In deze sessie zijn verschillende toepassingen van AI gebundeld. Deze toepassingen zullen in korte opeenvolgende demo's gepresenteerd worden.

Transkribus, vrijwilligers en het Stadsarchief Mechelen

Koen Vermeulen (Stadsarchief Mechelen)

Het Stadsarchief Mechelen en postdoctoraal onderzoekster Nena Vandeweerdt (KU Leuven en Universidad del País Vasco/Euskal Herriko Unibertsitatea) sloegen de handen in elkaar voor een innovatief project: het toegankelijk maken van bijna een eeuw aan laatmiddeleeuwse Mechelse schepenregisters door middel van artificiële intelligentie.

Nena zet haar doctoraatsonderzoek naar de arbeidsmogelijkheden van vrouwen in het vijftiende- en zestiende-eeuwse Mechelen verder door op zoek te gaan naar meer historische gegevens in schepenregisters. Deze seriële bronnen vertellen ons namelijk meer over de ‘gewone’ dingen die mensen deden: een huis huren, geld lenen, een testament opstellen. Helaas worden deze bronnen vaak vermeden wegens té omvangrijk en té ontoegankelijk. Dankzij artificiële intelligentie – meer bepaald het platform Transkribus – kan daar nu verandering in komen. Samen met een ijzersterk team van vrijwilligers bouwen Nena en archivaris Koen Vermeulen een reeks van AI-modellen.

Al sinds 2024 publiceert het Stadsarchief Mechelen AI-transcripties van handgeschreven archiefdocumenten uit het ancien régime via haar archiefbeheersysteem. Op deze manier worden tal van documenten doorzoekbaar, toegankelijk én leesbaar voor een breed publiek.

De huidige samenwerking tussen archivaris Koen, onderzoekster Nena en de archiefvrijwilligers tilt zowel de kwantiteit als kwaliteit naar een hoger niveau. Eind 2025 verwachten we duizenden digitaal doorzoekbare scans van schepenregisters te publiceren. Daarnaast kunnen we de eigen AI-modellen ook loslaten op tal van andere handgeschreven bronnen uit diezelfde periode. De eerste resultaten zijn alvast veelbelovend!

Netwerkextractie met AI

Fien Messens, Julie M. Birkholz (UGent & KBR) & Frédéric Lemmers (KBR)

Briefverkeer laat een duidelijke voetafdruk van sociale relaties achter; met name de aanduiding van afzenders en ontvangers. Een van de grootste uitdagingen is arbeidsintensiviteit, omdat iemand handmatig data moet aanduiden - datums, locaties, afzenders en ontvangers, evenals vermeldingen van personen en plaatsen; en daaruit relaties moeten afleiden. De toenemende digitalisering van deze verzamelingen biedt echter kansen om AI-technologieën te verkennen ter ondersteuning van de netwerken extractie uit tekstdocumenten.

In deze presentatie lichten we de workflow toe die nodig is om relaties uit correspondentie te extraheren. Dit doen we met behulp van Handwritten Text Recognition (HTR) en Natural Language Processing (NLP). Dit doen we aan de hand van het FWO-project: “Netwerken in het verleden: de rol van sociaal kapitaal in het succes van de neoclassicistische schilder François-Joseph Navez (1787-1869) in ontluikend België”. François-Joseph Navez was een van Belgie’s meest bekende neoclassicistisch kunstenaarsen voormalig directeur van de Brusselse Academie voor Schone Kunsten. In dit project en via deze workflow proberen we zijn sociale netwerk te ontrafelen door verschillende bronnen te analyseren: tentoonstellingsgegevens, kunstwerken en brieven. Een groot deel (meer dan 2000 brieven voornamelijk gericht aan de kunstenaar) van zijn correspondentie wordt zorgvuldig bewaard in het handschriftenkabinet van KBR.

Op zoek naar strips: visuele collecties doorzoeken met AI

Bas Vercruysse (UGent, Ghent Centre For Digital Humanities)

Visuele beeldcollecties vormen een bijzonder rijke bron voor historisch en cultuurwetenschappelijk onderzoek, maar blijven moeilijk systematisch te ontsluiten. Dit geldt in het bijzonder voor stripverhalen die oorspronkelijk verschenen in populaire tijdschriften, zoals die in de collectie van de Koninklijke Bibliotheek van België (KBR). In tegenstelling tot stripalbums zijn deze bronnen moeilijk toegankelijk, en handmatige identificatie is gezien de schaal van de collecties vrijwel onhaalbaar. Het ARTPRESSE-project, dat een omvangrijk corpus van twintig gedigitaliseerde massamediatijdschriften ter beschikking stelt, creëert nieuwe mogelijkheden voor digitaal onderzoek, maar stelt ook de vraag: hoe kunnen strips binnen zulke corpora vindbaar en navigeerbaar worden gemaakt?

