Personalakten aus dem Bundesarchiv transkribieren: Was tun, wenn ein Dokument 50 Seiten hat?

Von Christian Gasche

Drei PDFs. Eines kommt aus Koblenz, eines aus Berlin-Lichterfelde, eines aus Ludwigsburg. Jedes ist zwischen 43 und 52 Seiten lang. Jedes trägt denselben Namen im Dateinamen, denselben Nachnamen jedenfalls. Und jedes enthält etwas, das ich zunächst unterschätzt habe: nicht nur Handschriften, sondern auch maschinell beschriebene Seiten, Schreibmaschinen-Durchschläge, Stempelabdrücke auf vergilbtem Papier, Formulare mit vorgedruckten Feldern und handschriftlich eingetragenen Antworten. Eine Mischung aus allem, was ein deutscher Verwaltungsapparat in den 1930er und 1940er Jahren produziert hat.

Es sind die Personalakten meines Großvaters, Erich P., Obersturmbannführer der SS, aus drei Bundesarchiven. Ich habe sie schon vor über 15 Jahren bestellt, weil ich verstehen wollte, was er getan hat. Nicht alles konnte ich entziffern, noch weniger konnte ich seine Stationierungen in einen Kontext setzen. Doch heute habe ich sie hochgeladen, weil ich dachte: Die KI liest doch Kurrent. Sie liest doch Handschrift. Sie liest doch alles.

Sie las nichts. Die Dateien wurden abgelehnt.

Warum das System zuerst Nein sagte

Transkriber ist auf Briefe ausgelegt. Auf einzelne, in sich geschlossene Dokumente. Ein Brief, eine PDF mit maximal drei Seiten vielleicht, eine Transkription. Das ist der Normalfall, auf den die gesamte Pipeline kalibriert ist: Schrifttyperkennung, Transkription, Metadatenextraktion, Datenbankschreiben. Die Logik dahinter ist schlüssig: Ein Brief hat eine Stimme, ein Datum, einen Autor, einen Empfänger. Er ist ein Dokument.

Eine Bundesarchiv-Akte ist das Gegenteil davon. Sie ist eine Sammlung ohne eigene Mitte. Seite eins kann ein handschriftlicher Personalbogen aus dem Jahr 1933 sein. Seite zwölf ein getipptes Schreiben mit Stempel und Durchschlag. Seite dreißig ein Entnazifizierungsbogen aus dem Jahr 1947, ausgefüllt von einem Menschen, der klug genug war, das Wesentliche wegzulassen. All das in einer PDF, 50 Seiten, ohne Trennblätter, ohne Kapitel, ohne Struktur außer der chronologischen, wenn überhaupt.

Das System begrenzt die Seitenzahl aus technischen und ökonomischen Gründen auf zwölf Seiten pro Dokument. Was darüber liegt, wird nicht verarbeitet.

Was das für einen Bestand wie den von Erich P. bedeutete: keine Transkription. Man könnte die Akten manuell zerschneiden, 50 Seiten in Vierer-Päckchen aufteilen, umbenennen, einzeln hochladen. Aber das ist keine Lösung. Das ist Arbeit, die die Maschine übernehmen sollte, wenn die Maschine irgendeinen Vorteil gegenüber der Schere haben soll.

Wer ein 50-seitiges Behördendokument in Vierer-Päckchen zerlegen muss, hat kein Werkzeug. Er hat eine Anleitung zum Selbermachen.

Schreibmaschinen-Durchschläge: Tücken des Getippten

Bevor ich über die technische Lösung schreibe, möchte ich bei den Dokumenten selbst bleiben. Denn wer Bundesarchiv-Akten aus dem Dritten Reich bestellt, erwartet vielleicht Handschrift, Kurrent, dicht, kaum Leerzeichen, und ist dann überrascht, wie viel auf der Schreibmaschine getippt wurde. Und wie wenig das die Lesbarkeit verbessert.

