Gewinne:
- Möglichkeit zur Korrektur gescannter Dokumente durch Konvertierung in Text mit OCR und HTR und Vergleich der Ausgabe mit dem tatsächlichen Bild
- Möglichkeit, die Originalität und Integrität des Archivdokuments zu bewahren und zu verhindern, dass KI den Inhalt und die gefälschte Wiederherstellung verändert
- Möglichkeit zur Planung einer langfristigen digitalen Aufbewahrung mit Herkunftsinformationen und dauerhaften Formaten
Ein Archivar hat die Aufgabe, fünfzig Jahre alte Zeitungsbände, handgeschriebene Briefe oder alte Fotos in die Zukunft zu tragen. Diese Dokumente nutzen sich mit der Zeit ab; Um sie sowohl zu bewahren als auch zugänglich zu machen, erfolgt die Digitalisierung: das Scannen eines physischen Dokuments und dessen Umwandlung in eine digitale Kopie. Aber Screening allein reicht nicht aus; Das digitale Objekt muss langfristig auffindbar, lesbar und wartbar sein. In dieser Einheit erfahren Sie, wie Sie künstliche Intelligenz im Workflow für Digitalisierung, Transkription und digitale Aufbewahrung einsetzen. Aber Sie werden erfahren, warum Sie die Verantwortung für Originalität und Genauigkeit tragen.
Ein paar Konzepte. OCR (Optical Character Recognition) ist eine Technologie, die den Text im Bild eines Dokuments in maschinenbearbeitbaren Text umwandelt. HTR (Handschriftliche Texterkennung) erledigt die gleiche Aufgabe für handgeschriebene Dokumente und ist viel schwieriger. Bei der digitalen Bewahrung handelt es sich um eine geplante Maßnahme, um sicherzustellen, dass digitale Objekte über Jahrzehnte hinweg lesbar bleiben, auch wenn Dateiformate veraltet sind und sich die Software ändert. KI ist in allen drei Bereichen ein leistungsstarker, aber fehlerhafter Assistent.
Schritt für Schritt: von der Digitalisierung bis zur Konservierung
1. Priorisieren. Man kann nicht alles auf einmal digitalisieren. Die fragilsten, am häufigsten nachgefragten und einzigartigsten Dokumente werden an die erste Stelle gesetzt. Dies ist eine gerichtliche Entscheidung; KI hilft bei der Listenbearbeitung, die Priorität bestimmt jedoch die Institution.
2. Scannen Sie und wenden Sie OCR/HTR an. Scannen Sie das Dokument mit hoher Auflösung und extrahieren Sie den Text dann mit OCR oder HTR. KI-basierte Tools werden hier immer besser, auch bei alten und schwierigen Texten.
3. Korrigieren und überprüfen Sie den Text. Die OCR/HTR-Ausgabe ist nie perfekt. Fehler kommen häufig vor, insbesondere wenn es sich um alte Schriften, fleckige Seiten oder ein Manuskript handelt. Es ist wichtig, die Ausgabe mit dem tatsächlichen Bild zu vergleichen und zu korrigieren.
4. Fügen Sie Metadaten und Schutzinformationen hinzu. Fügen Sie dem digitalen Objekt seine Herkunft, Scanbedingungen, Formatinformationen und Herkunft hinzu – woher das Dokument stammt und wie es verarbeitet wurde. Diese Informationen sind für die zukünftige Überprüfung und den Schutz von entscheidender Bedeutung.
5. Planen Sie einen langfristigen Schutz. Wählen Sie Dateiformate, die offen, verbreitet und dauerhaft sind; sichern; Erstellen Sie einen Migrationsplan für den Fall, dass Formate veraltet sind.
Tipp: Akzeptieren Sie die OCR-Ausgabe nicht als „Klartext“. Würde ein Suchsystem diesen Text durcharbeiten, würden falsch erkannte Wörter dazu führen, dass die Quelle nicht gefunden wird. Bei kritischen Sammlungen bestimmt die Korrektur der OCR-Ausgabe für das menschliche Auge die Qualität aller nachfolgenden Zugriffe.
Authentizität und Integrität des digitalen Objekts
Im Mittelpunkt der Archivarbeit stehen Authentizität und Integrität: die Gewissheit, dass ein Dokument tatsächlich von der angegebenen Quelle stammt und dass sein Inhalt nicht verändert wurde. An diesem Punkt stellt die KI eine zweigleisige Bedrohung dar. Erstens kann die KI während der OCR/HTR-Korrektur oder „Verbesserung“ den Text stillschweigend ändern; kann ein Wort hinzufügen, das nicht unter dem Namen „Korrektur“ existiert. Zweitens: Wenn die „Reparatur“ oder „Wiederherstellung“ des Bildes mit KI durchgeführt wird, können nicht originale Details erzeugt werden.
