Handschrift in Bauakten maschinell erschließen
Die Aufgabe
Bauakten sind Jahrzehnte Papier: Computerschrift, Handschrift, Stempel, Randnotizen. Ein reiner Scan macht daraus ein Bild, keine Information.
KI-generiert Seiten eines echten Aktenmeters als Prüfmenge — Bestand aus dem Archiv, kein aufbereiteter Testdatensatz
Wochen Betrieb der Lösung als Cloud-Instanz, um an echten Akten zu messen statt zu schätzen
Angaben, die je Aktenzeichen aus den Antragsunterlagen zu gewinnen waren — Aktenzeichen, Adresse, Parzelle und Gemarkung, Antragsdatum
Kurz zum Kunden
Kommunaler Zweckverband für elektronische Verwaltung. Mitglieder sind alle Städte, Gemeinden, Landkreise und kommunalen Spitzenverbände eines Bundeslandes; er betreibt für sie Basisinfrastrukturen, Netzdienste und Rechenleistung und ist Ansprechpartner der Landesregierung für gemeinsame Vorhaben. Was er einmal entscheidet, gilt damit für alle Kommunen des Landes — und eine Fehlentscheidung wird nicht in einem Rathaus teuer, sondern in allen.
Unsere Lösung
Ein Aktenmeter aus dem Archiv sagt mehr über eine Texterkennung als jede Herstellerangabe. Er enthält genau die Seiten, die niemand vorzeigt.
Die Aufgabe
Die Digitalisierung der Bauakten eines ganzen Bundeslandes steht an — ein Vorhaben, dessen Aufwand vorher niemand seriös beziffern konnte. Die Frage ist nicht, ob digitalisiert wird, sondern wie tief: Ein reiner Scan ist billig und liefert Bilder. Eine Texterkennung mit tiefen neuronalen Netzen kostet mehr, liefert dafür durchsuchbare und auswertbare Information — und kommt anders als herkömmliche Verfahren auch an Handschrift heran, von der alte Bauakten voll sind. Zwischen diesen beiden Wegen liegt bei einem landesweiten Bestand eine erhebliche Summe. Zu klären ist deshalb dreierlei: ob eine solche Lösung die Anforderungen an Bauakten überhaupt erfüllt, mit welchem Aufwand sie zusätzlich kalibriert und trainiert werden müsste, und in welcher Qualität und Vorsortierung die Scans angeliefert werden müssen, damit brauchbare Ergebnisse herauskommen. Am Ende soll eine belastbare Abschätzung stehen, ob der Mehraufwand in einem vertretbaren Verhältnis zum Nutzen steht.
Unser Ansatz
Geprüft wurde an echten Akten, nicht an einem Testdatensatz. Ein exemplarischer, authentischer Aktenmeter — rund sechstausend Seiten Bestand. Der Unterschied zu einem aufbereiteten Testkorpus ist der ganze Punkt: In einem echten Aktenmeter stecken die verblasste Durchschrift, der schräg eingelegte Bauplan, der handschriftliche Randvermerk und der Stempel über dem Text. Jede Texterkennung sieht auf sauberen Vorlagen gut aus. Interessant ist die Trefferquote auf den zehn Prozent Seiten, die niemand vorzeigt.
Erst die Anforderungen definieren, dann die Lösung daran messen. Die Reihenfolge klingt und wird selten eingehalten. Wir haben zuerst festgelegt, welche Angaben je Aktenzeichen erhalten bleiben und welche extrahiert werden müssen — und die Lösung anschließend gegen genau diese Liste geprüft. Wer umgekehrt vorgeht, bewertet, was ein Werkzeug kann, statt zu prüfen, was die Behörde braucht. Ein Detail zeigt, warum das nötig war: Die Postleitzahl in alten Bauakten ist nicht notwendigerweise fünfstellig.
Die Qualität der Anlieferung war Gegenstand der Bewertung, nicht Voraussetzung. Bei einer Massendigitalisierung entstehen die eigentlichen Kosten beim Scannen und Vorsortieren, nicht bei der Erkennung. Deshalb war eine der drei Kernfragen, in welcher Qualität und in welchem Sortierungsgrad die Scans vorliegen müssen. Diese Frage vorher zu beantworten, verschiebt die Entscheidung an die richtige Stelle: Man kann Geld in bessere Scans stecken oder in mehr Training des Modells, aber man sollte wissen, was billiger ist, bevor man Millionen Seiten scannt.
Sechs Wochen Betrieb, damit gemessen und nicht geschätzt wird. Die Lösung lief als Cloud-Instanz mit begrenztem Fernsupport für einen festen Zeitraum. Das ist bewusst knapp bemessen: Ein Proof of Value soll eine Entscheidung ermöglichen und kein Projekt werden. Für einen öffentlichen Auftraggeber hat der feste Rahmen einen zweiten Wert — er ist vergaberechtlich sauber abgrenzbar gegen die Beschaffung, über die er entscheiden hilft.
Zwei Wege, eine Zahl. Am Ende steht keine Empfehlung für ein Produkt, sondern eine Abschätzung: Was kostet der zusätzliche Aufwand gegenüber einem reinen Scan, und was ist der zusätzliche Nutzen wert? Für einen Zweckverband, dessen Entscheidung für alle Kommunen eines Landes gilt, ist das die einzige verwertbare Form eines Ergebnisses. Eine Technologieempfehlung ohne diese Gegenrechnung wäre für die Beschaffung unbrauchbar.
Das Ergebnis
Ein Proof of Value an echtem Material.
Bereitgestellt und sechs Wochen als Cloud-Instanz betrieben worden ist eine Deep-OCR-Lösung mit drei Bausteinen: der automatisierten Annotation der Daten — Erkennen, Transkribieren und Extrahieren von Vermerken —, einem Erkennungsmodell für Computerschrift und Handschrift in Bauakten, und einem Modell zur Erkennung benannter Entitäten für die Extraktion der Aktenzeichen. Darauf die Analyse: ein exemplarischer, authentischer Aktenmeter von rund sechstausend Seiten ist ausgewertet worden, die technischen Anforderungen an die Lösung definiert und diese daran geprüft.
Je Aktenzeichen müssen , bautechnische Nachweise und Baupläne erhalten bleiben, und aus den Antragsunterlagen sind vier Angaben zu gewinnen: Aktenzeichen, Adresse des Baugrundstücks, Parzelle und Gemarkung sowie das Datum der Antragstellung. Bewertet worden sind dabei ausdrücklich auch Qualität und Sortierungsgrad der Scans im Verhältnis zum Ergebnis. Abschließend die für den weiteren Weg. Datenschutz ist Teil des Aufbaus und nicht Anhang: Vertraulichkeitsvereinbarung und Auftragsverarbeitungsvertrag liegen vor Beginn abgestimmt und gezeichnet vor.
Diese Leistungen steckten im Projekt
Weitere Projekte
Alle Referenzen ansehen


Kontakt
Sprechen Sie uns an
Schreiben Sie uns eine Zeile. Wir ordnen Ihre Frage ein und melden uns.
