Eine neue Studie »OCR-Based Field Extraction for Archaeological Pottery Metadata: The CENTURIA Dataset« von Gissu Valentina Naghavi, Dominik Hagmann, Martin Kampel und Irene Ballester erhielt beim VISART-Workshop der renommierten European Conference on Computer Vision (ECCV) 2026 den Best Paper Award. Sie zeigt, wie sich handschriftliche archäologische Fundangaben mithilfe künstlicher Intelligenz in strukturierte, durchsuchbare Daten überführen lassen.

Grundlage ist der Benchmark-Datensatz CENTURIA mit 507 ausgewählten, digitalisierten Keramikzeichnungen aus Carnuntum und fachlich überprüften Referenzdaten (Ground Truth). Das Team verglich fünf Modelle zur Text- und Handschrifterkennung (OCR/HTR), darunter multimodale Vision-Language Models (VLM). Bereits die gezielte Modellanpassung mit nur 57 von Fachleuten manuell transkribierten Trainingsbeispielen senkte die Fehlerrate bei der Transkription auf unter 1,5 %. Vergleichbare Dokumente lassen sich damit mit hoher Genauigkeit automatisiert erschließen, was den manuellen Übertragungsaufwand deutlich reduzieren kann.

Die Arbeit entstand im Projekt LEGION, einer Kooperation des Österreichischen Archäologischen Instituts der Österreichischen Akademie der Wissenschaften (ÖAW) und des Computer Vision Lab der TU Wien, gefördert durch Heritage Science Austria 2.0 Programm der ÖAW. Künftig sollen die Verfahren auf größere Archivbestände übertragen und mit der KI-gestützten Klassifikation römischer Keramik verknüpft werden.

Preprint: https://doi.org/10.48550/arXiv.2608.30616