Transkribus
READ-COOP SCE (Innsbruck, Österreich)
Redaktionelle Einschätzung auf Basis von 10 öffentlichen Quellen. Kein Hands-on-Produkttest, sofern nicht ausdrücklich anders angegeben. Die Sternebewertung ist eine Meinung der Redaktion.
Mit KI-Agenten recherchiert und geschrieben, verantwortlich: Redaktion KI-Syndikat. So arbeiten wir Fehler melden
Transkribus im Team einführen? KI-Training anfragen
Spezialisierte HTR-Plattform (Handwritten Text Recognition) für historische und moderne Handschriften. Hervorgegangen aus den EU-Forschungsprojekten TranScriptorium und READ, heute betrieben von der europäischen Genossenschaft READ-COOP SCE mit Sitz in Innsbruck. Laut Anbieter liegen die Daten auf eigenen Servern in Österreich.
Kosten: 50 Credits/Monat kostenlos (~50 Seiten HTR), Scholar 99 €/Jahr (900 Credits, ~8,25 €/Monat), Team 449 €/Jahr (1.500 Credits, 5 Nutzer; die FAQ derselben Seite nennt noch 399 €), Organisation ab 15 Nutzern auf Anfrage (75.000+ Credits/Jahr). On-Demand-Credits: 250 für 59,50 € ohne Ablauf. 1 Credit pro Seite Texterkennung.
Kategorien
Stärken
- HTR-Modelle für Kurrent (16. bis frühes 20. Jahrhundert) und Sütterlin, für saubere Scans lesbarer Kurrent nennt der Anbieter 95 bis 99 % Zeichengenauigkeit
- Laut Anbieter Hosting in Österreich auf eigenen Servern, keine Big-Tech-Cloud
- Europäische Genossenschaft (SCE) mit 250+ Mitgliedern statt VC-getriebener Konzern
- Eigene Modelle trainierbar (Custom AI Model Training, auch im Free-Plan), Plattform lernt deine Hausschrift
- 300+ öffentliche Community-Modelle, 100+ Sprachen
- Kostenloser Einstieg mit 50 Credits pro Monat ohne Kreditkarte
Einschränkungen
- Kein Allround-OCR, Transkribus ist auf Handschriftenerkennung (HTR) ausgerichtet, für reine Druckschrift gibt es Alternativen wie Tesseract oder Document AI
- Lernkurve: Layout-Analyse, Modellauswahl und Korrekturworkflow muss man lernen
- Eigenes Modell-Training braucht selbst transkribierte Trainingsdaten, laut Anbieter ab etwa 50 Seiten
- Credit-Modell wird bei Massendigitalisierung (>10.000 Seiten) schnell teuer ohne Org-Vertrag
Passt gut zu
Wann ja, wann nein
Wann ja
- Du digitalisierst handgeschriebene Bestände, Kirchenbücher, Akten, Laborbücher, Tagebücher
- Du brauchst zwingend EU-Hosting
- Du arbeitest in Forschung, Archiv oder Bibliothek mit deutschsprachigen Quellen
- Du willst eigene Modelle auf eine spezifische Hausschrift oder einen Schreiber trainieren
Wann nein
- Du verarbeitest nur moderne Druckdokumente, dann sind Tesseract oder Document AI die naheliegenden Alternativen
- Du brauchst strukturierte Datenextraktion aus Formularen (Rechnungen, Verträge), ABBYY oder Azure Document Intelligence sind dafür gebaut
- Du willst eine schlüsselfertige On-Premise-Lösung ohne Cloud, die Standard-Version ist eine Cloud-Web-App, eine On-Prem-Edition gibt es laut AGB nur auf Anfrage
- Du brauchst Echtzeit-OCR im Massenbetrieb mit SLA, Hyperscaler haben hier mehr Skalierung
Kurzfazit
Transkribus ist eine auf handgeschriebene Texterkennung spezialisierte Plattform und ein europäisches KI-Produkt mit akademischem Hintergrund. Hervorgegangen aus den EU-Forschungsprojekten TranScriptorium und READ wird die Plattform heute von der Genossenschaft READ-COOP SCE betrieben, mit Servern in Österreich. Für Archive, historische Forschung, Genealogie und alle, die Kurrent oder Sütterlin lesbar machen müssen, ist Transkribus die naheliegende Wahl. Wer dagegen nur Druckdokumente oder Formulare verarbeitet, ist mit klassischem OCR oder Hyperscaler-Diensten besser bedient.
