1. Einleitung

Dieser Text beruht auf einer Keynote mit dem Titel , die ich im Herbst 2023 gehalten habe. Seitdem hat sich viel getan im Einsatz künstlicher Intelligenz in digitalen Editionen.Vgl. z. B. zum Stand von 2024: Pollin et al. 2025 und eine eher zufällige Auswahl einschlägiger Publikationen: Beshero-Bondar 2023; Schonhardt 2025; Laeger / Möller 2025; Henzel 2025 und natürlich auch den Beitrag von Gerrit Brüning (2025) in diesem Band. Schon diese Formulierung ist Ergebnis der Entwicklungen, denn 2023 waren Textgeneratoren, die heute als treibende Kraft künstlicher Intelligenz verstanden werden, Teil des Forschungsfelds maschinellen Lernens. Noch hatten wenige die Fähigkeit großer Sprachmodelle, aus wenigen Beispielen und mit natürlichsprachlichen Anweisungen Verfahren generalisieren zu können (Few-Shot-Learning und In-Context-Learning) und eine Vielzahl von Aufgaben zu übernehmen, identifiziert oder gar auf digitales Edieren angewendet.Vgl. Brown et al. 2020; Wei et al. 2022. Das Thema des damaligen Vortrags hat sich aber nur verschoben. Schon im Herbst 2023 wurde diskutiert, ob automatische Verfahren überhaupt richtige Ergebnisse liefern können. Ich möchte hier den Gedankenfaden weiterspinnen, den ich 2023 noch unter dem Eindruck von HTR (Handwritten Textrecognition) und NER (Named Entity Recognition) als Trainingsaufgaben maschinellen Lernens begonnen habe. Wie verändern sich die Praktiken des Edierens mit den verschiedenen digitalen Verfahren?

Die Praxis des Edierens unter dem Apell Ediere richtig! wird in drei Maximen realisiert, die auf eine Übereinstimmung mit in der Forschungsdiskussion entwickelten Standards, eine Übereinstimmung mit der Überlieferungsrealität und auf Verantwortlichkeit zielen:

Ediere so wie alle anderen! (Standards) Ediere nichts, was nicht belegt ist! (Vetorecht der Quelle) Ediere nichts, was Du nicht (wissenschaftlich) verantworten kannst, und scheue keine Mühe! (Akribie)

Ich möchte im Folgenden diese Maximen in der digitalen Edition unter dem Begriff der Genauigkeit reflektieren. Diese kann man unterschiedlich verstehen. Im Sinne der ersten und zweiten Maxime heißt Genauigkeit, dass Editor*innen nachvollziehbare und dem Text angemessene Terminologien und Kategorien verwenden sollen, also präzise und exakt zu sein. Sie sollen auch genau in dem Sinne sein, dass sie anerkannte Repräsentationen bilden, die dem Wissensstand über Paläographie, Kodikologie, Grammatik, Philologie und Geschichte nicht widersprechen, also richtig sein. Schließlich sind Editor*innen mit feinen Unterschieden und komplexen Zusammenhängen konfrontiert, die an jeder Stelle sorgfältig und gewissenhaft zu beurteilen sind. Begriffe wie Sorgfalt oder Gewissenhaftigkeit rücken deshalb in das Blickfeld. Der Beitrag ist geleitet von einer Skizze, wie Editor*innen sich seit dem 19. Jahrhundert zwischen Standards, regelgeleiteter Verallgemeinerung, individuellen Forschungsfragen und Problemstellungen in der Praxis positioniert haben.

