Digitale Texterfassung und Sicherung

Am 22./23. März findet in der Bayerischen Akademie der Wissenschaften der dhmuc. Workshop „Freud‘ und Leid mit digitalen Editionswerkzeugen“ statt. Im Vorfeld veröffentlichen wir hier die Überlegungen von Michael Nedo zur Digitalen Texterfassung und Sicherung, die auf Grundlage seiner langjährigen Erfahrungen als Herausgeber der Wiener Wittgensteinausgabe entstanden sind.

von Michael Nedo

Stand der Forschung

Trotz offenkundiger Vorteile digitaler Textverarbeitung für die Editionswissenschaften
sind derzeitige digitale Text Daten in Bezug auf Langlebigkeit und Kollationierbarkeit
dem Gedruckten unterlegen [1, 2]. Thematisiert wird dies seit geraumer Zeit z.B. als
„Digital Dark Ages II: When the Digital Data Die“, „Bit Rot, The World is Losing its
Ability to Reconstruct History”, und „Digitales Vergessen“.

Zur Lösung beider Probleme wurden 1988 die „Text Encoding Initiative Guidelines“
etabliert als Standard für die Transkription literarischer und wissenschaftlicher Texte
sowie anderer Textformen. Dabei sollen die Auszeichnungen historischer Texte gemäß dem TEI Standard digitale Editionen auf der Auszeichnungsebene austauschbar machen; der Industriestandart XML, das de-facto Datenformat von TEI, soll Texte auf der
Zeichenebene austauschbar machen und langfristig sichern. Beide Ziele wurden nicht
erreicht, was inzwischen auch führende Köpfe im TEI Konsortium akzeptieren. [3]

Problemstellung

Das Auszeichnungssystem von TEI ist ein nach oben offenes System da gemäß der TEI- Guidelines Editoren aufgefordert sind ihre Auszeichnungen auf ihre jeweiligen Texte zu optimieren. Damit können TEI-Editionen nicht interoperable sein, erfüllen also nicht das Desiderat der Austauschbarkeit auf der Auszeichnungsebene. [4]

Ergebnisse wissenschaftlicher Texterschließung wie zum Beispiel Textergänzungen und Klassifizierungen sowie Textbeschreibungen, Kommentare und Interpretationen, als
auch biographische Informationen, die einen Text in seinen kulturhistorischen Kontext
einbetten, lassen sich nicht standardisieren. Sie dürfen nicht – wie in den TEI- Guidelines vorgesehen – in den Text eingebettet werden: Diese Daten müssen von außen in Form von Open Annotations auf den Text weisen. [5]

Einfache, lineare und eindimensionale Texte können in der Baumstruktur von XML eindeutig und interoperabel auf der Zeichenebene abgebildet werden (was nicht zu verwechseln ist mit der Austauschbarkeit auf der Auszeichnungsebene [6]). Für die Abbildung von nicht linearen und hierarchischen Texten ist die Struktur des Baums jedoch nicht geeignet, da man in ihr, im Gegensatz zu einem Graphen, einen Knoten immer nur auf einem einzigen Weg erreichen kann. Die Abbildung nichtlinearer und hierarchischer Texte in der Baumstruktur von XML erfordert eine überkomplizierte und damit ambivalente Kodierung die zudem durch Metadaten ergänzt werden muß. Solche Daten lassen sich nicht mehr eindeutig ausmultiplizieren, erlauben also keine eindeutige Auflösung eines Textes in seine Varianten, die wesentliche Voraussetzung für den sinnvollen Einsatz von Suchmaschinen.

Projektspezifische Aspekte in Verbindung mit projektspezifischer Software sowie von idiosynkratischen Varianten einfacher Texteigenschaften wie dokumentenspezifische Metadaten, Annotationen und Unterschiede zwischen Versionen ein und desselben Textes sind weitere Gründe welche die Interoperabilität, die Langlebigkeit und die Wiederverwendbarkeit von XML-TEI kodierten Textdaten kompromittieren.

