KI-Server für Archive und Bibliotheken: Handschriften­erkennung, OCR und Erschließung

Was ein KI-Server für ein Archiv oder eine Bibliothek leistet

Ein KI-Server für Archive und Bibliotheken macht aus gescannten Beständen durchsuchbaren Text und Entwürfe für Verzeichnungsdaten, auf Hardware, die die Einrichtung selbst kontrolliert. Er betreibt Handschriften­erkennung (HTR) für Briefe, Register, Protokolle und Handschriften, OCR für gedruckte Bücher, Zeitungen und Formulare und ein Sprachmodell, das aus dem erkannten Text Titel, Laufzeiten, Personen, Orte und Schlagwörter vorschlägt. Ein Server mit zwei oder vier Karten der NVIDIA RTX PRO 4500 Blackwell Server Edition passt zu einem HTR-Team, das eigene Modelle trainiert; vier Karten der RTX PRO 6000 Blackwell Server Edition passen zu einem Digitalisierungsprogramm, das OCR über Millionen Seiten laufen lässt.

Wir schreiben für die Leitung eines Staats-, Landes- oder Stadtarchivs, einer wissenschaftlichen Bibliothek oder eines Museums und für die Mitarbeitenden in Digitalisierung und IT, die die Plattform planen. Die Werte sind veröffentlichte Messungen mit Quelle oder unsere Schätzungen und als solche gekennzeichnet. Unser Leitfaden zu Vision-Language-Modellen für Dokumenten-KI bemisst OCR für Geschäftsdokumente wie Rechnungen und Verträge, und unser Leitfaden zum KI-Server für Medien behandelt Transkripte von Audio- und Videoarchiven; diese Seite behandelt Handschrift, historischen Druck und das Recht der Kulturerbe-Einrichtungen.

Drei Aufgaben mit verschiedenen Lasten

Unsere Zusammenfassung; Dokumentation von kraken und eScriptorium gelesen am 24. Oktober 2026; OCR-Modelle wie in unserem Leitfaden zu Dokumenten-KI aufgeführt.

Die Handschrift ist der schwierige Teil. Ein Modell, das die Hand eines Schreibers in einem Register des 19. Jahrhunderts liest, kann am nächsten Band scheitern, den jemand anderes geschrieben hat; Archive trainieren oder verfeinern Modelle daher je Bestand und je Hand, prüfen das Ergebnis an einer Stichprobe und trainieren erneut. Das ist wiederkehrende GPU-Arbeit, die ein Transkriptionsteam mehrmals pro Woche startet. Gedruckte Seiten sind eine Frage des Durchsatzes: Die Modelle gibt es, und die GPU entscheidet, wie viele Wochen ein Projekt dauert. Die Erschließungsdaten sind die kleinste Last, weil das Modell bereits erkannten Text liest und einen kurzen Datensatz schreibt.

Handschriften­erkennung mit kraken und eScriptorium

kraken ist auf GitHub unter Apache 2.0 veröffentlicht und beschreibt sich als „a turn-key OCR system optimized for historical and non-Latin script material“. Es trainiert drei Arten von Modellen: Segmentierung, „finding lines and regions in images“, Lesereihenfolge und Erkennung, die Zeilenbilder in Text umwandelt. Es unterstützt Schriften von rechts nach links, bidirektional und von oben nach unten und schreibt ALTO, PageXML, abbyyXML und hOCR. Trainingsdaten können aus ALTO- und PAGE-XML-Dateien stammen, und laut Dokumentation erlauben mit ketos compile erzeugte Binärdatensätze die „saturation of most GPUs with minimal computational overhead“. Vorhandene Modelle werden über ein öffentliches Repository auf Zenodo geteilt und mit kraken get geladen, und die Option --load verfeinert ein solches Modell mit Ihren eigenen Zeilen, statt von vorn zu trainieren.

