KI entziffert das kulturelle Gedächtnis Forschere entwickeln KI-Methoden zur Erschließung unlesbarer historischer Quellen

Anbieter zum Thema

FAU Friedrich-Alexander- Universität Erlangen-Nürnberg Lehrstuhl für Techn. Thermodynamik

QUNIS GmbH

BigData-Insider

Fivetran Germany GmbH

Forscher der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) setzen Künstliche Intelligenz (KI) ein, um bislang kaum zugängliche historische Quellen lesbar zu machen. Zwei neue Projekte kombinieren Methoden der Mustererkennung mit geisteswissenschaftlicher Expertise.

Künstliche Intelligenz findet zunehmend Anwendung jenseits klassischer Industrie- und Wirtschaftsszenarien. An der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) arbeiten Informatikerinnen und Informatiker in zwei Forschungsprojekten daran, historische Dokumente zu erschließen, die selbst für Fachleute nur schwer oder gar nicht mehr lesbar sind. Die Vorhaben werden im Rahmen des Humanities and AI Virtual Institute (HAVI) Award 2025 gefördert. Insgesamt stehen dafür knapp 770.000 Euro zur Verfügung, ein Teil davon entfällt auf die FAU.

Im Zentrum der Projekte stehen unterschiedliche, aber verwandte Herausforderungen: seltene historische Schriftsysteme einerseits, stark beschädigte Manuskripte andererseits. Beide Fälle gelten bislang als digitale Sackgasse, da klassische Texterkennungsverfahren hier an ihre Grenzen stoßen.

KI lernt historische Stenografie

Ein Projekt widmet sich der sogenannten Gabelsberger-Stenografie, einer im 19. und frühen 20. Jahrhundert verbreiteten Kurzschrift. Zahlreiche Manuskripte aus dieser Zeit – darunter Aufzeichnungen von Kurt Gödel, Erwin Schrödinger oder Erich Kästner – sind in dieser Schrift verfasst, heute jedoch kaum noch entzifferbar.

„Die Manuskripte und Tagebücher enthalten Material von historischer und intellektueller Relevanz. Allerdings sind heute nur noch sehr wenige Menschen in der Lage, diese Schrift zu lesen, sodass viele Archivbestände praktisch unzugänglich sind“, sagt Projektleiter Dr. Vincent Christlein vom Lehrstuhl für Mustererkennung der FAU.

Der Lehrstuhl für Mustererkennung der FAU entwickelt gemeinsam mit der Universität Mainz KI-Modelle zur Handschriftenerkennung, die gezielt auf stenografische Schriftsysteme trainiert werden.

Die Modelle sollen in der Lage sein, komplexe Zeichenfolgen zuverlässig zu erkennen und in maschinenlesbaren Text zu überführen.

Rekonstruktion beschädigter Texte

Ein zweites Projekt befasst sich mit antiken Manuskripten, die durch Feuer, Alterung oder mechanische Schäden stark beeinträchtigt sind. Dazu zählen verkohlte aus Herculaneum ebenso wie manichäische Codices aus dem ägyptischen Medinet Madi. Diese Rollen gelten als einzigartig, sind aber trotz struktureller Integrität durch Verkohlung jahrhundertelang unlesbar geblieben.

„Moderne Bildgebungsverfahren wie Multispektralaufnahmen oder Röntgentomographie können verbliebene Tintenreste besser sichtbar und damit lesbarer machen. Das Hauptproblem besteht darin, dass das Trägermaterial Löcher und Risse aufweist und dass sich einzelne Papyrusschichten oft nicht zerstörungsfrei voneinander trennen lassen“, erklärt Vincent Christlein.

Mit modernster Technik aus Micro-CT-Scans und Machine-Learning-Algorithmen arbeiten die Forscher daran, solche Rollen virtuell zu entrollen und ihre Texte sichtbar zu machen – ein Ansatz, der bereits auch im EU-Projekt „UnLost“ diskutiert wird.

Moderne Bildgebung wie hochauflösende Micro-CT-Scans liefert zwar dreidimensionale Einsichten, doch die Trennung von Schriftzeichen und Materialstrukturen ist komplex. KI-Verfahren sollen hier helfen, die Rollen virtuell „zu entrollen“, Schrift von Störfaktoren zu trennen und passgenaue Lesetexte zu erzeugen – ein Ansatz, der bereits auch im EU-Projekt „UnLost“ diskutiert wurde.

KI mit und für Geisteswissenschaften

„Wir arbeiten von Anfang an mit Expertinnen und Experten aus den Geisteswissenschaften zusammen, die Rückmeldung zu den Trainingsdaten geben“, erklärt Christlein. „So entwickeln wir valide Bewertungsmaßstäbe, die Methoden der Informatik mit humanistischer redaktioneller Praxis verbinden.“ Die KI-Modelle werden zunächst mit den vorhandenen Quellen der Stenografie- und Papyrus-Bibliotheken trainiert. Ziel beider Projekte ist es jedoch, jeweils universale Werkzeuge zu schaffen, die schwer zugängliche Quellen entschlüsseln und damit die geisteswissenschaftliche Forschung bereichern.

(ID:50658843)