„19. Dezember 1812, Java Government Gazette, 3. Seite, 2. Spalte: Captain M— ist im Besitz einer großen Kuriosität, nämlich eines Steins, der vor drei Tagen (am 6. August) nahe dem Dorf Cokurrgaum aus einer Gewitterwolke niederging. Er wiegt schätzungsweise mindestens vier Pfund, ist für seine Größe sehr schwer, da er stark mit Eisen durchsetzt ist, und mit einer dünnen schwarzen Kruste überzogen, als wäre Schießpulver um ihn herum explodiert. Er hatte sich einen Fuß tief in den offenen Boden gegraben.“
Diese kurze Notiz, verborgen in den Scans vergilbter Zeitungsseiten, wurde von einem lokal betriebenen KI-Workflow ans Licht befördert. Sollte sich der Fund wissenschaftlich bestätigen, würde dieser Meteoriteneinschlag im Dorf Cokurrgaum im indischen Bundesstaat Maharashtra den frühesten dokumentierten Meteoritenfall der Region um 26 Jahre vorverlegen.
Der Software-Ingenieur Jesse Waites setzte diesen automatisierten Recherche-Workflow auf 4,35 Millionen Seiten historischer Dokumente der Niederländischen Ostindien-Kompanie (VOC) sowie 200 Jahre amerikanischer und niederländischer Zeitungsbestände an. Ein Mensch bräuchte bei acht Stunden täglicher Lesezeit und zwei Minuten pro Seite rund 70 Jahre, um diesen Korpus zu bewältigen. Waites’ Pipeline verarbeitete den gesamten Bestand in einem einzigen zwölfstündigen Nachtlauf.
Die Pipeline brachte noch mehr zutage: die Spuren dreier Nashörner, die während der Überfahrt nach Ceylon verendeten, sowie drei historische Vulkanausbrüche, die in den weltweiten Standardkatalogen der Vulkanologie fehlen. Das gesamte Vorhaben stützte sich auf zwei strikte ingenieurtechnische Leitplanken: Verifiziere das Bekannte, bevor du nach dem Unbekannten suchst – und verankere jeden Befund unverrückbar am hochauflösenden Scan des Originaldokuments.
Vor der Suche nach dem Unbekannten: Kontrollgruppen zur Absicherung
Große Sprachmodelle auf Millionen historischer Dokumente loszulassen, um Neuentdeckungen zu machen, führt ohne Gegenmaßnahmen unweigerlich in die Halluzinationsfalle. Ein rigoroses Kontrollgruppen-Design bildete daher das Fundament des Projekts.
Der Historiker Benjamin Breen hatte zuvor mit dem Modell Opus 5.5 in den VOC-Akten den Augenzeugenbericht von Seeleuten entdeckt, die 1615 auf Mauritius Dodos fingen. Waites reproduzierte diese Recherche zunächst eins zu eins, um die Basisfähigkeit seines Systems zu kalibrieren.
Anschließend lokalisierte das System eigenständig den Ausbruch des Vulkans Awu auf den Sangihe-Inseln im Jahr 1711. Die extrahierte Opferzahl von 138 Toten stimmte taggenau mit den Einträgen im Global Volcanism Program der Smithsonian Institution überein.
Der Erfolg dieser Kontrollgruppe bewies die Kernkompetenz der Pipeline: Sie war in der Lage, aus verstreuten, subjektiven Einzelberichten historische Fakten zu isolieren, die sich mit modernen wissenschaftlichen Verzeichnissen decken. Erst damit war die Legitimation erbracht, nach bisher unkatalogisierten Kandidaten zu suchen.
Rechenkosten drosseln mit einer dreistufigen Lesepipeline
Im Niederländischen des 17. Jahrhunderts existierten für das Wort „Nashorn“ (rhinoceros) etwa fünfzehn verschiedene Schreibweisen. Eine herkömmliche Volltextsuche nach festen Stichwörtern hätte den Großteil der Hinweise von vornherein übersehen.
