Der veſte Buchſtab. Digitale Editionen, ihre Erstellung und Darbietung
Am 29. und 30. November 2012 fand in der Geschäftsstelle der Max Weber Stiftung das Arbeitstreffen „digital humanities. Wissenschaftliche Datenbanken und Editionsprojekte“ statt. Zwar gibt es noch keinen Königsweg, der in diesem weiten Bereich zu allen Zielen führt. Umso wichtiger sind Übergangsmöglichkeiten von einem Weg zum anderen.
Die Überlieferung von Worten ist das wertvollste Kulturgut überhaupt. Bauten und Bilder, Geschmeide, Melodien und Maschinen können uns nützen, uns freuen, uns staunen und schaudern lassen ‒ aber sie reden nie so zu uns wie Worte, von Mensch zu Mensch. Kein Wunder, dass wir gerade auch dieser Überlieferung digitale Dauer zu geben bestrebt sind, kein Wunder aber auch, dass bei der Ausführung des Vorhabens Schwierigkeiten begegnen. Lösungen solcher Schwierigkeiten war das Arbeitstreffen gewidmet, freilich mit Schwerpunktsetzung: Es ging um schriftliche Überlieferung und das Eingeben, Abspeichern, Aufbereiten und Anzeigen von zugehörigen Metadaten (im weiteren Sinn verstanden, worunter auch schon das Transkript zu einer Abbildung fällt). Und es war wirklich fesselnd zu sehen, wie vielfältige und ausgefeilte Lösungsansätze vorgestellt, gelegentlich auch ‒ freundlich und erfreulich lebhaft ‒ gegenübergestellt wurden und wie sie einander ergänzen oder befruchten konnten.
Aus einer Hölderlinhandschrift mit der im Titel angeführten Stelle. Die Transkription (d oder D oder …?) ist ein primär philologisches, nur sekundär technisches Problem. Dazu unten etwas. (Quelle: Württembergische Landesbibliothek Stuttgart: Hs. Homburg.G,2-7: Blatt 6v: Zeile 6. http://digital.wlb-stuttgart.de/purl/bsz346526833. Lizenz CC BY-NC-ND.)
FuD, vertreten von Marina Lemaire und Gisela Minn vom Trierer Kompetenzzentrum, zeigte sich als System mit einem erprobten Kern und einer Vielzahl von entwickelten oder in Entwicklung befindlichen Schnittstellen, um so gut wie alle Editionsschritte zu unterstützen ‒ von der kollaborativen Erfassung in einer MySQL-Datenbank der Uni Trier bis zur Veröffentlichung im Netz oder Druck ‒, aber auch den Wechsel hin zu anderen Systemen anbieten zu können. So gab Sebastian Felten vom DHI London einen interessanten Einblick ins Projekt „Pauper Letters and Petitions for Poor Relief in Germany and Great Britain, 1770 – 1914“ und wie dort sowohl FuD als auch das ‒ noch zu erwähnende ‒ DENQ zusammen genutzt werden, das eine zur Eingabe, das andere zur Anzeige im Netz.
BASYS-2-Invenio, vorgestellt von Thekla Kleinschmidt und Branimir Kolev vom Bundesarchiv, ist das Recherchewerkzeug für Archivgut des Bundesarchives. Für die Anzeige von Digitalisaten im Netz wird eine Viewer-Technologie auf der Grundlage von Islandora entwickelt, die auf einen wachsenden Gesamtbestand von bis zu einigen hundert Terabytes hin ausgelegt ist. Eingebaut wird eine sehr lesefreundliche Anzeige in Gestalt des Internet-Archive-Viewers, zudem mit einer maschinellen Texterkennung über Tesseract, was eine Suche im Text der jeweils angezeigten Abbildung ermöglicht (sofern die Texterkennung richtig liegt, was aber bei Drucksachen ab dem 20. Jahrhundert schon die Regel ist).
Peter Stadler stellte die Carl-Maria-von-Weber-Gesamtausgabe vor, die in bewunderungswürdig konsequenter und harmonischer Verbindung von philologischen Kardinaltugenden und modernen XML-Techniken erarbeitet wird: Mit Gründlichkeit und Genauigkeit und der echt philologischen Liebe zum Wort wird aus der sichtbaren Überlieferung, dem Bild, ein lesbarer, und zwar maschinenlesbarer Text, der bis zur Anzahl der Striche bei Unterstreichungen alles von der Überlieferung aufhebt, was irgendwie sinnunterscheidend sein könnte.