Für wen ist Transkribus?
Archive, Bibliotheken und Museen: Das Kernpublikum. Transkribus wurde von und für Gedächtnisinstitutionen gebaut. Für Bestände vom 16. bis 20. Jahrhundert, Akten, Briefe, Protokolle, Kirchenbücher, gibt es einen großen Katalog vortrainierter Public Models und eine Community, die diese Modelle ständig erweitert.
Historische Forschung und Editionsprojekte: Editionswissenschaft, Quellenarbeit, Korpusprojekte. Die Plattform unterstützt strukturierte Transkription mit Tags, Layout-Annotationen und TEI-XML-Export.
Genealogen und Familienforscher: Ahnenforschung scheitert oft an unleserlichen Kirchenbüchern und Standesamtsregistern. Mit den vortrainierten Modellen für Kurrent und Sütterlin macht Transkribus Bestände zugänglich, an denen Laien sonst verzweifeln.
Pharma-, Universitäts- und Industriearchive: Historische Laborbücher, Patientenakten, Konstruktionsmappen, überall wo handschriftliche Bestände digitalisiert werden müssen, kommt Transkribus infrage; bei Personenbezug brauchst du vor dem Upload einen Vertrag zur Auftragsverarbeitung, Gesundheitsdaten und andere besondere Kategorien nach Art. 9 DSGVO schließen die AGB ganz aus (siehe DSGVO-Abschnitt).
Kanzleien und Notariate mit Altbeständen: Erbschaftsangelegenheiten, alte Verträge, Grundbuchauszüge in Sütterlin oder Kurrent, Transkribus liefert eine durchsuchbare Volltextversion, die mit klassischem OCR unmöglich wäre.
Weniger geeignet für: Allgemeine Büro-OCR (Rechnungen, moderne Verträge), Anwender ohne jeden Bezug zu historischen Quellen, Massendigitalisierung mit Echtzeitanforderung und Servicelevel-Verträgen.
Preise im Detail
| Plan | Preis | Was du bekommst |
|---|---|---|
| Free | 0 € | 50 Credits/Monat (~50 Seiten HTR), Texterkennung, eigenes Modell-Training, Dokumenteneditor, Zugang zu Public Models, keine Kreditkarte nötig |
| Scholar | 99 €/Jahr (inkl. 20% USt, ~8,25 €/Monat) | 900 Credits/Jahr, Text Titan II (laut Anbieter das genaueste Modell), erweiterte KI-Tools, priorisierte Job-Verarbeitung, API-Zugang, 1 Nutzer. Von Transkribus als “Most popular” beworben |
| Team | 449 €/Jahr (inkl. 20% USt, ~37,42 €/Monat) | 1.500 Credits/Jahr, 5 Nutzer-Plätze, geteilte Credit-Verteilung im Team, alle erweiterten KI-Tools, API-Zugang |
| Organisation | auf Anfrage (ab 15 Nutzern) | 75.000+ Credits/Jahr, Dedicated Success Manager, API-Zugang mit 50% Rabatt auf Credits, Verträge zur Auftragsverarbeitung (DPA) verfügbar |
| On-Demand-Credits | 250 Credits für 59,50 € | Nachkauf unabhängig vom Abo, kein Ablaufdatum |
Einordnung: Das Credit-Modell ist ungewöhnlich, aber transparent: Eine Seite Texterkennung (HTR) kostet 1 Credit, reine Zeilenerkennung 0,25 Credits, Tabellen- und Felderkennung je 1 Credit pro Seite. Für Hobby-Genealogen und kleine Forschungsprojekte reicht der Free-Plan mit 50 Credits/Monat oft monatelang. Die Plan-Struktur hat sich gegenüber früheren Jahren verschoben: Statt eines “Individual”-Abos heißt der günstigste bezahlte Tarif heute Scholar (99 €/Jahr), darüber liegt Team mit 5 Plätzen (449 €/Jahr laut Preistabelle; die FAQ auf derselben Seite nennt noch 399 €). Wer Credits ad hoc braucht, kauft sie als On-Demand-Paket (250 für 59,50 €, ohne Ablauf). API-Jobs verbrauchen laut Preisseite ab dem Scholar-Plan nur halb so viele Credits wie derselbe Job in der App. Für ein größeres Editionsprojekt (10.000+ Seiten) ist ein Organisation-Vertrag mit 75.000+ Credits pro Jahr sinnvoll, und realistisch günstiger als der Personalaufwand für manuelle Transkription. Preise und Plan-Namen ändern sich gelegentlich; vor Vertragsabschluss immer aktuelle Konditionen direkt bei READ-COOP SCE prüfen.