Das wohl größte Problem für Editoren und Philologen ist aber, dass die in XML-TEI transkribierten Texte nicht, oder doch nur sehr eingeschränkt lesbar sind. Es sind oftmals kommerzielle XML-Editoren und aufwendige Transformationsprogramme notwendig um die annotierten Daten zu bearbeiten und in eine lesbare Form zu bringen. Wegen der ambivalenten Kodierung und ihrer Metadaten und der sich rasch ändernden Computerarchitektur und Software, ist die Nutzbarkeit von so erstellten
Editionen oft nur von kurzer Dauer, wie einer der Begründer von XML-TEI, Sperberg-
McQueen bereits 1994 bemerkt hat: ‘compared to books – in particular, compared to scholarly editions – Software lives out its life in but the twinkling of an eye.‘ [7]

Lösungsvorschläge

Neue Strukturen, Methoden und Werkzeuge sind notwendig zur Unterstützung der editorischen Arbeit:

  1. Benutzerschnittstellen für die Transkription der Textquellen;
  2. Strukturen für interoperative Archive mit langer Lebensdauer;
  3. Werkzeuge zum Zugang und zur Verbreitung schriftlichen Kulturerbes: intuitiv nutzbare elektronische Apparate und einfache, interaktive Benutzerplatformen.

Essentielle Voraussetzungen für durchsuchbare, kollationierbare und interoperable digitale Textarchive mit einer Langlebigkeit vergleichbar analogen Archiven und Bibliotheken sowie generell für die Zukunft digitaler Editionen sind:

  1. Transkription und Archivierung schriftlichen Kulturerbes müssen unabhängig sein von Computerarchitektur, von Betriebssystemen und von kommerzieller Software die sich immer schneller, zur Zeit alle 8 bis 12 Jahre, ändern [8] ohne der Rückwärtskompatibilität wie sie für die Langlebigkeit digitaler Textdaten notwendig ist.
  2. Datenformate zur Aufzeichnung und Archivierung von Texten müssen zur Vermeidung ambivalenter Datenstrukturen frei von dokumentspezifischen Metadaten sein, ebenso müssen die Textdaten frei bleiben von Textergänzungen, Kommentaren und Annotationen da diese den Text überfrachten und letztlich unleserlich machen. [9]
  3. Digitale Textdaten müssen in weitverbreiteten und ausbaufähigen Formaten zur Verfügung gestellt werden wie z.B. in XHTML oder EPUB.
  4. Für maximale Langlebigkeit sollten nur die Informationen kodiert werden, die sich nicht aus dem Text selbst, d.h. aus der Struktur der Transkription herleiten lassen, sie sollten als reine Textdateien in Unicode abgelegt werden.

Solche Daten sind auch für die Computerlinguistik von großem Gewinn, da sie zu
einem besseren Verständnis von Syntax und Semantik literarisch-poetischer Texte
führen werden. Liegen langlebige und kollationierbare Daten aus Manuskripten vor,
welche eher dem gesprochenen Wort und der Musik verwandt sind, als linearen, nicht hierarchischen und finalisierten Texten, werden diese zu Erkenntnissen führen, die mit den statistischen Methoden der heutigen NLP, angewandt auf Big-Data, nicht erlangt
werden können.

Diese neuen Werkzeuge und Strukturen werden nicht nur das Studium und die Arbeit in den Geisteswissenschaften erweitern und erleichtern, sie werden auch das Verständnis von der Funktion der Sprache in den Computerwissenschaften verbessern, zum Beispiel das Verständnis von der Entwicklung von Gedanken in schriftlicher Form.

Eine konstruktive Zusammenarbeit von Geistes- und Computerwissenschaft wird auch die berechtigte Sorge „einer feindlichen Übernahme der Geisteswissenschaften durch die Computerwissenschaft“ [10, 11] überwinden: Computerlinguisten werden den Erfahrungsreichtum der Philologie und der Editionswissenschaft in ihren Forschungen nutzen und Philologen werden sich angstfrei und zu ihrem Vorteil der Methoden und Werkzeuge bedienen, die ihnen die Computerwissenschaft zur Verfügung stellt. Damit eröffnen sich Möglichkeiten, die beide Wissenschaften bereichern werden. [12]

Meine Forderungen an die Computerwissenschaft aus 40 Jahren Erfahrung mit dem Nachlass von Ludwig Wittgenstein und seiner Edition in der WIENER AUSGABE sind:

