KI- basierte Weiterentwicklung der Digitalisierung des Berufe-Archivs

- Verarbeitung von gescannten Dokumenten, als einzelnes PDF oder in Form mehrerer Bilddateien oder PDFs in alphabetischer Reihenfolge. - Preprocessing, d. h. Korrektur von Helligkeit und Kontrast, Begradigung der Seiten etc. - Ausführung der Texterkennung (OCR) mit geeigneten Methoden und Modellen. - Extraktion von Strukturelementen, d.h. Auflistungen, Fußnoten, Überschriften und insbesondere von Tabellen. - Extraktion von Metainformationen, d.h. dem Datum des Dokuments, Seitenangaben, etc. - Automatische Erkennung des Berufs oder des Weiterbildungsberufs und Annotation einer URI oder ID der GLMO. - Automatisierte Annotation des Texttyps, z.B. Ausbildungsordnung, Berufsbild, ... - Speichern der Daten als TEI-XML sowie in einer geeigneten Datenbank im Forschungsnetz des BIBB. - Überführung in ein Einzeldokument (PDF), Einbettung von Text (wobei das TEI-XML Dokument bzw. die Datenbank als Referenz gilt). - Die Webanwendung muss in der Lage sein, bereits existierende Daten in der Datenbank mit den neuen Dokumenten abzugleichen und somit verschiedene Dokumente mit einem Datensatz zu verknüpfen. - Verschiedene Nutzergruppen haben Schreib- und Lese-, nur Leserechte oder gar keine Rechte auf einzelnen Daten in einem Datensatz.