Für die Übersetzung unserer mittelalterlichen Rezepte gleichen wir unklare Wörter gegen historische Wörterbücher ab. Acht davon waren nur in schlechter Qualität digital verfügbar, auf fünf verschiedene Weisen kaputt: bei den beiden Dialekt-Idiotika und bei Cotgrave hatte eine generische OCR das historische lange „ſ" durchgängig als „f" gelesen, bei Diefenbachs zwei Glossar-Bänden waren die Quellenangaben verstümmelt und das „ß" verschwunden, Nicots Wörterbuch lag nur als schlechter Mikrofilm-Scan vor, den die OCR kaum lesen konnte, und bei Henischs Thesaurus fehlten in der vorhandenen OCR Zeilen, andere waren zerlegt. Die Idiotika haben wir mit einer auf Fraktur spezialisierten OCR-Engine (Kraken) neu digitalisiert, ebenso Cotgrave und Nicot (mit einem Modell für gedruckte Antiqua) und Henisch (mit dem mehrsprachigen Modell PP-OCRv6), bei Diefenbach den vorhandenen Volltext gezielt repariert. Bei seinem dreisprachigen Glossar von 1846 half beides nicht: dort erfand die vorhandene OCR Umlaute, die im Druck nicht stehen - den Band haben wir deshalb komplett neu gelesen. Da die Arbeit ohnehin gemacht ist und alle Werke gemeinfrei sind, stellen wir die Ergebnisse hier zum Download bereit - falls sie mal jemand anders brauchen kann.
Lizenz: Alle Originalwerke sind gemeinfrei (die Autoren starben 1559, 1604, 1618, um 1634, 1868, 1883 und 1900, die Schutzfrist ist seit über hundert Jahren abgelaufen). Die Textdateien sind eine rein maschinelle OCR-Transkription ohne eigene kreative Leistung - auch sie sind damit gemeinfrei nutzbar. Wir bitten um einen Hinweis auf die Quelle bei Weiterverwendung, verpflichtend ist das aber nicht.
August Friedrich Christian Vilmar, Marburg/Leipzig 1868. Regionales Dialekt-Wörterbuch für den Raum Marburg/Kassel/Fulda.
Digitalisiert aus einem durchschossenen Exemplar der Bibliothek des Geographischen Instituts Marburg (983 Buchseiten, davon 492 mit Wörterbuch-Druckseiten - die übrigen eingeschossenen Blätter enthalten handschriftliche Notizen früherer Nutzer und wurden nicht transkribiert, da unser OCR-Modell auf Drucktext trainiert ist).
Georg Autenrieth, Zweibrücken 1899. Regionales Dialekt-Wörterbuch für die Pfalz (linguistisch Teil des rheinfränkischen Dialektraums).
Digitalisiert aus dem vollständigen Scan (Google Books/archive.org), 204 Buchseiten, davon 195 mit Wörterbuch-Inhalt.
Lorenz Diefenbach, Frankfurt am Main 1857. Mittellateinisch-deutsches Glossar, zusammengetragen aus fast 200 Handschriften und Frühdrucken des 14. bis 16. Jahrhunderts. Es übersetzt lateinische Begriffe nicht ins Neuhochdeutsche, sondern direkt in zeitgenössische deutsche Vokabeln und Dialektformen - und nennt zu jeder Form die Handschrift, die sie belegt.
Anders als bei den beiden Idiotika oben haben wir hier nicht neu digitalisiert, sondern den vorhandenen Volltext repariert. Der Band ist in Antiqua gesetzt, nicht in Fraktur, und dreispaltig in sehr kleinem Schriftgrad. Unser Fraktur-Modell liest die deutschen Glossen zwar besser, verstümmelt dabei aber die kleinen Zahlen in Klammern - und genau die sind Diefenbachs Quellenapparat. Wir haben es ausprobiert und den Weg wieder verworfen.
