Transkription für Archive und Institutionen: Skalierbar, DSGVO-konform, bezahlbar

Milliarden Seiten, kein Zugang

In den Magazinen der deutschen Stadtarchive lagern nach Schätzungen des Verbands deutscher Archivarinnen und Archivare mehrere Milliarden Seiten handgeschriebener Dokumente. Protokolle aus dem 17. Jahrhundert, Steuerlisten des 18. Jahrhunderts, Bürgeranträge des 19. Jahrhunderts, Verwaltungsvorgänge des frühen 20. Jahrhunderts: Das meiste davon ist aufbewahrt, geordnet, klimatisiert und vollständig unzugänglich für die Öffentlichkeit, weil es niemand lesen kann. Nicht weil der Wille fehlte, sondern weil die Kapazitäten für eine manuelle Erschließung in keinem vernünftigen Verhältnis zum Umfang der Bestände stehen.

KI-gestützte Handschriftenerkennung verändert dieses Verhältnis grundlegend. Was früher die Lebensarbeitszeit eines Historikers in Anspruch genommen hätte, lässt sich heute in Stunden automatisch verarbeiten. Das ist keine Übertreibung, sondern eine nüchterne Einschätzung dessen, was moderne HTR-Systeme (Handwritten Text Recognition) leisten können, wenn sie auf historische Schrifttypen trainiert wurden und mit gut digitalisierten Vorlagen arbeiten.

KI-gestützte Transkription verschiebt den Engpass: Nicht mehr die Verarbeitung ist das Problem, sondern die Frage, welche Bestände zuerst an die Reihe kommen.

Digitalisierung in deutschen Archiven: Viel gescannt, wenig erschlossen

Deutschland hat in den vergangenen zwei Jahrzehnten erhebliche Fortschritte bei der Digitalisierung historischer Bestände gemacht. Das Archivportal-D, das zentrale Zugangsportal zu den Beständen der deutschen Staats- und Kommunalarchive, verzeichnet inzwischen mehrere Millionen digitalisierter Archivalien. Das klingt nach viel. Gemessen am Gesamtbestand ist es wenig.

Das grundlegende Problem der deutschen Archivlandschaft ist nicht die Digitalisierung im Sinne des Scannens, sondern die intellektuelle Erschließung der digitalisierten Bestände. Ein eingescanntes Dokument, das nicht transkribiert und nicht indexiert ist, bleibt für die überwiegende Mehrheit der Nutzer unzugänglich. Es existiert als Bild, aber nicht als Text. Es kann nicht durchsucht, nicht zitiert und nicht in größere Zusammenhänge eingebettet werden. Für die Forschung ist ein solches Digitalisat kaum wertvoller als ein verschlossener Aktenschrank.

Wer sich für den Zusammenhang zwischen Lesbarkeit und Erschließung interessiert, findet im Ratgeber zum Kurrent und Sütterlin entziffern – KI liest alte deutsche Handschriften eine praktische Grundlage.

Digitalisierung ohne Transkription ist Archivierung für Spezialisten. Transkription macht aus Spezialwissen öffentliches Wissen. Das ist der Unterschied zwischen einer Bibliothek und einem Museum.

Was HTR-Systeme heute tatsächlich leisten

Die Leistungsfähigkeit moderner HTR-Systeme hängt von mehreren Faktoren ab: der Qualität der Digitalisate, der Homogenität des Schrifttyps und dem Umfang des Trainingsmaterials. Für die häufigsten deutschen historischen Schrifttypen sind bereits gut trainierte Modelle verfügbar.

Bei Kurrentschrift aus dem 19. Jahrhundert erreichen aktuelle Systeme bei sauber digitalisierten Vorlagen Erkennungsraten von 90 bis 95 Prozent auf Zeichenebene (Character Error Rate unter 5 Prozent). Das bedeutet, dass ein Dokument mit 500 Wörtern im Schnitt 25 fehlerhafte Zeichen enthält, was einer lesbaren und korrekturarmen Transkription entspricht. Bei der Lateinschrift des 20. Jahrhunderts sind die Erkennungsraten noch höher. Bei handgeschriebener Schrift aus dem 17. und frühen 18. Jahrhundert, also bei frühneuzeitlicher Kanzleischrift, sind die Ergebnisse heterogener und erfordern mehr manuelle Nacharbeit.

