Digitalisierung in der klassischen Philologie: Was davon ist nötig? Und was ist nützlich?

Vortrag im Seminar von Isabel Grimm-Stadelmann, 4. Mai 2020

Stefan Müller und Eckhart Arnold, IT / Digital Humanities – Abteilung der Bayerischen Akademie der Wissenschften


„Wie nützlich die Digitaltechnik in den Altertumswissenschaften sein kann, führen Datenbanken wie der Thesaurus Linguae Graecae vor Augen. Zugleich machen einzelne Wissenschaftler/innen oft die Erfahrung, dass die Digitalisierung eine mühsame Sache ist. Eine Edition in Form wohlstrukturierter XML-Daten anzufertigen ist erheblich zeitaufwändiger als ein Word-Manuskript zu schreiben. Angesichts der verwirrenden und oft widersprüchlichen Empfehlungen, wollen wir pragmatische Ansätze für digitales Arbeiten diskutieren. Wichtig ist aus unserer Sicht, dass man sich durch die Wahl des falschen Ansatzes nicht zukünftige digitale Auswertungsmöglichkeiten des bearbeiteten Materials (z.B. einer Transkription oder eines Editionstextes) nichts verbaut, d.h. man sollte

  1. vermeiden, dass die digitale Nachnutzung unnötig technisch erschwert wird. Das ist bei ungeeigneten und ungenügend dokumentierten Datenformatformaten wie Word leider der Fall.

  2. vermeiden, dass die digitale Nachnutzung rechtlich erschwert wird. Das ist dann der Fall, wenn man bei der Buchpublikation einer Edition, sämtliche Nutzungsrechte an einen Verlag abtritt.

Welche gangbaren Alternativen es gibt, welche Kompromisse man eingehen sollte, welche nicht – das wollen wir gemeinsam diskutieren.“

=> Problemaufriss und Fragestellung (Eckhart Arnold)
=> Editionsarbeiten mit Rechenplänen (Stefan Müller)

Problemaufriss und Fragestellung

CC BY Eckhart Arnold (BAdW)

Technik, die jeder schon nutzt

Auf dem PC: Textverarbeitung, Literaturdatenbank

  • Niemand mehr transkribiert oder ediert Texte oder schreibt wissenschaftliche Arbeiten mit der Schreibmaschine.

  • Wer schon eine Textverarbeitung nutzt, der verwendet (oder sollte schleunigst damit anfangen) auch automatische Kapitelnummerierung, computerunterstützte Indizes und hoffentlich auch eine (Sekundär-)literaturverwaltung und automatische Bibliobgrafiefunktion.

    Bild 1: TextverarbeitungHeute schon nicht mehr wegzudenken: Textverarbeitungsprogramme zum Verfassen wissenschaftlicher Aufsätze.

  • Einige verwenden vielleicht nicht bloß eine Textverarbeitung, sondern ein Textsatzsystem wie LaTeX mit der Literaturdatenbank biber (vormals BibTeX), die kein WYSIWYG bietet, aber wesentlich schönere Ergebnisse produziert.

    Bild 2: LaTeXLaTeX (Quelltext oben links) lässt sich relativ leicht und mit ansprechendem Ergebnis in unterschiedliche Formate wie HTML (oben rechts) oder PDF (unten Mitte) übersetzen.

    Ein Vorteil von LaTeX gegenüber Office: Man bekommt das Datenformat bei der Arbeit unmittelbar zu Gesicht und hat die volle Kontrolle darüber. Allerdings erfordert LaTeX eine gewisse Einarbeitungszeit und man hat – anders als bei einer Textverabreitung – bei der Eingabe zwar den Text, aber nicht das fertige Dokument mit allen Formatierungen und Schriftarten vor Augen.

  • Wenigen bewusst: Sehr nützliche Hilfsmittel sind immer auch Text-Editoren. Der Name ist ein Euphemismus, denn Visual Studio Code, Emacs, Sublime etc. sind hochgradig leistungsfähige Allzweckwerkzeuge, mit zahlreichen Erweiterungen, die sich zum Teil so einfach wie eine Handy-App aus dem Appstore hinzufügen lassen.

    Bild 3: Text-EditorHier wird der Text-Editor Visual Studio Code verwendet, um einen Wörterbucheintrag für das Mittellateinische Wörterbuch der BAdW zu verfassen.

im Internet: Bibliothekskataloge, Suchmaschinen, Coropra

  • Außer unserem PC verwenden wir auch IT-Infrastruktur: Bibliothekskataloge und Suchmaschinen kennt und benutzt inzwischen jeder.

    Bild 3.9: SuchmaschinenSuchmaschinen wie google-books oder der Bibliothekskatalog OPAC gehören zu den längst als selbstverständlich vorausgesetzten digitalen Techniken der Wissenschaften.

