Multimodale Sprachmodelle zur Handschriftenerkennung und TEI-Auszeichnung: Ansatz, Workflow, Evaluation

Der Beitrag untersucht den Einsatz multimodaler Sprachmodelle (MLLMs) zur Handschriftenerkennung (HTR) und TEI-Auszeichnung in editorischen Workflows. Bisherige Studien zeigen, dass MLLMs spezialisierter HTR-Software wie Transkribus besonders bei nicht-englischen Texten und deutscher Kurrentschrift unterlegen sind. Im Goethe- und Schiller-Archiv wurde ein Workflow entwickelt, der Transkriptionen aus MLLMs und etablierter HTR in einem weiteren Schritt MLLM-basiert zu einer optimierten Version zusammenführt und menschlicher Kontrolle zugänglich macht. Ein mehrstufiges Promptingverfahren soll unerwünschte LLM-induzierte Korrekturen reduzieren. Eine Evaluation mit Ground Truth aus zwei laufenden Projekten belegen, dass MLLMs allein unzureichend sind, in Kombination jedoch Vorteile gegenüber herkömmlicher HTR sowie Effizienzgewinne bieten könnten. Die TEI-Auszeichnung lässt sich in Teilen zuverlässig automatisieren. MLLMs können somit den editorischen Prozess beschleunigen. Mit der im Workflow eingebauten mehrstufigen und toolunterstützten menschlichen Kontrolle kann dies zugleich in methodisch vertretbarer Weise geschehen.