige, möglichst unverzerrte / rechtwinklige und gleichmäßig ausgeleuchtete Scans des Findbuchs. Im vorliegenden Fall wurden die Scans mit Hilfe eines handelsüblichen Fotokopierers mit automatischem Seiteneinzug und Scanfunktion erstellt (300 dpi, Farbe oder Graustufen, leichte Schärfung der Schrift, leichtes Anheben der Kontraste, um das nicht ganz weiße Papier zu kompensieren).

Die dann folgenden Arbeitsschritte im Einzelnen:

Manuelles Aufteilen des Findbuchs nach Verzeichnungseinheiten und Spalten

Eine reine unbeeinflusste Texterkennung der Seiten liefert keine optimalen Ergebnisse, da Seitenzahlen, Fließtitel am Kopf der Seite oder die oft vorhandenden sog. Weiser am unteren Seitenrand mit übernommen werden und eine spätere Weiterverarbeitung erschweren. Vielmehr ist es bei in Spalten verzeichneten Findbucheinträgen sinnvoll, eine Tabellenstruktur über die einzelnen Seiten zu legen.

Im vorliegenden Beispiel werden so die Verzeichnungseinheiten in Zeilen voneinander getrennt; die anschließend eingefügten Spalten trennen Signatur, Inhaltliche Beschreibung (Titel / Enthält / Darin) und Laufzeit voneinander.

Erzeugen eines Tabellenrasters für die OCR-Erkennung (hier am Beispiel des ABBYY Finereaders 10)
Abb. 3: Erzeugen eines Tabellenrasters für die OCR-Erkennung (hier am Beispiel des ABBYY Finereaders 10)

Diese Tabellenstruktur, wie sie auf dem Screenshot zu sehen ist, muss per Hand auf jeder Seite hinterlegt werden, indem zunächst die Tabellenbegrenzung, dann die Zeilentrenner und schließlich die Spaltentrenner eingefügt werden. Zuvor müssen i.d.R. alle automatisch erkannten Textbereiche aufgehoben werden. Für diese Arbeit benötigt man pro Seite mit etwas Übung weniger als eine Minute. Bei sehr klar erkennbaren Tabellen, wie im gezeigten Beispiel, lässt sich auch die automatisierte Erkennung „Tabellenstruktur analysieren“ nutzen. Hat man alle Seiten entsprechend vorbereitet, nutzt man die Funktion „Nach Excel exportieren“, um die eigentliche OCR Bearbeitung zu starten. Es öffnet sich Excel mit einer dreispaltigen Tabelle.

Nachbearbeiten teils in Einzelkorrekturen, teils durch automatisches Ersetzen, teils durch die Funktion zur Feldtrennung

Nun geht es daran, kleine Fehler in der Texterkennung wie überzählige Trennzeichen oder Leerzeichen zu beseitigen und die auf platzsparendes Layout ausgelegten Findmittel von Wiederholungszeichen und von entsprechenden, nicht datenbankgeeigneten Abkürzung wie „dsgl.“ und „dto.“ zu befreien. Besonders intensiv ist die Richtigkeit der Signaturen zu überprüfen. In der Spalte Laufzeit sind ebenfalls die Angaben richtig zu stellen.

Da nicht alle Detailangaben (hier: Intus- / Enthält-Vermerke) später im Titelfeld der Archivsoftware landen sollen, müssen diese Anteile vom Aktentitel abgetrennt werden. Dabei kann man ausnutzen, dass sie mit Signalworten wie „Intus:“, „Enthält u.a.:“, „Enthält:“ u.s.w. eingeleitet werden. In einem kontrollierten Suchen- und Ersetzen-Lauf über die Excel-Datei setzt man sonst unverwendete Zeichen wie das sog. Verkettungszeichen oder Pipe „|“ (Tastenkombination: „Alt Gr“ + „<“) oder das Dollarzeichen „$“ vor die entsprechenden Einleitungsworte und nutzt anschließend die Excelfunktion „Text in Spalten“ um anhand der Signalzeichen die Einträge in eigene Spalten abzutrennen.

Dreispaltiges Ergebnis der OCR mit Beispielen für die anschließende Nachbearbeitung
Abb. 4: Dreispaltiges Ergebnis der OCR mit Beispielen für die anschließende Nachbearbeitung

Da sich die genauen Wechselbefehle je nach Findbuch und Konstellation unterscheiden, kann man diese Suchen- und Ersetzenläufe nicht übergreifend beschreiben. Hier muss man ggf. auch durch Ausprobieren ans Ziel kommen. In jedem Fall ist es deshalb sicherer, die oben beschriebene „Dreispalten-Fassung“ als erstes Zwischenergebnis separat zu sichern, bevor man sich ans Suchen und Ersetzen macht!

Läuft alles gut, erhält man – nach zugegebermaßen etwas monotoner Arbeit – eine fertig vorbereitete Excel-Tabelle, bei der man schließlich in einer hinzugefügten ersten Spalte noch die Klassifikationszugehörigkeit der einzelnen Verzeichnungseinheiten ergänzen kann: auf diese Weise erhält man nach dem Import schon ein halbwegs klassifiziertes Findbuch!