Behoben sind zwei Schadensklassen der alten OCR. Erstens war das ß durchgängig als B gelesen: im ganzen Band stand vorher kein einziges ß, sondern „groB", „fuB", „auB" statt „groß", „fuß", „auß" - 7361 Stellen. Zweitens waren die Quellensiglen verstümmelt, etwa „Aeifr." statt „Aelfr." für das Glossarium Aelfredi - 124 Stellen. Dazu 55 Zeilen Scan-Müll vom marmorierten Vorsatzpapier am Dateianfang.
Lorenz Diefenbach, Frankfurt am Main 1867. Eigenständige Fortsetzung des Glossariums mit zusätzlichen Einträgen - kein alphabetischer Fortlauf des ersten Bandes, sondern ein zweiter Durchgang durch das Alphabet. Wer im Hauptwerk sucht, sollte hier ebenfalls nachsehen.
Hier waren vor allem die Quellensiglen betroffen, 487 Stellen. Die häufigste Abkürzung des Bandes, „Symb." für die Symbolae, war sogar in der Minderheit: 152 korrekte Schreibungen gegen 340 verstümmelte („Symh.", „Sijmh.", „Sgmh." und weitere Varianten). Das ß ist in diesem Band intakt und wurde nicht angetastet.
Lorenz Diefenbach (Hrsg.), Frankfurt am Main 1846. Das Glossar einer Handschrift von 1470, dreisprachig: lateinisches Stichwort, deutsche Glosse, und - wo die Handschrift sie hatte - eine böhmische. Diefenbach hat es zuerst herausgegeben und mit Anmerkungen versehen.
Diesen Band haben wir vollständig neu gelesen, mit spaltenweiser Erkennung über 160 Seiten. Der Grund war nicht schlechte Schrifterkennung im Üblichen, sondern ein tückischerer Fehler: die vorhandene Fassung erfand Umlaute. Am Faksimile nachgeprüft steht gedruckt „Archus i. princeps furst" und „frucht der baum" - die alte OCR machte daraus „fürst" und „bäum". Solche Punkte sieht man im Text nicht als Fehler, sie lesen sich einfach wie ein Wort. Die neue Fassung hat 4767 statt 4681 Stichwörter und gibt die Diakritika so wieder, wie sie auf dem Papier stehen.
⚠️ Eine Besonderheit beim Nachschlagen: das Böhmische steht in der vorhussitischen
Schreibung von 1470, also in Digraphen statt mit Häkchen - cz für č,
ss für š, w für v. „šíje" heißt dort ssyge, „barva" ist
barwa, „zeť" ist zeth. Wer moderne tschechische Schreibung sucht, findet
nichts. Das ist quellentreu und kein Fehler der Erkennung.
Georg Henisch, Augsburg 1616. Ein deutsch-lateinischer Thesaurus: zu jedem deutschen Stichwort lateinische Entsprechungen, dazu Synonyme, Ableitungen, Redewendungen und Sprichwörter. Für unsere Rezeptarbeit ist es das wichtigste Augsburger Belegwörterbuch, gedruckt rund 60 Jahre nach dem Kochbuch der Sabina Welserin. Das Werk reicht nur von A bis G (der letzte Eintrag im Wörterbuchteil ist „Gyps"), danach folgt ein Register.
