Seit März 2026 arbeitet ein interdisziplinäres Team der ZEIT (Daten & Visualisierung, Data Science, Ressort Wissenschaft/Geschichte) daran, mehr als 12 Millionen NSDAP-Mitgliedskarten durchsuchbar zu machen. Grundlage sind öffentlich zugängliche Mikro-Film-Scans der US National Archives. Die Dokumente standen bereits online, waren aber auf Tausende PDFs verteilt und praktisch kaum recherchierbar.

In diesem Talk zeigen wir, wie wir aus rund 1,5 TB PDF-Dateien eine strukturierte Datengrundlage gewonnen haben – und welche technischen wie redaktionellen und ethischen Entscheidungen dafür nötig waren.

Im Zentrum steht eine KI-gestützte Pipeline, die Karteikarten erkennt, zuschneidet, klassifiziert und ausliest. Sie unterscheidet relevante Dokumente von Leer- und Fotoseiten, lokalisiert zentrale Felder und transkribiert Inhalte aus Schreibmaschine, Kurrent und Sütterlin.

Wir erläutern, warum Performance und Kosten beinahe zum Showstopper wurden, wie ein Modellwechsel die Laufzeit von „zu langsam“ auf gut einen Tag drückte, und wie die Ergebnisse in einer Datenbank (PostgreSQL) landeten, um Analysen in R, Python und DuckDB sowie eine benutzerfreundliche Suchoberfläche zu ermöglichen.

Neben dem Engineering diskutieren wir die ethischen und kommunikativen Spannungsfelder:
• Wie macht man Täter*innendaten zugänglich?
• Wie bauen wir Transparenz über OCR-Fehler, Unsicherheiten und Dubletten ein?
• Und wie können Redaktion und Community dauerhaft zur Verbesserung der Daten beitragen?

Der Talk liefert einen praxisnahen Einblick in die KI-gestützte Archivsuche zwischen Skalierung, Transparenz und öffentlichem Interesse.