Die GPU wählt man auf der Kommandozeile. Das Trainingswerkzeug ketos nimmt -d oder --device mit Werten wie cpu oder cuda:0, und die Dokumentation hält fest: „On GPU, bfloat16 (bf16-true or bf16-mixed) can lead to considerable speedup.“ Einen Wert für den GPU-Speicher oder eine Zahl der Zeilen, die ein Modell braucht, nennt die Dokumentation nicht; messen Sie daher einen Trainingslauf mit Ihrem eigenen Material und legen Sie die Batchgröße danach fest.

eScriptorium unter der MIT-Lizenz ist die Webanwendung, die viele Einrichtungen vor kraken setzen; seine Dokumentation sagt: „The application uses Kraken as a segmentation/transcription engine“. Die Einstiegsseite nennt Docker-Container „the easiest way to deploy eScriptorium“, verlangt mindestens 8 GB RAM und 16 GB oder mehr für das Training und hält fest: „A Nvidia GPU is not obligatory but will greatly accelerate model training.“ Transkribierende korrigieren Zeilen im Browser, die Korrekturen werden zu Trainingsdaten, und über Nacht trainiert der Server ein neues Modell. Auf einem gemeinsamen Server erhält jeder Trainingsjob eine eigene Karte, sodass ein Team mit mehreren Personen an verschiedenen Beständen parallel trainieren kann.

Die RTX PRO 4500 Server Edition passt zu diesem Muster. NVIDIAs Produktseite nennt 32 GB GDDR7 mit 800 GB/s, 165 W, eine passive Karte voller Höhe mit einem Slot, PCIe 5.0 x16 und bis zu zwei MIG-Instanzen mit 16 GB. Serverhersteller listen vier dieser Karten in mehreren 2U-Gehäusen und bis zu acht in Gehäusen mit 3U bis 5U, wie unser Leitfaden zum Kauf eines Servers mit vier RTX PRO 4500 Server Edition darlegt. Unser Artikel zur RTX PRO 4500 Server Edition behandelt die Karte und ihre Treiberanforderungen.

Wir liefern die RTX PRO 4500 Server Edition und bauen Server mit zwei, vier oder acht Karten; schicken Sie uns Ihre Bestände, Schriften und die Größe Ihres Transkriptionsteams, und unser Team antwortet mit einer Konfiguration.

OCR gedruckter Seiten in großer Menge

Gedruckte Bücher, Zeitungen und maschinengeschriebene Akten laufen durch offene OCR-Modelle, von denen unser Leitfaden zur Dokumenten-KI mehrere zwischen 0,9B und 8,3B Parametern mit Gewichten von 2,7 bis 10,6 GB aufführt, darunter GLM-OCR unter MIT sowie DeepSeek-OCR-2 und olmOCR-2 unter Apache 2.0. Werte zum Durchsatz sind selten. Datalab meldet 1,44 Seiten pro Sekunde für sein 5B-Modell chandra-ocr-2 auf einer H100 80GB mit vLLM; nach Speicherbandbreite umgerechnet sind das nach der Methode unseres Leitfadens zur Dokumenten-KI etwa 0,69 Seiten pro Sekunde auf einer RTX PRO 6000 Server Edition. Auf der RTX PRO 4500 Server Edition mit 800 GB/s ergibt dieselbe Umrechnung höchstens etwa 0,34 Seiten pro Sekunde, nach unserer Schätzung eine Obergrenze, weil uns kein veröffentlichter Rechenwert vorliegt, um zu prüfen, ob die Karte zuerst an ihrer Rechenleistung endet.

Unsere Schätzungen, keine Messungen: Datalabs 1,44 Seiten pro Sekunde für chandra-ocr-2 auf einer H100 80GB (Modellkarte, ohne Datum), nach Speicherbandbreite auf jede Karte umgerechnet (3,35 TB/s für die H100 SXM, 1.597 GB/s und 800 GB/s laut NVIDIA), eine Kopie des 5B-Modells je Karte; die Werte der RTX PRO 4500 sind Obergrenzen.