  1. die Entwicklung einer Benutzeroberfläche von der Unmittelbarkeit von Papier und Bleistift, in der letztlich ein jeder Gedanke in schriftlicher existiert, einer Benutzeroberfläche, in welcher der Editor weitgehend unbelastet ist von textfremden Strukturen, welche die Konzentration auf den Text beeinträchtigen;
  2. die Entwicklung von Darstellungsformen, die den transkribierten Text zur Überprüfung von Richtigkeit und Vollständigkeit der Transkription automatisch in seine Varianten auflöst;
  3. eine Darstellung der transkribierten Texte die – anders als in XML-TEI – auch für den Ersteller der Edition leicht lesbar ist;
  4. die Erarbeitung von Strukturen in der Textdaten langfristig, interoperabel und kollationierbar (vergleichbar dem Buch) archiviert und zur Verfügung gestellt werden;
  5. die Entwicklung von Such-, Sortier- und Kollationier-Werkzeugen wie sie von Geistes- und Editionswissenschaftlern sowie von Endnutzern digitaler Editionen benötigt werden.

Es kann nicht angehen, daß – wie in XML-TEI – ein Editor zum Lesen der von ihm erstellten Texte einen XML-TEI Experten hinzuziehen muß und es kann auch nicht sein, daß derzeitige digitale Editionen mit einem Verfallsdatum versehen sind.

Michael Nedo

Literatur

References
[1] Porter, Dot. 2013, “Medievalists and the Scholarly Digital Edition.” Scholarly Editing 34,!
http://www.scholarlyediting.org/2013/essays/essay.porter.html !
[2] Boot, P. and van Zundert, J., 2011, “The Digital Edition 2.0 and The Digital Library: Services, not Resources” in C. Fritze, F. Fischer, P. Sahle and M. Rehbein (eds), Digitale Edition und Forschungsbibliothek, Harrassowitz: Wiesbaden.!
[3] Mueller, Martin. 2011, “To Members of the TEI-C Board and Council, From Martin Mueller, chair, TEI-C Board.” Accessed August 20, 2014, http://ariadne.northwestern.edu/mmueller/teiletter.pdf!
[4] Dee, Stella, 2014. “Learning the TEI in a Digital Environment“, Journal of the Text Encoding Initiative 7, http://jtei.revues.org/968.
[5] Open Annotation Collaboration, http://www.openannotation.org/
[6] Ide, Nancy, C. M. Sperberg-McQueen, Robert Amsler, Donald Walker, Susan Hockey, and Antonio Zampolli, 1988, “Proposal for Funding for an Initiative to Formulate Guidelines for the Encoding and Interchange of Machine-Readable Texts.” Last modified April 1988.http://www.tei-c.org/Vault/SC/scg02.html
[7] Sperberg-McQueen, “Textual Criticism and the Text Encoding Initiative”, MLA December 1994
[8] Peter Sandborn, “Software Obsolescence,” in Bjoern Bartels, Ulrich Ermel, Michael Pecht, Peter Sandborn (eds), Wiley Series in Systems Engineering and Management, Strategies to the Prediction, Mitigation and Management of Product Obsolescence, (Hoboken, NJ: Wiley, 2012), Chapter 6, 143-155.
[9] Schmidt, Desmond, 2016, ‘Using standoff properties for marking-up historical
documents in the humanities‘, it – Information Technology 58.1 (forthcoming), preprint http://ecdosis.net/papers/schmidt.d.2016.pdf!
[10] ‘Digital Humanities – methodischer Brückenschlag oder “feindliche Übernahme”?‘ http://www.dhd2014.uni-passau.de/ !
[11] Robinson, Peter, 2013, ‘Why digital humanists should get out of textual scholarship. And if they don’t, why we textual scholars should throw them out.‘ http://scholarlydigitaleditions.blogspot.com.au/2013/07/why-digital-humanists-should- get-out-of.html
[12] Hans Walter Gabler, “Textual Criticism and Theory in Modern German Editing”,
http://www.academia.edu/856505/Textual_Criticism_and_Theory_in_Modern_Germa
n_Editing


Dieser Eintrag wurde veröffentlicht in Artikel von Eckhart Arnold. Permanenter Link des Eintrags.

Über Eckhart Arnold

Eckhart Arnold ist Leiter des Referats für IT und Digital Humanities der Bayerischen Akademie der Wissenschaften. Er hat Philosophie und Politikwissenschaften studiert und unter anderem über Computersimulationen altruistischen Verhaltens und wissenschaftstheoretische Fragen der Validierung von Simulationen geforscht und publiziert.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.