Ziel und Grundsätze von CORE-H
Core-H ist das erste Forschungsprojekts der Arbeitsgruppe MEPHisto. In diesem Beitrag stellen wir unsere Forschungsarbeit im Bereich Digital Humanities vor.
Zettelkasten
Meldung vom: | Verfasser/in: Anja Rusche
Das Projekt und die Vision
Der Name unseres Projektes Core-H ist ein Akronym für Collaborative Open Research Environment for the Humanities. „Collaborative“ ist nicht nur ein Bestandteil des Namens unseres Projekts, sondern steht auch für die Vision, welche für unsere Arbeit maßgeblich und zielsetzend ist. Unser Ziel ist die Entwicklung eines Anforderungsprofils für eine kollaborativ nutzbare offene Forschungsumgebung für die Geisteswissenschaften, die wir in einem ersten Schritt durch die Implementierung von ausgewählten Prototypendieses als ersten Schritt verwirklichen wollen. Wichtige Voraussetzung dafür war die Gründung unserer interdisziplinären Arbeitsgruppe MEPHisto (Modelle, Erklärungen und Prozesse in den historischen Wissenschaften), in der sich das implizite Wissen der Historiker*innen mit dem Knowhow der Informatik vereint. Ausgangspunkt der Entstehung unserer Vision war die fortschreitende Digitalisierung der Geisteswissenschaften, insbesondere jedoch in den Geschichtswissenschaften. Bisher schlägt sich die Digitalisierung in den Fächern nur in einem Medienwandel nieder, indem statt einem gedruckten Buch die Quellen als Digitalisate zur Verfügung gestellt werden. Doch wir sehen eine Notwendigkeit und eine Chance für einen grundlegenden Methodenwandel. Das bedeutet, dass sich nicht nur das Medium wandelt, sondern die Arbeitsschritte der Historiker*innen haben sich ebenfalls an die neue Welt anpassen. Der historische Forschungsprozess muss deswegen als computerunterstützten Workflow neu organisiert werden.
Um diese neuen Methoden zu entwickeln und neue Möglichkeiten zu entdecken, arbeiten Informatiker und Historiker Hand in Hand.
Die Inkarnation – Herz, Blut und Fleisch, aber digital!
Für die Umsetzung unserer Vision benötigen wir Material, mit dem wir arbeiten können – Quellen. Insbesondere legen wir den Fokus auf das späte Mittelalter und die frühe Neuzeit. Nach dem fast völligen Versiegen der Quellen im frühen Mittelalter zeichnet sich dieser Zeitraum durch Quellenreichtum und ausgesprochene Vielfalt der Überlieferungen aus. Quellen aus dieser Zeit sind bereits großflächig digitalisiert und somit leichter zu bearbeiten, insbesondere die Daten des Repertorium Germanicum (RG), welche als XML-ausgezeichnete digitale Version vorliegen. Das RG ist die Edition des vatikanischen Supplikenregisters, die im Spätmittelalter entstanden. Sie stellt damit geeignete Grundlage für die Entwicklung und Erprobung unserer Methoden darstellen
Im Rahmen einer ersten Fallstudie beschäftigen wir uns anhand des RG mit der Personengeschichte intellektueller Eliten um 1500. Ein wichtiges Kriterium für die Auswahl dieser Quelle als Untersuchungsgegenstand die bereits bei der Abfassung der Quelle angelegte Struktur der Daten. Sie bieten eine gute Grundlage für verschiedene neue Forschungsansätze und der Entwicklung von Werkzeugen, die die Erschließung digitaler Quellen benötigt werden. Durch ihren relativ regelmäßigen Aufbau lassen sich die Daten gut extrahieren. Dadurch werden verschiedene Informationen über Personen, Orte und kirchliche Strukturen zugänglich.
Quo vadis, CORE-H?
Themengebiete und Anwendungen beschränken sich nicht nur auf reine Quellenarbeit, sondern bewegen sich sowohl auf digitaler als auch auf geisteswissenschaftlicher Ebene. Thematisch stellen wir uns und unsere Arbeit breit gefächert auf. Neben der computergestützten Forschung beschäftigen wir uns ebenfalls mit der Modellierung der zu untersuchenden Daten. Insbesondere bei unsicheren Informationen wie Geburts- und Sterbedaten ist eine digitale Abbildung der Unsicherheit notwendig.