Schreibmaschinen-Durchschläge aus den 1930er und 1940er Jahren sind eine Klasse für sich. Das Original geht ans Ministerium, der erste Durchschlag in die Akte, der zweite manchmal an die Ortsgruppe. Der zweite Durchschlag ist blasser als der erste, der dritte kaum noch lesbar. Das Farbband ist verschlissen oder wurde zu lange verwendet. Einzelne Buchstaben, besonders e, a, o, füllen sich mit Tinte und werden zu schwarzen Flecken. Andere wie r, n, l drucken nur den oberen Teil auf, weil die Type ungleichmäßig auf das Papier trifft.

Dann das Papier selbst: 80 Jahre alt, Säurefraß, Wasserflecken, manchmal Schimmel an den Rändern. Eingescannt in einem Bundesarchiv, das gut ausgestattet ist, aber nicht für jeden Akt einen Konservator aufbieten kann. Der Scanner liefert 300 dpi, was für ein frisches Dokument ausgezeichnet wäre. Für dieses Papier ist es manchmal zu wenig.

„Wer die Schrift nicht lesen kann, liest das Dokument nicht, er interpretiert bestenfalls Lücken."

Das gilt für die alte deutsche Schreibschrift, und es gilt mit derselben Schärfe für den verblassten Durchschlag einer NS-Verwaltungsschreibmaschine. Die KI muss in beiden Fällen entscheiden: Ist das ein e oder ein c? Ist das ein n oder eine ri-Ligatur? Steht da 1943 oder 1948? Die Fehler, die sie dabei macht, sind nicht gleich. Beim Durchschlag sind es häufig Zahlendreher, falsch gelesene Eigennamen, zusammengezogene Wörter an Stellen, wo das Farbband versagt hat. Eine systematische Einführung in diese Schriften bietet die Staatsbibliothek zu Berlin mit ihren Beständen zur Schriftgeschichte.

Transkriber ist darauf trainiert, mit Unsicherheit umzugehen. Stellen, die nicht eindeutig lesbar sind, werden als [unleserlich] oder [Wort?] markiert: lieber eine ehrliche Lücke als ein überzeugend klingendes Falschzitat. Bei den Akten von Erich P. waren das auf manchen Seiten fünf, sechs, manchmal zehn solcher Markierungen. Das ist kein Versagen der KI. Das ist die korrekte Antwort auf schlechte Vorlagen.

Der Akte-Split: Entstehung aus der Praxis

Die Lösung für das Größenproblem entstand nicht am Reißbrett. Sie entstand, weil ein konkretes Dokument konkret nicht verarbeitet werden konnte und weil die Alternative, das manuelle Zerteilen, offensichtlich inakzeptabel war.

Das Werkzeug, das daraus entstanden ist, heißt Akte-Split. Es ist im Archiv-Menü zu finden und setzt keine technischen Kenntnisse voraus. Was es tut, ist einfach beschrieben: Es analysiert das große PDF, schlägt Schnittlinien vor und zeigt eine Vorschau, bevor irgendetwas verarbeitet wird.

Die vier Methoden, zwischen denen man wählen kann, sind das Ergebnis von Praxistests mit verschiedenen Dokumenttypen. Die automatische Methode kombiniert zwei Erkennungsverfahren: Sie sucht nach Leerseiten, die als Trennblätter zwischen Dokumenten dienen, und nach optischen Layoutwechseln, also einem Wechsel von handschriftlichem Fließtext zu einem Formular oder von einem Schreibmaschinendokument zu einem Stempelblatt. Das funktioniert bei Bundesarchiv-Akten erstaunlich gut, weil der Verwaltungsapparat des Dritten Reichs strukturiert gearbeitet hat: Dokument, Trennblatt, nächstes Dokument. Nicht immer, aber oft genug.

Die Leerseiten-Erkennung allein eignet sich für sauber strukturierte Bestände, bei denen die trennenden Seiten verlässlich leer sind. Das ist bei gut erhaltenen Akten häufig der Fall, bei Kopien oder Digitalisierungen älterer Generationen seltener. Die Layoutwechsel-Methode erkennt strukturelle Unterschiede ohne Leerseiten: Ein Formular, das auf einen handschriftlichen Bericht folgt, ist optisch klar von ihm zu unterscheiden, auch wenn keine Trennseite dazwischen liegt. Diese Methode ist feinfühliger, macht aber auch mehr Schnitte als nötig, wenn das Dokument inhomogen ist.