Historischer Druck ist schwerer als eine moderne Rechnung. Fraktur, abgenutzte Lettern, durchscheinende Rückseiten und zweispaltige Layouts können die Qualität senken, und ein auf moderne Dokumente trainiertes Modell braucht für den Bestand womöglich ein kraken-Modell oder eine Verfeinerung. Messen Sie die Zeichenfehlerrate an einigen Hundert Seiten, die Mitarbeitende von Hand transkribiert haben, bevor Sie Modell oder Server wählen, und lesen Sie die Lizenz: chandra-ocr-2 steht unter einer modifizierten OpenRAIL-M-Lizenz mit Umsatzschwelle, wie unser Leitfaden zur Dokumenten-KI zitiert.

Erschließungsdaten aus dem erkannten Text

Sobald eine Akte oder ein Band Text hat, kann ein Sprachmodell den Verzeichnungsdatensatz entwerfen: einen Titel, die Laufzeit, die genannten Personen und Orte und Schlagwörter aus dem eigenen Vokabular der Einrichtung, zurückgegeben als JSON-Schema mit den Structured Outputs von vLLM, sodass die Archivsoftware ihn importieren kann. Eine Archivarin prüft und korrigiert danach den Entwurf. Nach unserer Regel für Nutzer je Karte belegt Qwen3-14B in FP8 15,2 GiB und lässt auf einer RTX PRO 4500 Server Edition 10,5 GiB für den Cache, Platz für 16 Sequenzen mit 8K Token in einem FP8-Cache, wie unser Leitfaden zu vier RTX PRO 4500 Server Edition in 2U ausrechnet.

Neben der OCR ist die Last klein. Nehmen Sie als Beispiel 200.000 Verzeichnungs­einheiten mit einem Datensatz von je 300 Ausgabetoken, also 60 Millionen Token. MLPerf® Inference v6.1, Eintrag 6.1-0050, nennt für Llama 3.1 8B offline 50.965,3 Token pro Sekunde auf acht RTX PRO 6000 Server Edition, nach unserer Division etwa 6.371 je Karte. Bei der Hälfte dieser Rate, unserem Planungsabschlag, erzeugen vier solche Karten die 60 Millionen Token in etwa 1,3 Stunden. Für die RTX PRO 4500 Server Edition haben wir keinen veröffentlichten Wert gefunden, messen Sie auf diesen Karten daher zuerst eine Stichprobe. Unser Leitfaden zur LLM-Batch-Inferenz on-premise erklärt die Warteschlange.

MLPerf® Inference: Datacenter v6.1, Closed Division, Kategorie Available, Llama 3.1 8B, Offline-Szenario, Eintrag 6.1-0050, HPE ProLiant Compute DL380a Gen12 mit acht RTX PRO 6000 Blackwell Server Edition, abgerufen von mlcommons.org am 24. Oktober 2026. Result verified by MLCommons Association. Der Wert je Karte ist unsere Division des Systemergebnisses, keine MLPerf-Kennzahl. The MLPerf name and logo are registered and unregistered trademarks of MLCommons Association in the United States and other countries. All rights reserved. Unauthorized use strictly prohibited. See www.mlcommons.org for more information.

Die Suche im Text ist der nächste Schritt. Ein Embedding-Modell indexiert die erkannten Seiten für die Suche in natürlicher Sprache, wie unser Leitfaden zu Embedding- und Reranker-Servern bemisst, und Seiten, an denen die Texterkennung scheitert, etwa Karten, lassen sich über ihre Bilder finden, wie unser Leitfaden zur visuellen Dokumentsuche mit ColPali beschreibt.