Eine Fehlerrate von fünf Prozent klingt nach viel. Sie ist es nicht: Ein erfahrener menschlicher Transkriptor macht bei anspruchsvollen Handschriften ähnliche Fehlerquoten, braucht aber das Hundertfache der Zeit. (Sinngemäß nach: Andreas Fischer et al.: Historical Document Analysis, Pattern Recognition, 2021)

Wer am meisten davon hat: Anwendungsszenarien im Überblick

Stadtarchive und Kommunalarchive profitieren vor allem von der Massendurchsuchbarkeit: Verwaltungsprotokolle, Bürgeranträge und Standesregister lassen sich für Online-Portale erschließen, ohne manuellen Transkriptionsaufwand. Kirchenarchive und Bistümer können Kirchenbücher, Pfarrkorrespondenzen und kirchliche Verwaltungsakten transkribieren und bestehende Digitalisierungsprojekte wie Matricula sinnvoll ergänzen. Museen und Gedenkstätten erschließen Nachlässe, Briefsammlungen und handschriftliches Begleitmaterial zu Sammlungsobjekten und bereiten damit Online-Ausstellungen und Kataloge vor.

Universitätsbibliotheken transkribieren handschriftliche Manuskripte, Gelehrtenkorrespondenzen und Nachlässe für die Forschung und integrieren die Ergebnisse in bestehende Repositorien und Kataloge. Landesarchive und Staatsarchive setzen Pilotprojekte zur maschinellen Erschließung großer Aktenbestände um und bereiten Findbücher und Register auf Basis automatischer Texterkennung vor. Genealogische Vereine schließlich nutzen die Massentranskription von Kirchenbüchern und Ortssippenbüchern, um zugängliche Datenbestände für Mitglieder und die Öffentlichkeit zu erweitern.

DSGVO und Datensicherheit: Was Institutionen wissen müssen

Für öffentliche Institutionen ist die Frage der Datensicherheit bei der Nutzung externer KI-Dienste keine Nebensächlichkeit, sondern eine Kernvoraussetzung. Die Datenschutz-Grundverordnung (DSGVO) gilt auch für historische Archivdaten, sobald diese personenbezogene Informationen enthalten, was bei Standesregistern, Kirchenbüchern und Verwaltungsakten fast immer der Fall ist.

Transkriber verarbeitet alle Daten ausschließlich auf Servern in der Europäischen Union. Der Hauptstandort ist Hetzner Online in Nürnberg, ein deutscher Anbieter mit BSI-konformen Rechenzentren. Es gibt keine Weitergabe von Archivdaten an Dritte zu Trainingszwecken: Das hochgeladene Material wird ausschließlich für die jeweilige Transkription genutzt und danach nicht dauerhaft gespeichert, sofern der Nutzer dies nicht ausdrücklich wünscht. Für institutionelle Kunden steht ein Auftragsverarbeitungsvertrag nach Art. 28 DSGVO bereit, der alle gesetzlichen Anforderungen erfüllt. Eine Einordnung der rechtlichen Grundlagen bietet die Bundeszentrale für politische Bildung.

Datenschutz ist kein Hindernis für die digitale Erschließung von Archivbeständen. Er ist eine Rahmenbedingung, die von Anfang an in den Prozess eingebaut werden muss.

Für besonders sensible Bestände, etwa Akten aus der NS-Zeit oder Unterlagen zu noch lebenden Personen, bieten wir auf Anfrage eine On-premises-Lösung an: Die KI-Modelle werden dabei auf der eigenen Infrastruktur der Institution betrieben, sodass keinerlei Daten das Haus verlassen. Diese Option setzt eine entsprechende technische Infrastruktur voraus und wird gesondert kalkuliert.

Preismodelle für institutionelle Kunden

Für Institutionen, die größere Bestände erschließen möchten, bietet Transkriber gestaffelte Mengenpreise an, die mit dem Volumen deutlich sinken. Alle Preise verstehen sich netto zuzüglich gesetzlicher Mehrwertsteuer und beziehen sich auf eine Seite im Format DIN A4 bei mindestens 200 dpi Scan-Qualität.