2. Vordigitale Algorithmen: Editionsprinzipien

Edition ist eine questione del metodoPratesi 1992. und diese schlägt sich in den Regelwerken und Kategoriensystemen der Editionswissenschaft nieder. Eine für die Editionswissenschaft spezifische Textgattung sind die Editionsprinzipien, die individuell einzelnen Editionen vorangestellt werden oder als Vereinbarungen von Personengruppen oder Orientierung von Institutionen für ihre Editionsreihen veröffentlicht worden sind. So hat z. B. Heinz Angermeier im Vorwort des Abteilungsleiters zum ersten Band der Reihe die Editionsprinzipien der Reihe vorgestellt.Vgl. Angermeier 1988. Regionale und nationale historische Vereine haben seit Anfang des 20. Jahrhunderts Editionsrichtlinien publiziert, die inzwischen auch als Handreichungen im Internet zu finden sind.Diese etwas lange Fußnote möge als ein bibliografischer Beitrag zu dieser Textgattung gelten, die eine systematische Auswertung verdient hätte: Arbeitsgemeinschaft außeruniversitärer historischer Forschungseinrichtungen 1981; Besch 1994; Besch 1973 / 1975; Beyer 2018; Carli 1967; Cencetti 1957; Commission Internationale de Diplomatique 1984; Commission Royale d’Histoire 1985; Consejo Superior de Investigaciones Científicas 1944; Ecole Nationales des Chartes 2001; Feigl 1955; Heckmann 2013; Heinemeyer / Gesamtverein der Deutschen Geschichts- und Altertumsvereine 1978; Heinemeyer 1978; Kuttner 1959; Masai 1950; Norme generali per la pubblicazione 1902; Norme per la stampa 1906; Pratesi 1964; Schultze 1930; Schultze 1966; Schultze 1978; Schwäbische Forschungsgemeinschaft und Schwäbische Forschungsstelle Augsburg der Kommission für bayerische Landesgeschichte bei der Bayerischen Akademie der Wissenschaften 2001; Wolff 1957. Die britische Pipe Roll Society hatte schon in der Mitte des 19. Jahrhunderts die Regulierung sogar so weit getrieben, dass sie Vorgaben für Drucktypen, die sogenannte Record Type, gemacht haben, um die Befunde in den Vorlagen präzise abbilden zu können.Vgl. Condon / Hallam 1984. Diese Regelwerke formulieren sehr konkrete Abbildungsfunktionen von Befunden in den Vorlagen. Es geht dabei meistens um paläographische Befunde, aber auch philologische Probleme wie Interpunktion oder Notation von textkritischen und inhaltlichen Beobachtungen. Genauigkeit ist hier die konsistente und korrekte Anwendung der Regeln.

Diese Regelwerke folgen dem Muster Wenn Du X beobachtest, dann schreibe Y in der Edition und sind also algorithmisch formuliert. Ihnen stehen methodische Texte von Karl LachmannNicht als eigenständiger methodischer Text veröffentlicht, sondern als Teil einer Edition: Lachmann 1850, S. 3–15. oder Joseph BedierVgl. Bédier 1928a; Bédier 1928b. und Einführungen in die Editionstechnik von Paul Maas oder David C. Greetham gegenüber.Vgl. Maas 1960; Greetham 1994. Sie beschreiben Vorgehensweisen und begründen die philologischen Beobachtungen. Sie sind also weicher formuliert als die Regelwerke. Die im Jahr 2000 erschienene von R.B.C. Huygens, deklariert das Edieren als Kunst (Editing texts is an art),Huygens 2000, S. 21. vermeidet Regeln ganz und weist ausdrücklich auch auf persönliche Eigenschaften der Editor*innen hin. Sie sollen fähig sein, mit Ausnahmen umgehen zu können. Sie sollen talent besitzen oder familiar with sein.Huygens 2000, S. 21. Huygens nennt sogar psychologische Risiken ihrer Tätigkeit, wenn er von editorischen Lösungen spricht, die striking sind – und damit verführerisch und deshalb riskant oder gar falsch.Huygens 2000, S. 50. Genauigkeit ist hier eher eine Funktion von persönlichem Gespür und Intuition.

3. Algorithmisches Vorgehen in digitalen Editionen

Die Praxis digitalen Edierens baut besonders auf der Abbildungsfunktion der Editionsregeln auf, denn im Digitalen entfallen die Beschränkungen der Druckedition für die Kodierung philologischer Beobachtungen. Die Arbeit der Text Encoding Initiative (TEI) zielt so auf ein ausdifferenziertes Kodierungssystem für eine große Bandbreite philologischer Phänomene, die Textstrukturen, textuelle Varianz, paläographische Beobachtungen, Textredaktion oder inhaltliche Kommentierung digital abbilden. Eine andere Art der Abbildungsfunktion ist die Suche der digitalen Edition nach formalen Abbildungsregeln von Buchstabenbefunden und Kodierung. Die Medieval Unicode Font Initiative (MUFI) arbeitet an dafür angemessenen Zeichensätzen. Abbildungsregeln sind auch Teil der hyperdiplomatischen Editionsverfahren von Helmut KlugVgl. Böhm / Klug 2020. oder der XProc-Pipeline von Gioele Barabucci und Elisa Cugliana zur Transformation einer hyperdiplomatischen Transkription in eine normalisierte Edition.Vgl. Cugliana / Barabucci 2021. Sie erwecken die Vorstellung, dass sich eindeutige Abbildungsfunktionen zwischen Textvorlage und digitaler Präsentation zumindest im Bereich der Paläographie aufstellen lassen.