Waites zerlegte die 4,35 Millionen Archivseiten in 5,7 Millionen semantische Textabschnitte. Mithilfe von Einbettungsmodellen (Embeddings) verortete das System Passagen nach ihrer inhaltlichen Bedeutung im Vektorraum. So konvergierten fünfzehn historische Schreibweisen auf denselben Bedeutungsraum.
Die eigentliche Herausforderung bestand darin, aus Zehntausenden semantischen Treffern kosteneffizient belastbare Fakten herauszufiltern. Waites implementierte eine dreistufige Lesepipeline: Die erste Stufe übernahm ein kompaktes, schnelles „System One“-Modell namens Jev, das ausschließlich eng begrenzte Fragen beantwortete (etwa: „Handelt es sich um ein reales Tier? Ist es wild? Wo befindet es sich?“). Die Analyse von 59.000 Abschnitten zu Elefanten über Jev kostete insgesamt lediglich drei US-Dollar.
Erst positiv bewertete Abschnitte gelangten in die zweite Stufe, in der Claude Haiku den Text vertieft analysierte, das historische Niederländisch übersetzte und Datums- sowie Ortsangaben extrahierte. In der finalen Stufe rief ein Claude Code-Agent den Digitalscan der handschriftlichen Originalseite auf, glich das Transkript Zeichen für Zeichen mit der Quelle ab und prüfte die Daten gegen Fachkataloge.
Drei Nashörner, die Ceylon nie lebend erreichten
Die Pipeline rekonstruierte ein bemerkenswertes Scheitern der Tierdiplomatie des 18. Jahrhunderts. 1738 fingen Bedienstete der VOC in den Wäldern nahe Batavia ein lebendes Java-Nashorn, das dem König von Kandy auf Sri Lanka als diplomatisches Geschenk überreicht werden sollte, um das lukrative Zimtmonopol zu sichern.
Das Nashorn überquerte den Indischen Ozean bis nach Colombo, erreichte das bergige Landesinnere nach Kandy jedoch nie. In den Buchhaltungsunterlagen der VOC von 1740 findet sich unter der Rubrik De Paardenstal („Der Pferdestall“) der Vermerk: „1 Nashorn Fehlbestand, im Jahr 1738 im Pferdestall verendet.“ Der Gouverneur in Colombo meldete den plötzlichen Tod des Tieres verlegen nach Batavia und legte den Geschenken ein persisches Reitpferd bei.
Abb.: Scan einer Originalseite aus den VOC-Archiven mit Erwähnung der Nashörner. Quelle: Nationaal Archief (Niederländisches Nationalarchiv)
Am 5. Juli 1740 stach das Schiff Loverendaal von Batavia mit zwei weiteren Nashörnern – einem Männchen und einem Weibchen – in See in Richtung Ceylon. Doch bereits drei Tage nach dem Auslaufen starb das Männchen; zehn Tage später verendete auch das Weibchen (‘t wijfje). Die Schiffsoffiziere und der Bootsmann legten vor dem Gericht in Colombo unter Eid Zeugnis ab und bekräftigten ihre Aussagen wortgetreu.
Die Instruktionen des Gouverneurs an die Gesandten am Hof von Kandy tragen einen entschuldigenden Tonfall: Er ließ niederländische Schweine (einen jungen Eber und zwei Säue) als Ersatz überbringen und übermittelte das Ableben der Nashörner mit „besonderem Bedauern“. Drei Jahre später verlangten Gesandte am Hof von Ramnad in Südindien forsch, man möge ihnen „ein junges Nashorn senden, wie es für den König von Kandy geschah“. Das nie zugestellte Geschenk war zum diplomatischen Faustpfand geworden.
Drei Vulkanausbrüche, die der Smithsonian-Katalog übersehen hat
Mehrere Kandidatenfunde der Pipeline zielten direkt auf blinde Flecken geowissenschaftlicher Datenbanken. Neben dem mit einer schwarzen Schmelzkruste überzogenen Meteoriten – der weder in Chladnis Pionierliste von 1819, den Registern des British Museum noch im heutigen Meteoritical Bulletin verzeichnet ist – identifizierte das System drei belegte Vulkanausbrüche.