Die Regel des Archivars ist klar: Die digitale Sicherungskopie muss originalgetreu sein. Jede mit KI erzielte Verbesserung sollte dokumentiert werden und der tatsächliche (Roh-)Scan sollte immer erhalten bleiben. Die „Verschönerung“ eines Dokuments kann seinen historischen Beweiswert zerstören.
Achtung: Es könnte verlockend sein, ein altes Foto oder Dokument mit KI zu „verbessern“. aber die KI ergänzt die fehlenden Teile, indem sie sie erfindet. In einem Archivdokument bedeutet dies, falsche historische Beweise zu erstellen. Die Wiederherstellungsausgabe ersetzt niemals die Originalquelle; wird als separate, eindeutig gekennzeichnete Variante gespeichert.
drei Mini-Koffer
Fall 1 – Zeitungsarchive wurden durchsuchbar. Eine Bibliothek hat ihre 30 Jahre alte Sammlung lokaler Zeitungen digitalisiert. Mit OCR wurden 90.000 Seiten transkribiert und durchsuchbar gemacht; Eine Themensuche, die früher Tage dauerte, wurde nun auf Sekunden reduziert. Allerdings stellte das Team fest, dass die OCR-Genauigkeit auf alten und fleckigen Seiten auf 80 % sank, und priorisierte die Korrektur der oberen Jahreszahlen mit dem menschlichen Auge.
Fall 2 – HTR öffnete das Manuskript. Ein Archiv wendete HTR auf eine Sammlung schwer lesbarer Briefe aus dem 19. Jahrhundert an. Nach monatelanger Lektüre durch Experten hat das System enorm an Geschwindigkeit gewonnen; Aber jede Seite des Ausdrucks wurde von einem erfahrenen Paläographen (einem Experten für antike Schrift) mit dem Original verglichen, da die Namen von Personen und Orten fehlerhaft waren.
Fall 3 – Gefälschte „Restaurierung“ abgelehnt. Ein Team erwog, ein zerrissenes historisches Foto mit KI zu „reparieren“. Die KI ergänzte die fehlenden Gesichtsteile, indem sie sie anpasste. Der Archivar erkannte, dass diese erfundenen Details die historischen Beweise verfälschen würden; Das reparierte Bild wurde separat neben dem Original gespeichert und nur deutlich als „KI-Derivat“ gekennzeichnet.
Zugriffskopie, Aufbewahrungskopie und Formatentscheidung
Eine bewährte Praxis bei der Digitalisierung besteht darin, Kopien desselben Objekts für verschiedene Zwecke zu trennen. Ein Konservierungsmaster ist das eigentliche digitale Objekt, das in die Zukunft übertragen werden soll und in der höchsten Auflösung, unkomprimiert oder verlustfrei gespeichert wird; es wird selten berührt. Die Zugriffskopie ist eine kleinere, leicht zu öffnende Variante, die dem Benutzer präsentiert wird. Diese Unterscheidung ist wichtig, da das praktisch zu verwendende Format (klein, komprimiert) möglicherweise nicht für die Langzeitarchivierung geeignet ist; Das ideale Format zur Aufbewahrung (groß, verlustfrei) ist für den täglichen Gebrauch umständlich. In diesem Workflow kann KI dabei helfen, Dateien zu inventarisieren, fehlende Varianten zu erkennen und die Metadaten zwischen zwei Kopien konsistent zu halten. Die Wahl des Formats ist jedoch eine Entscheidung zur Erhaltung: Offene, umfassend dokumentierte und dauerhafte Formate sollten bevorzugt werden (anstelle proprietärer, geschlossener Formate), und es sollte ein Migrationsplan bereitgehalten werden, für den Fall, dass die Formate mit der Zeit obsolet werden. Auch wenn KI ein Format vorschlägt, hat die Politik der Institution zur Langzeitarchivierung das letzte Wort.
Tipp: Führen Sie für jedes digitale Objekt eine kurze Aufzeichnung, die die Fragen beantwortet: „Wo ist die Originalquelle, in welchem Format liegt die Aufbewahrungskopie vor, in welchem Format liegt die Zugriffskopie vor und welche wird dem Benutzer zur Verfügung gestellt?“ Durch die Vermischung dieser drei Ebenen ist unklar, welche Datei in Zukunft der vertrauenswürdige Master ist.
