Wenn die Akte schweigt: Wie Sekundärliteratur die KI-Recherche verändert

Was eine Dissertation leistet, die eine Akte nicht kann

Eine Personalakte aus dem Bundesarchiv enthält alles und erklärt nichts. Sie listet Beförderungen, Dienstzeiten, Stationen, Beurteilungen. Sie nennt Daten und Orte. Was sie nicht leistet: den Ort in die Geschichte einzubetten, die Beförderung gegen ihren Kontext zu lesen, die Stationen als Stationen eines bestimmten Apparates zu verstehen. Die Akte ist stumm über das, wofür sie steht.

Das ist das zentrale Problem der Recherche zum Nachlass von E.P., Obersturmbannführer der SS, dessen Personalakten aus drei Bundesarchiven (Koblenz, Berlin-Lichterfelde, Ludwigsburg) inzwischen transkribiert und durchsuchbar sind. Der Text liegt vor. Der Kontext fehlt.

Alexander Korbs Dissertationsschrift „Im Schatten des Weltkriegs", 2010 an der Humboldt-Universität Berlin eingereicht, ist eine 423-seitige Untersuchung der Massengewalt der Ustaša gegen Serben, Juden und Roma in Kroatien von 1941 bis 1945. Korbs Studie interessiert sich, wie er in der Einleitung präzise formuliert, nicht für die Deutschen als Hauptakteure, sondern für die lokalen kroatischen Täter und für die deutschen Strukturen insofern, als sie die Handlungsspielräume der Ustaša formten oder begrenzten.

Wo eine SS-Biografie auf eine Dissertation trifft

In diesem Schnittfeld liegt E.P.s Biografie. Das Hauptamt Ordnungspolizei, dem er als Polizeioffizier angehörte, ist bei Korb keine Fußnote, sondern ein Akteur in einem präzise beschriebenen Beziehungsgeflecht: Wehrmacht, SS, Ordnungspolizei und lokale Milizen operierten im besetzten Jugoslawien nicht klar getrennt nebeneinander, sondern in ständig wechselnden Koalitionen. Wer eine Personalakte eines deutschen Polizeioffiziers aus dieser Zeit liest, liest sie anders, nachdem er Korb gelesen hat.

Das ist das Prinzip. Erst macht die Lektüre der Primärquelle die Sekundärliteratur notwendig. Dann macht die Sekundärliteratur die Primärquelle lesbar.

Die Akte liefert das Material. Die Dissertation liefert den Rahmen. Die KI verbindet beides, wenn man ihr beide gibt.

Kontext-Dokumente: wie die Funktion im Arbeitsablauf wirkt

Transkriber hat eine Funktion hinzubekommen, die dieses Prinzip in den Arbeitsablauf der App überführt. Unter dem Menüpunkt „Kontext-Dokumente" können Nutzer maschinenlesbare PDFs hochladen, also Dissertationen, wissenschaftliche Aufsätze, Gutachten oder Zeitungsartikel, die keiner KI-Transkription bedürfen, weil sie bereits lesbaren Text enthalten. Der Text wird extrahiert und in der Archivdatenbank gespeichert.

Beim nächsten Mal, wenn die KI einen Blog-Artikel für dieses Archiv schreibt, durchsucht sie das gesamte Dokument nach thematisch passenden Abschnitten: bis zu 40.000 Zeichen je Werk, ausgewählt nach Keyword-Relevanz, nicht blind vom Anfang abgeschnitten. Sie kann daraus argumentieren, Zusammenhänge herstellen und wissenschaftliche Einordnungen verwenden, ohne dass der Nutzer das manuell eintippen oder in den Prompt einfügen müsste.

Warum der Rahmen wichtiger ist als die Rohdaten

Das klingt banal. Es ist es nicht, wenn man verstanden hat, wie KI-Sprachmodelle mit historischem Material arbeiten. Sie sind gut darin, aus gegebenen Texten Zusammenhänge zu destillieren, Personen einzuordnen und Daten zu kontextualisieren. Was ihnen fehlt, wenn man ihnen nur die transkribierten Briefe gibt, ist der wissenschaftliche Rahmen, in dem diese Briefe Bedeutung gewinnen. Den Rahmen liefert die Sekundärliteratur. Die Kontext-Dokument-Funktion ist das Verbindungsstück zwischen beiden.

Wer sich fragt, wie KI-gestützte Transkription grundsätzlich funktioniert, findet dazu einen Überblick im Ratgeber zur automatischen Texterkennung historischer Dokumente. Und wer Akten aus dem Bundesarchiv bereits digital vorliegen hat, kann sie direkt als Ausgangsmaterial einsetzen.

Vorher und nachher: was sich am Text tatsächlich ändert

Vor der Integration der Korb-Dissertation schrieb die KI über E.P. so, wie man über jemanden schreibt, dessen Akte man gelesen hat: akkurat, nüchtern, aber ohne die Tiefe, die aus dem Verständnis des Systems kommt. Die Beförderungen wurden genannt. Die Stationen wurden aufgelistet. Das Spruchkammerverfahren wurde beschrieben.

