Praktische Anleitung: So trainieren Sie Ihr erstes HTR-Modell

Für die Erstellung Ihres eigenen handschriftlichen Texterkennungsmodells (HTR) sind keine Programmier- oder maschinellen Lernkenntnisse erforderlich. Das Grundprinzip besteht darin, dass wir dem System eine ausreichende Anzahl von Bildern von Handschriftzeilen zusammen mit deren korrekter Transkription zur Verfügung stellen. Dieses Paar – das Bild des Dokuments und seine verifizierte Transkription – bildet das sogenannte Ground Truth (GT), also die Referenzdaten, aus denen das Modell lernt. [1]

Das folgende Verfahren konzentriert sich hauptsächlich auf Transkribus, da es die Ausführung des gesamten Prozesses in einer grafischen Umgebung ermöglicht. Dasselbe Grundprinzip wird jedoch auch von Open-Source-Tools verwendet, beispielsweise eScriptorium mit dem Erkennungssystem Kraken. [2]

1. Definieren Sie zunächst das Material

Bevor Sie mit der Erstellung von Trainingsdaten beginnen, sollten Sie festlegen, was das zukünftige Modell tatsächlich lesen können soll. Das beispielsweise für tschechische Verwaltungsregister aus dem 18. Jahrhundert vorgesehene Modell löst ein anderes Problem als das Modell für Personenkorrespondenz vom Beginn des 20. Jahrhunderts.

Für das erste Experiment ist es vorteilhaft, eine relativ homogene Menge zu wählen:

• Dokumente aus etwa derselben Zeit,
• gleiche Sprache,
• ähnliche Handschrift,
• vorzugsweise ein Schreiber oder eine kleine Anzahl von Schreibern,
• qualitativ ähnliche Bilder.

Je vielfältiger das Material, das wir dem Modell präsentieren, desto mehr Trainingsdaten benötigen wir normalerweise. Daher empfiehlt Transkribus, dass der Trainingssatz verschiedene Arten von Handschriften, Sprachen und andere Merkmale darstellt, die das Modell später erkennen soll. [3]

2. Wählen Sie repräsentative Seiten aus

Es ist nicht ratsam, einfach die ersten paar Dutzend Seiten des Buches zu nehmen. Es ist besser, Seiten auszuwählen, die das Material darstellen, an dem wir später arbeiten werden.

Wenn ein Archivband beispielsweise gemeinsame Einträge, Tabellen, Überschriften, Randnotizen und mehrere verschiedene Schreiber enthält, sollten wir im Voraus entscheiden, welche dieser Elemente das Modell verarbeiten soll.

Für das erste Modell ist es nicht notwendig, Hunderte von Seiten vorzubereiten. Die aktuelle Transkribus-Dokumentation listet je nach Art des Materials ungefähr 5.000 bis 15.000 Wörter auf, was ungefähr 25-75 Seiten entspricht. [4] Bei Manuskripten hängt die Menge der notwendigen Daten hauptsächlich von deren Variabilität ab. Die neueren Anweisungen von Transkribus geben als indikatives Minimum etwa 10.000 Wörter pro Schreiberhand („Hand“) an. [1]

Diese Zahlen sind als Richtwerte und nicht als feste Grenzwerte zu verstehen.

3. Probieren Sie zunächst ein vorhandenes Modell aus

Bevor Sie ein eigenes Modell erstellen, empfiehlt es sich zu prüfen, ob es bereits ein für das gegebene Material geeignetes Modell gibt. Transkribus bietet öffentliche Modelle, die sowohl von seinen Entwicklern als auch von der Benutzergemeinschaft erstellt wurden. Sie können beispielsweise nach Sprache, Zeitraum oder Schrifttyp durchsucht werden. [5]

Das bestehende Modell liefert möglicherweise keine perfekte Transkription. Schafft es jedoch eine brauchbare Grundlage, kann es die Erstellung des Ground Truth deutlich beschleunigen: Statt die gesamte Seite manuell zu transkribieren, korrigieren wir nur die automatisch generierte Transkription.

4. Analysieren Sie das Seitenlayout

Das HTR-System muss wissen, wo sich jede Textzeile auf der Seite befindet. Daher geht der Texterkennung eine Segmentierung oder Layoutanalyse voraus.

Für eine normale Seite erstellt das System in der Regel automatisch Textbereiche und sogenannte Baselines – Referenzlinien entlang einzelner Textzeilen. Diese müssen überprüft werden.

Falsch platzierte, zusammengeführte oder fehlende Zeilen können sich negativ auf die Trainingsdaten auswirken. Transkribus weist ausdrücklich darauf hin, dass die Korrektheit von Baselines bei der Erstellung eines Qualitätsmodells wichtig ist. [6]

5. Machen Sie eine genaue Transkription

Jetzt kommt der aufwändigste Teil des gesamten Prozesses.

Jede Zeile muss die korrekte Texttranskription enthalten. Wir können es manuell erstellen oder zuerst ein vorhandenes HTR-Modell verwenden und dann das Ergebnis korrigieren.

