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:

(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:

(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.

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.

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