  • Daneben gibt es noch mehr oder weniger fachspezifische Werkzeuge. Dazu gehören im Internet verfügbare Korpora, Nachschlagewerke, Wörterbücher und natürlich auch Sekundärliteratur und Fachzeitschriften, die online stehen. Eines der bekanntesten Werkzeuge in der klassischen Philologie ist der Thesaurus Linguae Graecae.

    Bild 4: Theaurus Linguae Latinae und Thesaurus Linguae GraecaeDer „Thesaurus Linguae Graecae“ gehört zu den wichtigsten digitalen Textsammlungen in der klassischen Philologie. Leider ist ein Großteil der Text nicht als Open Access verfügbar und der Zugriff auf den Thesaurus recht teuer.

Digitale Nachnutzung

Formen digitaler Nachnutzung

  • Online: Der Thesaurus Linguae Graecae ist bereits ein Beispiel für die digitale Nachnutzung. Sie besteht darin, dass die Texte im Netz verfügbar sind, und dort z.B. mit Suchwerkzeugen untersucht werden können. Damit kann man unter anderem sehr leicht Parallelstellen in unterschiedlichen Text finden.

  • Offline: Bei digitaler Nachnutzung sollte man nicht nur an das Internet denken. Zur digitalen Nachnutzung gehört auch das, was man mit Text (oder anderen Daten) auf dem eigenen PC anfangen kann, z.B. Texte auf Unterschiede hin vergleichen.

    Bild 5: TextvergleichAuch Offline-Hilfsmittel wie die einfache Textsuche oder der Textvergleich (hier im Bild) erweisen sich für die philologische Arbeit als ungemein nützlich.

Voraussetzungen digitaler Nachnutzung

  1. Digitale Form: Eine Voraussetzung der digitalen Nachnutzung, egal welcher Art, besteht trivialerweise darin, dass die Texte und Daten digital vorliegen. Das ist leider nicht so selbstverständlich wie es scheint, denn da in den philologischen Wissenschaften immer noch primär auf Druckwerke hingearbeitet wird, bekommt man die digitalen Daten nur schwer in die Hände – obwohl sie im Laufe des Erarbeitungsprozesses sowieso anfallen, da ja bei der Erarbeitung so gut wie immer Computer (mindestens eine elektronische Textverarbeitung) im Einsatz sind. Ein Buch kann man kaufen, aber in der Regel nicht das digitale Manuskript dazu.

  2. Digitale Rechte: Selbst wenn die digitalen Daten in irgendeiner Form zugänglich gemacht werden, kann es sein, dass die Rechtelage eine digitale Nachnutzung erschwert oder sogar ganz ausschließt.

    Hat man ein Manuskript bei einem Verlag eingereicht, so gibt man nämlich in der Regel auch die digitalen Rechte ab, d.h. man darf es dann selbst nicht mehr ins Netz stellen, und auch dem Betreiber eines Online-Korpus von klassischen Texten dürfte man es nicht einfach überlassen.

Bild 6: Auszug aus einem VerlagsvertragDer Autorenvertrag, so wie ihn der Börsenverein des Deutschen Buchhandels vorschlägt, ist im Grunde ein Knebelvertrag.

(Der Standard-Verlagsvertrag macht es einem selbst bzw. den eigenen Erben bis zu 70 Jahre nach dem Tod unmöglich, dass eigene Werk zu verbreiten! Einen solchen Vertrag sollte man am besten gar nicht erst unterschreiben, sondern mindestens die in der Wissenschaft heute übliche maximale Sperrfrist von 2-3 Jahren bei Büchern und einem Jahr bei Aufsätzen vereinbaren, sofern man nicht sowieso von vornherein Open Access publiziert.)

Die digitale Nachnutzung ist dann mindestens durch Kostenschranken erschwert. Auch der Thesaurus Linguae Graecae ist ja ein recht teures Produkt, nur dass das die einzelnen Wissenschaftler/innen nicht merken, da die Kosten das System trägt, in diesem Falle durch die Bibliotheken.

Und sie sind sich oft auch nicht bewusst, dass sie selbst zur Entstehung dieser Kosten beitragen, da sie selbst es ja sind, die die Verlagsverträge unterschreiben, durch welche die Kosten entstehen – zum Nachteil der Wissenschaft und zum Nachteil ihres eigenen Faches!

Die rechtlichen und die technischen Voraussetzungen einer digitalen Nachnutzung werden durch die „FAIR“-Data-Prinzipien beschrieben (Free, Accessible, Interoperable, Reusable). Mittlerweile wird die Erfüllung der FAIR-Prinzipien von fast allen Zuwendungsgebern zu einer Voraussetzung der Förderung eines Projekts gemacht. Die folgende Erörterung orientiert sich an den FAIR-Prinzipien, ohne sich im Einzelnen auf bestimmte Prinzipien zu beziehen. (Es geht mir hier mehr um den Sinn der Sache als um die konkreten Prinzipien selbst.)