Die Eindeutigkeit ist jedoch nicht gegeben, wenn die Regeln verallgemeinert werden. Die TEI arbeitet, wie die oben erwähnten Editionsregelwerke, darauf hin, Abbildungsregeln editionsübergreifend zu formulieren. Standardisierte Regelwerke müssen jedoch weit genug für viele Einzelfälle sein und verringern damit Genauigkeit. Die TEI bietet z. B. explizit fünf verschiedene Möglichkeiten an, die Funktion eines kritischen Apparats zu kodieren.Vgl. TEI 2026; zur Codierung textueller Varianten hier. Textuelle Varianz kann aber auch mit weiteren Lösungen kodiert werden: choice, sourceDoc, @corresp sind alles Kodierungsformen, für die man gute Gründe finden kann, sie anzuwenden, um Textalternativen zu kodieren, auch wenn mit jeweils unterschiedlicher Semantik. Lou Burnard hat deshalb darauf hingewiesen, dass die TEI nur die Grundlagen für eine Spezialisierung der Kodierungsregeln in einer Edition bildet.Vgl. Burnard 2019.

Eine ähnliche Diskussion wird für die Anzeige der Kodierung geführt. Kann die Kodierung mit eindeutigen Abbildungsregeln in eine Benutzungsoberfläche überführt werden? Das TEI Processing Model beschreibt z. B., wie man ein Regelwerk speichern könnte, das die Abbildung von bestimmten TEI-Kodierungen auf HTML-Elemente ermöglicht.Vgl. Cummings et al. 2015; Turska et al. 2016. TEI BoilerplateVgl. Walsh et al. 2012–2023. und CETEIteanVgl. Cayless / Viglianti 2018. sind technologisch andere Lösungen mit dem gleichen Ziel. Helmut Klug und Selina Galka haben unter der Bezeichnung Minimal Edition Verfahren vorgestellt, die hyperdiplomatische Transkriptionen in Lesetexte umwandelt.Vgl. Galka / Klug 2023. Alle diese technischen Verfahren sind Ergebnis dessen, dass Regelwerke prinzipiell als Algorithmen ausgedrückt werden können. Sie sind aber alle auf die Bedingungen einer individuellen Edition anzupassen. In der TEI werden diese individuellen editorischen Praktiken z. B. in einem TEI ODD (One Document Does It All) dokumentiert. Die Einbindung des TEI Processing Models in TEI ODD zeigt nun, dass auch die Individualisierung in der digitalen Edition als algorithmisches Problem verstanden werden kann. Es entsteht also zusätzlich zum Algorithmus zur Abbildung der Textvorlage in der Edition, ein Algorithmus, der die rein digitalen Editionspraktiken abbildet (Wenn Du X kodiert hast, dann zeige Y an.).

Man kann diese Algorithmisierung weitertreiben und versuchen, für alle Schritte des digitalen Edierens Algorithmen zu finden. Tara Andrews hat z. B. 2019 vorgeschlagen, mehr als nur die Transformation von kodierter Annotation in die Anzeige als Algorithmus aufzufassen. Sie unterscheidet dabei zwischen kategorischen und individuellen Urteilen: kategorische Urteile sind systematische Repräsentationen, die in Iterationen und Mustern ausgedrückt werden können – und damit der klassische Ort für algorithmische Verarbeitung. Individuelle Urteile werden gefällt, wenn der*die Editor*in einen einzelnen Datenpunkt erstellt oder ändert. Die Entscheidung für die eine oder die andere Lesart eines Textes in den verschiedenen Überlieferungen kann also kategorisch fallen, wenn man sich z. B. dafür entscheidet, im Zweifelsfall der älteren Überlieferung den Vorrang zu geben. Sie fällt individuell, wenn man jede einzelne Textstelle prüft und entscheidet. Dieser zweite Vorgang wird nun dadurch algorithmisch, dass er sich im Sinne der Software-Versionierung als Patch zum bestehenden Datensatz ausdrücken lässt. Praktische Auswirkung hat das insbesondere für wechselseitige Abhängigkeiten der Algorithmen. Die Edition, die T-Pen als Transkriptionswerkzeug verwendet, kann mit den Verfahren der automatisierten Integration von Code-Änderungen (Continuous Integration) verarbeitet werden. Jede Transkriptionsänderung im T-Pen-Frontend erzeugt JSON und TEI-Repräsentationen, die für Tokenisierung, automatische Kollation mit CollateX und stemmatologische Analyse mit StemmaWeb ausgewertet werden kann.Vgl. Andrews et al. 2019. Hier werden die individuellen editorischen Entscheidungen zusammen mit allgemeinen Algorithmen zusammengeführt. Die zunächst nicht algorithmischen individuellen Entscheidungen einer Edition werden damit auch zu einfachen Befehlszeilen. Es entsteht eine Art Meta-Algorithmus der digitalen Edition, der nicht mehr die editorischen Entscheidungen selbst, sondern die Organisation editorischer Arbeit im Digitalen abbildet. Editionsarbeit gewinnt hier Genauigkeit, weil detailliert reproduzierbar.