Ruth und Borries von dem Bussche vom Düsseldorfer Unternehmen Fafalter skizzierten dagegen eine Lösung auf der Grundlage von HTML5, das mit RDF-Annotation angereichert wird ‒ eine Verbindung von Sinn- und Gestaltebene, die früher gemieden wurde, jetzt aber im Verlagswesen und überhaupt im geschäftlichen Umfeld mehr und mehr Anklang findet. Auch, um Netzseiten mit mehr maschinenlesbarem Inhalt im Sinne des „semantic web“ zu erstellen, ist HTML5 mit RDF-Anzeichnung die fortgeschrittenste Lösung.
Charlotte Schubert von der Universität Leipzig führte eAQUA vor und machte anhand von Beispielen aus ihrer eigenen Forschung deutlich, welchen außerordentlichen Nutzen ein Korpus von diesem Umfang und Lemmatisierungsgrad, zudem versehen mit den Anzeigemöglichkeiten der Kookkurrenzanalyse und der raumzeitlichen Belegverteilung haben kann.
Torsten Schrade von der Digitalen Akademie Mainz stellte einen editorischen Arbeitsablauf vor, der von Ausgangsdokumenten in verschiedenen (und nicht immer günstigen) Formaten hin zum Content-Management-System Typo3 führt. Eine besondere Herausforderung ist im Fall des Beispielprojektes „Medieval Ashkenaz“ die Mischung hebräischer und deutscher Teile, also links- und rechtsläufiger Schriftrichtung, was in besonders schweren Fällen mit einem Zusammenspiel aus weicher Auszeichnung (mit <span dir=”rtl”> … </span>) und harten Steuerzeichen (U+202B für ‘ab hier linksläufig’ und U+202A für ‘ab hier rechtsläufig’) gelöst wird. Die Steuerzeichen werden elegant über das CSS, nämlich über eine an die Anzeichnung dir gebundene content-Eigenschaft eingefügt.
DENQ, vorgestellt von Jörg Hörnschemeyer (dem Entwickler) und Jan-Peter Grünewälder vom DHI Rom, ist ebenda entwickelt worden, also gleichsam innerhalb der Max Weber Stiftung. Ein Kernbestandteil ist die XML-Datenbank eXist. Gezeigt wurden eine Suche über mehrere Korpora, auch als Ähnlichkeitssuche auf der Grundlage des Lewenstein-Algorithmus, ferner die Anzeige von Belegen in räumlicher Verteilung, unterlegt mit einer geographischen Karte, sowie die Möglichkeit, die Abbildung eines Textes in Ausschnitte zu zerlegen, die im SVG-Format gespeichert und den je entsprechenden Textausschnitten zugeordnet werden können, was noch in Entwicklung ist. Es konnte aber bereits eine gerade für diese Aufgabe äußerst nützliche maschinelle Vorsegmentierung gezeigt werden, die schon erstaunlich gut war. Zur Dateneingabe sonst: In DENQ wurde oder wird für jedes gewünschte Format eine Überführung in eXist entwickelt. Unter anderem möglich ist die Nutzung eines vertrauten Editors wie Word, in dem dann über Formatvorlagen recht bequem eine semantische Auszeichnung bis auf die Ebene des Zeichens hinab vorgenommen werden kann. Es ist bewundernswert, wie viel Funktionalität und Flexibilität auf schmaler Personalbasis entwickelt und ermöglicht worden ist.
TextGrid, vorgestellt von Oliver Schmid von der Technischen Universität Darmstadt, ist vielleicht das komplexeste der vertretenen Systeme und bietet einen zumal gemessen am Projektalter großen Umfang an Funktionen sowie Teilprogrammen, die modular entwickelt und vom Nutzer modular eingebunden werden können. Die Eingabeumgebung, TextGridLab, funktioniert als reines Java-Programm ohne Installation (wenn das Java-Runtime-Environment auf dem Rechner installiert ist, was ja meist zutrifft) und auch offline. Das TextGridRep wiederum dient sowohl der gemeinsamen Arbeit an derselben Datenbank, als auch der Langzeitarchivierung und der Veröffentlichung im Netz mit Suchmöglichkeiten.
Zwei vielleicht miteinander zusammenhängende Eindrücke vom Arbeitstreffen:
Erstens. Es gibt noch keinen Königsweg, der zu allen Zielen führt; umso wichtiger sind Übergangsmöglichkeiten von einem Weg zum anderen.