Wichtiger als Geschwindigkeit ist Genauigkeit und Konsistenz. Das Modell erkennt nicht, dass ein Fehler in Ground Truth ein menschlicher Tippfehler ist. Eine fehlerhafte Transkription ist lediglich eine Trainingsinformation dafür. [1]

Bevor Sie mit einer umfangreicheren Transkription beginnen, empfiehlt es sich daher, einfache Transkriptionsregeln zu erstellen. Es ist beispielsweise zu entscheiden:

• ob wir die ursprüngliche Schreibweise beibehalten,
• wie wir Groß- und Kleinbuchstaben schreiben,
• wie wir mit Abkürzungen umgehen,
• ob wir Kurzformen erweitern,
• wie wir Satzzeichen schreiben,
• wie wir mit durchgestrichenem oder hinzugefügtem Text umgehen,
• ob historische Schriftzeichen erhalten bleiben.

Eine konsistente Art der Transkription ist für das Training eines Modells tendenziell wichtiger als die Textmodernisierung.

6. Markieren Sie verifizierte Seiten als Ground Truth

Wir betrachten eine Seite erst dann als Ground Truth, wenn wir sowohl ihre Transkription als auch ihre Segmentierung überprüft haben.

In Transkribus kann den so geprüften Seiten der Status Ground Truth zugewiesen werden. Anschließend erstellen wir aus diesen verifizierten Daten ein Trainings- und Validierungsset. [1]

Es ist hilfreich, die automatische Transkription nicht als Ground Truth zu betrachten, nur weil sie „ziemlich gut aussieht“. Selbst eine relativ kleine Menge systematischer Fehler kann dem Modell ein unerwünschtes Transkriptionsmuster beibringen.

7. Teilen Sie die Daten in Training und Validierung auf

Ein Modell sollte nicht nur anhand der Seiten bewertet werden, von denen es gelernt hat. Wir werden daher einen Teil des Ground Truth als Validierungssatz reservieren.

Transkribus empfiehlt ungefähr 90 % der Daten für das Training und 10 % für die Validierung. [1] [3]

Wenn wir also beispielsweise 50 qualitativ hochwertige transkribierte Seiten haben, können wir ungefähr Folgendes verwenden:

45 Seiten → Trainingsdaten
5 Seiten → Validierungsdaten

Validierungsseiten sollten repräsentativ sein. Wenn wir beispielsweise mehrere Schreiber in unseren Dokumenten haben, sollten wir den Validierungssatz nicht nur aus den am besten lesbaren davon erstellen. [3]

8. Erwägen Sie die Verwendung des Basismodells

Wir müssen das Modell nicht immer von Grund auf trainieren.

Wenn es ein Modell gibt, das auf einer ähnlichen Sprache, Epoche und Art des Manuskripts basiert, kann es als Basismodell verwendet und an Ihre eigenen Daten angepasst werden. Dieses im Allgemeinen als Feinabstimmung bezeichnete Verfahren kann die benötigte Datenmenge reduzieren und die Ergebnisse verbessern. [6]

Ein ähnliches Prinzip bietet auch eScriptorium / Kraken, bei dem das bestehende Modell auf eigenen Daten weiter trainiert werden kann. [2]

Für einen Einsteiger ist es daher sinnvoll, zunächst ein geeignetes Basismodell auszuprobieren und erst bei Bedarf mit dem Training von Anfang an zu experimentieren.

9. Beginnen Sie mit dem Training

Nach der Datenvorbereitung können Sie in Transkribus ein neues Texterkennungsmodell erstellen, Trainings- und Validierungsdaten und optional ein Basismodell auswählen und mit dem Training beginnen. [3]

Die Berechnung selbst läuft bereits automatisch ab. Ein Anfänger muss also kein neuronales Netzwerk aufbauen oder einen eigenen Algorithmus programmieren.

Das Ergebnis ist ein Modell, das auf die in Ground Truth dargestellte Handschrift spezialisiert ist.

10. Überprüfen Sie CER

Einer der grundlegenden Indikatoren für die Qualität des HTR-Modells ist die Character Error Rate (CER), also die Fehlerrate auf Zeichenebene.

Einfach ausgedrückt drückt CER aus, wie viele Zeichenoperationen erforderlich sind, damit die automatische Transkription mit der korrekten Referenztranskription übereinstimmt. Es gilt daher:

niedrigerer CER = genauere Erkennung.

CER 10 % bedeutet beispielsweise nicht einfach „90 % richtige Wörter“. Es handelt sich um eine Metrik, die auf den Unterschieden zwischen den Zeichen der Referenz und dem erkannten Text basiert.

Transkribus listet CER unter 10 % als allgemeingültiges Ergebnis für die Suche und weitere Analyse auf; Für eine gut modellierte, zusammenhängende Handschrift können Werte von etwa 5 % oder weniger erreicht werden. [1] [6]

Allerdings ist die Zahl selbst nicht das einzige Kriterium. Bei der Archivarbeit ist es wichtig, auch die Art der Fehler zu berücksichtigen. Beispielsweise kann das Modell gewöhnliche Texte zuverlässig lesen, macht aber gerade bei Personen- und Ortsnamen, Nummern oder Abkürzungen, die für die historische Forschung unerlässlich sind, systematisch Fehler.

