Mittelalterliche Musikhandschriften in österreichischen Bibliotheken

Optical Text and Notation Recognition

Durch das Handschriften-Katalogisierungsprojekt an der Österreichischen Nationalbibliothek Wien (2008–2015) konnte ein Desideratum der mediävistischen Musikforschung in Österreich sehr erfolgreich und umfassend erfüllt werden. Viele zuvor unbekannte Quellen konnten neu erschlossen werden. Für eine nicht geringe Zahl an bereits bekannten Quellen ergänzte man neue Erkenntnisse oder korrigierte ältere.

Als Vorbereitung für die nächste Projektphase, die Erschließung von mittelalterlichen Musikhandschriften in österreichischen Bibliotheken außerhalb Wiens, wurde eine umfassende online-Datenbank mit etwa 3000 liturgischen Handschriften zusammengestellt. Die rudimentären Informationen können einen ersten Eindruck über Quantität und Qualität des Quellenbestandes in Österreich vermitteln. Zudem edierte man einige Detailstudien zu verschiedenen Klöstern und Kirchen Österreichs (St. Florian, Klosterneuburg, Mondsee, Deutscher Orden, Priesterbruderschaft Ferschnitz, allgemein zu den Orden der Benediktiner und Augustinerchorherren).

In einer neu zu beantragenden Projektphase (FWF) sollen rund 400 mittelalterliche Musikhandschriften untersucht und beschrieben werden. Unter diesen Quellen befinden sich viele bedeutende Denkmäler wie die Antiphonare aus Klosterneuburg (Mitte 12. Jh.), Gradualien aus St. Florian und Kremsmünster (12. Jh.) sowie ein herausragendes Graduale aus Melk (Anfang 14. Jh.). Einige Dutzend Musikhandschriften stehen bereits als kommentierte Digitalisate auf der Projektwebsite zur Verfügung.

Um die große Anzahl an Quellen in kurzer Zeit bearbeiten zu können, soll die Art und Weise der Beschreibung der Codizes stark vereinfacht werden. Die Inventarisierung der Inhalte soll zudem so weit als möglich automatisiert durch fortgeschrittene Techniken der Optical Handwritten Text  und Notation Recognition sowie Keyword Spotting erfolgen. Mit Hilfe von deep learning-Prozessen soll versucht werden, Textbereiche zu erschließen, die durch die technische Begrenztheit der Optical Recognition nicht erkannt werden können. Seit dem Frühjahr 2017 wird im Rahmen eines Vorprojekts die Umsetzbarkeit dieser sehr innovativen Methoden erprobt.