In der digitalen Edition ist also zum heutigen Stand der Forschung die Idee erhalten geblieben, richtig im Sinne von Regelhaftigkeit zu edieren. Allgemeine Regelwerke wie die Guidelines der TEI können mehr Fälle kodieren, als die der vor-digitalen Zeit. Editorische Aktivitäten können nicht nur als kategorische Verfahren, sondern auch als individuelle Änderungen der Datengrundlage in Algorithmen ausgedrückt werden. Dieses Forschungsprogramm der Algorithmisierung von Edition ist noch nicht abgeschlossen, wie z. B. die Formalisierungsvorschläge für die Versionierung von Editionen von Martina Bürgermeister belegen.Vgl. Bürgermeister 2025. Genauigkeit entsteht in all diesen Verfahren durch die korrekte Formulierung und Anwendung des Algorithmus.

4. Meta-Algorithmen und Wahrscheinlichkeiten: Maschinelles Lernen

Gleichzeitig werden aber seit ein paar Jahren auch Verfahren diskutiert, die Dominique Stutzmann 2019 auf dem IMC (International Medieval Congress) als Distant Editing bezeichnet hat. Er und ich haben in der Diskussion darüber dann eine Parallele dieser Verfahren zur 2017 von Mike Kestemont, Vincent Christlein und Dominique Stutzmann postulierten Künstlichen PaläographieKestemont et al. 2017. gezogen. Verfahren des maschinellen Lernens ermöglichen es inzwischen, viele Aktivitäten der Edition an Maschinen zu delegieren, die damit eine künstliche Edition erzeugen. Tobias Hodel hat in den vergangenen Jahren mehrfach auf das Potential dieser Entwicklungen hingewiesen.Vgl. Hodel 2023. Melissa Terras, Joe Nockels, Sarah Ames, Paul Gooding, Andy Stauder und Günter Mühlberger sehen die Angebote von Transkribus als Werkzeug zur Automatisierung des Edierens.Vgl. Terras et al. 2024. Ich selbst habe versucht, die künstliche Edition in ein konzentrisches Modell zwischen Proto-Editionen aus Bildern und Beschreibungen und vollständig von Menschen überprüften Editionen einzuordnen.Vgl. Vogeler 2025.

Die künstliche Edition beruht auf einem anderen Meta-Algorithmus als der Abbildung von Änderungen in der Datenbasis und ihrer Integration in deterministische Prozeduren, nämlich auf den Algorithmen des maschinellen Lernens. Dabei werden statistische Muster aus Datenvorlagen extrahiert und daraus in den einzelnen Knoten des neuronalen Netzes Gewichte für Verarbeitungsfunktionen abgeleitet. Diese erlauben wahrscheinliche Vorhersagen zu Daten, die nicht Teil des Trainingsmaterials waren. Diese Lernverfahren sind schon lange im Bereich der optischen Zeichenerkennung von gedruckten Texten und der linguistischen Annotation im Einsatz. Als neuronale Netze sind sie im Bereich der digitalen Paläographie schon 2009 vorgeschlagen worden,Vgl. Fusi 2009. haben aber erst mit den Erfolgen im Bereich der automatischen Handschriftenerkennung (Handwritten Text Recognition, HTR) im Rahmen der READ-Coop und dem Transkribus-Service breite Aufmerksamkeit im Feld der Editorik gefunden.

Maschinelles Lernen ermöglicht die Imitation von menschlichen Tätigkeiten beim Edieren auch jenseits der Transkription. Inhaltliche und sprachliche Annotation einer digitalen Edition kann mit den zunehmend verfeinerten Methoden der Informationsextraktion und des Part-of-Speech-Taggings von maschinell gelernten Funktionen übernommen werden.Zu diesen Verfahren vgl. z. B. Mitkov 2022. Im Bereich der automatischen Stemma-Erstellung haben sich die Verfahren des DeepLearnings noch nicht durchgesetzt. Für Kollation sind Diff-Algorithmen und für Stemma-Erstellung phylogenetische Methoden Stand der Forschung, auch wenn Armin Hoenen und Laura Mancini maschinelles Lernen als Werkzeug zur Erzeugung von Stemmata angeregt haben.Vgl. Hoenen 2022; Mancini 2022.