Stärken im Detail
Erkennungsqualität für historische Handschriften. Laut Anbieter erreicht die KI bei sauberen Scans und gut lesbarer Kurrent typischerweise 95 bis 99 % Zeichengenauigkeit, bei schwierigen Vorlagen wie verblasster Tinte oder beschädigtem Papier liegt sie niedriger. Das ist ein Herstellerwert, kein unabhängiger Test; prüfe ihn an einer Stichprobe deines Bestands. Klassisches OCR ist für Handschrift nicht ausgelegt, Transkribus setzt dafür auf neuronale Netze.
EU-Hosting auf eigenen Servern. Laut READ-COOP werden alle Daten auf eigenen Servern in Österreich verarbeitet und gespeichert, ohne Big-Tech-Cloud-Abhängigkeit. Die Datenschutzerklärung nennt Server in Österreich, die AGB für die API-Verarbeitung Server in Österreich und Deutschland. Das entschärft die Drittland-Frage für die hochgeladenen Dokumente. Die Website selbst nutzt Google Analytics und HubSpot (USA) als Dienstleister, das betrifft aber Besucherdaten, nicht deine Dokumente. Für öffentliche Auftraggeber, kirchliche Archive und Forschungsinstitutionen kann das ein entscheidender Faktor sein.
Genossenschaftsmodell statt VC-Druck. READ-COOP SCE ist eine Societas Cooperativa Europaea mit aktuell über 250 Mitgliedern, Universitäten, Archiven, Bibliotheken, Privatpersonen. Laut READ-COOP gehört die Plattform den Mitgliedern, nicht Aktionären, und Einnahmen werden reinvestiert. Eine Bestandsgarantie ist das nicht: Die AGB behalten sich vor, den Betrieb von Transkribus einzustellen. Exportiere deine Ergebnisse deshalb regelmäßig.
Eigene Modelle trainierbar. Wer eine spezifische Hausschrift hat, eine Schreiberhand in einem Archivbestand, ein bestimmtes Notariat, kann mit Transkribus ein eigenes Modell trainieren (Custom AI Model Training, auch im Free-Plan enthalten). Laut Anbieter dauert das Training mit nur etwa 50 transkribierten Seiten, und ein auf die jeweilige Hand trainiertes Modell soll die Genauigkeit gegenüber den öffentlichen Modellen weiter verbessern.
Strukturierte Exporte für die wissenschaftliche Edition. PAGE-XML, ALTO-XML, TEI-XML und PDF mit eingebettetem Text-Layer sind direkt nutzbar, egal ob für Faksimile-Editionen, Suchmaschinenintegration oder Repository-Anbindung.
Schwächen ehrlich betrachtet
Keine Lösung für reines Druckschrift-OCR. Transkribus ist auf HTR ausgerichtet, auch wenn es laut Anbieter gedruckten Text ebenfalls liest. Für reine Druckschrift gibt es Alternativen: Tesseract (kostenlos, lokal) ist laut FAQ für gedruckten Text ausgelegt und liest Bildformate wie PNG, JPEG und TIFF, PDF-Dokumente öffnet es laut README nicht als Eingabe. Google Document AI ist die skalierbare Cloud-Alternative.
Lernkurve ist real. Layout-Analyse, Region-Erkennung, Baseline-Korrektur, Modellauswahl, Trainingsdatenkuration, Transkribus ist mächtig, aber kein 1-Klick-Tool. Für Erstanwender lohnt sich das offizielle Online-Tutorial oder ein Workshop. Wer ohne Anleitung startet und mit dem ersten Ergebnis unzufrieden ist, gibt oft zu früh auf.
Credit-Modell ist bei Massendigitalisierung undurchsichtig. Solange du als Forscher hunderte Seiten verarbeitest, ist das Modell nachvollziehbar. Bei Großprojekten mit 100.000+ Seiten brauchst du verlässliche Volumenkalkulation und einen Rahmenvertrag, und die exakten Konditionen sind nur über direkte Anfrage zu bekommen, was Beschaffungsprozesse verlangsamt.
