Von der Quelle zur webbasierten Präsentation

Von der Quelle zur webbasierten Präsentation#

Im Rahmen des Seminars „Von der historischen Quelle zur digitalen Präsentation – datengestützte Forschung, Analyse und Methodik“ werden im Wintersemester 2025/2026 von Studierenden digitale Repräsentationen diverser Briefe erarbeitet.

Datengrundlage hierfür bilden Erfurt betreffende Briefe der Bände 6 bis 14 der Nürnberger Briefbücher, die als Scan und automatisiert transkribiert zur Verfügung stehen. Jede*r Studierende übernimmt die Verantwortung für einen Brief.

Scan und Transkription#

Zu Beginn des Praxisteils wird den Studierenden der Scan eines Briefes bereitgestellt. Anhand verschiedener OCR-Tools (frei zugängliche Online-Tools, Kraken) testen die Studierenden die Möglichkeiten automatisierter Transkription und identifizieren Herausforderungen, die mittelalterliche Handschriften mit sich bringen:

  • verschiedene Schriften und Schreibstile (NBB: 10 Schreiber in den ersten 5 Briefbüchern)

  • materialbedingte Schwierigkeiten: Beschädigungen, Verfärbungen etc.

  • verkettete Buchstaben und Abkürzungen

  • fehlende Standardisierung

  • dekorative Elemente / Illustrationen

  • Durchstreichungen

Normalisierung#

Den Studierenden wird eine automatisiert erstellte Transkription ihres Briefes zur Verfügung gestellt (s. Mayr et al. [MNK+25]). Sie überprüfen manuell die Transkription anhand der Scans und normalisieren im Anschluss den transkribierten Text, z. B. durch Ersetzen des Schaft-S.

text = "hern Nyclaſen hopgarten Probſten des Stiffts cʒu ſant Auguſtin cʒu Erfforden"

normalized_text = re.sub("ſ", "s", text)

print(normalized_text)

Sie orientieren sich bei der Normalisierung an den Transkriptionsrichtlinien der digitalen Edition der Nürnberger Briefbücher (Band 2 bis 5).

Named Entity Recognition#

Um das Konzept kennenzulernen, üben die Studierenden zunächst mit Wikipedia-Artikeln, für die aufgrund ihrer Verwendung von Standardsprache viele NER-Technologien gut funktionieren. Die Studierenden versuchen zunächst, Named Entity Recognition mithilfe von ChatGPT o. Ä. durchzuführen. Darüber hinaus testen sie die NER-Funktionalität von spaCy.

import spacy

nlp = spacy.load('de_core_news_sm')

text = "Erfurt ist seit 1991 ... Evangelischen Kirche in Mitteldeutschland."

doc = nlp(text)
for ent in doc.ents:
    print(ent.text, ent.start_char, ent.end_char, ent.label_)

Im Anschluss versuchen sie, NER für die historischen Briefe durchzuführen, und reflektieren mögliche Hürden sein könnten.

Es werden Möglichkeiten aufgezeigt, die Performance zu verbessern:

  • weitere Normalisierung des Textes

  • spezialisierte Modelle, insbesondere xlm-roberta

  • Finetuning des spaCy-Modells mit Trainingsdaten

Text zu TEI#

In einem nächsten Schritt geht es darum, die identifizierten Entitäten und diplomatischen und normalisierten Fassungen der Briefe in einem einheitlichen TEI-Format zu modellieren. Die Studierenden stellen fest, welche Besonderheiten das Briefformat bei der Datenmodellierung mit sich bringt:

  • Spezifika von Briefen:

    • Absender

    • Empfänger

    • erwähnte Orte/Personen/Organisationen (als Metadaten/im Text?)

  • Einbindung des Facsimile (=Scan)

  • Anrede/Grußformel

  • zwei Textversionen: diplomatisch + normalisiert

  • Wie gehen wir damit um, wenn ein Brief mehrere Seiten hat? (d.h. auch mehrere Facsimiles)

In Gruppenarbeit erarbeiten sie ein TEI-Template, das sich für Briefe des Nürnberger Rates eignet.

TEI zu HTML (mittels XSLT)#

Zum Abschluss transformieren die Studierenden ihre Brief-XML-Dateien mittels XSLT in ein HTML-Format. Dazu lernen sie zunächst grundlegende Konzepte von XSLT kennen und üben anhand einfacher XML-Beispiele. Abschließend erstellen sie, aufbauend auf einem simplen XSL-Stylesheet für die Briefbücher-XMLs, individuelle Stylesheets und schaffen so eine digitale Präsentation ihres Briefes im HTML-Format.

Ergebnisse#

Nach Abschluss des Seminars werden hier die Ergebnisse veröffentlicht, die die Studierenden erarbeitet haben.