Die feste Seitenzahl ist das letzte Mittel: alle vier Seiten, oder alle sechs, oder alle acht, ein neues Dokument. Stumpf, aber zuverlässig. Bei den Akten von Erich P. aus Ludwigsburg, die besonders unstrukturiert gescannt waren, war das die einzige Methode, die funktioniert hat.

Vier Erkennungsmethoden klingen nach Überangebot. In der Praxis deckt jede einen Dokumenttyp ab, den die anderen nicht zuverlässig erfassen. Das ist keine Redundanz, das ist Erfahrung aus gescheiterten Versuchen.

Vorschau statt Blindflug: Was die erste Version falsch machte

Die erste Version des Akte-Split war einfacher. Sie kannte nur die feste Seitenzahl und die Leerseiten-Erkennung. Die Layoutwechsel-Methode kam hinzu, weil beim Testen festgestellt wurde, dass viele Bundesarchiv-Scans keine Leerseiten enthalten: Die Digitalisierung hat sie weggelassen, oder sie waren nie da.

Das ist das Prinzip, nach dem dieses Werkzeug gebaut wurde und weiter gebaut wird: nicht nach einer vollständigen Spezifikation, sondern nach dem, was die nächste Akte braucht. Ein Werkzeug, das noch nicht an allen Aktenformaten getestet wurde, ist kein Werkzeug. Es ist eine Hypothese.

Die Vorschau-Funktion ist ein weiteres Ergebnis dieses Prozesses. In der ersten Version wurden die Chunks direkt in die Verarbeitungswarteschlange eingereiht. Das Problem: Wenn die Erkennung falsch lag, wenn ein Dokument an der falschen Stelle geschnitten wurde, war das erst nach der Transkription zu sehen. Also wurde die Vorschau eingeführt: Vor dem Verarbeiten sieht man, wie viele Dokumente entstehen, wie viele Seiten sie jeweils umfassen und was die erste Seite zeigt. Erst dann entscheidet man, welche Chunks man in die Pipeline schickt und welche nicht.

Was aus 50 Seiten wird: 23 lesbare Dokumente

Die Akten von E.P. ergeben nach der Verarbeitung 23 separate Dokumente. Ein Personalbogen aus Breslau, 1933. Ein Beförderungsschreiben. Ein Dienstzeugnis, auf der Schreibmaschine verfasst, der zweite Durchschlag, stellenweise kaum lesbar, aber doch lesbar genug. Drei Seiten einer Befragung aus dem Jahr 1946. Ein handschriftlicher Lebenslauf, den er selbst geschrieben hat, in Kurrentschrift, kompakt, mit dem Datum 12. April 1944, zwölf Monate vor dem Ende, das er noch nicht kannte.

Jedes dieser 23 Dokumente ist jetzt durchsuchbar. Orte, Personen, Daten sind extrahiert, verknüpft, indexiert. Man kann nach dem Namen einer Dienststelle suchen und bekommt alle Dokumente, in denen sie erwähnt wird. Man kann nach einem Datum suchen und sieht, wie die Formulierungen über die Zeit wechseln: Was 1935 noch enthusiastisch klingt, klingt 1944 routiniert, und was 1946 geschrieben wurde, klingt nach einem Mann, der sehr genau weiß, was er besser nicht sagen sollte.

Im Ratgeber zu NSDAP-Akten auf dieser Plattform heißt es dazu: „Ein Mitgliedseintrag belegt die formale Zugehörigkeit zur NSDAP, nicht zwingend politische Überzeugung oder aktive Beteiligung an Verbrechen. Historische Dokumente sind Puzzleteile, erst im Verbund ergeben sie ein Bild." Das stimmt für einfache Mitgliedskarteikarten. Die Akten eines Obersturmbannführers sind kein einfacher Karteieintrag. Sie sind ein dichtes Gewebe aus Beurteilungen, Beförderungen, Dienstberichten, und das Bild, das sie zusammensetzen, ist nicht offen. Es ist spezifisch.

Die handschriftlichen Quellen aus dieser Zeit sind oft das Einzige, was Familien noch haben, um zu verstehen, was ihre Vorfahren getan oder mitgetragen haben. Wer die historischen Bestände des Bundesarchivs kennt, weiß, wie fragmentiert die Überlieferung ist: Vieles wurde vernichtet, manches versteckt, einiges zufällig bewahrt. Hintergrund zur Zeit und ihren Dokumenten liefert auch die Bundeszentrale für politische Bildung. Das macht jedes lesbare Dokument zu einem Befund, nicht zu einer Sensation.

