Leibniztag - edoc-Server der BBAW - Berlin-Brandenburgische ...

Bericht über die Arbeitsergebnisse 2009
Bilddigitalisierung
Die Bilddigitalisierung konnte im Jahr 2009 vollständig abgeschlossen werden. Ergänzend
zu den Kooperationen mit großen Berliner Bibliotheken (SBB PK, ZLB;
siehe Bericht im Jahrbuch 2008) wurden 2009 durch das an die Staats- und Universitätsbibliothek
Göttingen angegliederte Göttinger Digitalisierungszentrum (GDZ)
Bilddigitalisate angefertigt. Insgesamt wurden knapp 260.000 Bilddigitalisate erstellt
und etwa 730 Textbände vollständig digitalisiert. Da jeweils der gesamte Band, inkl.
Einband, Vor- und Nachstücken sowie den für die Volltexterstellung irrelevanten Abbildungen,
digitalisiert wird, müssen ca. 220.000 Seiten als Volltexte erfasst werden.
Volltexterstellung und linguistische Annotierung
Die Volltexterfassung bildete einen der drei Schwerpunkte der Projektarbeit im Berichtszeitraum.
Der größere Teil der Texte (mindestens 150.000 Textseiten) wird im
Double-Keying-Verfahren manuell erfasst, für einen kleineren Teil überwiegend
einfach strukturierter Texte (ca. 70.000 Textseiten) wird eine OCR-So� ware mit anschließender
manueller Nachkorrektur eingesetzt.
Die vor der Volltexterfassung anfallende Vorstrukturierung der Bilddigitalisate
(Kennzeichnung von Überschri� en, typographischen Besonderheiten u. ä.) konnte
in diesem Jahr abgeschlossen werden.
Im Double-Keying-Verfahren wurden bis Ende 2009 knapp 140.000 Seiten (375
Bände) in einem vorstrukturierten Volltextformat erfasst, damit sind insgesamt 93 %
des vereinbarten Gesamtvolumens abgeschlossen. Die mit dem für das Double-Keying
beau� ragten Dienstleister vereinbarte Arbeitsgeschwindigkeit ist eingehalten
worden, so dass bis Ende Februar 2010 mit dem Abschluss der manuellen Volltexterfassung
gerechnet werden kann.
Die nach der manuellen Texterfassung anfallenden Konvertierungsarbeiten bedürfen
einer weiteren Vorbereitung (manuell vertiefende Strukturierungen, Konkordanz
der Bilddigitalisate zur Paginierung der Originalvorlagen). Im Mai 2009 konnte mit
der Konvertierung der Volltexte in das Zielformat XML-TEI-P5 entsprechend dem
DTA-XML-Schema nach den Richtlinien der Text Encoding Initiative (TEI) begonnen
werden. Seither wurden 300 Bände für die Konvertierung vorbereitet. 250 der
manuell erfassten Bände liegen im � nalen XML-TEI-Format vor.
Von den per OCR erkannten Seiten haben 2009 ca. 25.000 ein doppeltes Nachkorrekturverfahren
durchlaufen. Die OCR-Nachkorrektur von 70.000 Seiten konnte
damit abgeschlossen werden. Der sich daran anschließende Vergleich der beiden
Korrekturfassungen fällt aufwendiger aus als geplant. Er konnte im Berichtsjahr für
29.000 Seiten durchgeführt werden, insgesamt liegen damit 35.000 von 70.000 Seiten
Deutsches Textarchiv
|
321