Kann KI alte Handschrift lesen? Was Sie erwarten können

KI kann alte Handschriften wie Kurrent und Sütterlin lesen und transkribieren, aber fehlerfrei ist das Ergebnis oftmals nicht. Wenn Sie Dokumente mit Scriptling transkribieren, erhalten Sie eine Rohfassung, die einer Lesehilfe gleicht und Ihnen viel Arbeit abnimmt – die Sie aber dennoch prüfen sollten.

Scriptling liest jede Seite zweimal und markiert die Stellen, an denen beide Lesungen voneinander abweichen. So sehen Sie, welche Wörter Sie genauer ansehen sollten.

Was KI-Transkription leisten kann – und was nicht

Eine KI-Transkription ersetzt das mühsame Buchstabe-für-Buchstabe-Entziffern. Bei gut erhaltenen Briefen, Postkarten oder Urkunden ist der größte Teil des Textes meist sofort lesbar.

Tief hat der Höchste das Gebot, dir in dein Herz geschrieben. die Eltern sollst du bis zum Tod gehorchen, und sie lieben. Und diese treue süße Pflicht vergesse deine Seele nicht.

Poesiealbum, Berlin 1923, Familienarchiv Wanja Scholz. Ergebnis von Scriptling unbearbeitet (22.10.2026), keine Stelle markiert.

Ein Beispiel ist dieser Vers aus einem Poesiealbum in Sütterlin. Scriptling liest ihn vollständig und markiert keine Stelle. Selbst die Kleinschreibung „die Eltern“ am Zeilenanfang übernimmt es so, wie sie im Album steht, statt sie stillschweigend zu verbessern.

Schwierig bleibt, was auch Experten schwerfällt:

• Namen und Orte, besonders seltene Familiennamen und kleine Ortschaften
• Daten und Zahlen, etwa in Urkunden, Kirchenbüchern oder Rechnungen
• Abkürzungen und Formeln, die heute niemand mehr verwendet
• Beschädigte Stellen: verblasste Tinte, Knicke, Flecken, durchscheinende Rückseiten

Worauf Sie bei KI-Transkriptionen achten sollten

Ein Mensch, der ein Wort nicht lesen kann, lässt eine Lücke oder setzt ein Fragezeichen. Eine KI neigt dazu, stattdessen ein plausibles Wort einzusetzen. Der Text liest sich dann flüssig – und genau das macht den Fehler schwer zu entdecken.

Zwei Beispiele aus unserem eigenen Familienarchiv:

D Herr Georg Maximilian Heier hat sich heute

Abzugsattest der Polizeibehörde Hamburg, 30. Mai 1914, Familienarchiv Wanja Scholz. Ergebnis von Scriptling unbearbeitet (22.10.2026): „Heier“ ist nicht markiert, richtig ist „Steuer“.

In einem früheren Test mit einem anderen KI-Modell wurde aus demselben Namen „Heuer“. Zwei Modelle, zwei verschiedene Namen – beide klingen echt, beide sind falsch.

Für Familienforscher ist das der ungünstigste Fall: ein falscher Familienname, der völlig normal aussieht. Auch auf der Feldpostkarte im nächsten Abschnitt steht unmarkiert „Der Theil zeigt …“, wo Georg „Der Pfeil zeigt …“ geschrieben hat. Und aus „Habe Deine“ wird „Ich habe Deine“ – ein ergänztes Wort, das auf der Karte nicht steht.

Solche Fehler entstehen, weil heutige KI-Modelle nicht nur Buchstaben erkennen, sondern auch Sprache „verstehen“. Das hilft beim Lesen undeutlicher Stellen, verführt aber dazu, Bekanntes einzusetzen. Mehr dazu im Abschnitt über OCR, HTR und Sprachmodelle weiter unten.

Unsicherheitsmarker: Woran Sie sehen, wo Sie prüfen müssen

Die von Scriptling eingesetzte KI liest jede Seite zweimal unabhängig voneinander. Stimmen Teile der beiden Lesungen nicht überein, markiert Scriptling die Textstelle. So sehen Sie auf einen Blick, wo die KI selbst nicht sicher war.

Ostsee Liebe Mutter! Ich habe Deine Zeitung erhalten. Alles beim Alten, und in bester Ordnung. Der Theil zeigt unsern ersten Urlaubsplatz. Eine russische Straßen= Madonna. Herzl. Grüße. Georg. Feldpost. Frau Chr. Steuer. Hamburg. 21. Zimmerstr. 39 II. [am linken Rand gedruckt:] 376 Verlag Fritz Krauskopf, Königsberg i. Pr. u. Ostseebad Cranz

Feldpostkarte, 1943, Familienarchiv Wanja Scholz. Ergebnis von Scriptling unbearbeitet (22.10.2026), markierte Stellen hervorgehoben.

