Pilotprojekt zur KI-gestützten Transkription serieller Quellen
35.156 handschriftlich verfasste Protokolle auf 41.111 Blatt Folio in 46 Bänden: Die Sektionsprotokolle des Pathologischen Instituts der Charité der Jahre 1856 bis 1902 sind eine wertvolle Quelle für die Wissenschaft und eine Herausforderung für die Erschließung zugleich. Im Interview mit Meike Knittel verdeutlicht Judith Hahn vom Berliner Medizinhistorischen Museum die Anforderungen.

Was genau sind Sektionsprotokolle?
Es handelt sich um handschriftlich in Kurrentschrift verfasste Quellen medizinischen Inhalts: Ein Sektionsprotokoll, wie es im 19. Jahrhundert angelegt wurde, enthält Beschreibungen und Erkenntnisse eines Mediziners, die sich aus der Untersuchung eines Leichnams ergeben – in der Regel sind es Anatomen, Rechtsmediziner oder Pathologen, die sezieren. In unserem Fall handelt es sich um Protokolle von pathologischen Sektionen – wobei sich die Pathologie im Entstehungszeitraum der Protokolle gerade erst von der Anatomie abgelöst hat. Im Sinne einer „letzten Diagnose“ stellen Pathologen bei Patient*innen, die im Krankenhaus verstorben sind, Krankheitszeichen fest und überprüfen die Todesursache. Sektionen folgen einer definierten Systematik. Schritt für Schritt wird der gesamte Körper begutachtet – zunächst äußerlich, dann innerlich – Rudolf Virchow definiert in seiner „Sections-Technik“ 1876 den idealen Ablauf und druckt vier Sektionen aus der Charité als Fallbeispiele ab.1

Foto: © 2022 KBE/Kuhn, FREIZEIT Gestaltung
In welchem Zustand liegen die Sektionsprotokolle vor?
Die Protokolle sind jahrgangsweise gebunden, waren aber konservatorisch lange in einem schlechten Zustand. Das Museum hat sich immer wieder um Mittel für die Restaurierung bemüht. Eine Förderung der Koordinierungsstelle für die Erhaltung des schriftlichen Kulturguts erlaubt uns jetzt, alle 46 Bände restaurieren und neu verpacken zu lassen. Aus Mitteln des Fördervereins des Berliner Medizinhistorischen Museums können wir die Bände zudem während des Restaurierens auch direkt digitalisieren lassen. Damit ist der physische Erhalt gesichert und eine schonende Nutzung möglich. Die Digitalisate machen wir im Sammlungsportal Medizingeschichte Charité der wissenschaftlichen Nutzung zugänglich.

Vor welchen Hürden stehen Forschende dann noch?
Die Protokolle wurden unmittelbar beim Sezieren angefertigt. Damit stellen sie wissenschaftshistorisch eine Primärquelle ersten Ranges dar. Die Unmittelbarkeit hat aber auch ihre Tücken: Die Handschriften sind oftmals nur schwer entzifferbar. Denn in der Praxis zeigen sich zwar strukturierte Vorgaben zur Anordnung des Notierten, aber auch Streichungen und Überschreibungen, außerdem wechselnde Schreiber, die unter einem gewissen Zeitdruck die Ergebnisse der Sektion festhielten. Bereits im ersten Band von 1856/57 lassen sich mehr als zehn verschiedene Handschriften identifizieren. Immerhin: Eine erste Sichtung und Beschreibung aller über ein halbes Jahrhundert hinweg entstandener Bände liegt bereits vor – und damit ein erstes wichtiges Werkzeug, das bei der Annäherung an die Quelle Orientierung bietet.2
Um diese wichtige, zugleich aber sehr sperrige Quelle tiefer zu erschließen und der Forschung nachhaltig leichter zugänglich zu machen, haben wir uns das Ziel gesetzt, die Sektionsprotokolle KI-gestützt zu transkribieren und damit in ihrer Gesamtheit besser durchsuchbar zu machen. Dadurch ließen sich zum Beispiel alle über knapp fünfzig Jahre hinweg in den Sektionen festgestellten Veränderungen an einem Organ wie zum Beispiel der Niere recherchieren und analysieren. Das wäre bisher nur möglich, indem Forschende die Sektionsprotokolle Band für Band, Seite für Seite, Wort für Wort durchgingen.