Der erste Vorfall betrifft den Ausbruch des Gamkonora am 3. Februar 1722. In einem Schreiben vom 7. Juli desselben Jahres fügte der Gouverneur von Ternate den Vor-Ort-Bericht des Feldwebel-Kartografen Jacob Engels über den „aufgerissenen Berg“ bei.
Abb.: Handschriftlicher niederländischer Brief vom 7. Juli 1722 aus Ternate, Quelle für den Bericht über den Gamkonora-Ausbruch. Quelle: Nationaal Archief (Niederländisches Nationalarchiv)
Der zweite Fund dokumentiert die Eruption des Ciremai in West-Java Anfang 1712. Über Wochen hinweg stiegen dichte Rauch- und Aschewolken „ohne sichtbare Flammen“ auf und legten eine feine blaugraue Ascheschicht über die südöstlichen Ländereien. Die Akten berichten von vernichteten Ernten und Vieh, das das aschebedeckte Gras verweigerte. Die dritte Entdeckung betrifft die Aktivität des Slamet in Zentral-Java im Februar 1780: Der „ehemals brennende Berg von Tegal“ habe so gewaltig gebrannt wie „nach der Erinnerung keines hier lebenden Menschen je zuvor“.
Abb.: Zeitungsausschnitt aus der Java Government Gazette vom 19. Dezember 1812 (S. 3, Spalte 2), Nachdruck des Meteoritenberichts von Captain M aus der Bombay Gazette vom 26. August 1812. Quelle: Delpher / Koninklijke Bibliotheek
Ein Abgleich mit dem aktuellen Katalog der Smithsonian Institution ergab, dass diese drei Eruptionen, obwohl von Zeitzeugen detailliert auf Papier festgehalten, seit drei Jahrhunderten in den Standardverzeichnissen fehlen. Bislang gelten diese Daten als Kandidatenentdeckungen. Waites hat Kontakt zu Meteoriten-Kuratoren, dem Historiker Kees Rookmaaker und Vulkanologen aufgenommen; vor einer Aufnahme in die Geschichtsbücher steht nun das wissenschaftliche Peer-Review.
Leere Trefferliste beim Rätselausbruch von 1809
Trotz dieser Erfolge ist die Pipeline keineswegs allmächtig. Als Waites versuchte, das Rätsel des gewaltigen „unbekannten“ Ausbruchs der Jahre 1808/09 zu lüften, stieß das System an seine Grenzen.
Eisbohrkerne belegen für 1808/09 eine der massivsten Eruptionen der letzten fünfhundert Jahre, deren geographischer Ursprung bis heute ungelöst ist. Waites durchsuchte mit seinem Workflow US-amerikanische und niederländische Zeitungen, Schiffslogbücher, südamerikanische Kolonialblätter und alle 633 Artikel der ersten Zeitung Batavias – ohne einen einzigen Treffer.
Doch dieses Scheitern brachte eine eigene ingenieurtechnische Gewissheit mit sich. Da dieselbe Pipeline die Ausbrüche von Awu, Gamkonora und Ciremai lückenlos aufgespürt hatte, deutet das Ausbleiben von Ergebnissen auf eine hohe Wahrscheinlichkeit hin: In den untersuchten Beständen hat damals schlicht niemand Beobachtungen über einen ungewöhnlichen Himmel im Jahr 1809 niedergeschrieben. Die verbleibende Hoffnung liegt nun in 1.235 handgeschriebenen Logbüchern der Ostindien-Kompanie, die bislang nicht transkribiert wurden.
Waites hat die Pipeline als leichtgewichtiges Toolkit unter dem Namen Antiquity als Open Source bereitgestellt. Das Experiment illustriert ein einfaches, aber eindringliches Prinzip: Er und Breen nutzten dieselbe Archivdatenbank. Breen suchte gezielt nach dem Dodo und fand den Augenzeugenbericht von 1615; Waites suchte nach Meteoriten und vergessenen Vulkanausbrüchen und fand schwarze Steine und geborstene Krater.
Millionen Archivseiten ruhen reglos in den Speichern. Ein Archiv spricht niemals von sich aus – es antwortet nur auf die präzisen Fragen, die ein forschender Geist zu stellen weiß.
Weiterführende Links:
- I pointed AI at 400 years of archives