Diese Verfahren führen nun eine Eigenschaft in das Edieren ein, die mit dem eingangs angesprochenen Prinzip der Genauigkeit in Konflikt gerät, nämlich die Wahrscheinlichkeit. Die Verfahren des maschinellen Lernens sind alle Annäherungen an Regeln, die eine Vorhersage möglichst wahrscheinlich machen. Künstliche Editionen sind also wahrscheinlich genau, also in einem mehr oder weniger gut messbaren Grad genau. Damit sind sie aber grundsätzlich anders als die im vorangehenden Abschnitt beschriebenen digitalen kritischen Editionen, die ihre Genauigkeit durch deterministische Algorithmen und eindeutige Abbildungsregeln in Datenstandards zu erreichen versuchen.

Wir brauchen also als Editor*innen und Benutzer*innen von Editionen ein neues Verständnis von Genauigkeit als statistischem Maß. Transkriptionen waren schon immer Interpretationen der Editor*innen. Sie waren jedoch relativ leicht zu verstehen, denn es gab eine Abbildungsregel von 1–n paläographischen Phänomenen auf 1 Kodierung / Notation (Buchstabe im Zeichensatz des Setzers). Die Abbildungsregel war angereichert durch interpretative Anmerkungen, die Beobachtungen verbalisierten, die von der Regel abwichen. Diese grundsätzliche Abbildungsregel war in den Transkriptionsprinzipien dokumentiert und in den publizierten generellen Editionsrichtlinien den Leser*innen zugänglich. Eine Explikation der Auslegung ›Transkription‹Vgl. Stäcker 2020. im Sinne von Thomas Stäcker war also relativ einfach. Im digitalen Edieren wird diese Explikation durch ein digitales Bild in der Edition noch weiter erleichtert.

Maschinelle Verfahren informieren dagegen über das Verhältnis zwischen Paläographie und Transkription in drei Formen: In der Benennung des verwendeten Modells, der für das Training verwendeten Referenzdaten (Ground Truth) und in einem Maß für die Genauigkeit des Modells, meistens der Character Error Rate (CER).Vgl. zur CER Neudecker et al. 2021. Aber was heißt eigentlich eine ›CER 2,3 %‹? Man möge sich die Zahlen einmal konkret vorstellen, um ein Gespür für die so beschriebene Genauigkeit zu bekommen: 2,3 Buchstaben von 100 entsprechen nicht den im Evaluationsdatensatz vorgegebenen Werten, also ist jeder 50. Buchstabe falsch, durchschnittlich mindestens in jeder 2. Zeile ein Fehler. Hier stellt sich als erstes die Frage, mit wieviel Fehlern können wir als Editor*innen in einer Transkription leben. 2018 haben Olga Beloborodova, Wout Dillen und Joshua Schäuble in einer Transkribus-Konferenz einmal eine Genauigkeit von 95 % als schlechtes Ergebnis für eine*n Editor*in postuliert und deshalb eine manuelle Überprüfung automatischer Transkriptionen eingefordert.Vgl. Beloborodova et al. 2018. Gleichzeitig können auch fehlerhafte OCR-Daten noch zu hinreichend guten Ergebnissen von Folgeaufgaben wie der Erkennung von benannten Entitäten führen.Vgl. Hamdi et al. 2023.

Eine solche CER ist jedoch ein Durchschnittswert. Eine gute Bewertung dieser Genauigkeit muss sich der Vielfältigkeit der Fehler stellen. Mehrere Fehler können sich natürlich in einem Wort häufen. Auch Beschädigungen der Vorlage oder Passagen in einer Hand oder Schrift, die nicht zum Trainingsmaterial gehörte, führen zu einer Häufung der Fehler. Die Editor*innen müssen sich auch inhaltlicher Verzerrungen bei der Interpretation bewusst sein, wie z. B. dass sich die Fehler häufiger in Eigennamen verbergen.Vgl. Ströbel et al. 2022; Romein et al. 2025. Editor*innen müssen eine CER also qualitativ auswerten können.