Standard ist die Cloud, On-Prem nur auf Anfrage. Die Hauptversion ist eine Web-App. Manche öffentlichen Auftraggeber (Bundesarchive, Geheimschutz-Akten) dürfen Daten gar nicht extern verarbeiten lassen. Für diese Fälle nennen die AGB Transkribus On-Prem, das auf Anfrage von READ-COOP-Mitarbeitenden installiert wird und etwa in einem isolierten Netzwerk laufen kann. Konditionen und Funktionsumfang sind öffentlich nicht beschrieben, frag direkt an.
Modell-Training kostet Vorarbeit. Ein eigenes Modell zu trainieren bedeutet, Seiten manuell zu transkribieren und als Trainingsdaten bereitzustellen; der Anbieter nennt als Untergrenze etwa 50 Seiten. Wer den Aufwand unterschätzt, ist enttäuscht.
Alternativen im Vergleich
| Wenn du… | …nimm stattdessen |
|---|---|
| Reine Druckschrift offline und lokal verarbeiten willst | Tesseract OCR |
| Strukturierte Daten aus Formularen, Rechnungen, Verträgen extrahierst | ABBYY FlexiCapture |
| Hyperscaler-Skalierung mit hohem Durchsatz auf Druckdokumenten brauchst | Google Document AI |
| Bereits in der Microsoft-Welt arbeitest und Office-Integration willst | Azure Document Intelligence |
Transkribus ist kein Allround-OCR, und genau das ist seine Stärke. Für historische und moderne Handschriften ist Transkribus genau auf diesen Fall spezialisiert. Wer beides braucht (Druck und Handschrift), kombiniert Transkribus für die Handschriften-Bestände mit einem klassischen OCR-Tool für den Rest.
So steigst du ein
Schritt 1: Registriere dich auf transkribus.org, du bekommst sofort 50 Credits ohne Kreditkarte. Lade ein paar Beispielseiten deines Bestands hoch (möglichst gute Scans). Wähle die automatische Layout-Analyse und ein passendes Public Model aus dem Modellkatalog, für Kurrent etwa eines der Kurrent-Modelle.
Schritt 2: Lass die Erkennung laufen und prüfe die Ergebnisse Seite für Seite. Korrigiere die ersten 5–10 Seiten manuell, so bekommst du ein Gefühl für die Qualität und siehst, ob das Modell für deinen Bestand geeignet ist. Wenn die Erkennung durchgehend schwach bleibt, ist entweder die Scan-Qualität zu schlecht oder die Hand zu untypisch, dann lohnt sich Modell-Training.
Schritt 3: Bei größeren Projekten: Plane Modell-Training ein. Sammle sauber transkribierte Seiten aus deinem Bestand (der Anbieter nennt als Untergrenze etwa 50), lege ein eigenes Trainings-Set an und starte das Training. Prüfe danach an einer Stichprobe, ob das Modell besser erkennt als das beste passende Public Model.
Ein konkretes Beispiel
Das Beispiel ist ein Szenario zur Veranschaulichung, keine Kundenangabe von READ-COOP. Die genannten Erkennungsraten und Zeiten sind erfundene Beispielwerte.
Ein Stadtarchiv in Norddeutschland digitalisiert seine Ratsprotokolle aus dem 18. und 19. Jahrhundert, rund 40.000 Seiten in deutscher Kurrentschrift, geschrieben von wechselnden Schreibern. Manuelle Transkription wäre ein Mehrjahresprojekt. Mit Transkribus läuft die Erstverarbeitung über das Public Model “German Kurrent XVIII–XIX” mit etwa 88 % Erkennungsrate. Anschließend trainiert eine Mitarbeiterin in 30 Stunden ein eigenes Modell auf zwei der häufigsten Schreiberhände, Erkennung steigt auf 95 %. Der Volltext landet als ALTO-XML im Archivportal und wird über das DFG-Viewer-Plugin durchsuchbar. Aus einem unzugänglichen Bestand werden nutzbare Forschungsdaten, bei einem Bruchteil der Personalkosten einer manuellen Erschließung.
Nicht sicher, ob Transkribus zu euch passt?
Wir helfen bei der Tool-Auswahl und begleiten die Einführung in euren Arbeitsalltag, unverbindlich und kostenlos im Erstgespräch.
DSGVO & Datenschutz
- Datenhosting: Laut Datenschutzerklärung liegen die Daten auf Servern in Österreich (EU), betrieben von READ-COOP SCE. Die API-Verarbeitung läuft laut AGB auf Servern in Österreich und Deutschland. Die Website nutzt als Dienstleister unter anderem Google Analytics und HubSpot (USA).