Ein Beispiel aus unserem Familienarchiv: eine Feldpostkarte, die Georg an seine Mutter in Hamburg schrieb. Scriptling markiert darauf sieben Stellen. Gleich in der ersten Zeile bietet es zwei Lesarten an: „Ostsee“ und „Osten“. Richtig ist „Osten“. Die falsche Lesart ist vermutlich vom Aufdruck des Kartenverlags am Rand angeregt („Ostseebad Cranz“). Wer die Markierung öffnet, findet die richtige Lösung hier also schon auf dem Bildschirm. Auch „Urlaubsplatz“ ist markiert. Hier liegen beide Lesarten daneben: Die zweite schlägt „Unterstandplatz“ vor, im Original steht „Verbandplatz“. Die Markierung zeigt trotzdem genau die Stelle, an der Sie selbst ins Original schauen müssen. Andere Markierungen betreffen Wörter, die richtig gelesen sind: Bei „unsern“ schwankten die beiden Lesungen zwischen „unsern“ und „unseren“. Wieder andere betreffen nur Kleinigkeiten, etwa ob ein Trennstrich als „=“ oder „-“ wiedergegeben wird.

Die Markierungen sind ein Prüfhinweis, keine Garantie:

• Eine markierte Stelle ist nicht unbedingt falsch. Oft ist eine der Lesarten richtig.
• Eine unmarkierte Stelle ist nicht unbedingt richtig. Lesen beide Durchgänge dasselbe falsche Wort, gibt es keine Abweichung und damit keine Markierung. Genau das ist bei „Theil“ statt „Pfeil“ auf der Karte passiert, ebenso beim Namen „Heier“.

Trotzdem verändern die Markierungen, wie Sie mit dem Ergebnis arbeiten: Sie prüfen nicht mehr jedes Wort, sondern beginnen dort, wo das Risiko am größten ist.

Ein Durchlauf oder zwei: der Unterschied zu ChatGPT und Co.

Allgemeine KI-Assistenten wie ChatGPT können Fotos von Handschrift ebenfalls lesen. Wir haben die Feldpostkarte und die Rechnung aus diesem Artikel am 22.10.2026 mit ChatGPT getestet (GPT-6, kostenpflichtiges Abo, hohe Denkstufe), jeweils mit der Bitte: „Bitte transkribiere den Text auf diesem Bild wörtlich.“

Das Ergebnis ist besser als sein Ruf. ChatGPT kennzeichnet unsichere Stellen mit Fragezeichen oder „[unleserlich]“ und sagt dazu, was es nicht als gesichert übernehmen würde. Die Kopfzeile „Osten“ auf der Feldpostkarte hat es auf Anhieb richtig gelesen. Bei der Rechnung hat es sogar nachgerechnet, ob Einzelbeträge und Summe zusammenpassen.

Fehlerfrei ist aber auch diese Fassung nicht. Auf der Karte wird aus „Hamburg 21“ unmarkiert „Hamburg 31“, die beiden schwierigen Zeilen bleiben offen. In der Rechnung steht unmarkiert „fein Zinn“ statt „fein Jagd Pulfer“, der Vermerk „noch zu entrichten“ ist hinzugefügt, die Zündhütchen fehlen, und die ganze Rechnung erscheint als ein einziger Textblock. Für die Karte brauchte ChatGPT gut acht Minuten.

Deutlich weiter geht die KI-Übersicht in Google Lens. Am selben Tag mit derselben Karte lieferte sie einen flüssigen Text – und erfand einen ganzen Satz: Aus „Der Pfeil zeigt unsern ersten Verbandplatz“ wurde „Der Frühling ist in vollem Anmarsch“, ohne jeden Hinweis auf Unsicherheit. Die Zusammenfassung baute gleich darauf auf: Die Karte beziehe sich „auf das Frühjahr“.

Der Unterschied liegt deshalb weniger darin, ob ein Werkzeug Unsicherheit zeigt, sondern wie:

• Lesart statt Lücke: Scriptling bietet an einer unsicheren Stelle eine zweite Lesart an. Oft ist eine davon richtig, wie bei „Osten“.
• Struktur: Rechnungen, Listen und Kirchenbücher bleiben im Tabellenmodus nach Spalten geordnet und lassen sich als CSV weiterverwenden.
• Gleiches Vorgehen für jede Seite: in Sekunden, und alle Scans an einem Ort.

Gemeinsam ist beiden: Sie liefern eine Rohfassung, die auch unmarkierte Fehler enthalten kann. Prüfen müssen Sie in jedem Fall.

Tabellen transkribieren: Kirchenbücher und Rechnungen sind kein Fließtext

Kirchenbücher, Standesregister oder Listen bestehen oftmals aus Tabellen. Eine KI liest diese ohne besondere Anweisung als Fließtext und durchmischt das Gelesene. Dabei geraten die Angaben leicht durcheinander, und es ist kaum noch erkennbar, welcher Name zu welchem Datum gehört.

Scriptling hat dafür einen eigenen Tabellenmodus entwickelt. Das Ergebnis bleibt nach Spalten geordnet, und Sie können es als CSV-Datei herunterladen und zum Beispiel in Excel oder einer anderen Tabellenkalkulation weiterverwenden. Auch hier gilt: Prüfen Sie, ob die Einträge in der richtigen Spalte stehen, besonders bei verrutschten oder überlangen Einträgen. Den Tabellenmodus schalten Sie nach dem Hochladen im Zuschneide-Dialog ein. Er funktioniert bei einzelnen Bildern und Dokumenten, nicht beim gleichzeitigen Hochladen mehrerer Bilder.