Zweitens. Gerade als Austauschformat ist XML noch immer und bis auf weiteres „die reine Lehre“, wie Gregor Horstkemper von der Bayerischen Staatsbibliothek in seiner Moderation scherzte. Andererseits wurden hin und wieder die Unzulänglichkeiten von XML in den Randbereichen seiner Verwendung deutlich: Wann immer man Geltungsbereiche auszeichnen will, die unterbrochen sind oder einander überlappen, also nicht in die hierarchische Verschachtelung von XML-Dokumenten passen, muss man zu Behelfen greifen, von denen keiner der Standard ist ‒ die TEI-Richtlinien stellen mehrere gleichberechtigt nebeneinander. Und schlimmer: Um die Behelfslösung einzulesen, etwa bei Abfragen, muss man einen eigenen Parser schreiben (adé Standardkonformität) oder auf Reguläre Ausdrücke zurückgreifen (was sonst als blankes Versagen bei der XML-Verarbeitung gilt) oder XPointer verwenden, was noch kaum umgesetzt und überdies mit einem Patent belastet ist, das bei Sun lag, jetzt also bei Oracle liegen müsste (vgl. http://www.w3.org/TR/xptr-framework/, http://www.w3.org/2002/06/xptr_IPR_summary.html). Oracle hat bekanntlich schon wegen eines anderen von Sun geerbten Patentes einen Rechtsstreit begonnen.
Dennoch: Stadler, Leiter der TEI-Interessengruppe „Correspondence“, hat XML mit pädagogischem Impetus hochgehalten: Geisteswissenschaftler sollen mit XML umgehen können, weil der Umgang mit Texten, Textstruktur und Textsemantik zum Kernbereich der Geisteswissenschaft gehört, weil die dabei anfallenden Entscheidungen auch nur der Fachwissenschaftler, kein hilfreich herbeieilender Techniker treffen kann und weil der Umgang mit XML auch gar nicht so schwierig ist wie die wirklich harten Probleme ‒ die sind bei einer Edition stets philologischer Natur. Wenn man von der XML-Frage verallgemeinernd absieht, wird der Impetus ein aufklärerischer: Es geht dann um den Ausgang des Geisteswissenschaftlers aus einer selbstverschuldeten Unmündigkeit, was Datenverarbeitung angeht. Besteht diese Unmündigkeit? Und ist sie selbstverschuldet ‒ aus denselben Ursachen, die Kants berühmter Aufsatz nennt? Hier liegt ein Problem, das unangenehmer ist als etwa das vergleichsweise harmlose Ansinnen, die Geisteswissenschaften im Social Web zu verankern.
Dr. Stefan Müller ist Referent für Datenbanken in der Geschäftsstelle der Max Weber Stiftung in Bonn, Redaktion Perspectivia.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Stefan Müller (10. Dezember 2012). Der veſte Buchſtab. Digitale Editionen, ihre Erstellung und Darbietung. Wissen in Verbindung. Abgerufen am 12. September 2024 von https://mws.hypotheses.org/1571
Da Editionen seit jeher sehr spezielle Kenntnisse erforderten – im wahrsten Sinne des Wortes eine Wissenschaft für sich sind –, scheint es mir im Grunde nicht zuviel verlangt, sich gegenwärtige Auszeichnungssysteme anzueignen. TEI-XML hat sich hier in den vergangenen Jahren als breit anerkannter Standard etabliert. Wiewohl die Diskussion um die die damit einhergehende Erschließungstiefe so schnell nicht enden wird und auch auf dem Workshop Thema war. Das Grundproblem einer vermeintlichen “Abhängigkeit” lässt sich dadurch aber nicht lösen. Die – vor allem von Informatikern bzw. Informationswissenschaftlern und (Computer-)Linguisten mitgestaltete – Entwicklung in den Digital Humanities schreitet schlicht zu schnell voran, während insbesondere die Geschichtswissenschaft vielfach immer noch damit beschäftigt ist, ihr Verhältnis zum Internet zu klären. Es wird angesichts der sich eröffnenden Möglichkeiten der digitalen Welt nicht ausreichen, dass sich einzelne Historiker für bestimmte Projekte oder Aufgabenstellungen ein bisschen XML aneignen. Die Kommunikationsfähigkeit des gesamten Fachs gegenüber den Spezialisten muss erhöht werden. Aus meiner Sicht wird kaum ein Weg darum herum führen, Vorhaben in Zukunft viel stärker gemeinsam umzusetzen, in gemischten Teams von Fachleuten verschiedener Disziplinen. (So lautete auch eine Erkenntnis des Workshops, ich weiß leider nicht mehr, vom wem sie aufgeworfen wurde). Im Idealfall entwickelt sich daraus ein fruchtbarer Prozess, in dem alle Beteiligten Verständnis für die Fragestellungen und Methoden der jeweils anderen entwickeln.
