Im Rahmen des Langzeitvorhabens ‚Forschungsportal BACH‘ wurde ein strukturierter Workflow entwickelt, der die Vielzahl an Arbeitsschritten von der Archivrecherche bis zur Veröffentlichung einer digitalen Edition systematisch abbildet und koordiniert. Dieser Workflow integriert automatisierte Prozesse, manuelle Bearbeitungsschritte sowie qualitätssichernde Kontrollphasen, um in einem interdisziplinären Team mit unterschiedlichen Kompetenzniveaus eine konsistent hohe Editionsqualität sicherzustellen.

Zur technischen Umsetzung wurde eine GitLab-basierte Infrastruktur etabliert, in der die einzelnen Arbeitsschritte mit Hilfe von Issues modelliert und mit den jeweils eingesetzten Werkzeugen (Forschungsportal, Darktable, Transkribus, TEI Publisher Annotationstool) verknüpft wurden. Das zugrunde liegende GitLab-Repository fungiert dabei nicht nur als zentrale Koordinationsplattform, sondern zugleich als redundantes Datensicherungssystem.

Poster | https://fdhl.info/dhdl25-projektuebersicht/#bach

Ziel des Projekts „Forschungsportal Bach“ ist der Aufbau eines umfassenden Online-Repositoriums, das Zugang zu allen erhaltenen Dokumenten der Musikerfamilie Bach – der einflussreichsten Familiendynastie in der Musikgeschichte – vom späten 16. bis zum frühen 19. Jahrhundert bietet. Zum ersten Mal in der Geschichte der Bachforschung wird das Material, das in Bibliotheken, Archiven und Privatsammlungen erhalten ist, digital erfasst, indiziert, verarbeitet, annotiert und via Online-Portal zugänglich gemacht. Die digitalisierten Dokumente werden mittels „Transkribus“ automatisch transkribiert, mit Hilfe des TEI Publishers annotiert und schließlich als digitale Edition veröffentlicht. Dabei werden u.a. die in den Dokumenten erwähnten Werke sowie Wasserzeichen ausgewählter Archivalien mit dem Portal „Bach digital“ verknüpft.

Poster | https://fdhl.info/dhdl-2023-projekte/#bach | https://nbn-resolving.org/urn:nbn:de:bsz:15-qucosa2-917725

Im Rahmen unterschiedlicher Projekte und Qualifizierungsarbeiten entstanden und entstehen eine Reihe neuronaler Netze. Diese Netze dienen entweder der Klassifizierung von Bildern oder dem Auffinden von Objekten in Bildern. Um diese neuronalen Netze besser miteinander hinsichtlich unterschiedlicher Architekturen, unterschiedlicher Hyperparameter oder unterschiedlicher Trainingsdaten zu vergleichen und sie einem breiteren Personenkreis verfügbar zu machen, wurde eine Webseite entwickelt, auf der man trainierte neuronale Netze und Bilder hochladen, eine Objekterkennung starten und die Ergebnisse einheitlich visualisieren kann. Die Webseite soll sowohl für Entwickler neuronaler Netze sein, die Ihre Netze vergleichen wollen, als auch für Forscher, die auf ihren Bildern eine Objekterkennung durchführen wollen.

Poster | https://fdhl.info/dhdl-2018-materialien/