- Rechtsform: Europäische Genossenschaft (Societas Cooperativa Europaea, SCE) mit Sitz in Innsbruck, über 250 Mitglieder
- Datennutzung: Hochgeladene Dokumente werden für die Texterkennung verarbeitet und im Nutzeraccount gespeichert. Laut Anbieter werden Dokumente nicht ohne Zustimmung zum Training von KI verwendet. Nutzer entscheiden selbst, ob sie ihre Modelle der Community zur Verfügung stellen.
- Auftragsverarbeitung: Laut Datenschutzerklärung und AGB dürfen hochgeladene Daten keine personenbezogenen Daten enthalten, es sei denn, du bist Verantwortlicher nach DSGVO und hast vorher einen Data Processing Addendum (DPA) mit READ-COOP unterzeichnet. Auf der Organisations-Seite nennt der Anbieter DPAs als verfügbar. Besondere Kategorien nach Art. 9 DSGVO wie Gesundheitsdaten deckt der Vertrag nicht ab: Solche Daten darfst du laut AGB gar nicht hochladen, das betrifft etwa Patientenakten. Für andere personenbezogene Bestände heißt das: erst DPA, dann Upload.
- Empfehlung für Unternehmen und Institutionen: Für historische Bestände ohne lebende Personenbezüge unkritisch. Bei Beständen mit Personendaten (Standesamtsregister bis ~120 Jahre, Personalakten) gilt DSGVO voll, AVV abschließen, Zweckbindung dokumentieren, Aufbewahrungsfristen prüfen. Krankenakten mit Gesundheitsdaten schließen die AGB als besondere Kategorie nach Art. 9 DSGVO aus.
- Open Source und Forschung: READ-COOP fördert eine offene Modell-Kultur, viele trainierte Modelle sind öffentlich nutzbar, was die Plattform als Wissens-Commons stärkt.
Gut kombiniert mit
- Tesseract OCR, für moderne Druckschrift-Bestände, die zusammen mit Handschriften-Beständen aus dem gleichen Archiv kommen. Tesseract läuft lokal und kostenlos, Transkribus übernimmt die HTR-Anteile.
- ChatGPT, zur sprachlichen Modernisierung und Zusammenfassung historischer Texte nach der Erkennung. Frühneuhochdeutsch oder Kanzlei-Deutsch des 18. Jahrhunderts wird damit für heutige Leser erschließbar.
- DeepL, wenn historische Bestände in mehreren Sprachen vorliegen (Latein, Französisch, Niederländisch). Transkribus erkennt den Text, DeepL übersetzt das Ergebnis hochwertig.
Unser Fazit
Transkribus verdient 4 von 5 Sternen. Für die spezifische Aufgabe der historischen Handschrifterkennung ist es spezialisiert und liefert nach Herstellerangaben hohe Erkennungsqualität, dazu EU-Hosting in Österreich und ein Genossenschaftsmodell statt VC-Druck. Den fünften Stern verlieren wir, weil die Plattform für eine breite KMU-Leserschaft eine sehr enge Nische bedient: Wer keine handgeschriebenen Bestände hat, profitiert nicht. Außerdem ist die Lernkurve real, das Credit-Modell bei Massendigitalisierung erklärungsbedürftig und On-Prem gibt es nur auf Anfrage. Für Archive, historische Forschung und Genealogie ist Transkribus dennoch die klare Empfehlung, und ein leuchtendes Beispiel dafür, dass europäische KI-Infrastruktur funktioniert, wenn sie kooperativ und community-getrieben aufgebaut wird.
Was wir bemerkt haben
- 2019, Aus dem EU-Forschungsprojekt READ wurde die Genossenschaft READ-COOP SCE ausgegründet (laut Anbieter 2019 in Innsbruck gegründet).
- Desktop-Client, Die AGB führen neben der Web-App weiterhin den Java-Client Transkribus eXpert auf, der aber keine Updates mehr erhält. Für neue Nutzer ist die Web-App die Hauptversion.
- Oktober 2026, Der Anbieter nennt heute 300+ öffentliche Community-Modelle und Unterstützung für 100+ Sprachen.