Volumen (Seiten/Jahr) | Preis pro Seite | Besonderheiten ---|---|--- Bis 500 Seiten | 0,30 € | Einzelbuchung, keine Laufzeit 501 bis 2.000 Seiten | 0,25 € | Prepaid-Paket mit 12 Monaten Laufzeit 2.001 bis 10.000 Seiten | 0,20 € | Jahresvertrag, monatliche Abrechnung 10.001 bis 50.000 Seiten | 0,15 € | Jahresvertrag, inkl. AVV nach DSGVO Über 50.000 Seiten | Auf Anfrage | Individualvertrag, API-Zugang, SLA

Alle institutionellen Pakete ab 2.000 Seiten beinhalten einen dedizierten Ansprechpartner, eine Einführungsschulung für das Archivpersonal und eine priorisierte Verarbeitung mit garantierten Lieferzeiten. Für öffentliche Einrichtungen bieten wir auf Anfrage Vergabeunterlagen für beschränkte Ausschreibungen an.

Wer Fördermittel beantragt, sollte die Kalkulation frühzeitig auf Basis der Staffelpreise aufstellen: Der Unterschied zwischen 0,30 € und 0,15 € pro Seite kann bei einem mittleren Archivprojekt über die Wirtschaftlichkeit des gesamten Vorhabens entscheiden.

API-Zugang: Transkription direkt in die Archivsoftware integrieren

Institutionen, die Transkriber in bestehende Archivsoftware integrieren möchten, können über eine REST-API auf die Transkriptionsfunktionen zugreifen. Die API akzeptiert Bilddateien in den Formaten TIFF, JPEG und PDF und gibt die transkribierten Texte in den Formaten JSON, XML (TEI P5-konform) und Plaintext zurück. TEI-konforme Ausgabe ist besonders für Bibliotheken und Forschungseinrichtungen relevant, die ihre Bestände in geisteswissenschaftliche Dateninfrastrukturen integrieren möchten. Den zugehörigen Standard beschreibt die Text Encoding Initiative ausführlich in ihren frei zugänglichen Richtlinien.

Die Standardschnittstelle ist kompatibel mit den meisten gängigen Archivsystemen, darunter Atom, ArchivesSpace und scopeArchiv. Für weitere Systeme und individuelle Anforderungen steht auf Anfrage eine Integrationsberatung zur Verfügung. Alle API-Anfragen werden per HTTPS verschlüsselt und über Token-Authentifizierung abgesichert.

Die beste Transkriptionslösung ist die, die sich so nahtlos in bestehende Arbeitsabläufe einfügt, dass das Archivpersonal kaum merkt, dass sie da ist.

Qualitätssicherung: Mensch und Maschine im Tandem

Ein verbreitetes Missverständnis in der Diskussion über KI-gestützte Transkription ist die Annahme, dass es sich um ein Entweder-oder handelt: entweder vollautomatisch oder manuell. In der Praxis ist das optimale Modell ein hybrides. Die KI übernimmt den ersten Durchgang und erzeugt eine Rohtranskription, die das Archivpersonal dann prüft, korrigiert und ergänzt. Dieser Workflow ist für die meisten Institutionen erheblich effizienter als ein rein manueller Prozess, weil die Korrektur einer maschinellen Transkription deutlich schneller geht als die manuelle Ersterstellung.

Für eine fundierte Qualitätssicherung empfehlen wir ein dreistufiges Modell. Im ersten Schritt verarbeitet die KI das gesamte Digitalisat und liefert die Rohtranskription mit Konfidenzwerten für jeden Textbereich. Im zweiten Schritt prüft eine fachkundige Person die Bereiche mit niedrigem Konfidenzwert prioritär. Im dritten Schritt wird das Ergebnis nach definierten Qualitätskriterien stichprobenartig überprüft, wobei der Prüfumfang je nach Bestandsart und Zweck der Erschließung variiert. Die Leitlinien des Landesarchivs Baden-Württemberg zur maschinellen Texterkennung bieten eine gute Orientierung für die Definition solcher Qualitätskriterien. Wer grundlegende Fragen zur Transkriptionsqualität und zu Fehlerquoten einordnen möchte, findet im Ratgeber zur automatischen Handschriftenerkennung weiterführende Erläuterungen.

Das hybride Modell aus KI-Ersterkennung und menschlicher Prüfung ist kein Kompromiss. Es ist der Stand der Technik.