Bild 6.1: FAIR-PrinzipienDie FAIR-Prinzipien betreffen beide Seiten: Datengeber wie Datennehmer. Ihre konkrete Interpretation und Ausgestaltung geschieht u.a. in den wissenschaftlichen Fachgemeinschaften.

Wie kann man die digitale Nachnutzung der eigenen Werke erleichtern?

  1. Digitale Nachnutzung mitbedenken: Die digitale Nachnutzung der eigenen Werke kann in vielerlei Weise erleichtert werden. Dazu gehört als erstes, dass man von Anfang an mitbedenkt, dass andere Wissenschaftler (oder auch man selbst) eine starkes Interesse daran haben oder noch bekommen könnten, die eigene Transkrption oder Edition nicht nur zu lesen, sondern auch digital nachzunutzen. Insbesondere empiehlt es sich, die Veröffentlichung bzw. Bereitstellung des digitalen Manuskriptes von vorn herein mit einzuplanen.

  2. Nachnutzbare Form: Bereits das digitale Manuskript oder die Daten sollten eine publizierbare Form haben, insbesondere:

Bild 8: Beispiel VerzeichnisstrukturEine typische Verzeichnisstruktur für eine wissenschaftliche Veröffentlichung, in diesem Fall ein Vorlesungsmanuksript. Will man die Quellen mitveröffentlichen, so sollten der Lizenzhinweis und die erläuternde Lies-Mich-Datei nicht fehlen.

  • Ordentliche Form: Wenn es sich um mehrere Dateien handelt, sollten die Verezeichnis-Struktur und der Verzeichnis-Inhalt durch eine Liesmich.txt-Datei erläutert werden. In die Liesmich-Datei gehört auch eine Kontakt-Email-Adresse und ein Link auf den Ablageort der Daten im Internet. Das Verzeichnis sollte alle notwendigen und keine überflüssigen Dateien (etwa ältere Dateiversionen) enthalten. Neben der Liesmich.txt-Datei sollte auch eine Datei mit Uhrheber- und Lizienzinformationen in dem Verzeichnis abgelegt werden. Für die Creative-Commons-Lizenzen gibt es vorgefertigte Lizenz-Texte: creativecommons.org/licenses/

  • Klare Struktur: Soweit man selbst Einfluß auf die Datenstruktur hat (was vom gewählten Ansatz und der verwendeten Software abhängt), sollte die Struktur möglichst klar und am besten schon intuitiv einleuchtend sein.

Bild 9: MLW-QuelltextDie Notation für die Dateneingabe (hier am Beispiel des Mittellateinischen Wörterbuchs) sollte die semantische Struktur des Gegenstandes möglichst übersichtlich widerspiegeln. Mit XML lässt sich Übersichtlichkeit übrigens nur schwer erzielen – trotz der präzisen Auszeichnungen, die XML erlaubt.

  • Einfachheit: Die Struktur sollte so einfach gehalten werden wie möglich, um noch die fachlichen Anforderungen zu erfüllen. Einfachheit und Klarheit der Struktur sind im Zweifel wichtiger als die Erfüllung eines Standards um jeden Preis.

  • Dokumentation: Die Datenstruktur sollte, soweit sie selbst festgelegt ist, verständlich dokumentiert werden. Wenn die Datenstruktur von der verwendeten Software vorgegeben ist, sollte es eine Dokumentation dafür geben (oder man sollte die Software nicht verwenden). Dann beschränkt sich die Dokumentation auf eigene Erweiterungen oder Abwandlungen, oder Besonderheiten der eigenen Nutzungsweise dieser Software (z.B.: „Rot unterlegte Wörter sind immer solche, die nicht eindeutig entziffert werden konnten“).

  • Zusätzlich: Ablage in einem Trivialdatenformat: Es kann durchaus nicht schaden, die eigenen Daten und Texte zum Schluss in mehreren unterschiedlichen Formaten zu speichern. (Mindestens eins davon sollte die oben beschriebenen Kriterien erfüllen.) Extrem empfehlenswert ist es, die Daten immer auch in einem Trivialdatenformat, also Text-Dateien z.B. als einfachen Text zu speichern, was auch mit Textverarbeitungen wie LibreOffice Writer, TextMaker oder Word möglich ist. Dabei können zwar Informationen verloren gehen (weshalb das Trivialdatenformat nie das einzige, sondern immer nur ein zusätzliches Ablage-Format sein sollte). So könnte bei einer Transkription möglicherweise nur eine Variante einer mehrdeutigen Stelle angegeben werden. Aber die Nachnutzungsschwelle ist oft umso niedriger, je trivialer das verwendete Datenformat ist. Insbesondere bleiben diese Datenformate vom Wandel der Softwarelandschaft erfahrungsgemäß relativ unberührt. Vgl. dazu auch den dhmuc-Blog-Beitrag Forschungsdaten ins Repositorium bringen.

