![\"\"](\"https:\/\/factgrid-tools.geschichte.uni-halle.de\/blog\/wp-content\/uploads\/2025\/05\/WhatsApp-Image-2025-05-18-at-12.49.32-1.jpeg\")
\nAbb. 1: Beispielseite aus Fritz Juntke (Bearb.): Matrikel der Martin-Luther-Universit\u00e4t Halle-Wittenberg, Bd. 1: 1690-1730 (Halle: 1960).<\/p>\n
Vom 19. Jahrhundert bis in die Gegenwart gab es Projekte, die f\u00fcr bestimmte Zeitr\u00e4ume oder komplett, gedruckte Editionen von Schul- oder Universit\u00e4tsmatrikeln hervorbrachten. F\u00fcr die Erfassung dieser Massendaten in digital auswertbare Datenbanken findet sich in diesen gedruckt vorliegenden Editionen gro\u00dfes Potential: einerseits in der einfacheren technischen Erschlie\u00dfbarkeit (im Vergleich zu den handschriftlichen Quellen), andererseits da f\u00fcr diese Projekte oft mehr Quellen herangezogen wurden als die eigentlichen Matrikel und durch das Record Linkage auf dem Papier wertvolle Zusatzinformationen gewonnen werden k\u00f6nnen. Als Beispiel seien hier die ersten beiden B\u00e4nde der gedruckt vorliegenden Matrikel der Universit\u00e4t Halle genannt f\u00fcr die Fritz Juntke in den 1950er Jahren zahlreiche weitere Literatur sowie Quellen aus den Archiven der Universit\u00e4t sowie der Franckeschen Stiftungen heranzog, um die reinen Matrikeldaten noch weiter anzureichern. Ebenso nahm Charlotte Preu\u00df f\u00fcr den zweiten (noch nicht digital erschlossenen) Band f\u00fcr die Zeit von 1731 bis 1740 bereits einen Abgleich mit gedruckt vorliegenden Matrikeln anderer Universit\u00e4ten vor. Beide hier genannten Bearbeiter wiesen jedoch in den Editionen darauf hin, keine Vollst\u00e4ndigkeit in diesem Bereich f\u00fcr sich reklamieren zu wollen oder zu k\u00f6nnen. <\/p>\n
F\u00fcr den ersten Band der Halleschen Matrikel, der den Zeitraum der Universit\u00e4tsgr\u00fcndung bis 1730 umfasst, ist in den letzten zwei Jahren erstmals dieser Schritt vom Scan der gedruckten Matrikel \u00fcber die Texterkennung und Strukturierung der Daten, deren Upload und Verbindung mit vorhandenen sowie neuen Daten in FactGrid, erfolgreich umgesetzt worden.<\/p>\n
Die Matrikeledition von Juntke ist so aufgebaut, dass alle Namen nicht chronologisch, sondern alphabetisch in zwei spalten pro Seite hintereinander weg aufgef\u00fchrt werden. Diese wurden in einem ersten Schritt vollst\u00e4ndig gescannt (Siehe Abb. 1), um dann weiter bearbeitet werden zu k\u00f6nnen.<\/p>\n
\nAbb. 1: Beispielseite aus Fritz Juntke (Bearb.): Matrikel der Martin-Luther-Universit\u00e4t Halle-Wittenberg, Bd. 1: 1690-1730 (Halle: 1960).<\/p>\n
Im n\u00e4chsten Schritt wurden f\u00fcr die Texterkennung die einzelnen Scans jeder Doppelseite in Buckets der Daten-Cloud Amazon S3 hochgeladen, um sie dort zu speichern und dann mit der Software von Amazon Textract weiterverarbeitet zu werden. Die Wahl fiel zum damaligen Zeitpunkt auf diese Software, da neben der reinen Texterkennung auch ein Machine-Learning-Service in die Software integriert ist, so dass nicht nur der reine Text erkannt wurde, sondern auch Layoutelemente und die Struktur der Daten in ihrer gedruckten Form mit erfasst werden konnten (Siehe Abb. 2). <\/p>\n
![\"\"](\"https:\/\/factgrid-tools.geschichte.uni-halle.de\/blog\/wp-content\/uploads\/2025\/05\/WhatsApp-Image-2025-05-18-at-13.51.23.jpeg\")
\nAbb. 2: Rohtext-File nach der Texterkennung.<\/p>\n
In diesen Rohtext-Files waren im n\u00e4chsten Schritt manuell alle Sinneinheiten (Studenteneintr\u00e4ge) durch einfache Leerzeilen von einander zu trennen, da einzelne Eintr\u00e4ge bereits in der Edition \u00fcber mehrere Zeilen hinweg verlaufen k\u00f6nnen. Diese einzelnen Eintr\u00e4ge folgen basierend auf der Struktur der Matrikeledition der Abfolge Familienname, Vorname(n), Herkunftsort, Immatrikulationsdatum, Studienfach, weitere Informationen. Ein Gro\u00dfteil dieser Sinneinheiten wurde bereits durch die Software von Amazon Textract erkannt und durch Kommata voneinander getrennt. Bei der Erkennung und Abtrennung insbesondere der Immatrikulationsdaten, wo die Ausgangssoftware noch keine zufriedenstellenden Ergebnisse lieferte, wurden im n\u00e4chsten Schritt die Daten mittels eines Perl-Scripts (Siehe Abb. 3) reformatiert, um jeden Eintrag in einer Zeile zu haben und um mittels Mustererkennung fehlende Kommata zur Trennung der Daten zu setzen.<\/p>\n
![\"\"](\"https:\/\/factgrid-tools.geschichte.uni-halle.de\/blog\/wp-content\/uploads\/2025\/05\/WhatsApp-Image-2025-05-18-at-13.13.11.jpeg\")
\nAbb. 3: Skript zur Strukturierung der Daten.<\/p>\n
Das daraus erzielte Ergebnis lie\u00df sich dann in eine strukturierte Tabelle \u00fcberf\u00fchren und wurde nach Korrekturlesen und wenigen manuellen Verbesserungen f\u00fcr den Upload in Factgrid vorbereitet, wo der Datensatz ver\u00f6ffentlicht und nachhaltig weiter nutzbar und in verschiedenen Formaten herunterladbar vorliegt. Siehe dazu folgenden Blogbeitrag: Die Matrikel der Universit\u00e4t Halle (1690-1730) in FactGrid<\/a> <\/p>\n","protected":false},"excerpt":{"rendered":" Vom 19. Jahrhundert bis in die Gegenwart gab es Projekte, die f\u00fcr bestimmte Zeitr\u00e4ume oder komplett, gedruckte Editionen von Schul- oder Universit\u00e4tsmatrikeln hervorbrachten. F\u00fcr die Erfassung dieser Massendaten in digital auswertbare Datenbanken findet sich in diesen gedruckt vorliegenden Editionen gro\u00dfes Potential: einerseits in der einfacheren technischen Erschlie\u00dfbarkeit (im Vergleich zu den handschriftlichen Quellen), andererseits da … <\/p>\n