Neu gelesen aus dem Google-Scan des Exemplars der Österreichischen Nationalbibliothek bei archive.org (990 Seiten, davon 968 mit Text; Einband, Ornamente und Leerseiten haben wir verworfen), mit Kraken 7.1 und dem mehrsprachigen Modell PP-OCRv6. Die vorhandene OCR war lückenhaft und stellenweise zerlegt: Ihre Datei ist mit 4,1 Millionen Zeichen ein Fünftel kürzer als die neue (5,3 Millionen). An 26 Zeilen, die wir am Seitenbild gelesen haben (siehe unten bei der OCR-Qualität), lag ihre Zeichenfehlerrate bei 23 %, drei der 26 Zeilen waren darin gar nicht zu finden. Die neue Fassung kommt bei denselben Zeilen auf 3,7 %, zwölf davon sind fehlerfrei. Ein erster Lauf mit dem üblichen deutschen Druckmodell lag bei 15,6 %, deshalb haben wir das neuere genommen. Als Gegenprobe: von den Wörtern ab vier Buchstaben stehen 185.000 von 363.000 (alte Fassung) beziehungsweise 339.000 von 535.000 (neue Fassung) in den schwäbischen Wörterbüchern von Fischer und Schmid, die wir als Vergleichsvokabular nutzen. Wörter, die am Zeilenende getrennt waren („Syno-" und „nymis"), sind wieder zusammengesetzt: 10.198 Stück.
⚠️ Noch nicht behoben: die Engine verwechselt gelegentlich ähnliche Fraktur-Buchstaben („Einreitent" statt „Einreiten", „pincema" statt „pincerna"), griechische Wörter und Randnotizen sind Rauschen, Spaltenzahlen und Verweise stehen im Text, Seitenzahlen fehlen. Das hochgestellte e über Vokalen (der Fraktur-Umlaut) steht als eigenes Zeichen (U+0364) im Text (an 9.849 Stellen, etwa „fuͤr" und „gluͤck"): „fuͤr" ist darin nicht dasselbe wie „für". Wer sucht, sollte beide Schreibungen probieren. Die letzte Textseite der Datei steht hinter dem Register und gehört wohl zu einem Anhang, das haben wir nicht geprüft. Bei elf Seiten warnt unser Test vor abgeschnittenen Spaltenrändern; drei Stichproben waren in Ordnung, die übrigen acht haben wir nicht angesehen.
Randle Cotgrave, London 1611. Französisch-englisches Wörterbuch, für uns vor allem als Sachwörterbuch nützlich: zu vielen französischen Küchen-, Geräte- und Stoffwörtern gibt es eine ausführliche englische Erklärung statt nur einer Übersetzung (etwa „Estamine: The stuffe Tamine, also, a strayner, scarce" - ein Wollstoff, auch ein Seihtuch oder Sieb).
Neu gelesen aus dem Google-Scan des Exemplars bei archive.org (980 Seiten, davon 965 mit Wörterbuchtext; Einband, Titelei und Leerseiten haben wir verworfen). Die vorhandene OCR las das lange „ſ" durchgängig als „f": „Eftamine", „moft", „fuch", „alfo". Das macht jede Suche nach dem Wort selbst unmöglich. In der neuen Fassung stehen 9934 richtig geschriebene Wörter wie „most", „such", „some", „also" gegen 268 Wörter mit „f"-Fehlern; in der alten Fassung waren es 211 gegen 8780.
⚠️ Noch nicht behoben: die Engine verwechselt gelegentlich „w" und „v" („vhirret" statt „whirret"), Seitenzahlen und Seitenrand-Notizen stehen als Rauschen mitten im Text, und auf zwei Seiten (89 und 904 der Datei) besteht der Verdacht, dass am Spaltenrand Zeichen fehlen. In den Stichproben, die wir angesehen haben, sind die Spalten in der richtigen Reihenfolge gelesen.
Jean Nicot (nach Aimar de Ranconnet), Paris 1606. Das erste französische Wörterbuch mit Erklärungen: zu jedem französischen Stichwort lateinische Entsprechungen, dazu Jagd-, Küchen- und Seefahrtswörter. Hinten angehängt sind eine Grammatik, eine Sprichwörtersammlung und der Nomenclator von Junius.
