Alte Handschriften entschlüsseln – Wer liest und wer wird gelesen?

Dominik Hetjens
Crosspost: Erstveröffentlichung auf lingdrafts. Linguistische Werkstattberichte.

Viele werden es kennen: Die Briefe der Großeltern, Texte in Museen, Aufschriften auf Häusern – sofern sie etwas älter sind, fällt das Entziffern schwer. Grund dafür ist, dass diese Texte, so sie denn handschriftlich verfasst wurden, in Kurrentschrift geschrieben sind. Deren Name geht auf das lateinische currere zurück – was laufen bedeutet – und wie ein Läufer ein Bein nach dem anderen auf den Boden setzt, setzen viele Buchstaben der Kurrentschrift in spitzen Winkeln auf der Grundlinie auf, wodurch das charakteristische, „zackige“ Schriftbild entsteht.

So ungewohnt diese Schrift im heutigen Alltag erscheinen mag – für Forschende, die sich mit Geschichte befassen, ist sie allgegenwärtig, war sie doch bis ins 20. Jahrhundert die gebräuchliche Schrift im deutschen Sprachraum. Alle, die sich mit handschriftlichen Quellen beschäftigen, müssen also zunächst Texte aus Kurrentschrift übertragen. Bei gedruckten Texten sieht das anders aus: Nicht nur sind sie mühelos lesbar, die Regelmäßigkeit der Lettern macht es daneben mittlerweile möglich, die Schrift maschinell erfassen zu lassen. OCR nennt sich dieses Verfahren: Optical Character Recognition. Dabei erkennt eine Software automatisch anhand eines Bildes die Buchstaben, wodurch sie sich in einen anderen Zeichensatz übertragen lassen. Im Fall von gedruckten Texten funktioniert das so gut, dass man große Textmengen automatisch übertragen lassen kann. Aus diesen Textmengen entstehen wiederum große Sammlungen von Texten: Korpora. Gerade in der historischen Linguistik sind solche Textkorpora von zunehmendem Interesse, weil sie maschinell durchsuchbar sind und dadurch mehr Daten liefern können, als es ein einzelner Mensch durch pures Durchlesen schaffen würde.

Da die Korpora aber meistens auf die gerade beschriebene Art entstehen, ergibt sich ein Problem: Die Texte in ihnen stammen mehrheitlich von Menschen, die in ihrer Zeit die Möglichkeit hatten, Texte drucken zu lassen, was auf den kleinsten Teil der Gesellschaft zutrifft. Die Sprache aller anderen Menschen wird kaum berücksichtigt, was unser Bild von der Geschichte des Deutschen verzerrt.

Will man dieses Problem beheben, muss man also große Textmengen aus Kurrentschrift in maschinenlesbare Schrift übertragen. Das beste Mittel dazu ist auch hier eine OCR-Software, wenngleich sich die Entwicklung tragfähiger Modelle hier schwieriger gestaltet, da Handschriften von Zeit zu Zeit und Schreiber zu Schreiber stark variieren können. Es müssen also verschiedene Modelle für verschiedene Gegenstände entwickelt werden. Das funktioniert im Grunde so:

1. 1. Ausgangspunkt ist immer ein Originaltext, der als Digitalisat, also Scan vorliegt. Damit eine Software den Text erkennen und übertragen kann, muss sie aber „trainiert“ werden: sie „lernt“ die Schrift. Dazu ist es zunächst notwendig, eine erste Menge Basisdaten zu erstellen, die auch als ground truth bezeichnet wird. Diese Bezeichnung kommt ursprünglich aus der Kartografie, wird mittlerweile aber in verschiedenen Kontexten verwendet. In unserem sind damit Daten gemeint, deren Richtigkeit als sicher gilt, da sie nicht auf Ableitungen zurückzuführen sind, sondern direkt empirisch erhoben wurden. Hier wären das die Ergebnisse einer gesicherten manuellen Übertragung, auf deren Grundlage die Software lernen soll, wie die einzelnen Buchstaben aussehen.
   2. Sind diese Daten eingespeist, kann die Software damit beginnen, Texte zu übertragen, wobei möglicherweise noch Fehler vorkommen. Diese können dann wieder von Menschenhand korrigiert werden, wodurch eine Art Kreislauf entsteht, durch den die Software immer besser darin wird, eine Schrift zu erkennen.
   3. Ist schließlich der Text übertragen, muss er für eine wissenschaftliche Nutzung noch aufbereitet werden. Forschende annotieren den Text, indem sie ihm in einer Software systematisch Anmerkungen hinzufügen, die notwendig sind, damit man ihn später nach bestimmten, vorher festgelegten Kriterien durchsuchen und auswerten kann.

In allen drei Schritten sind also nach wie vor Menschen notwendig, wobei jeder Schritt andere Kompetenzen erfordert als der nächste. Entweder kennen sich die Beteiligten in linguistischer Annotation, in der Arbeit mit OCR-Software oder in der Übertragung von Kurrentschrift aus. Letztere Fähigkeit beherrschen einige Menschen noch aus ihrer eigenen Schulzeit, weshalb es ihnen wenig Mühe bereitet, Texte in Kurrent zu lesen. Auf ihre Möglichkeiten, in „bürgerwissenschaftlichen“ Kontexten zu wirken, hat Alexander Lasch hingewiesen, der für den Podcast „Alte Schriften“ verantwortlich ist. Die Quellen, die diesem Podcast zugrunde liegen, stammen aus einem laufenden Forschungsprojekt und werden von linguistischen Lai:innen vorgelesen – damit ist der erste Schritt getan. Wenn Studierende diese Aufnahmen technikgestützt in ein OCR-Training übertragen, entstehen arbeitsteilige Workflows, die Lehre, Bürgerwissenschaft und linguistische Methoden verknüpfen.

Wer das nun liest und sich beteiligen will oder Menschen kennt, die sich beteiligen könnten, der sei herzlich eingeladen, sich zu melden, denn: Unterfangen zur Übertragung von alten Handschriften können in zweifacher Hinsicht für Vielfalt sorgen: Sie bieten uns die Möglichkeit, Stimmen aus der Vergangenheit hörbar zu machen, die einen größeren Teil der Gesellschaft repräsentieren, und zugleich die Gelegenheit, dass sich größere Teile der Gesellschaft an genau dieser Erschließung beteiligen.

---

---