Urheberrecht und Datenschutz für Kulturerbe-Einrichtungen

Die Richtlinie (EU) 2019/790 über das Urheberrecht im digitalen Binnenmarkt zählt zu den Einrichtungen des Kulturerbes öffentlich zugängliche Bibliotheken und Museen, Archive sowie Einrichtungen des Film- oder Tonerbes (Artikel 2 Nummer 3) und versteht unter Text und Data Mining jede automatisierte Analysetechnik für Texte und Daten in digitaler Form, mit der sich Informationen wie Muster, Trends und Korrelationen gewinnen lassen (Artikel 2 Nummer 2). Artikel 3 verpflichtet die Mitgliedstaaten zu einer Ausnahme für Vervielfältigungen und Entnahmen durch Forschungsorganisationen und Einrichtungen des Kulturerbes, die zum Zweck der wissenschaftlichen Forschung Text und Data Mining an Werken betreiben, zu denen sie rechtmäßig Zugang haben; die Kopien werden mit einem angemessenen Sicherheitsniveau gespeichert und dürfen für Forschungszwecke aufbewahrt werden. Artikel 4 ergänzt eine allgemeine Ausnahme, die nur gilt, wenn die Rechteinhaber sich ihre Rechte nicht in angemessener Weise vorbehalten haben, etwa in maschinenlesbarer Form. Artikel 6 erlaubt Einrichtungen des Kulturerbes, Kopien von Werken, die sich dauerhaft in ihren Sammlungen befinden, zu deren Erhaltung anzufertigen. Wir geben die Artikel sinngemäß nach der englischen Fassung wieder; der deutsche Wortlaut war beim Abruf nicht erreichbar.

Für Unterlagen über Personen gilt zusätzlich die DSGVO. Artikel 5 Absatz 1 Buchstabe b sieht die Weiterverarbeitung für im öffentlichen Interesse liegende Archivzwecke nicht als unvereinbar mit dem ursprünglichen Zweck an, und Artikel 5 Absatz 1 Buchstabe e erlaubt für solche Zwecke eine längere Speicherung, beides vorbehaltlich der Garantien nach Artikel 89 Absatz 1. Artikel 9 Absatz 2 Buchstabe j erlaubt die Verarbeitung besonderer Kategorien von Daten, wenn sie für im öffentlichen Interesse liegende Archivzwecke auf Grundlage von Unionsrecht oder nationalem Recht erforderlich ist. Erkannter Text macht personenbezogene Daten in einem Bestand zum ersten Mal durchsuchbar; die Zugriffsregeln für den Suchindex zählen daher ebenso wie die für den Lesesaal.

Dies ist eine allgemeine Information zum EU-Recht mit Stand Oktober 2026, aus den Texten auf EUR-Lex. Die Richtlinie gilt über das nationale Urheberrecht, das abweichen kann, und nationale Archivgesetze setzen eigene Regeln; Ihre Rechtsberatung und Ihre Datenschutz­beauftragte bestätigen, wie sie für ein Projekt gelten.

Konfigurationen nach Kartenzahl

Die Varianten folgen NVIDIAs Leitfaden für zertifizierte Systeme: zwei Prozessoren, mindestens sechs Kerne je GPU und Arbeitsspeicher in doppelter Höhe des GPU-Speichers; der Aufbau mit vier RTX PRO 6000 ist der Inferenzknoten auf unserer Seite zu KI-Servern.

Leistung nach unserer Schätzung: Karten bei voller Leistung plus Prozessoren (2 × EPYC 9135 bei zwei Karten, 2 × EPYC 9355 bei vier) plus 15 Prozent für den übrigen Server; vier und acht RTX PRO 4500 Server Edition und vier RTX PRO 6000 Server Edition wie in unseren Kaufleitfäden.

Zwei RTX PRO 4500 Server Edition. Zwei AMD-EPYC-Prozessoren, nach der Regel des doppelten GPU-Speichers mindestens 128 GB DDR5 ECC und NVMe-Laufwerke für die laufenden Daten. Eine Karte trainiert, die andere bedient Erkennungsanfragen aus eScriptorium und das Modell für die Erschließungsdaten. Mit nach unserer Schätzung etwa 0,84 kW, (2 × 165 W + 2 × 200 W) × 1,15, passt er in einen gewöhnlichen Serverraum.

Vier RTX PRO 4500 Server Edition. Der Aufbau mit vier Karten, zwei EPYC 9355 und 384 GB zieht nach unserer Schätzung etwa 1,4 kW und lässt drei Teams gleichzeitig trainieren, während eine vierte Karte OCR betreibt. Die Karten lassen sich laut NVIDIAs Produktbrief, wie in unserem Artikel zur Karte zitiert, zwischen 100 und 165 W begrenzen.