Vier kopierbare Vorlagen
1) Hilfe zur Korrektur der OCR-Ausgabe:
Nachfolgend finden Sie einen OCR-Text und eine Beschreibung der tatsächlichen Seite. Beheben Sie nur openOCR-Fehler (falsche Zeichen, zusammengesetzte/geteilte Wörter). Ändern Sie den Inhalt nicht, fügen Sie keine Wörter hinzu oder entfernen Sie sie. Wenn Sie sich nicht sicher sind, markieren Sie es mit „[?]“. OCR-Text: [hier]
2) Prüfung der Text-Bild-Konsistenz:
Gibt es im korrigierten Text unten Ergänzungen, die im Originaldokument (das möglicherweise erfunden wurde) nicht erwartet wurden? Markieren Sie jeden verdächtigen Teil und schreiben Sie, warum er verdächtig ist. Text: [hier]
3) Entwurf für Schutzmetadaten:
Erstellen Sie die Metadatenübersicht für die Aufbewahrung des folgenden digitalisierten Objekts: Quelle, Herkunft, Scandatum/-auflösung, Dateiformat, Transaktionsverlauf. Verwenden Sie einfach die von mir bereitgestellten Informationen und lassen Sie das fehlende Feld leer. Informationen: [hier]
4) Priorisierungshilfe:
Nachfolgend finden Sie die Liste der Sammlungen, die auf die Digitalisierung warten. Helfen Sie bei der Priorisierung basierend auf Fragilität, Nachfrage und Einzigartigkeit. Begründen Sie jede Ressource kurz; Überlassen Sie die endgültige Entscheidung mir.Liste: [hier]
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Korrigieren und verschönern Sie diesen gescannten Text.
„Beautify“ lädt die KI ein, den Inhalt zu ändern und die Auslassungen auszugleichen; Die Originalität des Archivdokuments ist beschädigt.
Kraftvolle Aufforderung:
Ihre Rolle: Assistent der Digitalisierungsredaktion. Beheben Sie im folgenden OCR-Text NUR explizite Erkennungsfehler (falsches Zeichen, falsch geteiltes Wort). Fügen Sie keine Wörter hinzu, entfernen oder ändern Sie sie nicht. Lassen Sie „[?]“, wenn Sie sich nicht sicher sind. Zeigen Sie jede von Ihnen vorgenommene Korrektur in einer separaten Liste an. Text: [hier]
Die leistungsstarke Eingabeaufforderung beschränkt die KI darauf, nur Fehler zu erkennen, verbietet ihr das Berühren von Inhalten und macht Korrekturen nachvollziehbar.
Workflow- und Risikotabelle
Bühne
Beitrag der KI
Hauptrisiko
Schutzmaßnahme
scannen
—
schlechte Qualität
hohe Auflösung
OCR/HTR
In Text umwandeln
Erkennungsfehler
menschliche Korrektur
Korrektur
Fehlervorschlag
Inhalte ändern
Vergleich mit Original
Restaurierung
Bildableitung
passendes Detail
Behalten Sie das Rohoriginal und beschriften Sie es
Schutz
Metadatenentwurf
Verlust der Herkunft
Provenienznachweis
Häufige Fehler
- Akzeptieren der OCR-Ausgabe ohne Korrektur. Fehler stören die Suche und den Zugriff.
- KI als „schön machen“ bezeichnen. Es verändert den Inhalt und zerstört die Originalität.
- Ersetzen Sie die KI-Wiederherstellung durch tatsächliche Beweise. Fingierte Details erzeugen falsche Geschichte.
- Der Rohscan wird nicht gespeichert. Ohne das Original ist keine Korrektur verifizierbar.
- Weglassen von Herkunftsangaben. Die Zuverlässigkeit des Dokuments wird unauffindbar.
Zusammenfassend
KI in digitalen Archiven und Digitalisierung; Es ist ein wertvolles Hilfsmittel, das die OCR/HTR-Transkription, die Erstellung von Metadaten und die Priorisierung beschleunigt. Aber das Wesentliche der Archivarbeit ist Authentizität und Integrität: OCR-Ausgaben sollten durch das menschliche Auge korrigiert werden, KI sollte niemals stillschweigend Inhalte ersetzen, Restaurierungsderivate sollten die Originalbeweise nicht ersetzen und Rohscan- und Herkunftsinformationen sollten immer erhalten bleiben. Nutzen Sie KI als Werkzeug, das das Dokument nicht „verbessert“, sondern zugänglich macht und ihm dabei treu bleibt.
Anwendungsaufgabe
Erhalten Sie ein kurzes Beispiel der OCR-Ausgabe (entweder aus Ihrer eigenen Produktion oder aus einem tatsächlichen Scan). Lassen Sie mit der Vorlage „OCR-Ausgabekorrekturhilfe“ lediglich die Erkennungsfehler korrigieren, prüfen Sie anschließend mit der Vorlage „Text-Bild-Konsistenzprüfung“, ob die KI Inhalte hinzugefügt hat. Anschließend erstellen Sie mit der Vorlage „Preservation Metadata Draft“ einen Datensatz mit den Provenienz- und Formatinformationen zum Objekt.
Checkliste
- [ ] Ich habe die OCR/HTR-Ausgabe mit dem tatsächlichen Bild verglichen und korrigiert.
- [ ] Ich habe überprüft, dass die KI keine Inhalte hinzufügt/ändert.
- [ ] Ich habe den Rohscan (Master) separat und unverändert aufbewahrt.
- [ ] Ich habe den Metadaten Herkunfts- und Formatinformationen hinzugefügt.
- [ ] Ich habe Restaurierungsvarianten eindeutig als „KI-Derivat“ gekennzeichnet.