Die CER ist aber aus einem ganz anderen Grund noch eine ungewohnte Neuerung für die Editor*innen: Sie misst die Genauigkeit an einem bekannten Datenausschnitt, nicht die Genauigkeit der Anwendung des Modells auf unbekanntes Material. Das ist ja auch eigentlich nicht zu messen. Trotzdem wird sie in der Editionspraxis einerseits als Werkzeug eingesetzt, um Arbeitseinsatz in die Verbesserung der Trainingsdaten oder des HTR-Modells zu begründen, ohne dass der Effekt dieser Genauigkeit auf neue Bilder bekannt wäre. Wenn man sie als Indikator verwenden will, um für eine automatische Transkription von bislang ungekannten Texten ein gutes Modell auszuwählen, dann müssen die Editor*innen also die Ähnlichkeit zwischen Trainingsmaterial des Modells und Anwendungsfall ermitteln.

Die Frage der Standards lebt in Zeiten des maschinellen Lernens neu auf in der Frage, ob die in den unterschiedlichen Projekten geschaffenen Transkriptionen mit ihren unterschiedlichen Zielen zu einer gemeinsamen Trainingsbasis zusammenkommen können. Das CATMUS-Projekt schlägt z. B. eine graphemische Transkription vor, die z. B. ›u‹ und ›v‹ auf ›u‹ reduziert.Vgl. Pinche et al. 2023; Clérice et al. 2024. Ist diese Vereinfachung der Genauigkeit im Sinne der Editor*innen zuträglich, weil sie das Trainingsmaterial und damit die Wahrscheinlichkeit einer korrekten Transkription erhöht, oder ist sie eine Reduktion der Genauigkeit, weil weniger Allographen abgebildet werden als in den Vorlagen verwendet?

Eine Diskussion auf der jüngsten DHd in Wien über die Maße Accuracy, Precision, Recall und F1 ist hier ebenso erhellend.In der Diskussion über das Doktoratsprojekt von Nils Kellner (Rostock): Automatische Erkennung von Spatial Frames und Emotionen in deutschen und spanischen Romanen der Romantik. Vgl. Kellner 2026. Die Maße beschreiben Genauigkeit als Anteil aller Vorhersagen an den erwarteten Werten (Accuracy), als positiver Vorhersagewert einer gesuchten Unterscheidung (Precision), als Sensitivität auf ein gesuchtes Phänomen (Recall) und als das gewichtete harmonische Mittel von Precision und Recall (F1). Bei der automatischen Identifikation von Raumkonstruktionen in romantischer Literatur ist die überwiegende Zahl der Wörter in einem Text irrelevant. Eine Klassierung in sechs inhaltliche Klassen und eine Klasse ›irrelevant‹ führt also automatisch zu einer ›Accuracy‹ jenseits von 99 %, weil der Anteil an korrekt als irrelevant markierten Wörtern immer sehr hoch ist. Stellen wir uns also Annotationen von sechs Raumbegriffen (›urban‹, ›ländlich‹, ›Innenraum‹, ›Gewässer‹, ›Gebirge‹ und ›Wald‹) in romantischer Literatur vor, dann ist offensichtlich, dass die überwiegende Zahl der Sätze keine solche Raummetaphorik verwenden. Sie werden in automatischer Annotation dementsprechend einfach als ›irrelevant‹ erkannt. Die wenigen mehr oder weniger korrekten Zuweisungen zu den sechs Raumbegriffen fallen kaum noch ins Gewicht für die Berechnung einer allgemeinen ›Accuracy‹. Erst die Genauigkeitsmaße für einzelne Klassen, die das Verhältnis von richtig gefundenen Werten zu den fälschlicherweise einer Klasse zu geordneten Werten (Precision) oder das Verhältnis der gefundenen Werte zu allen erwarteten Werten (Recall) misst, ist dann informativ. Der F1-Wert, der gut eingeführt ist, ist auch nur einer von verschiedenen Fβ-Werten, die man verwenden kann, um die Treffergenauigkeit eines Modells zu beschreiben, in dem das Verhältnis von Precision und Recall anders gewichtet wird. Andere Evaluationsmetriken fragen nach Aggregationsmöglichkeiten (Macro / Micro F1), zeigen an, wo Verwechslungen vorliegen (Confusion Matrix), oder messen Ähnlichkeiten an textlichen Überlappungen (BLEU (= Bilingual Evaluation Understudy) / SacreBLEU (= shareable, comparable, and reproducible BLEU), ROUGE (= Recall Oriented Understudy for Gisting Evaluation), METEOR (= Metric for Evaluation of Translation with Explicit ORdering)) oder semantischer Ähnlichkeit (BertScore). Läßt sich so editorische Genauigkeit messen?