Neu gelesen aus dem Farbdigitalisat der Bayerischen Staatsbibliothek (1074 Seiten, davon 1061 mit Text). Die vorhandene Fassung auf archive.org stammt aus einem Mikrofilm und war weitgehend unlesbar: nur 1,0 % ihrer Wörter waren die häufigsten französischen Wörter („est“, „que“, „qui“, „les“, „des“), in der neuen Fassung sind es 3,9 %. Das lange „ſ“ war dort oft als „f“ gelesen, in der neuen Fassung stehen 4466 richtig geschriebene Wörter wie „estre“, „estoit“, „possible“ gegen 29 mit „f“-Fehlern; in der alten waren es 233 gegen 188.
⚠️ Noch nicht behoben: die Engine verwechselt gelegentlich B, D und V sowie n und u („Darbe“ statt „Barbe“), Seitenzahlen und Kopfzeilen stehen als Rauschen im Text, und bei 24 Seiten besteht der Verdacht, dass am Spaltenrand etwas fehlt (Stichprobe in Ordnung). Wer ein Wort nicht findet, sollte auch die Schreibung mit D oder V statt B probieren.
Die Kraken-Transkription ist deutlich besser als die vorher verfügbaren generischen OCR-Fassungen, aber nicht fehlerfrei - vereinzelt vertauscht die Engine ähnlich aussehende Buchstaben (z.B. b/d). Wie bei jeder OCR-Digitalisierung eines historischen Drucks gilt: als Lesehilfe und Recherche-Ausgangspunkt nutzen, bei wichtigen Stellen gegen ein Original oder eine gedruckte Ausgabe gegenprüfen.
Bei den beiden Diefenbach-Bänden ist nur das Beschriebene behoben, nicht alles. Die alte OCR verwechselt an anderen Stellen weiter „e" mit „c" (etwa „dcr" statt „der") und löst „m" in „ni" oder „iii" auf; im Vorspann mit seinem großen Schriftgrad ist das dichter als im Wörterbuchteil. Für diese Fehler gibt es keine geschlossene Regel, sie stehen noch drin.
Die Zeichenfehlerrate von 3,7 % bei Henisch stammt aus 26 Zeilen auf zwei Seiten, die mit KI-Unterstützung (Claude) am Seitenbild gelesen wurden. Das ist eine kleine Stichprobe und keine belastbare Fehlerquote für das ganze Buch; die Referenzzeilen stammen nicht von einer Fachperson.
To translate our medieval recipes, we cross-check unclear words against historical dictionaries. Eight of these were only available online in poor quality, broken in five different ways: in the two dialect dictionaries and in Cotgrave a generic OCR had read the historical long „ſ" as „f" throughout, while in Diefenbach's two glossary volumes the source references were mangled and the „ß" had vanished entirely, Nicot's dictionary only existed as a poor microfilm scan that the OCR could hardly read, and in Henisch's thesaurus the existing OCR was missing lines, with others garbled. We re-digitized the dialect dictionaries with an OCR engine specialized for Fraktur/blackletter print (Kraken), and Cotgrave and Nicot with a model for printed roman type, and Henisch with the multilingual PP-OCRv6 model; for Diefenbach we repaired the existing full text instead. For his trilingual glossary of 1846 neither approach helped: there the available OCR was inventing umlauts that aren't in the print, so we re-read that volume from scratch. Since the work is already done and all the works are in the public domain, we're sharing the results here - in case anyone else can use them.
License: All the original works are in the public domain (their authors died in 1559, 1604, 1618, around 1634, 1868, 1883 and 1900; the copyright term expired over a century ago). The text files are a purely mechanical OCR transcription with no creative authorship of their own - they are likewise freely usable. We'd appreciate a source credit if you reuse them, but it's not required.
August Friedrich Christian Vilmar, Marburg/Leipzig, 1868. Regional dialect dictionary for the Marburg/Kassel/Fulda area of central Germany.
Digitized from an interleaved copy held by the library of the Geographical Institute in Marburg (983 book pages, 492 of which are actual dictionary print pages - the interleaved blank sheets carry handwritten notes from earlier readers and were not transcribed, since our OCR model is trained on print, not handwriting).