Ein Beispiel aus unserem Archiv ist eine Rechnung aus Wismar, eine „Nota“ von 1841 mit sechs Posten. Ohne Tabellenmodus liest Scriptling die Seite Zeile für Zeile als Fließtext: Menge, Ware, Preis und Betrag stehen hintereinander, und es ist kaum noch zu erkennen, welcher Betrag zu welcher Ware gehört. Im Tabellenmodus bleibt jeder Posten mit seinem Preis in einer Zeile, und selbst eine Korrektur des Schreibers in der ersten Zeile wird als solche ausgewiesen.

Fehlerfrei ist aber auch dieses Ergebnis nicht: Das Jahr liest Scriptling im Tabellenmodus als 1842, ohne Tabellenmodus sogar als 1828 – richtig ist 1841. Im Tabellenmodus ist die Stelle immerhin markiert. Und manche Angaben auf dieser Rechnung, etwa einzelne Stückpreise, können auch wir nicht sicher lesen.

Exkurs: OCR, HTR und Sprachmodelle

Hinter „KI liest Handschrift“ stecken unterschiedliche Verfahren:

• OCR (Optical Character Recognition) erkennt gedruckte Schrift. Buchstaben sehen im Druck immer gleich aus, deshalb funktioniert OCR bei Büchern, Zeitungen und Formularen – auch in Fraktur – sehr zuverlässig.
• HTR (Handwritten Text Recognition) ist auf Handschrift spezialisiert. Solche Modelle werden mit vielen von Hand transkribierten Seiten trainiert und lesen Zeile für Zeile. Sie bleiben nah an den Buchstaben, brauchen aber passende Trainingsdaten bestehend aus Bild und bereits bestehenden Transkriptionen für die jeweilige Schrift.
• Multimodale Sprachmodelle, wie sie auch hinter allgemeinen KI-Assistenten stehen, sehen das Bild und bringen zusätzlich Sprachwissen mit. Sie lesen dadurch oft auch schwierige Stellen im Zusammenhang richtig – neigen aber eher dazu, Unleserliches durch Plausibles zu ersetzen.

Scriptling nutzt ein multimodales Sprachmodell und macht dessen Schwäche mit den zwei unabhängigen Lesungen und den Markierungen sichtbar.

So prüfen Sie ein Ergebnis in wenigen Minuten

1. Markierungen zuerst. Öffnen Sie jede markierte Stelle und vergleichen Sie die Lesarten mit dem Original. 2. Namen, Orte, Daten, Zahlen. Prüfen Sie diese Angaben einzeln, auch wenn sie nicht markiert sind. Hier wiegen Fehler am schwersten. 3. Summen nachrechnen. Bei Rechnungen, Listen und Registern: Stimmen Einzelbeträge und Summe zusammen? Ein Widerspruch zeigt Ihnen, wo eine Zahl falsch gelesen ist. 4. Vollständigkeit. Stimmt die Zahl der Zeilen ungefähr? Fehlt eine Randnotiz oder ein Nachsatz? 5. Gegenprobe. Taucht ein Name in einem anderen Dokument auf, vergleichen Sie die Schreibweise. 6. Im Zweifel fragen. Für einzelne Wörter helfen Foren für Familienforschung oder das Kurrent-Alphabet weiter. 7. Doppelter Lauf. Lassen Sie das Dokument ein weiteres Mal transkribieren und vergleichen Sie die Versionen miteinander. 8. Qualität der Vorlage. Unscharfe Bilder, vom Computer abfotografierte Dokumente oder sehr stark vergrößerte Ausschnitte führen in der Regel dazu, dass die Qualität der Transkription leidet. Fotografieren oder Scannen Sie das Dokument im Zweifel erneut und laden es ein zweites Mal hoch.

Bessere Fotos verringern die Fehler deutlich: So fotografieren Sie alte Dokumente richtig.

KI vs. Mensch?

Für Familienbriefe, Postkarten und die meisten Urkunden ist eine geprüfte KI-Transkription ein guter Weg. Einen Menschen mit Erfahrung sollten Sie hinzuziehen, wenn:

• ein Dokument rechtlich wichtig ist, etwa in Erbschafts- oder Grundbuchsachen,
• die Vorlage stark beschädigt ist oder große Teile unleserlich sind,
• Sie den Text veröffentlichen oder zitieren wollen.

Unser Anspruch

Bereits über 1.500 Nutzer transkribieren mit Scriptling alte handgeschriebene Dokumente. Viele überraschende Entdeckungen wurden in diesen Dokumenten gemacht und ganze Familiengeschichten können so neu interpretiert und erzählt werden. Umso wichtiger ist es, die technischen Möglichkeiten und Grenzen von Scriptling klar einzuordnen und zu benennen: Es ist ein Werkzeug zur Transkription alter Handschriften, das mit jeder Version besser wird, aber nicht ohne Grenzen ist.