11. Probieren Sie das Modell auf bisher ungenutzten Seiten aus

Wählen Sie nach dem Training des Modells einige Seiten aus, die nicht Teil des Trainings- oder Validierungssatzes waren, und führen Sie deren automatische Erkennung durch.

Dies gibt Ihnen eine praktischere Antwort auf die Frage:

„Wie gut wird dieses Modell bei anderen Dokumenten abschneiden?“

Ein Test an bisher nicht gesehenem Material wird auch vom Leitfaden Transkribus empfohlen. [1]

Wenn das Modell auf den neuen Seiten deutlich schlechter abschneidet als auf den Validierungsdaten, kann das Problem beispielsweise an einer nicht repräsentativen Auswahl von Ground Truth oder einer zu großen Manuskriptvielfalt liegen.

12. Korrigieren Sie Fehler und erstellen Sie weitere Ground Truth

Das erste Modell ist möglicherweise nicht endgültig.

Der praktische Ablauf könnte so aussehen:

Ground Truth → erstes Modell → automatische Transkription anderer Seiten → manuelle Korrektur → neues Ground Truth → neues Training → besseres Modell

Die iterative Erweiterung hochwertiger Trainingsdaten ist eine der grundlegenden Möglichkeiten, das eigene HTR-Modell zu verbessern. [7]

Gleichzeitig ist es wichtig, auf einen häufigen Fehler hinzuweisen: Das Korrigieren des automatisch erkannten Textes allein führt nicht automatisch zu einer Neuschulung des Modells. Die korrigierten Seiten müssen in die neuen Trainingsdaten übernommen und ein weiterer Trainingslauf gestartet werden. [8]

Einfaches erstes Experiment

Ein Anfänger muss nicht gleich die gesamte Archivsammlung digitalisieren. Es ist besser, mit einem kleinen kontrollierten Experiment zu beginnen.

Nehmen wir zum Beispiel ein Manuskriptbuch mit meist einem Schreiber. Wir werden daraus ca. 25-50 repräsentative Seiten erstellen. Wir führen Segmentierungen durch, korrigieren Basislinien und erstellen eine genaue Transkription.

Dann verwenden wir den Großteil der Daten für das Training und etwa ein Zehntel für die Validierung. Wenn es ein geeignetes öffentliches Modell für eine ähnliche Sprache, Epoche und Handschrift gibt, werden wir es als Grundlage verwenden.

Nach dem Training werden wir unser eigenes Modell auf einigen anderen Seiten ausprobieren, die noch nicht verwendet wurden.

Wir beheben Fehler nicht einfach mechanisch. Wir gehen ihrer Ursache auf die Spur:

Macht das Modell bei allen Zeichen Fehler?
Wir benötigen wahrscheinlich mehr oder bessere Ground Truth-Daten.

Ist die Leistung bei einem Schreiber besonders schlecht?
Diese Handschrift ist in den Trainingsdaten möglicherweise unterrepräsentiert.

Machen Fehler an Zeilengrenzen oder beim Zusammenführen von Text?
Das Problem hängt möglicherweise mit der Segmentierung und den Baselines zusammen.

Wird ein bestimmtes Zeichen systematisch falsch erkannt?
Es empfiehlt sich, die Konsistenz der Transkription in Ground Truth zu überprüfen.

Ist CER gut, aber das Modell schlägt bei neuen Dokumenten fehl?
Die Trainings- und Validierungsdaten sind wahrscheinlich nicht ausreichend repräsentativ für das reale Material.

Erst nach dieser Auswertung ist es sinnvoll, weitere korrigierte Seiten hinzuzufügen und das Modell erneut zu trainieren.

Ein solches Vorgehen hat einen wesentlichen Vorteil: Die im ersten Experiment erstellte Ground Truth ist keine verschwendete Arbeit. Es handelt sich um eine langfristig nutzbare Datenbank, die sukzessive erweitert und bei der Erstellung weiterer Modellversionen genutzt werden kann.

Verwendete Ressourcen

[1]Transkribus: How to train a model in Transkribus, 22.10.2025.
https://www.transkribus.org/blog/how-to-train-a-text-recognition-model-in-transkribus

[2]eScriptorium Dokumentation: Train models.
https://escriptorium-tutorial.readthedocs.io/en/latest/train/

[3]Transkribus Hilfecenter: Model Setup and Training.
https://help.transkribus.org/model-setup-and-training

[4]Transkribus Hilfecenter: How do I train a model?
https://help.transkribus.org/how-do-i-train-a-model

[5]Transkribus Hilfecenter: Public Models.
https://help.transkribus.org/public-models

[6]READ-COOP: How to improve the CER of your model, 16.04.2024.
https://blog.transkribus.org/en/how-to-improve-the-cer-of-your-model

[7]READ-COOP: How to retrain a model in Transkribus, 11.08.2024.
https://blog.transkribus.org/en/how-to-retrain-a-model-in-transkribus

[8]Transkribus Hilfecenter: Training Text Recognition Models.
https://help.transkribus.org/training-text-recognition-models