Zwei Lehren sind aus diesen Entwicklungen für die Editionsphilologie zu ziehen: Wir müssen uns erstens damit beschäftigen, dass mit maschinellem Lernen Modelle trainiert werden, die unsere Benutzungsszenarien abbilden können. Die HTR-Technologien als Automatisierung von Transkription sind dafür das beste Beispiel. Zweitens müssen wir ein Verständnis von den Verfahren und den Maßen gewinnen, mit denen die Genauigkeit dieser Modelle beschrieben wird.

5. Digitale Edition mit generativer KI

Was im Jahr 2026 unter der Bezeichnung Künstliche Intelligenz (KI) diskutiert wird, ist eine Weiterentwicklung des maschinellen Lernens, wie sie im vorherigen Abschnitt vorgestellt worden ist. KI entfernt sich aber von den Verfahren, die zum Durchbruch der HTR geführt haben. Der entscheidende Unterschied ist, dass seit Herbst 2022 technische Lösungen der Allgemeinheit zur Verfügung gestellt worden sind, die mit nur wenig Input sinnvolle Zeichensequenzen generieren können – oder anders gesagt: Die auf natürlichsprachliche Anfragen sinnvolle Antworten in Schriftsprache erzeugen können, die sogenannte generative KI. Diese Antworten können auch Code oder strukturierte Daten sein. Da die Texterzeugung auf einer sehr großen Menge an Trainingsdaten beruht, können sie Texte erzeugen, die das Wissen aus den Trainingsdaten repräsentieren – oder anders gesagt: Die sogenannten großen Sprachmodelle (Large Language Model, LLM) erzeugen Texte, die den Texten, mit denen sie trainiert wurden, ähnlich sind – und zwar auch in inhaltlicher Hinsicht. Die Größe der Sprachmodelle hat nun dazu geführt, dass sie auch für Aufgaben eingesetzt werden können, mit denen man nicht gerechnet hat, ihnen deshalb emergente Fähigkeiten zugeschrieben werden.Vgl. Wei et al. 2022. Die Anwendbarkeit des Begriffs der ›Emergenz‹ zweifeln an Schaeffler et al. 2023; Krakauer et al. 2025.

Seit der Veröffentlichung der ersten allgemeinen Textgeneratoren experimentiert die Editorik mit der neuen Technologie. Einen ersten etwas systematischen Einblick hat der IDE-Workshop Generative KI, LLMs und GPT bei digitalen Editionenim Frühjahr 2024, der im Rahmen der DHd 2024 stattfand, gegeben, aus dem Christopher Pollin, Franz Fischer, Patrick Sahle, Martina Scholger und ich verallgemeinernde Ergebnisse gezogen haben.Vgl. Pollin et al. 2025. Aus der allgemeinen Diskussion über den Einsatz von LLMs in digitalen Editionen schält sich nun zum einen eine ethische Kritik an den Systemen heraus, die auf den unverhältnismäßigen Ressourcenbedarf und die Abhängigkeit von kommerziellen Services hinweisen.Vgl. Ries et al. 2025. Ein zweiter Strang der Diskussion zielt auf die Genauigkeit: Die Systeme generativer KI enthalten eine Wahrscheinlichkeitsfunktion, die sprachlich richtige, kontextuell plausible, aber inhaltlich falsche Reaktionen auf den Input im Prompt geben können, die sogenannten Halluzinationen. Darauf wird mit vier Strategien reagiert:

Reduktion des Wahrscheinlichkeitsraums der Textvorhersage im temperature-Parameter des Sprachmodells. Integration des Genauigkeitsanspruchs in den Prompt. Technische Validierungsmechanismen wie die Erzeugung deterministischen Programmcodes statt probabilistischer Vorhersage der Lösung oder Integration von algorithmischen Kontrollschritten, auch unter Einsatz von LLMs selbst (›LLM as a judge‹). Verlagerung der Verantwortung an eine*n ›Expert in the Loop‹ (EITL).