Fördermöglichkeiten für die digitale Erschließung nutzen

Für öffentliche Archive und gemeinnützige Institutionen gibt es in Deutschland mehrere Förderprogramme, die die digitale Erschließung von Archivbeständen unterstützen. Das Programm zur Erschließung und Digitalisierung der Deutschen Forschungsgemeinschaft (DFG) fördert Projekte, die handschriftliche Bestände für die Forschung zugänglich machen. Voraussetzung ist in der Regel ein wissenschaftlicher Nutzungskontext und die Bereitschaft, die Ergebnisse Open Access zur Verfügung zu stellen.

Auf Landesebene bieten die Kultusministerien und Kulturförderinstitutionen der Bundesländer zusätzliche Programme an, die regionale Besonderheiten berücksichtigen. Transkriber berät institutionelle Kunden auf Anfrage bei der Identifizierung geeigneter Förderprogramme und der Erstellung von Projektanträgen. Für Institutionen mit einem Jahresvolumen von mehr als 10.000 Seiten ist diese Beratung kostenlos.

Wer heute mit der Antragstellung beginnt, kann realistisch damit rechnen, in zwölf bis achtzehn Monaten mit einem geförderten Transkriptionsprojekt in Produktion zu gehen, und das bei Beständen, die andernfalls noch Generationen auf ihre Erschließung gewartet hätten.

Quellen und weiterführende Informationen

• Verband deutscher Archivarinnen und Archivare: Berufsverband und Fachressourcen
• Archivportal-D: Zentrales Zugangsportal zu deutschen Staatsarchiven
• Deutsche Forschungsgemeinschaft: Förderprogramm Erschließung und Digitalisierung
• Landesarchiv Baden-Württemberg: Leitlinien zur maschinellen Texterkennung
• Text Encoding Initiative (TEI): Standard für die digitale Edition handschriftlicher Quellen
• Andreas Fischer et al.: Historical Document Analysis. In: Pattern Recognition, Volume 112, 2021

Häufige Fragen

Ist Transkriber für kleine Archive mit wenigen hundert Seiten überhaupt geeignet? Ja. Das Einstiegspaket beginnt bei Einzelbuchungen ohne Mindestlaufzeit. Bereits ab einer Seite kann eine Transkription beauftragt werden, sodass auch kleine Kommunalarchive oder Kirchengemeinden ohne langjährige Vertragsbindung testen können, ob der Dienst zu ihren Beständen passt.

Wie gehe ich vor, wenn mein Archiv einen Auftragsverarbeitungsvertrag nach DSGVO benötigt? Ein AVV nach Art. 28 DSGVO ist in alle institutionellen Pakete ab 10.000 Seiten automatisch eingeschlossen. Für kleinere Volumina stellen wir den Vertrag auf Anfrage zur Verfügung. Die Unterlagen können vor Projektbeginn geprüft und unterzeichnet werden, sodass der Betrieb rechtssicher startet.

Welche Scan-Qualität ist Mindestvoraussetzung für eine gute Erkennungsrate? Empfohlen werden mindestens 300 dpi, möglichst in Graustufen oder Farbe. Der angegebene Mindestwert von 200 dpi gilt für gut erhaltene, kontrastreiche Dokumente. Bei verblasstem Schriftbild, Durchscheinen oder starker Alterung verbessert eine höhere Auflösung die Erkennungsrate spürbar.

Kann Transkriber auch Dokumente in anderen Sprachen als Deutsch verarbeiten? Ja. Die verfügbaren Modelle decken neben Deutsch auch Latein, Französisch und weitere europäische Sprachen ab. Für weniger verbreitete Sprachen oder stark regional geprägte Dialektschriften empfiehlt sich eine Vorabprüfung mit einer kleinen Stichprobe.

Was passiert mit den Daten nach Abschluss der Transkription? Die hochgeladenen Dateien und transkribierten Texte werden nach Abschluss des Auftrags standardmäßig gelöscht, sofern keine ausdrückliche Speicherung gewünscht wird. Institutionen mit eigenem Archivsystem können die Ergebnisse direkt per API abholen und lokal speichern, ohne dass eine dauerhafte Datenhaltung auf den Transkriber-Servern entsteht.