Ein weiteres Beispiel für die Anforderungen an Core-H ist die Identifikation der im Repertorium Germanicum vorhandenen Namen und Orte. Um sämtliche Namen und Orte aus dem RG zu gewinnen, muss zunächst ein geeigneter Parser entwickelt werden. Nach der automatischen Identifikation müssen die entstandenen Daten durch die im Projekt beteiligte Geisteswissenschaftler*innen durchgesehen und korrigiert werden. Systematische Fehler des Parsers. Die nachfolgende Arbeit, die händische Durchsicht und Korrektur obliegt den Geisteswissenschaftler*innen. Anschließend werden diese Korrekturen mit den entsprechenden XML-Auszeichnungen in die Datenbank integriert. Mittels einer automatischen Geolokalisierung werden die identifizierten Orte auf einer Karte abgetragen.
Aus den gewonnenen relationalen Daten verschiedene Netzwerke generiert werden. Zum einen können Beziehungen zwischen Personen dargestellt werden, die im RG genannt werden. Zum anderen besteht die Möglichkeit die Wirkungskreise von ausgewählten Personen schematisch darzustellen.
Unsere Ziele, gemeinschaftlich zu arbeiten, eine gemeinsame Forschungsumgebung zu kreieren und damit neue digitale Methoden zu entwickeln, können so praktisch erprobt und umgesetzt werden.
Die gesammelten und verarbeiteten Daten können auch für Forschungen im Rahmen der Prosographie genutzt werden. Somit vereinigt unser Projekt die klassische Geschichtswissenschaft mit neuen zukunftsorientierten Methoden.
Sub rosa – Arbeitsziele, Vorhaben und Organisation
Neben den der Named Entity Recognition existieren weitere Bereiche, die in unserem Projekt bearbeitet werden. Mittels einer automatischen Geolokalisierung werden die identifizierten Orte auf einer Karte abgetragen. Über die identifizierten Personen versuchen wir weitere Informationen zu erlangen, indem wir ihre Namen und weitere Informationen (Geburts- oder Sterbedaten, Hinweise über Studienorte oder erlangte Ämter) automatisch mit Normdaten-Repositorien wie der Gemeinsamen Normdatei (GND) der Deutschen Nationalbibliothek abgleichen. Zuletzt arbeiten wir an einer tiefen semantischen Erschließung des RG. Wir definieren für die einzelnen Regesten-Typen grammatische Regeln, um die Informationen automatisch mithilfe von ANTLR, eines objektorientierten Parsergenerators, extrahieren zu können.
Für unsere Ziele, neue Methoden für die Geschichtswissenschaften zu entwickeln und eine kollaborative, offene Forschungsumgebung zu schaffen, in der Informatik und Geschichtswissenschaften gemeinschaftlich forschen können, bedarf es einer entsprechenden Organisation. Wir nutzen dafür die Plattform GitLab, ein Task-Board, welches vor allem in der Software-Entwicklung verwendet wird. Hierüber werden sämtliche Arbeitsgruppen digital verwaltet, indem für jedes Mitglied der einzelnen Arbeitsgruppen die einzelnen Aufgaben definiert werden und der Arbeitsstand jederzeit individuell eingesehen werden kann. GitLab bietet den Vorteil, dass man rein digital und dezentral arbeiten kann sowie Ergebnisse und Daten schnell verbreitet werden können. Durch individuelle Listen kann jeder Forschende sich konzentriert und zielgerichtet seinen Aufgaben zuwenden. Auch im Rahmen der globalen Pandemie war diese Arbeitsorganisation außerordentlich effizient. Ergänzt wird die Arbeitsorganisation durch die Nutzung einer Cloud, in der schnell und ohne großen Aufwand direkt gearbeitet werden kann. In Echtzeit sind Ergebnisse online und für die gesamte Gruppe einsehbar und laden zu einem internen Peer-Review verfahren ein. Ein weiterer Vorteil, den die Cloud bietet, ist, dass man von überall aus und zu jeder Zeit an den Inhalten arbeiten kann. So kann die Arbeit individuell eingeteilt werden und bietet Freiheiten für unsere Forscher*innen.
Neben diesen und weiteren Arbeitsbereichen, die an dieser Stelle nur angerissen werden sollten, werden die Ergebnisse, Probleme und Lösungen auf unserem Blog besprochen. In regelmäßigen Abständen werden weitere Beiträge erscheinen, die das Projekt inhaltlich begleiten.