Georg Autenrieth, Zweibrücken, 1899. Regional dialect dictionary for the Palatinate (linguistically part of the Rhenish Franconian dialect area).
Digitized from the full scan (Google Books/archive.org), 204 book pages, 195 of which carry dictionary content.
Lorenz Diefenbach, Frankfurt am Main, 1857. A Medieval-Latin-to-German glossary compiled from nearly 200 manuscripts and early printed books of the 14th to 16th centuries. It renders Latin terms not into modern German but directly into contemporary German words and dialect forms - and names, for each form, the manuscript that attests it.
Unlike the two dialect dictionaries above, we did not re-digitize this one; we repaired the existing text. The volume is set in roman type rather than Fraktur, in three columns at a very small size. Our Fraktur model does read the German glosses better, but it mangles the small parenthesized numbers - and those are precisely Diefenbach's apparatus of sources. We tried it and abandoned the approach.
Two classes of damage are fixed. First, the ß had been read as B throughout: the entire volume previously contained not a single ß, giving „groB", „fuB", „auB" for „groß", „fuß", „auß" - 7,361 instances. Second, the source sigla were corrupted, for example „Aeifr." for „Aelfr." (the Glossarium Aelfredi) - 124 instances. Plus 55 lines of scanner noise from the marbled endpapers at the start of the file.
Lorenz Diefenbach, Frankfurt am Main, 1867. A free-standing continuation of the Glossarium with additional entries - not an alphabetical continuation of the first volume but a second pass through the alphabet. If you search the main work, search this one too.
Here the source sigla were the main problem: 487 instances corrected. The volume's most frequent abbreviation, „Symb." for the Symbolae, was actually in the minority: 152 correct spellings against 340 corrupted ones („Symh.", „Sijmh.", „Sgmh." and further variants). The ß in this volume is intact and was left alone.
Lorenz Diefenbach (ed.), Frankfurt am Main, 1846. The glossary of a manuscript of 1470, in three languages: a Latin headword, a German gloss, and - where the manuscript had one - a Bohemian (Czech) gloss. Diefenbach was its first editor and added commentary throughout.
We re-read this volume in full, column by column across 160 pages. The reason was not ordinary misrecognition but something more insidious: the existing text invented umlauts. Checked against the facsimile, the print reads „Archus i. princeps furst" and „frucht der baum" - the old OCR turned these into „fürst" and „bäum". Stray dots like that don't look like errors in a text; they just read as a word. The new version has 4,767 headwords instead of 4,681 and reproduces the diacritics as they appear on the page.
⚠️ One thing to know when looking things up: the Bohemian is in the pre-Hussite spelling of
1470, using digraphs rather than diacritics - cz for č, ss for š,
w for v. „šíje" appears as ssyge, „barva" as barwa, „zeť" as
zeth. Searching in modern Czech spelling finds nothing. That is faithful to the
source, not an OCR failure.
Georg Henisch, Augsburg, 1616. A German-Latin thesaurus: for each German headword it gives Latin equivalents, along with synonyms, derivations, phrases and proverbs. For our recipe work it is the most important Augsburg dictionary of attested usage, printed about 60 years after Sabina Welserin's cookbook. The work only runs from A to G (the last entry in the dictionary proper is „Gyps"), followed by an index.
Re-read from the Google scan of the copy held by the Austrian National Library, on archive.org (990 pages, 968 of them with text; cover, ornaments and blank pages were dropped), with Kraken 7.1 and the multilingual PP-OCRv6 model. The existing OCR was incomplete and in places garbled: its file is a fifth shorter than the new one (4.1 against 5.3 million characters). On 26 lines we read against the page image (see the note on OCR quality below), its character error rate was 23%, and three of the 26 lines could not be found in it at all. The new version scores 3.7% on the same lines, with twelve of them error-free. A first run with the usual German print model gave 15.6%, which is why we used the newer one. As a cross-check: of the words with four or more letters, 185,000 of 363,000 (old version) and 339,000 of 535,000 (new version) occur in the Swabian dictionaries of Fischer and Schmid, which we use as a reference vocabulary. Words split at the end of a line („Syno-" and „nymis") have been rejoined: 10,198 of them.