- Oktober 2026, Die Plan-Struktur hat sich verschoben: Der frühere “Individual”-Tarif ist im aktuellen Angebot nicht mehr zu finden. Die bezahlten Pläne heißen jetzt Scholar (99 €/Jahr, als “Most popular” beworben), Team (449 €/Jahr laut Preistabelle, 5 Nutzer; die FAQ nennt noch 399 €) und Organisation (auf Anfrage, ab 15 Nutzern). On-Demand-Credits gibt es als Paket mit 250 Credits für 59,50 € ohne Ablauf. Eine Seite Texterkennung kostet 1 Credit. Wer noch mit den alten Preisen kalkuliert, sollte neu rechnen.
- Oktober 2026, READ-COOP nennt weiterhin: Daten werden auf eigenen Servern in Österreich verarbeitet und gespeichert, keine Big-Tech-Cloud-Abhängigkeit. Laut eigener Startseite zählt die Genossenschaft über 500.000 Nutzer, mehr als 200 Millionen transkribierte Seiten und 300+ Community-Modelle. Ein ausdrückliches Wort zur DSGVO-Konformität steht auf der Startseite nicht; für personenbezogene Daten verlangt der Anbieter vorab einen DPA.
Quellen
- Transkribus – Plans & Pricing (leitet auf /pricing weiter). https://www.transkribus.org/plans (abgerufen am 2026-10-30). Free 50 Credits/Monat ohne Kreditkarte; Scholar 99 €/Jahr inkl. 20% USt mit 900 Credits/Jahr; Team 449 €/Jahr mit 1.500 Credits und 5 Plätzen (die FAQ nennt noch 399 €); Organisation ab 15 Plätzen, 75.000+ Credits/Jahr, Dedicated Success Manager, 50% Rabatt auf API-Credits; On-Demand 250 Credits für 59,50 € ohne Ablauf; Texterkennung 1 Credit/Seite, Zeilenerkennung 0,25 Credits/Seite..
- Transkribus / READ-COOP SCE – Startseite. https://www.transkribus.org/ (abgerufen am 2026-10-30). Genossenschaft mit 250+ Mitgliedern, Daten auf eigenen Servern in Österreich, keine Big-Tech-Cloud; 500.000+ Nutzer, 200+ Mio. transkribierte Seiten, 100+ Sprachen, 300+ Community-Modelle..
- READ-COOP SCE – Über uns. https://www.transkribus.org/about (abgerufen am 2026-10-30). European Cooperative Society, 2019 in Innsbruck gegründet; Vorgeschichte in den EU-Projekten TranScriptorium und READ..
- Transkribus – Datenschutzerklärung. https://www.transkribus.org/privacy (abgerufen am 2026-10-30). Daten auf Servern in Österreich (EU); personenbezogene Daten nur nach vorab unterzeichnetem DPA; On-Premises-Lösung beschrieben; Google Analytics und HubSpot (USA) als Website-Dienstleister..
- Transkribus – AGB. https://www.transkribus.org/terms (abgerufen am 2026-10-30). API-Verarbeitung auf Servern in Österreich und Deutschland; Transkribus On-Prem auf Anfrage; eXpert-Client ohne Updates; READ-COOP behält sich die Einstellung des Betriebs vor; DPA vor Upload personenbezogener Daten..
- Transkribus – Organisationen. https://www.transkribus.org/organisation (abgerufen am 2026-10-30). Data Processing Agreements (DPAs) und individuelle Verträge für Organisationen verfügbar..
- Transkribus – Kurrent-Transkription. https://www.transkribus.org/kurrent-transcription (abgerufen am 2026-10-30). Herstellerangabe: typischerweise 95 bis 99 % Zeichengenauigkeit bei sauberen Scans und lesbarer Kurrent; Modelle für Kurrent vom 16. bis 20. Jahrhundert..
- Transkribus – KI-Texterkennung. https://www.transkribus.org/ai-text-recognition (abgerufen am 2026-10-30). 300+ öffentliche Modelle, eigenes Modelltraining ab etwa 50 transkribierten Seiten, Export als TXT, DOCX, PDF, TEI-XML, PAGE XML oder ALTO..
- Transkribus – Alte deutsche Schriften. https://www.transkribus.org/old-german-scripts (abgerufen am 2026-10-30). Kurrent, Sütterlin und Fraktur; Dokumente werden nach Herstellerangabe nicht ohne Zustimmung zum KI-Training verwendet..
- READ-COOP – Impressum. https://legal.transkribus.org/imprint (abgerufen am 2026-10-30). READ-COOP SCE (Societas Cooperativa Europaea), Völser Straße 11, 6020 Innsbruck, Österreich..
Diesen Inhalt teilen:
Empfohlen in 1 Use Cases
Forschung & Entwicklung