Wenn kleine Zeichen große Fragen stellen

Historische Handschriften wirken auf den ersten Blick oft wie Texte, die nur noch gelesen werden müssen. Ein Manuskript wird digitalisiert, ein KI-System oder ein HTR-Modell analysiert die Seite, und am Ende entsteht eine Transkription.

So einfach ist es nicht.

Mittelalterliche und frühneuzeitliche Manuskripte bestehen nicht nur aus Buchstaben im modernen Sinn. Sie enthalten Kürzungszeichen, Ligaturen, hochgestellte Formen, Sonderzeichen, beschädigte Glyphen, unsichere Minimcluster, Randzeichen, Korrekturen und Schreibergewohnheiten, die sich nicht ohne Weiteres in moderne Schriftzeichen übersetzen lassen.

Genau hier beginnt eine der großen Herausforderungen digitaler Manuskriptanalyse.

Das Problem liegt nicht nur im Lesen

Viele digitale Systeme sind darauf ausgelegt, möglichst schnell Text aus einem Bild zu erzeugen. Das ist für viele Dokumentarten sinnvoll. Für historische Handschriften kann es problematisch werden.

Denn eine automatische Transkription beantwortet häufig nur die Frage:

Welcher Text könnte hier stehen?

Für quellengebundene Forschung reicht das nicht. Die wichtigere Frage lautet:

Welche sichtbaren Befunde führen zu dieser Lesung?

Zwischen Bild und Text liegt ein ganzer Analyseweg. Eine Linie kann ein Buchstabenteil sein, ein Kürzungszeichen, eine Korrektur, ein Fleck, ein Überbleibsel eines beschädigten Strichs oder eine Form, die nur im Vergleich mit anderen Stellen verständlich wird.

Wenn ein System diesen Zwischenschritt überspringt, kann aus einem unsicheren Bildbefund sehr schnell ein scheinbar sicheres Wort werden.

Kleine Zeichen verschwinden zuerst

Besonders kritisch sind sehr kleine Zeichenformen. Dazu gehören zum Beispiel:

• Kürzungsstriche
• Punkte
• kleine Haken
• hochgestellte Zeichen
• Tilden und Nasalstriche
• feine Verbindungsstriche
• kleine Korrekturzeichen
• schwer trennbare Minimfolgen

Solche Details sind oft nur wenige Pixel breit. Wenn ein Bild verkleinert, komprimiert oder als Arbeitskopie verarbeitet wird, können genau diese Informationen geschwächt, geglättet oder vollständig verloren gehen.

Für eine grobe Seitenbeschreibung ist das meist unproblematisch. Layout, Spalten, größere Textblöcke oder Seitenränder bleiben auch in reduzierter Darstellung oft erkennbar.

Für die Frage, ob eine kleine Form über einer Zeile ein relevantes Kürzungszeichen ist, reicht eine reduzierte Bildfassung dagegen häufig nicht mehr aus.

Ein Zeichen ist nicht automatisch ein Zeichen

Ein weiteres Problem liegt in der digitalen Kodierung.

Was im Manuskript sichtbar ist, ist zunächst eine konkrete Bildform. Diese Bildform ist nicht automatisch identisch mit einem modernen Unicode-Zeichen.

Bei historischen Texten kommen zusätzliche Referenzsysteme ins Spiel, etwa die Medieval Unicode Font Initiative, kurz MUFI. MUFI stellt Empfehlungen und Zeichenreferenzen für mittelalterliche Sonderzeichen bereit, insbesondere dort, wo der normale Unicode-Bestand nicht ausreicht oder wo Zeichen in der Private Use Area liegen.

Das ist für digitale Editionen sehr wichtig. Aber auch hier gilt:

Eine MUFI- oder Unicode-Zuordnung ersetzt nicht die Analyse der Quelle.

Ein Zeichen kann formal korrekt kodiert sein und trotzdem in einer bestimmten Anwendung falsch angezeigt werden, wenn der passende Font fehlt. Ein anderes Zeichen kann visuell ähnlich aussehen, aber in der Quelle eine andere Funktion haben. Und manchmal reicht der Bildbefund schlicht nicht aus, um eine sichere Entscheidung zu treffen.

Die Ebenen müssen deshalb getrennt bleiben:

sichtbare Manuskriptform
≠ modernes Unicode-Zeichen
≠ MUFI-Codepoint
≠ Font-Darstellung
≠ sichere Lesung

Warum KI hier vorsichtig behandelt werden muss

KI-Modelle können beeindruckend gut mit Bildern und Texten umgehen. Sie können Manuskriptseiten beschreiben, Strukturen erkennen, Transkriptionsvorschläge machen und historische Texte in einen größeren Zusammenhang einordnen.

Aber sie haben auch eine strukturelle Schwäche: Sie neigen dazu, Unsicherheit in flüssige Sprache zu verwandeln.

Ein Modell kann aus einem schwer erkennbaren Zeichen eine plausible Lesung erzeugen. Diese Lesung kann sprachlich sinnvoll wirken, obwohl die sichtbare Grundlage nicht sicher genug ist.