    Bild 10: Unicode TranscriptDie eigenen Forschungsdaten zusätzlich in einem Trivialdatenformat abzulegen (wie hier im Bild als einfachen Unicode-Text) ist besonders für die Langzeitarchivierung immer empfehlenswert.

    Und meist bedeutet es nur einen zu vernachlässigenden Zusatzaufwand, z.B. ein Textverarbeitungs-Manuskript am Ende auch noch mal als einfachen Text zu speichern.

  1. Nachhaltiger Ablageort: Die Daten sollten möglichst in einem Uni- oder Bibliotheksrepositorium abgelegt werden, das eine langfristige Bereitstellung garantiert. Viele Universitätsbibliotheken bieten dafür zumindest unspezialisierte (d.h. für die Veröffentlichung beliebiger Arten von Forschungsdaten geeignete) Repositorien an.

    Falls vorhanden sind spezifische Fachrepositorien noch besser geeignet, da sie in der Regel auch besondere, auf die Datenart zugschnittene Funktionen anbieten. Bei Fachrepositorien muss man sich aber auf Vorgaben bezüglich der akzeptierten Datenformate einstellen.

    Bild 11: Offenes Datenrepositorium der UB der LMUDie UB der LMU bietet Wissenschaftlerinnen und Wissenschaftlern ein Repositorium für die zitierfähige Ablage ihrer Forschungsdaten.

    Eine gute Alternative, wenn man keinen Zugang zu einem institutionellen Repositorium hat, sind zumindest für Texte und textbasierte Datenformate übrigens Internet-basierte Software-Repositorien wie Bit-Bucket oder GitHub. Wenn das eigene Rechenzentrum so wie das LRZ ein gitlab-Repositorium anbietet, ist das natürlich noch besser. Um diese Art von Repositorien sinnvoll nutzen zu können, muss man sich allerdings in die Grundzüge von Versionsverwaltungssystemen wie git einarbeiten.

Wie kann man die rechtlichen Voraussetzungen für eine digitale Nachnutzung schaffen?

Die beiden rechtlichen Voraussetzungen für eine digitale Nachnutzung sind:

  1. Die Werke werden als Open Access zur Verfügung gestellt, d.h. sie werden mit einer Lizenz versehen, die die Nachnutzung ausdrücklich zulässt. Am besten geeignet – und von den FAIR-Prinzipien mehr oder weniger gefordert, solange nicht wichtige Gründe dem widersprechen – ist die Creative Commons CC-BY 4.0 Lizenz.

    Bild 12: Creative CommonsDie Creative Commons Lizenzen haben sich für die Veröffentlichung von Forschungsdaten mittlerweile als eine Art Standard durchgesetzt.

  2. Die Nutzungsrechte am fertigen Werk werden nicht an einen Verlag abgetreten. Andernfalls wäre die Verbreitung unter einer CC-Lizenz auch gar nicht mehr möglich und jede Wissenschaftlerin und jeder Wissenschaftler, der die Daten digital nachnutzen möchte, müsste dem Verlag die Rechte dazu erst wieder abkaufen – wenn der Verlag sie überhaupt verkauft!

Online-Corpora sind die Zukunft von Editionsreihen: Eine wesentliche Konsequenz ist, dass das beliebte Publizieren in verlagsgebundenen Editionsreihen eigentlich nicht mehr zu empfehlen ist, und vermutlich auch bald nicht mehr gefördert werden wird.

Bild 13: Digitales CorpusSo wie der hier gezeigte Ptoelemaeus Arabus et Latinus erscheinen wissenschaftliche Editionen und Text-Corpora zunehmend digital und im freien Zugriff.

Diese Editionsreihen bieten der wissenschaftlichen Nachnutzung auch ganz unabhängig von der Digitalisierung keinerlei Vorteile außer evtl. ihrem Wiedererkennungswert. Die Zukunft liegt weniger in gedruckten Editionsreihen als vielmehr in digitalen Online-Coropra, mit denen sich einfach viel mehr machen lässt. Statt eine Editionsreihe herauszugeben, sollte man vielmehr den Aufbau (oder Ausbau) eines Online-Corpus ins Auge fassen, das, sofern sich die Möglichkeit bietet, am besten auch mit anderen entsprechenden Corpora vernetzt wird.

Ein denkbarer Kompromiss: Online-Corpus mit Editionsreihe

Wenn dieser Schritt zu radikal erscheint, wäre folgender Mittelweg denkbar: Es wird zu einer Editionsreihe ein Online-Corpus (entsprechend der FAIR-Data-Prinzipien) aufgebaut oder, umgekehrt, begleitend zum Aufbau eines Online-Coprus eine klassische Editionsreihe herausgegeben. Das bedeutet:

  • Alle transkribierten Texte der Editionsreihe wandern als Open Access in das Online-Corpus und können digital „nachgenutzt“ werden.