Nach der Integration schreibt die KI über E.P. so, wie man über jemanden schreibt, dessen Akte man gelesen hat und für den man versteht, in welchem Apparat er tätig war. Der Begriff „Ordnungspolizei" ist nicht mehr nur eine Dienstbezeichnung, sondern Teil eines Akteursgeflechts, das Korb auf 423 Seiten untersucht hat. Die Deportationen jugoslawischer Juden nach Auschwitz, die Korb als deutschen Beitrag zur Ustaša-Herrschaft dokumentiert, sind nicht mehr abstrakter Hintergrund, sondern möglicher Kontext für konkrete Dienstberichte in der Akte.

Die KI erfindet dabei nichts. Sie bringt zusammen, was der Nutzer ihr gibt.

KI-Sprachmodelle sind keine Historiker, die aus sich heraus deuten. Sie sind Werkzeuge, die so gut arbeiten wie das Material, das man ihnen bereitstellt.

Feldpost, Kirchenbriefe, Kaufmannskorrespondenz: wer die Funktion nutzen kann

Die Kontext-Dokument-Funktion ist nicht auf die NS-Forschung beschränkt. Sie funktioniert überall dort, wo ein privates Archiv in einen größeren historischen Rahmen eingebettet werden soll: Kirchenbriefe aus dem 18. Jahrhundert neben einem Aufsatz zur Konfessionspolitik der Zeit, Feldpostbriefe aus dem Ersten Weltkrieg neben einer Studie zur Westfront, Kaufmannsbriefe aus dem Kaiserreich neben einer Monografie zur Industrialisierung des Ruhrgebiets.

Das Prinzip ist dasselbe wie bei E.P. Die Primärquelle gewinnt durch die Sekundärliteratur an Tiefe. Die App lernt, was der Nutzer bereits weiß.

Wer genealogisch forscht und Kirchenbücher auswertet, kann ergänzend auf Ressourcen wie Matricula Online zurückgreifen, um Dokumente aus demselben Zeitraum zu finden und als Kontext-Dokument einzupflegen. Für die Einordnung von Nachlässen aus der Kaiserzeit oder der Weimarer Republik bietet die Staatsbibliothek Berlin digitalisierte Bestände, die sich als Sekundärmaterial eignen. Wer Feldpostbriefe transkribiert und einordnen will, findet beim Deutschen Literaturarchiv Marbach Orientierung zu Nachlass- und Briefbeständen aus beiden Weltkriegen.

Ein ausführlicheres Beispiel, wie sich Sekundärliteratur auf die Qualität automatisch generierter Texte auswirkt, zeigt der Artikel Wie KI-Artikel aus Archivmaterial entstehen.

Die Arbeit des Historikers, in die App verlegt

Das Bundesarchiv liefert die Akten. Die Forschung liefert die Einordnung. Wer beides in dieselbe Datenbank legt, bekommt Artikel, die das eine mit dem anderen verbinden, statt nebeneinander stehender Informationen, die niemand zusammenbringt außer dem, der beide Texte selbst gelesen hat. Das war bisher die Arbeit des Historikers. Jetzt ist es auch die Arbeit der App.

Bleibt die Frage, wer am Ende beurteilt, ob die App den Rahmen richtig gesetzt hat. Der Nutzer, der beide Texte hochgeladen hat. Oder doch wieder jemand, der sie beide gelesen hat?

Häufige Fragen

Was sind Kontext-Dokumente in Transkriber? Kontext-Dokumente sind maschinenlesbare PDFs, die Nutzer zusätzlich zu transkribierten Archivdokumenten hochladen können, zum Beispiel Dissertationen oder wissenschaftliche Aufsätze. Die App extrahiert den Text und verwendet ihn als Recherche-Grundlage, wenn die KI Artikel für das jeweilige Archiv schreibt.

Welche Dateien eignen sich als Kontext-Dokument? Geeignet sind alle PDFs, die bereits lesbaren Text enthalten, also keine Scans ohne Texterkennung. Wissenschaftliche Aufsätze, Monografien, Gutachten oder Zeitungsartikel funktionieren gut. Handschriftliche oder eingescannte Dokumente ohne OCR-Schicht sind dafür nicht geeignet.

Kostet das Hochladen von Kontext-Dokumenten Credits? Nein. Das Hochladen und Verarbeiten von Kontext-Dokumenten verbraucht keine Credits und löst keinen Transkriptions-Job aus. Der Text wird einmalig extrahiert und steht danach für alle folgenden Artikel im Archiv zur Verfügung.

Für welche Themengebiete lässt sich die Funktion verwenden? Die Funktion ist nicht auf bestimmte historische Epochen oder Themen beschränkt. Sie funktioniert für genealogische Forschung ebenso wie für NS-Dokumentation, Kirchengeschichte, Militärgeschichte oder Wirtschaftsgeschichte, überall dort, wo Primärquellen und wissenschaftliche Literatur zusammengebracht werden sollen.

Erfindet die KI Zusammenhänge, die im Dokument nicht stehen? Nein. Die KI kombiniert nur das, was ihr tatsächlich als Text vorliegt. Sie destilliert Verbindungen aus den hochgeladenen Materialien, fügt aber keine eigenen historischen Behauptungen hinzu, die nicht durch das Quellmaterial gedeckt sind.