Gerade bei historischen Handschriften ist das gefährlich. Dort ist nicht nur entscheidend, ob eine Lesung wahrscheinlich klingt. Entscheidend ist, ob sie am Bildbefund überprüfbar ist.

Eine wissenschaftlich brauchbare Analyse muss daher mehr leisten als Textausgabe. Sie muss zeigen, wo eine Lesung sicher ist, wo sie unsicher ist und welche sichtbaren Stellen besondere Aufmerksamkeit verlangen.

Vom Bild zur überprüfbaren Lesung

Für digitale Manuskriptanalyse braucht es deshalb einen anderen Blick auf den Prozess.

Nicht:

Bild → automatische Transkription

Sondern:

Bild → sichtbarer Befund → auffällige Zeichenformen → Unsicherheit → mögliche Lesung

Der entscheidende Schritt liegt vor der eigentlichen Transkription. Zuerst muss geprüft werden, welche Bereiche einer Quelle visuell kritisch sind.

Das können Stellen sein, an denen kleine Zeichen über der Zeile stehen. Oder Bereiche, in denen mehrere Minime so dicht beieinanderliegen, dass moderne Systeme leicht ein Wort ergänzen, ohne die Einzelzeichen wirklich zu begründen. Oder Sonderformen, die später für eine digitale Edition sauber kodiert werden müssen.

Solche Stellen sollten nicht still in eine glatte Lesung überführt werden. Sie sollten markiert, beschrieben und als unsicher oder prüfbedürftig kenntlich gemacht werden.

Warum das auch für Laien wichtig ist

Manuskriptanalyse ist nicht nur ein Thema für Spezialisten. Immer mehr historische Quellen werden digital zugänglich. Archive, Bibliotheken, private Sammlungen und interessierte Nutzer arbeiten mit digitalen Handschriftenbildern.

Doch nicht jeder Nutzer kann beurteilen, ob eine automatische Transkription an einer bestimmten Stelle paläographisch belastbar ist.

Genau deshalb braucht es Systeme, die Unsicherheit nicht verstecken.

Ein gutes digitales Werkzeug sollte nicht nur sagen:

Hier steht dieser Text.

Sondern auch:

An dieser Stelle gibt es eine visuelle Auffälligkeit. Die Lesung ist hier nicht vollständig abgesichert. Eine alternative Deutung oder Sonderzeichenkodierung ist möglich.

Für Nutzer entsteht dadurch keine Überforderung, sondern Orientierung. Sie müssen nicht selbst Expertinnen oder Experten für mittelalterliche Abkürzungen, Unicode oder MUFI sein. Sie sehen aber, wo Vorsicht geboten ist.

Dokumentation statt Scheinsicherheit

Die größte Gefahr automatischer Analyse liegt nicht im Fehler selbst. Fehler lassen sich prüfen und korrigieren.

Gefährlicher ist eine Ausgabe, die keine Spuren ihres Entstehungswegs zeigt.

Wenn nicht sichtbar bleibt, welche Bildfassung analysiert wurde, welche Stelle kritisch war, ob ein Zeichen sicher erkannt wurde oder ob eine Lesung nur plausibel ergänzt wurde, entsteht Scheinsicherheit.

Für wissenschaftliche Arbeit ist das problematisch. Für digitale Editionen ist es noch problematischer. Denn eine Edition ist nicht nur ein lesbarer Text, sondern eine dokumentierte Entscheidung über eine Quelle.

Deshalb muss digitale Manuskriptanalyse ihre eigenen Grenzen sichtbar machen.

HISTORIAMP und der Weg zur quellengebundenen Analyse

HISTORIAMP verfolgt diesen Ansatz: Nicht die schnelle Texterzeugung steht im Mittelpunkt, sondern der nachvollziehbare Weg vom Bild zur Lesung.

Das Projekt versteht historische Handschriften nicht als einfache OCR-Aufgabe, sondern als mehrstufige Analyse:

Quelle
→ Bildbefund
→ Layout
→ Segment
→ Glyph
→ Unsicherheit
→ Lesung
→ Qualitätskontrolle

Dabei gilt:

HISTORIAMP erzeugt keine historische Wahrheit. HISTORIAMP macht sichtbar, worauf eine Lesung beruht.

Das ist besonders dort wichtig, wo kleine Zeichen große Folgen haben: bei Abkürzungen, Sonderzeichen, Minimclustern und unsicheren Glyphformen.

Fazit

Historische Manuskripte stellen digitale Systeme vor eine besondere Aufgabe. Es reicht nicht, aus einem Bild möglichst schnell Text zu erzeugen.

Entscheidend ist, ob der Weg vom sichtbaren Befund zur Lesung nachvollziehbar bleibt.

Gerade kleine Zeichen, Kürzungen und Sonderformen zeigen, warum digitale Paläographie mehr braucht als automatische Texterkennung. Sie braucht Bildtreue, saubere Dokumentation, Unsicherheitsmarkierung und eine klare Trennung zwischen sichtbarer Quelle, technischer Kodierung und interpretierter Lesung.

Die wichtigste Frage lautet daher nicht nur:

Was liest das System?

Sondern vorher:

Was sieht es wirklich — und worauf stützt sich diese Lesung?

Genau an dieser Stelle beginnt quellengebundene Manuskriptanalyse.