  • Die Edition selbst mit allen Kommentaren, Anmerkungen und Analysen wird klassisch in einer Buchreihe publiziert.

    Wenn möglich sollte diese aber Open-Access-konform über einen Print-On-Demand-Service gedruckt werden. Wenn die Publikation dennoch mit einem Verlag als Partner erfolgen sollte, verständigt man sich am Besten über eine Karenzzeit von einigen Jahren, damit auch die Edtionen in absehbarer Zeit frei verfügbar werden.

Die Philosophie hinter dieser Lösung ist, dass speziell für die digitale Nachnutzung durch Dritte die Primärtexte (d.h. die Transkriptionen) von größerer Relevanz sind als die eigentliche Edition mit all ihren Anmerkungen und Apparaten, die sich unmittelbar an die menschlichen Leserinnen und Leser wendet.

Editionsarbeit mit Rechenplänen

CC BY Stefan Müller (BAdW)

Was und warum

Sich nichts zu verbauen ist ja der rote Faden unseres Beitrages, genauer gesagt: das Anliegen, einer Weiterverarbeitung und Weiternutzung eher aufzuhelfen als sie einzuschränken. Eckhart Arnold hat die Weiternutzung beleuchtet, namentlich auch im kühlen Schein des Rechtes. Im Folgenden soll es nun um die Weiterverarbeitung gehen. Maßnahmen für eine Weiternutzung kommen möglicherweise eher anderen zugute; unter Weiterverarbeitung aber fällt schon alles, was dem eigenen Ergebnis, der veröffentlichten Edition selbst, zugute kommt: Sei es ein Abgleich verschiedener Zeugen, die Erstellung eines Registers oder die Umwandlung in eine Netzseite. – Das ist natürlich eine captatio benevolentiae, um Ihre Aufmerksamkeit nicht mit der bloßen Aussicht auf Mehrarbeit zugunsten anderer lahmzulegen. Und doch ließe sich auch hier schon innehalten und Einspruch erheben: Warum geht es überhaupt um die Frage, was menschliche Bearbeiter tun sollten, um der maschinellen Verarbeitung weiterzuhelfen? Ist das nicht eine Verkehrung, sollte nicht die Maschine dem Menschen dienen statt umgekehrt?

Ja, so ist es. Aber der Gegensatz zwischen menschlicher und maschineller Arbeit führt in die Irre. Denn in beiden Fällen ist es menschliche, geistige Arbeit, auf die es ankommt. Der Gegensatz aber, der für das Folgende wichtig und wohl überhaupt der bedeutendere ist, besteht im Unterschied zweier Arbeitsweisen: In dem einen Fall lässt man die Sachverhalte an sich herankommen und trifft Entscheidungen im Angesicht dessen, was vorliegt. In dem anderen Fall versucht man alles, was eintreten und für Entscheidungen belangvoll sein kann, also alle möglicherweise belangvollen Kombinationen von Sachverhalten vorherzusehen und ein Regelwerk aufzustellen, worin genau festgelegt wird, welche Entscheidung unter welchen Umständen zu treffen sei. (Man denke etwa an einen Schachspieler im Gegensatz zu jemandem, der ein Schachprogramm erstellt.) Nach dem Brüderpaar der Sage könnte man die eine Arbeitsweise epimethisch nennen, die andere promethisch, vorausbedenkend.

Beide Arbeitsweisen haben Stärken und Schwächen; man versucht also, sie in geeigneter Arbeitsteilung anzuwenden. Die Arbeitsweise mit dem Regelwerk ermöglicht es, die Ausführung einem Gerät zu überlassen, doch kann es schwer und mitunter unmöglich sein, alle Entscheidungsbedingungen im Vorhinein zu berücksichtigen. Ihre Zahl wächst rasch an (zumal nicht nur einzelne Sachverhalte, sondern auch ihre Kombinationen zu berücksichtigen sind) und wird dann unüberschaubar, wenn über die zu verarbeitende Zeichenkette hinaus Sinnzusammenhänge zu berücksichtigen sind, also Weltwissen vonnöten ist. Das ist der Grund, warum semantische Entscheidungen ohnehin nach der ersten Arbeitsweise, also nicht-automatisch vorgenommen werden müssten, und warum man auch sonst mit der ersten Arbeitsweise der zweiten sozusagen vorbaut, ihr etwas den Boden bereitet.

Worin solch Vorbauen besteht, ergibt sich aus dem Wesen der beiden Arbeitsweisen: Es ist immer ein Vereindeutigen – eben um die Zahl der Entscheidungsbedingungen im Zaume zu halten.