Die handschriftlichen Quellen aus dieser Zeit sind oft das Einzige, was Familien noch haben. Wer die Schrift entziffert, hört auf zu spekulieren.

Welche Akten sich für den Akte-Split eignen

Die Funktion ist nicht auf NS-Bestände beschränkt. Sie ist die richtige Wahl für jeden Bestand, bei dem eine Behörde oder ein Archiv nicht einzelne Dokumente digitalisiert hat, sondern einen ganzen Bestand in einem Durchgang gescannt und als Gesamtdatei herausgegeben hat.

Das betrifft Bundesarchiv-Akten aus Koblenz, Berlin-Lichterfelde und Ludwigsburg, aber genauso Standesamtregister, die mehrere Jahrgänge in einem PDF zusammenfassen. Kirchenbücher. Notariatsprotokolle. Grundbuchauszüge. Gemeinderatsprotokolle. Briefkonvolute, die als Gesamtdatei eingescannt wurden, weil der zuständige Archivar das für praktisch hielt. Wer etwa über Matricula-Online auf Kirchenbücher zugegriffen hat, kennt das Problem: Ganze Jahrgänge in einer Datei, kein Trennblatt, kein Kapitel.

Die Akte-Split-Funktion findet sich im jeweiligen Archiv unter dem Menüpunkt „Akten-Import". Wer darüber hinaus verstehen möchte, wie Kurrentschrift in solchen Dokumenten strukturell funktioniert, findet dazu einen ausführlichen Überblick im Ratgeber zur Kurrentschrift. Sie setzt keine technischen Kenntnisse voraus. Was sie voraussetzt, ist das Material und die Bereitschaft, in das zu schauen, was darin steht.

Das Werkzeug ist groß genug, um das Ganze aufzunehmen. Ob man bereit ist, das Ganze zu lesen, ist eine andere Frage.

Häufige Fragen

Warum kann ich keine PDF mit mehr als 12 Seiten direkt hochladen? Transkriber verarbeitet jede Seite als Bilddatei, die in den KI-Aufruf eingebettet wird. Ab einer bestimmten Datenmenge steigt die Fehlerrate, und die Transkriptionsqualität sinkt spürbar. Zwölf Seiten ist der Schwellenwert, bei dem Qualität und Aufwand noch in einem sinnvollen Verhältnis stehen. Größere Bestände teilt der Akte-Split automatisch auf.

Wie genau funktioniert der Akte-Split bei einer 50-seitigen Behördenakte? Das Werkzeug analysiert das PDF, schlägt Schnittlinien vor und zeigt eine Vorschau mit der Zahl der entstehenden Dokumente und der jeweils ersten Seite. Erst nach Ihrer Bestätigung gehen die einzelnen Teile in die Verarbeitung. So lassen sich Fehlschnitte erkennen, bevor transkribiert wird.

Welche Erkennungsmethode soll ich wählen? Beginnen Sie mit der automatischen Methode und prüfen Sie das Ergebnis in der Vorschau. Entstehen zu viele winzige Dokumente, wechseln Sie zur festen Seitenzahl mit vier bis sechs Seiten. Bei sehr unstrukturierten Scans ist die feste Seitenzahl oft die zuverlässigste Wahl.

Eignet sich der Akte-Split auch für Kirchenbücher und Standesamtregister? Ja. Überall dort, wo mehrere Einzeldokumente oder Jahrgänge in einer einzigen Datei zusammengefasst sind, hilft die Funktion. Das gilt für Kirchenbücher, Standesamtregister, Notariatsprotokolle und Briefkonvolute gleichermaßen.

Was passiert mit unleserlichen Stellen in alten Durchschlägen? Sie werden ehrlich als unsicher markiert, etwa mit [unleserlich] oder einem Fragezeichen hinter dem Wort. Das Programm erfindet keine Inhalte, sondern weist Lücken aus, damit Sie selbst entscheiden können, wie Sie damit umgehen.