Import in die Archivsoftware, Nacharbeiten

Abschließend wendet man die in Verzeichnungssoftwaren in der Regel vorhandene Import-Schnittstelle für Excel-Listen an, um die Daten in der Erschließungssoftware verfügbar zu machen. Da die Excel-Importer keine gestaffelten Klassifikationen unterstützen[3], müssen übergeordnete Klassifikationseinträge nun noch per Hand angelegt und die von ihnen abhängigen Klassifikationen zugeordnet werden.

Fazit

„Lohnt sich die Mühe?“ wird sich mancher Leser fragen und „Ist es nicht schneller, alles abzutippen?“. Hier kann nach ich nach zahlreichen Durchläufen mit unterschiedlichem Material sagen, dass diese Art der halbautomatischen Retrokonversion bei guten Vorlagen und vernünftigen Scans zu sehr guten Ergebnissen führt und deutlich schneller abläuft, als es dauern würde, das Abschreiben durch erfahrene Schreibkräfte durchführen zu lassen. Sicherlich wird der eine oder andere Erkennungsfehler durch die OCR entstehen, doch passieren auch bei der händischen Eingabe von Daten Lese- oder Tippfehler.


[1] Vgl. mit weiteren Literaturangaben http://de.wikipedia.org/wiki/Retrokonversion; Ulrich Fischer, Findbuch – Kartei – Datenbank. Praktische Beispiele für den Umgang mit analogen Findmitteln im digitalen Zeitalter. In: Marcus Stumpf und Katharina Tiemann, Aufbruch ins digitale Zeitalter – Kommunalarchive zwischen Vorfeldarbeit und Nutzerorientierung. Referate des 15. und 16. Fortbildungsseminars der Bundeskonferenz der Kommunalarchive (BKK) in Fulda (7.-11.11.2006) und Magdeburg (12.–14.11.2007) (Texte und Untersuchungen zur Archivpflege 21). Münster 2008, S. 57-75.

[2] Die kostenlose Programm-Kombination von gimagereader und tesseract 3.01 wird unter dem Punkt „Frakturschrift“ auf den Internetseiten des LWL-Archivamts (http://www.lwl.org/LWL/Kultur/Archivamt/Archiv_IT/Digitalisierung) vorgestellt, siehe dazu den Beitrag von Andrei Deutenberg und Wolf-Dieter Grün, Kostenloses OCR-Programm für Frakturschrift. In: Archivpflege in Westfalen-Lippe 79 (2013), S. 57-58, online unter: http://www.lwl.org/waa-download/archivpflege/heft79/49-58_kurzberichte.pdf .

[3] Das gilt zumindest weder für den „Import-Assistenten“ von AUGIAS  noch für das entsprechende Tool „ACTAproImportExport“ von ACTApro.

bei Nachfragen:Peter Worm, LWL-Archivamt, peter.worm@lwl.org

Tagebücher Ludwigs des Älteren von Sayn-Wittgenstein jetzt online!

Ludwig_d_I_Wittgenstein
Graf Ludwig I. zu Sayn-Wittgenstein

 

Ludwig Graf von Sayn zu Wittgenstein (* 7.- Dezember 1532 auf Schloss Wittgenstein; † 2. Juli 1605), Sohn Graf Willhelms I. (†  1570) und der Johanetta von Isenburg-Grenzau († nach 1561) besuchte seit 1545 mit seinen beiden Brüdern die Universitäten von Löwen, Paris und Orléans. Zwischen 1553 bis 1556 bereiste er Süd- und Westeuropa (Padua, Malta, Rom, Savoyen, Frankreich, England) und diente kurze Zeit Papst Pius IV. als Kämmerer.

1556 kehrte er nach Wittgenstein zurück, wo sein Vater inzwischen eine lutherische Kirchenordnung erlassen hatte. Er selbst nahm zunächst ebenfalls die lutherische Konfesssion an. Hochgebildet und polyglott, zudem an konfessionellen Fragen sehr interessiert, stand er in engem persönlichen und brieflichen Austausch mit humanistischen Gelehrten seiner Zeit, darunter Heinrich Bullinger, Rudolf Gwalther und Theodor Beza. Den Reformator Caspar Olevian und Johannes Althusius förderte er und führte unter Olevians Einfluss 1578 die reformierte Konfession in der Grafschaft Wittgenstein ein.

Seine erhaltenen Tagebücher in sieben Bänden, in deutscher und lateinischer Sprache verfasst, decken die Jahre von 1559 bis 1605 ab und zeugen von Graf Ludwigs weit gespannten Interessen und enthalten Briefexzerpte und -abschriften seiner illustren Korrespondenzpartner.