Foto: © 2022 KBE/Kuhn, FREIZEIT Gestaltung
Wir halten die Quelle für wissenschaftshistorisch so bedeutsam, dass wir es bei der Transkription nicht belassen wollen. In Zusammenarbeit mit dem Institut für Geschichte der Medizin der Universität Würzburg und dem dortigen Universitätsarchiv streben wir die Erarbeitung einer historisch-kritischen digitalen Quellenedition aller Sektionsprotokolle aus der Schaffenszeit von Rudolf Virchow an. Virchow leitete 1849 bis 1856 das Pathologische Institut in Würzburg. Auch aus dieser Zeit sind Sektionsprotokolle erhalten – und werden derzeit ebenfalls digitalisiert. Virchow gilt als Mitbegründer der modernen, naturwissenschaftlichen Medizin, die sich in der zweiten Hälfte des 19. Jahrhunderts rasant entwickelte. Die überlieferten Protokolle bilden genau diesen entscheidenden Zeitraum ab. Mit einer Edition dieser Quellen können wir Virchow und seinen Kollegen quasi beim Arbeiten über die Schulter sehen und die Genese von bis heute relevanten Begrifflichkeiten und Krankheitskonzepten in der Medizin nachvollziehen.3 Bis dahin, liegt allerdings noch eine Wegstrecke vor uns. Jetzt braucht es erst einmal die 41.111 Blatt Folio in maschinenlesbarer Form, wofür wir die Möglichkeiten der KI-gestützten Texterkennung nutzen möchten.4
Hier setzte die vom Digitalen Netzwerk Sammlungen unterstützte Pilotstudie an. Lassen Sie uns über das Vorgehen sprechen: Welche Anforderungen stellen Sie an die Software?
Im Hinblick auf den geplanten Drittmittelantrag war uns wichtig, eine Open-Source-Software zu testen. Wir möchten korpusspezifische Modelle trainieren und diese über einzelne Förderphasen hinaus kostenfrei nutzen können.
Wichtig war uns zudem eine leichte Bedienbarkeit. Wir wollten testen, wie gut wir in der praktischen Arbeit zurechtkommen. Zunächst gab es eine halbtägige Einführung. Mit der regelmäßigen Nutzung wurde die Bedienung dann immer einfacher.
Auch die Ausgabeformate spielen für uns eine Rolle. Die ausgegebenen XML-Dateien können so für die digitale Edition weitergenutzt werden. Spätestens wenn es um die Präsentation der transkribierten 41.111 Blatt Folio zusammen mit den Digitalisaten im Sammlungsportal Medizingeschichte Charité geht, würden Workarounds zur Konvertierung in das von Goobi genutzte Format ALTO XML zu viel Zeit kosten.
Welche Arbeitsschritte sind vom Bild-Digitalisat zum maschinell transkribierten Text notwendig?
Die hochaufgelösten Digitalisate werden dafür zunächst in reduzierter Größe gespeichert, da für ein gutes Arbeiten im Editor vor allem der Kontrast wichtig ist. Dann muss vor der Transkription der Handschriften noch eine Segmentierung vorgenommen werden, das heißt, die KI muss lernen, wo auf dem Bilddigitalisat Text vorhanden ist. Dem Modell beizubringen, an welchen Stellen in den 46 Sektionsprotokoll-Bänden unterschiedliche Textregionen zu finden sind, ist ein entscheidender Schritt. Eine Automatisierung, die dann nur noch korrigiert werden muss, beschleunigt die Erschließung des umfangreichen Materials.

