Volltexte, die Ihre
Systeme erwarten
Durchsuchbarer, nachnutzbarer Volltext aus Ihren vorhandenen Scans und Digitalisaten - für Bibliotheken, Archive, Dienstleister und Verlage. Geliefert in den Formaten Ihrer Systeme, bis hin zu METS/ALTO, mit vertraglich vereinbarter und stichprobengeprüfter Genauigkeit. Verarbeitung ausschließlich in der EU.
Leistungen nach Abnehmern
Bibliotheken und Archive
- Volltexte als ALTO XML (v4), eingebunden als
fileGrp USE="FULLTEXT"nach dem METS-Anwendungsprofil - damit steht die Volltextsuche im DFG-Viewer zur Verfügung. Für Drucke ab 1850 ist Volltext nach den DFG-Praxisregeln verpflichtend. - Anbindung an Kitodo.Production-Workflows: METS/MODS-Import, Rückschreiben der Volltext-Referenzen, stabile Identifier; Anlieferung auch direkt per IIIF/OAI-PMH.
- Langzeitarchivierungsfähige Lieferpakete (METS/MODS/ALTO, Prüfsummen, schema-valide) nach verbindlichen Ablieferstandards wie SLUBArchiv.digital.
- Volltexte und zugrundeliegendes XML ohne Rechtevorbehalt - CC0- und CC-BY-fähig, wie es Landesprogramme und Praxisregeln erwarten.
Digitalisierungsdienstleister
- White-Label-Komponente in Ihrem bestehenden Workflow: REST-API oder Batch-Übergabe, Eingang TIFF/JPEG/JP2/PDF - ideal ab 300 ppi, auch ältere Bestandsscans und Mikrofilm - vom Einzelband bis zum Großprojekt.
- Konfidenzwerte je Wort ermöglichen konfidenzgesteuerte Nachkorrektur: gezieltes Korrekturlesen statt Volllektorat - Ihre Korrekturstunden sinken, Ihre Marge bleibt bei Ihnen.
- Layoutanalyse und Segmentierung: mehrspaltige Zeitungsseiten, Marginalien, Tabellen, Fußnotenapparat, Lesereihenfolge, Artikelsegmentierung.
- Feste Kosten pro Seite, vertraglich fixierte Zielgenauigkeit.
Verlage mit Backfiles
- Von Scan-PDFs zu echtem Volltext: artikelgenaues Splitting - einschließlich Rezensionen und Miszellen - mit Metadaten je Artikel, fertig für die Crossref-DOI-Registrierung unter Ihrem Prefix.
- Volltext-XML als JATS (Artikel) und BITS (Bücher), dazu durchsuchbare PDFs mit korrektem Textlayer - plattformfertig für Ihre eLibrary, Ihre Plattform bleibt.
- Barrierefreiheit nach BFSG: getaggte PDFs (PDF/UA) und EPUB 3 - ein reines Scan-Bild-PDF kann die Barrierefreiheitsanforderungen des BFSG nicht erfüllen, echter Volltext ist die Voraussetzung.
- Metadaten-Feeds als MARC 21, ONIX, CSV und KBART; Archivpakete für Portico/CLOCKSS.
Vorlagen
- Fraktur, Antiqua und Schriftmischungen - der Antiqua-Wechsel im Frakturtext wird als Auszeichnung erfasst, nicht verschluckt.
- Zeitungen und Zeitschriften - mehrspaltige Layouts, Marginalien, Tabellen, Fußnotenapparat, Rezensionsteile mit kursiven Werktiteln.
- Mikrofilm-Digitalisate - auch kontrastarme, fleckige oder am Rand beschädigte Filme (16/35 mm).
- Mehrsprachige Vorlagen - Deutsch, Englisch, Französisch und weitere Sprachen im selben Band; Akzente, Sonderzeichen, griechische und hebräische Passagen.
- Spezialfälle - Gattungen mit komplexer Typografie und Mehrsprachigkeit, etwa Leichenpredigten, für die Standard-Massen-OCR nicht ausgelegt ist.
Unser Kerngeschäft ist Druckschrift, einschließlich Fraktur. Handschriftliche Bestände (Kurrent, Sütterlin) prüfen wir auf Anfrage anhand kostenloser Testseiten - senden Sie einfach eine Beispielseite mit.
Lieferformate und Standards
ALTO XML v4
Zeilen- und Wortkoordinaten, Konfidenzwerte je Wort; einbindbar in
METS (fileGrp USE="FULLTEXT") für DFG-Viewer und
Präsentationssysteme.
PAGE-XML
Nach OCR-D-Spezifikation - kompatibel mit Ground-Truth-Workflows, Evaluationswerkzeugen und Nachkorrektur-Umgebungen.
TEI P5
Auf Wunsch DTABf-orientiert, mit typografischer Auszeichnung: <hi rendition="#i"> (kursiv), #b (fett), #aq (Antiqua-Wechsel), #g (Sperrdruck).
JATS / BITS
Artikel- und Buch-XML für Verlagsplattformen, mit Metadaten je Artikel bis auf Rezensionsebene.