Die im Fürstlichen Archiv Bad Berleburg aufbewahrten Originale wurden im LWL-Archivamt für Westfalen digitalisiert und werden über das nordrhein-westfälische Archivportal online zur Verfügung gestellt:

Archive NRW bald auch Teil des Archivportals D

 

ArchivportalD-Logo

 

 

 

 

Seit dem 31. März 2014 ist die Deutsche Digitale Bibliothek (DDB) online. (Vgl. FAZ vom 31.3.14) So wie die „DDB als Tor zum  Kulturwissen“ gilt,  soll ab September 2014 das Archivportal D als Schwesterportal das Tor zum Archivwissen werden.

Mit dem  deutschen Archivportal (Archivportal-D) sollen archivische digitale Informationen, d.h. institutionelle Informationen, Erschließungsleistungen (Beständeübersicht, Findbücher mit Titelaufnahmen) und digitalisiertes und digitales Archivgut, im Internet für die Nutzung bereitgestellt und präsentiert werden. Dies soll jetzt  Regionen und Länder unabhängig vereinheitlicht auf einem Portal geschehen.

Der Vorteil:  Nutzer von Archiven, also auch Wissenschaftlerinnen und Wissenschaftler können hier übergreifend in allen verfügbaren Findmitteln der teilnehmenden Archive recherchieren und sich Suchergebnisse und ggf. digitalisierte Archivalien aus verschiedenen Archiven unterschiedlichster Träger wie Landes- und Staatsarchiven, Kommunalarchiven, Kirchenarchiven usw. anzeigen lassen. Vergleichende Recherchen in den Beständestrukturen mehrerer Archive werden dadurch wesentlich erleichtert und beschleunigt.

Die Präsentation von digitalisiertem Archivgut im Internet zählt zu den großen Herausforderungen von Archiven im Informationszeitalter. Institutionen- und spartenübergreifende Online-Informationssysteme für digitalisiertes Kulturgut gewinnen zunehmend an Bedeutung. Bislang werden digital verfügbare Erschließungsinformationen und Digitalisate lediglich von einzelnen archivischen Einrichtungen – sofern diese über Online-Informationssysteme verfügen – oder vereinzelt in regionalen oder archivtypspezifischen Portalen nachgewiesen; eine übergreifende Recherche ist damit nicht möglich. Das soll sich mit dem neuen Archivportal D ab September ändern.

Auch die Erschließungsinformationen von www.archive.nrw sollen (zusätzlich) Teil des neuen Archivportal D werden. Für Archive, die bereits jetzt schon Findbücher auf archive.nrw online gestellt haben, stellt sich jetzt natürlich die Frage was getan werden muss, damit die eigenen Bestände und Findmittel auch über das Archivportal D zugänglich sind.

1)      In jeden Fall müssen sich alle Einrichtungen selbst bei der Deutschen Digitalen Bibliothek (DDB) registrieren.  Man muss schließlich der Weitergeben der Daten zustimmen. Viele Archive haben es bereits getan, andere aber noch nicht. Dazu sollte man sich unter Nennung eines Ansprechpartners an die E-Mail-Adresse registrierung@deutsche-digitale-bibliothek.de wenden. Anschließend erhält man einen Benutzernamen und Passwort, mit dem Daten zur jeweiligen Einrichtung in einem Online-Formular eingegeben werden können. Mit einer Registrierung wird ein Archiv bereits mit den institutionellen Informationen im Archivportal-D vertreten sein und auf der Kultur- und Wissenschaftslandkarte der DDB erscheinen.

2)      Auch sollte, so noch nicht vorhanden, ein ISIL ( das ist ein internationales Bibliothekssigel) für das jeweilige Archiv beantragt werden. In Deutschland vergibt die Deutsche ISIL-Agentur und Sigelstelle an der Staatsbibliothek zu Berlin ISILs. Um ein ISIL zu beantragen, ist ein Formular auf der Website der Deutschen ISIL-Agentur auszufüllen. Dieses findet man unter http://sigel.staatsbibliothek-berlin.de/beantragung/, für die Beantragung werden etwa 5-10 Minuten benötigt.

3)      Die eigentliche Datenbereitstellung von Erschließungsinformationen übernimmt das Landesarchiv NRW als Betreiber von archive.nrw. Hierzu wird im laufenden Archivportal-D-Projekt eine Schnittstelle zwischen den Portalen erstellt. Hinsichtlich der konkreten weiteren Schritte in Richtung einer notwendigen rechtlich-organisatorischen Regelung (Einräumung von Nutzungsrechten an archive.nrw) wird sich  das Landesarchiv NRW an die teilnehmenden Archive wenden. Wichtig ist: Nur die Findmitteldaten von Archiven, die archive.nrw dann die erforderlichen Rechte einräumen, werden an das Archivportal-D bzw. die Deutsche Digitale Bibliothek weitergeleitet.

Der Aufbau des Archivportals D ist seit 2012 als DFG-Projekt beim Landesarchiv Baden Württemberg angesiedelt. Informationen, Infomaterial und Auskünfte zur Deutschen Digitalen Bibliothek und zum Archivportal finden sich unter  (http://www.landesarchiv-bw.de/web/55783) und (http://www.landesarchiv-bw.de/web/54699). Mit vielen Dank an Daniel Fähle!