⚠️ Not yet fixed: the engine occasionally confuses similar blackletter characters („Einreitent" for „Einreiten", „pincema" for „pincerna"), Greek words and marginal notes are noise, column numbers and cross-references appear in the text, and page numbers are missing. The superscript e above vowels (the blackletter umlaut) appears as a separate character (U+0364) in the text (at 9,849 places, such as „fuͤr" and „gluͤck"): „fuͤr" is not the same string as „für" there. When searching, try both spellings. The last page of text in the file sits after the index and probably belongs to an appendix; we have not checked it. For eleven pages our test warns of truncated column edges; three spot checks were fine, and we did not look at the other eight.
Randle Cotgrave, London, 1611. A French-English dictionary, especially useful to us as a dictionary of things: for many French words for food, tools and materials it gives a full English explanation instead of a bare translation (for instance „Estamine: The stuffe Tamine, also, a strayner, scarce" - a woollen cloth, also a straining cloth or sieve).
Re-read from the Google scan of the copy on archive.org (980 pages, 965 of them with dictionary text; cover, front matter and blank pages were dropped). The existing OCR read the long „ſ" as „f" throughout: „Eftamine", „moft", „fuch", „alfo". That makes searching for the word itself impossible. The new version has 9,934 correctly spelled words such as „most", „such", „some", „also" against 268 with „f" errors; the old version had 211 against 8,780.
⚠️ Not yet fixed: the engine occasionally confuses „w" and „v" („vhirret" for „whirret"), page numbers and marginal notes appear as noise within the text, and on two pages (89 and 904 of the file) we suspect characters are missing at the column edge. In the samples we looked at, the columns are read in the correct order.
Jean Nicot (after Aimar de Ranconnet), Paris, 1606. The first French dictionary with definitions: for each French headword it gives Latin equivalents, along with hunting, kitchen and maritime vocabulary. Appended at the back are a grammar, a collection of proverbs and Junius's Nomenclator.
Re-read from the colour digitization of the Bavarian State Library (1,074 pages, 1,061 of them with text). The version already on archive.org comes from a microfilm and was largely unreadable: only 1.0% of its words were the most common French words („est", „que", „qui", „les", „des"); in the new version it is 3.9%. The long „ſ" had often been read as „f"; the new version has 4,466 correctly spelled words such as „estre", „estoit", „possible" against 29 with „f" errors; the old one had 233 against 188.
⚠️ Not yet fixed: the engine occasionally confuses B, D and V as well as n and u („Darbe" for „Barbe"), page numbers and running heads appear as noise in the text, and on 24 pages we suspect something is missing at the column edge (a spot check was fine). If you cannot find a word, also try the spelling with D or V in place of B.
The Kraken transcription is noticeably better than the previously available generic OCR versions, but not error-free - the engine occasionally confuses visually similar letters (e.g. b/d). As with any OCR digitization of a historical print: use it as a reading aid and research starting point, and cross-check important passages against an original or printed edition.
For the two Diefenbach volumes, only what is described above has been fixed, not everything. Elsewhere the old OCR still confuses „e" with „c" (for instance „dcr" for „der") and breaks „m" into „ni" or „iii"; this is denser in the front matter, with its larger display type, than in the dictionary proper. There is no closed rule for those errors, so they remain.
The 3.7% character error rate for Henisch comes from 26 lines on two pages that were read against the page image with AI assistance (Claude). That is a small sample and not a reliable error rate for the whole book; the reference lines were not produced by a specialist.