Christopher Pollin hat in seinen Vorschlägen zum sogenannten Promptotyping eine andere Richtung eingeschlagen. Er zielt darauf, dass Modellierungs-, Kodierungs- und Programmieraufgaben durch eine konsistente Beschreibung der Aufgaben an die Sprachmodelle delegiert werden können, die den dafür nötigen Programmcode erzeugen. Er weist aber auch darauf hin, dass gerade für die Kodierungsaufgaben eine lokale Kontrolle durch Experten nötig ist.Vgl. Pollin 2023. Dieser EITL ist für die Weiterentwicklung editorischer Praxis unter dem Gesichtspunkt der Genauigkeit wohl der wichtigste Ansatz. Egal, welche Verfahren künstlicher Intelligenz eingesetzt werden, greift er die Beobachtung von Huygens auf, nämlich die Fähigkeit des*der Editors*in, überzeugende philologische Entscheidungen treffen zu können, die nicht alleine auf Regeln aufbauen. Der*die Editor*in ist die Person, die dem KI-System einen Auftrag gibt, die für seine Erfüllung relevante Kontexte auswählt, und die Ergebnisse des Systems überprüft. Diese Personen besitzen ganz im Sinne Huygens Erfahrung und Intuition – philologische und technische. Eine wichtige Zukunftsfrage für die Editionswissenschaft ist deshalb, wie diese Expert*innen ausgebildet werden.

Eine zweite Zukunftsfrage richtet sich an die Praxis der Zusammenarbeit zwischen technischem System und Expert*in. Die technischen Systeme von automatischer Texterkennung, automatischem Textvergleich und automatischer semantischer Annotation, automatischer TEI-Kodierung und Programmierung der Benutzungsumgebung, legen nahe, dass die Expert*innen von Routineaufgaben entlastet werden und sich auf die spannenden Problemfälle konzentrieren können. Unter dem Gesichtspunkt der Genauigkeit rückt die Kategorie der Akribie in den Vordergrund. Studien aus verschiedenen wissenschaftlichen Domänen zeigen, dass die Kombination aus menschlicher Arbeit mit KI-basierten Prozessen zu einer Verstärkung der im Training der KI enthaltenen Annahmen führen kann.Vgl. Schroeder et al. 2025. Die kognitive Entlastung bei einfachen Aufgaben führt also nicht notwendig dazu, dass die kognitiv anspruchsvolleren Aufgaben besser gelöst werden. Es bedarf einer kritischen Haltung der Expert*innen gegenüber den Ergebnissen der KI, um das Ergebnis zu verbessern.Vgl. Beck et al. 2025. Ob eine automatische Texterkennung richtig ist oder nicht, bedarf also einer Prüfung, die ein Feingefühl dafür besitzt, welche Arten von Fehlern das System machen könnte – und diese akribisch prüft.

6. Von der Notwendigkeit einer neuen Fehlerkultur

Es geht unter den Editor*innen natürlich immer noch das Gespenst um, ihre Arbeit würde durch Maschinen ersetzt werden. Der Gedankengang oben führt aber zu einer ganz anderen Perspektive: Edieren war schon immer eine soziale Praxis, ein Teil des Austausches von Menschen über ihre kritischen Erfahrungen mit Texten. Fehler waren und sind eine wichtige Kategorie in dieser Erfahrung. Sie informieren über das Verhalten von Kopistinnen und Kopisten, sind also Grundlage stemmatologischer Editionspraktiken. Fehler sind ein Risiko bei der Verwendung von Textausgaben, wenn sie weniger kritisch angelegt sind als es wissenschaftlichen Standards entspricht. Es ist aber nicht immer leicht, sie zu bestimmen, insbesondere nicht beim Einsatz von Methoden des maschinellen Lernens und generativer KI. Es braucht also eine neue Fehlerkultur in der Editorik. Ich stelle mir das als eine Fehlerkultur vor, die Akribie als kollektive Aufgabe versteht, die nicht dem*der einzelnen Editor*in aufgebürdet wird, sondern intersubjektiv ermittelt. Die digitale Fehlerkultur verwendet ›99 prozentige Genauigkeit‹ nicht als Metapher, sondern als ein Modellierungsproblem. Sie versucht damit auf die Frage Antwort zu geben, was da eigentlich berechnet wird. Eine solche digitale Fehlerkultur macht sich über die statistischen und stochastischen Hintergründe solcher Zahlen Gedanken. Schließlich braucht es aber auch eine Fehlerkultur, die fähig ist, Entscheidungen zu fällen, die von Feingefühl für das editorische Problem, für den Text und für seine Rezeption zeugen. Viele Regeln und Praktiken digitalen Edierens können maschinell gelernt werden. Wir Editor*innen werden uns aber auch in Zukunft über das nötige Feingefühl, die am besten geeignete Statistik und die aufgewendete Akribie unserer Arbeit austauschen, die es für die von uns gewünschte Genauigkeit braucht.