Om deze uitdaging te beantwoorden, werd een interdisciplinair team samengesteld bestaande uit het KBR Pop Heritage Lab, Be Comics Lab, Digital Research Lab en GhentCDH. Binnen dit samenwerkingsverband ontwikkelden we een AI-gebaseerde workflow waarmee visuele elementen zoals strips, cartoons en foto's automatisch kunnen worden geïdentificeerd. We trainden het computervisiemodel YOLO (You Only Look Once) op een geannoteerde dataset van meer dan 7.000 afbeeldingen, waarbij gebruik werd gemaakt van een gestandaardiseerde annotatietool. Deze aanpak stelde ons in staat om circa 80.000 tijdschriftpagina’s in minder dan vijf uur tijd te analyseren.

We illustreren hoe artificiële intelligentie kan bijdragen aan de duurzame ontsluiting en analyse van visuele erfgoedcollecties, en bieden een methodologische aanzet voor verdere toepassingen binnen de bibliotheek-, archief- en documentatiewetenschappen.

Visual Name Authority, een gedeeld beheer voor persoonsidentificatie

Axelle Vanmaele & Bart Magnus (meemoo)

Een zoektocht naar digitaal collectiemateriaal begint vaak bij persoonsnamen. Maar dat materiaal vind je pas als de persoon in de metadata staat, wat niet altijd het geval is.
Daarnaast is informatie over personen die relevant zijn voor cultureelerfgoedorganisaties in Vlaanderen vaak versnipperd en niet open beschikbaar, gestandaardiseerd of opgenomen in veelgebruikte name authorities, zoals VIAF. Personen zijn vaak niet ontdubbeld of persistent geïdentificeerd. Deze uitdagingen kunnen registratieprocessen belemmeren.

AI-toepassingen zoals named entity recognition (NER) en gezichtsherkenning bieden kansen voor (semi-)automatische metadatering. Maar ze vereisen uitgebreide en kwalitatieve referentiesets. Het verzamelen van data voor zo’n referentieset is arbeidsintensief en vormt een belangrijke drempel om met AI aan de slag te gaan.

Meemoo pakt deze uitdagingen samen met 23 organisaties aan in het Visual Name Authority project (VNA). Voortbouwend op de projecten FAME en GIVE, ontwikkelt VNA een overkoepelende namenlijst van uniek geïdentificeerde personen die relevant zijn voor cultureel erfgoed in en uit Vlaanderen. Die lijst combineert minimale metadata uit bronsystemen met een centrale opgebouwde referentieset met gezichtsuitsnedes van die personen. VNA streeft naar een zo open mogelijke aggregatie van bestaande name authorities en faciliteert nieuwe toepassingen van metadataverrijking en beoogt een duurzame oplossing waarin samenwerking centraal staat en de aggregatie, uitwisseling en het hergebruik van de data op een ethisch en juridisch verantwoorde manier gebeurt.

Deze sessie presenteert de eerste resultaten van VNA en focust op de toekomstige, concrete toepassingen van de tool. We nodigen het publiek uit tot reflectie over de rol van gedeelde persoonsnamenlijsten en referentiesets.

Metadateren en ontsluiten van digitale archieven met behulp van LLM's (MODAL)

Henk Vanstappen (Datable) & An De Ridder (ADVN)

ADVN zette samen met projectpartners Amsab-ISG, Letterenhuis, MoMu en meemoo het project ‘Metadateren en Ontsluiten van Digitale Archieven met behulp van Large Language Models’ of kortweg MODAL op. Het doel van MODAL is te onderzoeken wat deze vorm van generatieve artificiële intelligentie (GenAI) kan betekenen voor de cultureelerfgoedsector en de kennis hierover actief binnen die sector te delen.

Met behulp van LLM’s zouden collectiebeheerders en archivarissen ongestructureerde, tekstuele data sneller kunnen verwerken - bijvoorbeeld door samenvattingen te laten maken, teksten naar vorm te classificeren of kernwoorden te genereren. De mogelijkheid om omvangrijke, born-digital collecties op een meer gebruiksvriendelijke en doeltreffende manier te doorzoeken, zou baanbrekende kansen voor diverse gebruikers kunnen bieden. Binnen MODAL worden er diverse gebruikersscenario’s en toepassingsmogelijkheden onderzocht die zich met name richten op het verkennen, metadateren en bevragen van born-digital archief. Dit alles moet in een beveiligde omgeving gebeuren en met opensourcecomponenten gerealiseerd worden. Dat brengt de nodige technische beperkingen en juridische vraagstukken met zich mee.

In functie van deze scenario's wordt binnen MODAL niet alleen een aantal tools ontwikkeld en getest, maar wordt ook onderzocht hoe deze geïmplementeerd kunnen worden in de werkprocessen van archivarissen en collectiebeheerders.
./Datable (Antwerpen) voert het onderzoek uit.