Btw hier auch noch der Hinweis auf den Bericht über die Sektion “Datenbanken für die Mediävistik und die Renaissance in Forschung und Lehre” auf dem diesjährigen Historikertag: http://hsozkult.geschichte.hu-berlin.de/tagungsberichte/id=4515.
Liebe Frau Schubert, vielen Dank für Ihre Anmerkung! Die ja gleich mehrere grundsätzliche Fragen anspricht …
1. Aufwand einer XML-Anzeichnung. Hier würde mich interessieren, wie Sie das Aufwand-Nutzen-Verhältnis beurteilen, wenn man nicht XML selbst eingeben muss, sondern XML nur in der abgespeicherten Datei steht, man bei der Eingabe auf dem Bildschirm aber ein menschenfreundlicheres Analogon sieht – zum Beispiel eine farbige Schattierung (so DENQ mit Formatvorlagen in Word und wohl auch FuD in der Analyseumgebung). Oder eine lesbarere Form der selbstgetippen Anzeichnung. Ich glaube, Herr von dem Bussche hatte auf dem Arbeitstreffen einen entsprechenden Einfall geäußert. Das finde ich interessant. Für den Fall, dass XML nicht so sehr zur Anzeichnung von Fließtext, sondern zur Anzeichnung getrennter Datenhäppchen verwendet wird, hat man schon einige Ersatzarten ersonnen, die inzwischen zum Teil beliebter sind als XML selbst, auch unter berufsmäßigen Rechnerarbeitern. Herr von dem Bussche erwähnte, glaube ich, JSON. Hinzufügen könnte man YAML und seine Verwandten, denen es besonders um Lesbarkeit zu tun ist. Diese Anzeichnungssprachen sind aber eben nicht so sehr für die Anzeichnung von Fließtext gedacht. Dafür gibt es aber auch schon Anzeichnungssprachen “ohne Spitzklammern”, etwa restructured Text oder Markdown. Sie sind aber (bewusst) so schmal, dass man mit Ihnen nicht soviel anzeichnen kann wie mit TEI-XML. Und wenn man sie entsprechend ausbaut, sind sie vielleicht gar nicht mehr soviel lesbarer als XML. Ich habe auch einmal eine Anzeichnungssprache entworfen, “Lux” genannt (weil für ein Luxemburger Wortbildungsprojekt gedacht), die aber nicht viel lesbarer als XML sein sollte, sondern nur mächtiger und leichter zu parsen.
2. Nutzen und möglicher Schaden einer XML-Anzeichnung. Ihr Bedenken betrifft, soweit ich sehe, Anzeichnungen allgemein, gleichviel, ob in XML oder in anderer Weise vorgenommen. XML hat hier immerhin das Verdienst, dass die Ausgangsdaten und die Anzeichnungen genau voneinander unterschieden werden. (Allerdings wäre eine Anzeichnungssprache, die das nicht leistet, nicht nur schlecht, sondern geradezu fehlerhaft.) Eine Suchabfrage kann also alle Anzeichnungen ignorieren und nur die Ausgangsdaten beachten. Sodann scheint mir eine Anzeichnung auch noch einen Mehrwert bieten zu können, der die Mühsal ihrer Durchführung rechtfertigen mag. Zum Beispiel kann man das Transcribendum dann genauer speichern – etwa eine Zeichenvariante, für die ich kein Zeichen im Zeichensatz habe, oder einen kodikologischen Befund (wie “Lesung fraglich”, “über der Zeile nachgetragen”) oder einen sprachlichen Befund (wie “2. Sg. Aor. Ind. Akt”) oder einen sachlichen Befund (wie “Person mit der GND …”). Zugegeben: Wenn man Anzeichnungen für Suchabfragen nutzt, läuft man Gefahr, seine Untersuchung auf falsche oder unvollständige Anzeichnungen aufzubauen. Allerdings besteht solche Abhängigkeit von der Vorleistung anderer ja auch schon (nur in minderem Maße) bei der Nutzung einer Transkription ohne Anzeichnung – hier könnte immerhin die Transkription falsch sein. Grundsätzlich aber kann ich nur zustimmen: Es droht in der Tat der Zirkelschluss, dass das angezeichnet ist, was eigentlich erst noch zu untersuchen ist, was ich auch schon als wirklich vorkommendes Problem bei Anzeichnungssystemen (in der Linguistik) erlebt habe.