Das Vereindeutigen geschieht entlang zweier verschiedener Achsen, der syntagmatischen und der paradigmatischen:

  1. Entlang der syntagmatischen Achse besteht das Vereindeutigen darin, Abschnitte in den Daten zu unterscheiden, abzugrenzen, zu segmentieren.

  2. Entlang der paradigmatischen Achse besteht das Vereindeutigen dann darin, die Abschnitte Bedeutungen zuzuordnen, sie einzugrenzen, zu klassifizieren.

Ein Beispiel: Um ein Personenregister mit Stellenverweisen zu schaffen, wird im Textstück …

νόσφι Ποσειδάωνος, ὁ δ’ ἀσπερχὲς μενέαινεν
ἀντιθέῳ Ὀδυσῆϊ, πάρος ἣν γαῖαν ἱκέσθαι.
ἀλλ‘ μὲν Αἰθίοπας μετεκίαθε τηλόθ‘ ἐόντας

‘außer Poseidon, der unerbittlich zürnte
dem gottgleichen Odysseus, bevor er sein Land erreichte.
Aber er besuchte die Aithiopen, die weit entfernten,’

… das hier hervorgehobene in der letzten Zeile als Abschnitt unterschieden, der eine Person, und zwar Poseidon bezeichnet. Es wäre furchtbar schwierig, dafür ein Regelwerk zu erstellen. Schon die Abgrenzung: könnte Artikel und damit bloß Teil eines Nominalgliedes sein, nicht selbst schon ein Nominalglied (das auf etwas verweisen kann). Und dann die Zuordnung, dass sich auf Poseidon bezieht: Zuletzt genannt wurde ja Odysseus; der Bezug auf Poseidon ergibt sich erst aus dem Sinnzusammenhang, dass Poseidon ferne sein musste, damit die Götter in Ruhe die Heimkehr des Odysseus beraten und beschließen konnten.

Diese Segmentierung und Klassifizierung kann man also zuverlässig nur nach der ersten Arbeitsweise erledigen. Aber dann! tun sich die Möglichkeiten der zweiten Arbeitsweise auf: das Register automatisch zusammenzustellen, den ganzen Text in beliebig verschiedene Formate zu bringen und doch immer wieder ein Register mit richtigen Stellenverweisen erhalten zu können, gleichviel, wie Seitenumbruch und sonstige Bezugseinheiten nur wechseln mögen. Und die einmal getroffene Anzeichnung ließe sich auch für weitergehende Untersuchungen nutzen, etwa um zu schauen, mit welchen Ausdrücken und sprachlichen Mitteln auf Personen überhaupt und auf bestimmte Personen oder Personengruppen Bezug genommen wird.

Wie und womit

Für die Frage, wie man solche Vereindeutigungen vornehmen, also letztlich auch in einer Datei speichern kann, lassen sich vielleicht die folgenden praktischen Erwägungen und Empfehlungen heranziehen:

Syntagmatisch

Vereindeutigen lassen sich mit MS-Word oder LibreOffice-Writer durchführen, es ergibt sich aber oft die Schwierigkeit, dass sie nicht so abgespeichert werden, wie sie gemeint sind, und eine Weiterverarbeitung sehr schwierig oder auch verlässlich gar nicht möglich ist. Ein Beispiel: Folgender Abschnitt einer Transkription aus dem Akademievorhaben Ptolemaeus Arabus et Latinus …

⟨I.4⟩ معرفة قوّة الشمس والقمر والكواكب المتحیّرة والثابتة ||

… wird im XML wie folgt abgespeichert:


<p w14:paraId="64B472DE" w14:textId="2DBDC785" w:rsidR="00CC2125" w:rsidRPr="00C17453" w:rsidRDefault="0071071E" w:rsidP="0071071E">
<pPr>
<bidi />
<spacing w:before="100" w:beforeAutospacing="1" w:after="100" w:afterAutospacing="1" w:line="240" w:lineRule="auto" />
<rPr>
<rFonts w:asciiTheme="majorBidi" w:eastAsia="Times New Roman" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<sz w:val="24" />
<szCs w:val="24" />
<rtl />
<lang w:eastAsia="de-DE" />
</rPr>
</pPr>
<r w:rsidRPr="00C17453">
<rPr>
<rFonts w:ascii="Cambria Math" w:eastAsia="Times New Roman" w:hAnsi="Cambria Math" w:cs="Cambria Math" w:hint="cs" />
<color w:val="0000FF" />
<sz w:val="24" />
<szCs w:val="24" />
<rtl />
<lang w:eastAsia="de-DE" />
</rPr>
<t>
⟨
</t>
</r>
<r w:rsidRPr="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:eastAsia="Times New Roman" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<color w:val="0000FF" />
<sz w:val="24" />
<szCs w:val="24" />
<lang w:eastAsia="de-DE" />
</rPr>
<t>
I.4
</t>
</r>
<r w:rsidRPr="00C17453">
<rPr>
<rFonts w:ascii="Cambria Math" w:eastAsia="Times New Roman" w:hAnsi="Cambria Math" w:cs="Cambria Math" w:hint="cs" />
<color w:val="0000FF" />
<sz w:val="24" />
<szCs w:val="24" />
<rtl />
<lang w:eastAsia="de-DE" />
</rPr>
<t>
⟩
</t>
</r>
<r w:rsidRPr="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:eastAsia="Times New Roman" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<color w:val="0000FF" />
<sz w:val="24" />
<szCs w:val="24" />
<rtl />
<lang w:eastAsia="de-DE" />
</rPr>
<t xml:space="preserve">
</t>
</r>
<r w:rsidR="00CC2125" w:rsidRPr="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<color w:val="C00000" />
<sz w:val="24" />
<szCs w:val="24" />
<shd w:val="clear" w:color="auto" w:fill="FFFFFF" />
<rtl />
<cs />
</rPr>
<t>
معرفة
</t>
</r>
<r w:rsidR="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<color w:val="C00000" />
<sz w:val="24" />
<szCs w:val="24" />
<u w:color="980000" />
<shd w:val="clear" w:color="auto" w:fill="FFFFFF" />
<rtl />
<cs />
</rPr>
<t xml:space="preserve">
قوّة الشمس والقمر والكواكب
</t>
</r>
<r w:rsidR="00CC2125" w:rsidRPr="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<color w:val="C00000" />
<sz w:val="24" />
<szCs w:val="24" />
<u w:color="980000" />
<shd w:val="clear" w:color="auto" w:fill="FFFFFF" />
<rtl />
<cs />
</rPr>
<t xml:space="preserve">
المتحیّرة والثابتة
</t>
</r>
<r w:rsidR="00CC2125" w:rsidRPr="00C17453">
<rPr>
<rFonts w:asciiTheme="majorBidi" w:hAnsiTheme="majorBidi" w:cstheme="majorBidi" />
<sz w:val="24" />
<szCs w:val="24" />
<u w:color="980000" />
<shd w:val="clear" w:color="auto" w:fill="FFFFFF" />
<rtl />
<cs />
</rPr>
<t xml:space="preserve">
||
</t>
</r>
</p>

Das Problem ist, dass der Editor – in diesem Fall MS-Word – außer den gemeinten noch eine Menge im Hintergrund vorgenommener Auszeichnungen abspeichert, die die gemeinte Abgrenzung – hier die Blaufärbung – vielfach unterbrechen, den Abschnitt, auf den es ankommt, also zerstückeln.

Einander überlappende Abschnitte, die solche Probleme machen, kommen in Editionen auch sonst leicht vor: Inhaltliche Einheiten wie Kapitel überschneiden sich mit gestaltseitigen wie der Paginierungseinheit; Bereiche, auf die sich editionsphilologische Befunde z. B. zur Lesbarkeit beziehen, überschneiden sich mit den zum Vergleich der verschiedenen Hss. abzusteckenden Bereichen usw.

Ein erster Lösungsansatz ist, sich in MS-Word oder LibreOffice-Writer mit einer anderen Art zu behelfen, Abschnitte zu bilden und inhaltlich zu unterscheiden: Es gibt nämlich in beiden Programmen die Möglichkeit, sogenannte Anmerkungen zu setzen (F5 in MS-Word, Strg-Alt-c in LibreOffice-Writer). Dadurch kann man Anfang und Ende von Abschnitten und sogar von überlappenden Abschnitten eindeutig festhalten; die paradigmatische Zuordnung ist dann der Text der Anmerkung.

Ein zweiter Ansatz ist, die Zeichen zur Abgrenzung aus dem Hintergrund des Spitzklammernwustes in den Vordergrund zu holen, wo man sie selbst und ungestört von automatischen Eingriffen des Rechners setzen kann. Man legt sich dafür eindeutige, bequem einzugebende und die Übersicht nicht zu sehr störende Zeichen oder Zeichenfolgen zurecht. Das ist der Ansatz einer sogenannten domänenspezifischen Sprache (DSL), also einer maßgeschneiderten Auszeichnungssprache. Die Eingabe muss dann auch gar nicht mehr in MS-Word oder LibreOffice-Writer geschehen, wenn alle Steuerzeichen, die man braucht, selbst eingegeben werden und ausdrücklich im Text stehen – gesetzt, gesucht, gelöscht werden können und nicht nur mittelbar als Formatierung aufscheinen. – Im Fall von Ptolemaeus sind wir übrigens bei einer Mischlösung geblieben: Wir nutzen Formatierungsmöglichkeiten von Word und daneben ausdrückliche Steuerzeichen. So muss Kapitelüberschriften ein Gatter vorangestellt werden: #<I.4> statt bloßem <I.4>, um sie von sonstigen Herausgeberzusätzen zu unterscheiden.