Erst nach der Regionen- und Zeilensegmentierung kann die eigentliche automatische Texterkennung erfolgen. Die anschließenden Korrekturen helfen vor allem am Anfang, die Software immer weiter zu verbessern und für die korpusspezifischen Bedarfe zu trainieren.
Was braucht es, um die Software zu trainieren?
Entscheidend ist eine gute Grundlage, die sogenannte Ground Truth, mit der ein Modell zur automatisierten Erkennung trainiert werden kann. Das betrifft sowohl die Regionensegmentierung als auch die Transkription. Damit steht am Anfang menschliche Arbeit. Wir haben mit mehreren qualifizierten Personen eine Textauswahl transkribiert und diese als Grundlage für das Training des Modells bereitgestellt. Damit können weitere Texte in dieser Handschrift automatisiert erkannt und dann nach einer weiteren Korrektur durch Personen mit den notwendigen paläografischen Kenntnissen verbessert werden, um so ihrerseits als Ground Truth für das weitere Training des Modells genutzt werden. So wird die Fehlerquote bei der automatisierten Erkennung immer geringer.
Und dann: Alle Seiten einlesen und los geht’s?
So einfach ist es leider nicht. Auch wenn für die Erkennung aller Handschriften eine solide Ground Truth vorhanden ist, gibt es noch einige Besonderheiten der Quelle, die ihre automatisierte Erkennung zur Herausforderung machen.
Welche Herausforderungen sind das?
Zum einen sind in unserem Fall das Seitenformat und die Lesereihenfolge ein Thema: Die Sektionsprotokolle lassen sich nicht wie ein Buch seitenbasiert von oben links nach unten rechts lesen, sondern sind in vier inhaltlich definierten Spalten pro Doppelseite angeordnet. Ist beispielsweise die erste Spalte, die der „Äußeren Besichtigung“ vorbehalten ist, auf einer Doppelseite gefüllt, setzt sich der Text nicht in der nächsten Spalte, sondern auf der nächsten Doppelseite fort. Auch aus diesem Grund haben wir uns im Zuge des Pilotprojekts entschieden, mit Doppelseiten zu arbeiten. Ein weiterer Grund war, dass Eintragungen in der Kopfzeile der Protokolle oftmals über die ganze Breite einer Doppelseite reichen.

Auch die Schreibrichtung war ein Thema: Nicht genug damit, dass es viele unterschiedliche Handschriften gibt. Manch ein Schreiber hat sich nicht an die Formatvorgaben gehalten und sein Protokoll vertikal aufs Blatt geschrieben.
Doch auch wenn solche Sonderfälle bleiben und es immer Stellen geben wird, die nur ein*e Wissenschaftler*in erkennen kann: Ein Ergebnis der Pilotstudie bleibt die Erkenntnis, dass die Unterstützung durch eine gut trainierte KI schneller ans Ziel führt, Bestände schneller transkribierbar sind, als ohne deren Einsatz.
Zum Schluss noch die Frage: Welche künftigen Nutzungsszenarien sehen Sie?
Die Erschließung der Sektionsprotokolle kommt auch ganz praktisch der Sammlungsarbeit des Museums zugute. Denn den Protokollen sind Hintergrundinformationen und Querverweise zu Präparaten zu entnehmen. Einige hundert Präparate aus dem 19. Jahrhundert sind bis heute erhalten geblieben und werden zum Teil aktuell neu beforscht. Diese ältesten Präparate der Sammlung stammen noch aus der Gründungszeit des „Pathologischen Museums“, der Vorgängereinrichtung des heutigen Medizinhistorischen Museums. Es wurde 1901 als wissenschaftliche Lehr- und Schausammlung zum Selbststudium für Medizinstudierende eröffnet, stand teilweise im Sinne der Volksbildung aber auch der Berliner Bevölkerung offen.

Vielen Dank für das Gespräch!
- Rudolf Virchow, Die Sections-Technik im Leichenhause des Charité-Krankenhauses, mit besonderer Rücksicht auf gerichtsärztliche Praxis, Berlin 1876, S. 47-89. ↩︎
- Alle 46 Bände sind in einer zweiteiligen Publikation von 2005 beschrieben (Dissertation und Quellenband): Ingo Wirth, Zur Sektionstätigkeit im Pathologsichen Institut der Friedrich-Wilhelms-Universität zu Berlin von 1856 bis 1902. Ein Beitrag zur Virchow-Forschung, Berlin 2005. ↩︎
- Christoph Hoffmann, Schneiden und Schreiben. Das Sektionsprotokoll in der Pathologie um 1900, in: Christoph Hoffmann (Hg), Daten sichern. Schreiben und Zeichnen als Verfahren der Aufzeichnung, Zürich/Berlin 2008, S. 153-196. ↩︎
- Im zusammen mit der Forschungsstelle DACHS durchgeführten Pilotprojekt wurde das Open-Source-Tool LAREX (Universität Würzburg) zur Layoutanalyse genutzt und mit der Ground Truth ein korpusspezifisches Modell trainiert. ↩︎
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Meike Knittel (27. Februar 2025). Pilotprojekt zur KI-gestützten Transkription serieller Quellen. Digitales Netzwerk Sammlungen. Abgerufen am 4. März 2026 von https://doi.org/10.58079/13e70