3. Die Frage der “Unmündigkeit” … Hier besteht wahrscheinlich gar kein Dissens, oder nur dem Grade nach, wobei ich hier keine sichere Aussage habe und daher die Sätze als Fragen schrieb. Ich meine sogar, man muss gar nichts von XML verstehen, um immer noch “mündig” sein zu können. Das kommt vermutlich darauf an, was man macht. Wenn man bei seiner Arbeit im Hintergrund ausgiebig XML nutzt, aber davon nicht nur nichts sieht, sondern auch gar nichts weiß oder versteht, dann scheint mir eine Abhängigkeit vom “hilfreich herbeieilenden Techniker” zu drohen. Grundsätzlich sehe ich eine mehr oder minder große Unmündigkeit dort erwachsen, wo jemand in Kernbereichen seines Forschungsgebietes vom “hilfreich herbeieilenden Techniker” abhängig ist. Abhängigkeiten bestehen ja ohnehin und sind, als Arbeitsteilung verstanden, notwendig, mindestens fruchtbar. Ich meine nur Abhängigkeiten in Kernbereichen des Forschungsgebietes. Das ist eine zugegebenermaßen unscharfe Bestimmung, die ich bislang nur von Fall zu Fall genauer fassen kann. Sie selbst haben eines der besten Beispiele, die mir einfallen würden, genannt: Zum Kernbereich des Historikers und Philologen gehört die Abgrenzung zwischen der Überlieferung selbst und allen auf sie bezogenen Emendationen, Konjekturen, Interpretationen. Unmündigkeit wäre dann zum Beispiel, wenn der Historiker oder Philologe nicht mehr selbst unterscheiden könnte, welche Suchabfragedaten in welchem Maße schon Interpretation oder Vermutung sind. Darin besteht vermutlich kein Dissens. Aber die Unmündigkeit beginnt vielleicht – der Beitrag enthält an dieser Stelle ja viele Fragezeichen – schon dann, wenn der Historiker oder Philologe anderen die Frage überlässt, wie diese Abgrenzung praktisch vorgenommen werden kann. Dass das gerade auch eine historisch-philologische Aufgabe ist, scheinen mir die sehr genauen und weitgehenden Notationskonventionen zu zeigen, die lang vor dem Rechnerzeitalter ersonnen wurden, um bei der Transliteration zum Beispiel schwer Lesbares, Lacunen, Herausgeberergänzungen und Ähnliches auszuzeichnen. Sie kennen sich darin natürlich viel besser aus als ich. Ich möchte nur sagen: Auch das ist ja letztlich nichts anderes als ein Anzeichnungssystem gewesen. Und der Fachmann dafür war der Historiker oder Philologe selbst. Dann kam der Rechner, und in ihm kann man ja nur vollkommen lineare Folgen speichern, also jedes Zeichen hintereinander, so dass statt eines untergesetzten Punktes zum Beispiel etwas wie “(sub:.)” geschrieben werden muss, um es im Rechner zu speichern. Ich meine nicht, dass ein Philologe oder Historiker auswendig wissen muss, wie zum Beispiel im TEI-XML schlechte Lesbarkeit ausgedrückt wird – ich weiß es auch nicht auswendig. Aber wichtig scheint mir das Wissen, dass überhaupt das Problem existiert, und eine Vorstellung, wie man eine Lösung angehen könnte und wo man sich bei Bedarf kundiger machen kann, was möglich ist. (Dass man das bei Ihnen an der Uni Leipzig kann, hat mich jedenfalls gefreut zu hören.) Hier besteht ein Dissens wohl nur dem Grade nach: Wie viel darf ein Historiker oder Philologe an einen Techniker abgeben, wie viel sollte er selbst machen oder zumindest machen können, also durchschauen? Ich muss gestehen, dass mir als Vorbild ein wenig die Physik vor Augen schwebt, in der viele Forscher selbst programmieren, um ihre Daten zu verarbeiten. Aber das geht sehr weit; und es gibt wohl auch nicht den einen richtigen Weg für alle Fälle.
Lieber Herr Müller, ganz herzlichen Dank für diesen Beitrag. Mir gefällt die Nachdenklichkeit und insbesondere Ihr letzter Satz hat mir sehr zu denken gegeben. Ich bin gegenüber dem Nutzen von xml sehr skeptisch, da es einen ungeheuren Aufwand erfordert, und ich die Vorteile gegenüber einer print-Edition nicht wirklich sehe. Aber ich sehe natürlich auch ein, daß Kenntnisse und ein über oberflächliches Wissen hinausgehendes Grundverständnis für der xml-Technologien heutzutage nötig ist. Trotzdem: xml schafft viele Probleme und eine tiefergehende Auszeichnung ist eine Textinterpretation wie jede andere auch, kann daher (eigentlich) nicht als Grundlage bspw. einer Suchabfrage verwendet werden.
Ch.Schubert