Ein dritter Ansatz geht von dem Gedanken aus, dass eine äußerliche Ähnlichkeit der Eingabe mit dem Endergebnis mitunter gar nicht nützlich ist, wenn die Eingabe ohnehin noch nach der zweiten Arbeitsweise verarbeitet wird und die äußerliche Erscheinungsform gerade am einfachsten automatisch herzustellen ist, wenn erst einmal die inhaltlichen Vereindeutigungen vorgenommen sind. Es käme bei der Eingabe also darauf an, die Abgrenzungen und Zuordnungen möglichst gut durchführen zu können auch dann, wenn es viele Ebenen erwünschter Vereindeutigungen geben mag – Sinnabschnitte, Lesarten, Registereinträge –, die einander vielfach überschneiden. Liegt dieser Fall vor, würden also die beiden zuvor genannten Ansätze zu einem unübersichtlichen Gestrüpp an Auszeichnungen oder Steuerzeichen führen, dann lohnt es sich vielleicht, die Eingabe zu entzerren und auf verschiedene Ebenen zu verlagern. Eine Möglichkeit ist die Eingabe eines sogenannten Vertikaltextes (zum Beispiel in MS-Excel oder LibreOffice-Calc oder auch einem reinen Texteditor): Jede Wortform steht in einer eigenen Zeile; Bestimmungen zu dieser Wortform werden in den Spalten daneben festgehalten. Für den Zweck einer Edition noch besser geeignet ist ein Werkzeug wie Exmaralda: Jede Ebene der paradigmatischen Zuordnung hat eine eigene Zeile unterhalb des Textes selbst. Die syntagmatische Abgrenzung wird vorgenommen, indem der Text und die Zeilen darunter in Felder eingeteilt werden. Vgl. https://www.exmaralda.org/pdf/Understanding_the_basics_of_exmaralda_DE.pdf; https://www.exmaralda.org/pdf/How_to_use_the_PE_with_written_data_DE.pdf mit Abbildungen. Entwickelt wurde dieses Programm für die Transkription von Gesprächen – was dort mehrere Teilnehmer sind, wären bei einem Transkript mehrere Zeugen der Überlieferung. Zwischen diesen Hauptzeilen ließen sich beliebig viele Anzeichnungszeilen einfügen. Gespeichert wird alles in einem XMl, das im Gegensatz zum oben abgedruckten gut zu verarbeiten ist.

Paradigmatisch

Vereindeutigungen entlang der paradigmatischen Achse bestehen allgemein darin, eigene oder von anderer Seite übernommene Kennungen (IDs) oder Normalformen (Standardformen) zu verwenden. Dazu nur einige Stichpunkte:

Auf der Ebene der Zeichen empfiehlt sich unbedingt, eine Unicode-Schriftart zu nutzen. – Als Zeichenschlüssel empfiehlt sich, wenn möglich, UTF-8.

Kennungen – also IDs – die man selbst vergibt, dienen dazu, eine inhaltliche Bestimmung anhand dieser Kennung immer wieder zu finden, auch wenn man den Inhalt hat ändern müssen, und solche Änderung nur an einer Stelle vornehmen zu müssen.

Darüber hinaus empfehlen sich Kennungen wie die GND, die einen Abgleich und eine Verlinkung mit anderen Datenbeständen ermöglichen.

Für Daten, die nicht in einem Vokabular aufgezählt werden können – etwa Zeitangaben – empfiehlt sich eine Normalform: etwa ISO 8601 für Zeitangaben oder eine selbstvergebene Normalform für Namensansätze oder Lemmata.

Und sind solche Standards, Vokabulare und Normen in der Regel doch wohltuende Bindungen, die man nicht nur der automatischen Weiterverarbeitung, sondern vielleicht auch der eigenen Übersich zuliebe eingehen mag – so will ich doch jedem, der sich auf den Weg zu einer digitalen Edition begibt, wünschen: nicht zu enden gleich dem mythischen Prometheus, gekettet an ein Kaukasusmassiv der Überlieferung, gequält vom Adler ewig vorausspähender Vorsorge.


2 Gedanken zu „Digitalisierung in der klassischen Philologie: Was davon ist nötig? Und was ist nützlich?

  1. Hallo, vielen Dank für den Text! Im oberen Teil haben sich ein paar Tippfehler eingeschlichen, zB unter „Problemaufriss und Fragestellung“ computeruntersützte und Bibliobrafie, weiter unten vor dem Schaubild mit den FAIR Prinzipien stet Eröterung. Einfach korrigieren und Kommentar löschen. Viele Grüße Mareike

Schreibe einen Kommentar

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

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.