Vier RTX PRO 6000 Server Edition. Für ein Digitalisierungsprogramm, das Millionen gedruckter Seiten abarbeiten muss, schafft dieser Knoten mit 768 GB und vier NVMe-Laufwerken nach unserer Schätzung etwa 79.000 Seiten in 8 Stunden, und seine Karten mit 96 GB halten auch ein allgemeines Vision-Language-Modell für schwierige Seiten. Er zieht etwa 3,4 kW und braucht 32 A oder Drehstrom.

Die RTX PRO 6000 Max-Q ist die Workstation-Karte, eine Radiallüfter-Karte mit 300 W; im Rack gehört sie nur in ein Gehäuse, dessen Hersteller sie listet, und für den Dauerbetrieb empfehlen wir die Server Edition. Unser Service Private AI/ML richtet die Erkennungsstrecke, die Modelle und die Suche ein; beschreiben Sie den Bestand, den Sie zuerst digitalisieren würden, und wir schlagen Server und Pilotprojekt vor.

Hinweise für das IT-Team

1. Treiber und CUDA. Alle Karten der RTX PRO Blackwell haben Compute Capability 12.0, und CUDA 12.8 war das erste Toolkit, das dafür kompiliert, wie unser Leitfaden zur Softwareunterstützung der RTX PRO Blackwell erklärt. Der PyTorch-Build unter kraken muss diese Karten unterstützen; prüfen Sie ihn vor dem ersten Trainingslauf.
2. eScriptorium-Worker. Betreiben Sie eScriptorium mit Docker und geben Sie den GPU-Workern eigene Container; die Einstiegsseite verweist für die GPU-Konfiguration und getrennte Worker auf das Projekt-Wiki.
3. Formate. Behalten Sie ALTO oder PAGE XML als Austauschformat, denn kraken liest beide für das Training und schreibt beide als Ergebnis, und Ihre Repository-Software kann sie neben den Bildern speichern.
4. Speicher. Die Bildmaster bleiben auf dem Speicher der Einrichtung; der GPU-Server braucht schnelles NVMe für die Seiten des laufenden Jobs und die Trainingsdaten, wie unser Leitfaden zu NVMe-Storage für einen LLM-Server behandelt.
5. Ausschreibung. Öffentliche Archive und Bibliotheken beschaffen meist über eine Ausschreibung; unser Leitfaden zur technischen Spezifikation einer GPU-Server-Ausschreibung zeigt, wie Speicher, Leistung und Partitionierung als messbare Anforderungen formuliert werden.
6. Software bei Lieferung. Auf Wunsch kommt der Server mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime installiert.

Stromversorgung und Aufstellung

Nach unserer Schätzung nehmen zwei RTX PRO 4500 Server Edition mit zwei EPYC 9135 etwa 0,84 kW am Netz auf, vier mit zwei EPYC 9355 etwa 1,4 kW und acht etwa 2,2 kW; selbst der Server mit acht Karten kommt also mit einem 16-A-Anschluss mit 230 V aus, der bei 80 Prozent Auslastung 2,94 kW trägt. Vier RTX PRO 6000 Server Edition ziehen bei 600 W je Karte etwa 3,4 kW und brauchen 32 A oder Drehstrom, begrenzt auf 450 W etwa 2,7 kW. Planen Sie die Anschlüsse nach dem Wert des Herstellers; die Schätzung wird durch eine Messung am gelieferten System bestätigt, und unser Leitfaden zum Strom für GPU-Server an 16 A, 32 A und Drehstrom rechnet die Varianten durch.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Aufgabe und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen die Server auf Bestellung mit Karten der RTX PRO 4500 Server Edition oder der RTX PRO 6000 Server Edition, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Nach einer Kompatibilitätsprüfung liefern wir die Karten auch für einen Server, den Sie bereits betreiben. Unser Service Private AI/ML mit Engineering durch unseren Partner Vixen.UNO richtet die Modelle für Erkennung und Erschließung und die Suche ein. Die Seite zu professionellen GPUs listet die Karten.

FAQ