PDF/A · PDF/UA · EPUB 3
Durchsuchbare PDFs mit korrektem Textlayer; barrierefreie, getaggte Fassungen (PDF/UA, EPUB Accessibility) für BFSG-pflichtige Angebote.
Kodierung und Validität
Unicode (UTF-8 ohne BOM), Sonderzeichen nach MUFI/OCR-D; jede XML-Lieferung schema-valide. Wahlweise vorlagengetreu mit langem ſ und Ligaturen (Ground-Truth-Level 2) oder normalisiert (Level 1).
Qualität und Abnahme
- Messbar statt behauptet. Die Buchstabengenauigkeit wird je Vorlagenklasse gemessen und als Zielvorgabe vertraglich fixiert; die Abnahme erfolgt per Stichprobenverfahren nach den DFG-Praxisregeln „Digitalisierung“ (Fassung 2022).
- CER/WER nach OCR-D-Evaluationsspezifikation. Auf Wunsch werten wir gegen Ihre eigene Ground Truth aus - Unicode-NFC-normalisiert, kompatibel mit gängigen Evaluationswerkzeugen.
- Vorlagentreue ohne stillschweigende Normalisierung. Historische Orthographie, Druckfehler und Interpunktion bleiben, wie sie stehen; nichts wird modernisiert.
- Unleserliches wird markiert, nie ergänzt. Was das
Digitalisat nicht hergibt, steht als
<gap reason="illegible">bzw. [unleserlich] im Text - nie als plausible Vermutung. - Zeilengebunden und bildreferenziert. Jede Textzeile bleibt über ihre Koordinaten der Vorlage zugeordnet und maschinell prüfbar - keine Auslassungen, keine unbelegten Ergänzungen.
- Roh- und Endfassung. Sie erhalten die unbearbeitete Erstausgabe und die Endfassung; jede Korrektur bleibt nachvollziehbar. Die Verarbeitung ist je Projekt eingefroren - dieselbe Seite liefert dieselbe Ausgabe, auch Jahre später.
Arbeitsprobe
Englischsprachige Zeitschriftenseite von 1904, ab Mikrofilm - links die Vorlage, rechts der erfasste Volltext: kursive Werktitel als Auszeichnung erhalten, französische Passagen mit korrekten Akzenten.
meanwhile rendered a real service to historical scholarship by his careful comparison of the Viennese texts with those already published by the two imperial commissions and by MM. Lecestre and Brotonne. […]
Correspondence, No. 7745. - Ayez soin d'envoyer par votre courrier des numéros du Moniteur depuis quinze jours, soit à Berlin, soit à Saint-Pétersbourg.
Viennese Text. - Ayez soin d'envoyer par vos courriers, soit à Berlin, soit à Saint-Pétersbourg, des exemplaires du 'Moniteur' depuis 15 jours. […]
The Corrispondenza inedita dei Cardinali Consalvi e Pacca (Torino : Unione tipografico-editrice, 1903), edited by P. Ilario Rinieri, is a bulky and valuable addition to the collection of diplomatic despatches […]
Erfasster Volltext (Auszug) - Kursivierung und Akzente vorlagengetreu.
Projektablauf
1Probekonvertierung
Bis 50 Musterseiten aus Ihrem Bestand - gern Ihr schwierigster Jahrgang. Kostenfrei und unverbindlich; Ergebnis innerhalb von 5 Werktagen, einschließlich Fehlerquoten-Messung an einer Stichprobe.
2Pilot
Ein abgegrenzter Bestand zum Festpreis, mit vertraglich fixierter Zielgenauigkeit und vereinbarten Abnahmekriterien. Auftraggeberseitig lässt sich ein Pilot in der Regel unterhalb der Direktauftragsgrenze formulieren.
3Produktion
Laufende Verarbeitung über API oder Batch-Übergabe, mit vereinbartem Durchsatz und fortlaufender Stichprobenprüfung.
4Abnahme
Stichprobenverfahren nach den DFG-Praxisregeln, Fehlerquoten-Report je Vorlagenklasse, benannte Verantwortung für Nacharbeiten.
Ergebnisse einer Probekonvertierung oder eines Piloten dokumentieren wir so, dass sie in einer späteren Ausschreibung allen Bietern zugänglich gemacht werden können.
Verarbeitung und Standort
- Deutsche GmbH: HexWorld Solutions GmbH, eingetragen beim Amtsgericht Dresden (HRB 48068).
- Verarbeitung ausschließlich in der EU. Ihre Digitalisate verlassen die EU nicht und werden nach der Verarbeitung nicht gespeichert.
- Kein Training von Modellen auf Ihren Beständen. Ihr Ansprechpartner sitzt in Deutschland.
- Einzelheiten zur Datenverarbeitung: Datenschutzerklärung und Dienstleisterliste.
Ihr Ansprechpartner
Probekonvertierung anfordern
Kostenfrei und unverbindlich: Sie beschreiben Ihr Material, wir melden uns innerhalb eines Werktages. Die Musterseiten - bis 50 Seiten, gern der schwierigste Jahrgang - tauschen wir per E-Mail oder Übergabelink aus; das Ergebnis mit Fehlerquoten-Messung erhalten Sie innerhalb von 5 Werktagen.