Die Arbeiten im Verbundprojekt CLARIAH-DE und die Wolfenbütteler Digitale Bibliothek. Oder: Zwischen nationalem Kontext und Einzelinstitution

Der folgende Blogbeitrag basiert in Teilen auf dem Werkstattgespräch „CLARIAH-DE: Bericht aus der Arbeit des Verbundprojekts im Kontext der Nationalen Forschungsdateninfrastruktur“, welches die Verfasserin gemeinsam mit Dr. Hartmut Beyer am 17.09.2020 an der Herzog August Bibliothek gehalten hat.

Die Art und Weise wie Forschungsförderung heute funktioniert, ist für Außenstehende meist nur recht schwer nachzuvollziehen. Oftmals scheint es doch so, dass das Rad neu erfunden werden muss, anstatt bereits funktionierende und etablierte Angebote zu verbessern und zu verstetigen. Oder dass mehrere Projekte gleichzeitig gefördert werden, die Lösungen für das gleiche Problem bieten (möchten), was mitunter zu parallelen Entwicklungen und damit zu Redundanzen führt. Innovation und langfristige Sicherstellung der Verfügbarkeit von Diensten (und Daten) stehen sich – zumindest auf den ersten Blick – diametral entgegen.

Gerade bei übergeordneten Verbund- oder Infrastrukturprojekten ist auch der direkte Nutzen für die Wissenschaftlerin bzw. den Wissenschaftler oder auch die einzelne Institution nicht immer direkt ersichtlich. Im Folgenden soll daher am Beispiel des aktuell laufenden CLARIAH-DE Projekts (2019-2021) versucht werden, dieses zum einen in den größeren Kontext der aktuellen Entwicklungen im Hinblick auf die Etablierung einer Nationalen Forschungsdateninfrastruktur (NFDI) einzubetten, zum anderen den Bezug der Arbeiten im Verbundprojekt zur Herzog August Bibliothek (HAB) bzw. der Wolfenbütteler Digitalen Bibliothek (WDB) herzustellen und damit aufzuzeigen, wo in diesem Kontext Synergieeffekte möglich sind.

Auf dem Weg zu einer Nationale Forschungsdateninfrastruktur

„In der Nationalen Forschungsdateninfrastruktur (NFDI) werden die wertvollen Datenbestände von Wissenschaft und Forschung für das gesamte deutsche Wissenschaftssystem systematisch erschlossen, vernetzt und nachhaltig sowie qualitativ nutzbar gemacht. Bislang sind sie zumeist dezentral, projektbezogen oder auf Zeit verfügbar. Bund und Länder fördern die NFDI gemeinsam und schaffen mit diesem digitalen Wissensspeicher eine unverzichtbare Voraussetzung für neue Forschungsfragen, Erkenntnisse und Innovationen.“[1]

Basierend auf der „Bund-Länder-Vereinbarung zu Aufbau und Förderung einer Nationalen Forschungsdateninfrastruktur (NFDI)“ vom 26.November 2018[2], erfolgte 2019 eine entsprechende Ausschreibung seitens der Deutschen Forschungsgemeinschaft (DFG) für die Etablierung einer solchen.[3] Bewerben für eine Förderung im Rahmen dieser Ausschreibung konnten sich Konsortien, also Zusammenschlüsse von deutschen Forschungseinrichtungen (Universitäten, außeruniversitäre Forschungsinstitutionen, Akademien etc.), die zum Teil eher disziplinär geprägt sind, aber auch sich nahestehende Disziplinen und damit Datenbestände umfassen (z.B. NFDI for Business, Economic and Related Data).[4] Der Auswahlprozess dauert aktuell noch an. In der ersten Runde im Juni 2020 wurden insgesamt neun Konsortien zur Förderung empfohlen, darunter ein Konsortium (NFDI4Culture) aus den Geisteswissenschaften. Für die zweite Antragsrunde liegen 16 Voranträge vor, hierunter mit NFDI4Memory, NFDI4Objects und Text+ drei Konsortien, die – mit unterschiedlichen Schwerpunkten – ebenfalls den Bereich der Geisteswissenschaften betreffen.

CLARIAH-DE ist Teil der letztgenannten NFDI-Initiative Text+, welche sich auf geisteswissenschaftliche Sprach- und Textdaten in den Bereichen digitale Sammlungen und Korpora, lexikalische Ressourcen und Wörterbücher sowie Editionen konzentriert. Durch die Zusammenführung der seit vielen Jahren etablierten Verbünde CLARIN-D und DARIAH-DE (Digital Research Infrastructure for the Arts and Humanities) zu einer gemeinsamen Infrastruktur werden in CLARIAH-DE konkrete Vorarbeiten für die NFDI geleistet.

CLARIAH als Zusammenschluss von CLARIN-D und DARIAH-DE

Das Projekt DARIAH-DE wurde in drei Phasen von insgesamt 2011 bis 2019 vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. Seit Auslaufen der Förderung wird es seit März 2019 von 16 Kooperationspartnern in einer Betriebskoorporation weitergeführt. Die Koordination des Betriebs obliegt der Niedersächsischen Staats- und Universitätsbibliothek Göttingen (SUB). Im Rahmen von DARIAH-DE wurden und werden Wissenschaftlerinnen und Wissenschaftlern unter anderem zahlreiche digitale Werkzeuge und Dienste zugänglich gemacht, die den Forschungsprozess erleichtern sollen. Ein Angebot ist die virtuelle Forschungsumgebung TextGrid, die als Arbeitsumgebung für digitales Edieren genutzt werden kann. CLARIN-D, dessen Schwerpunkt eher auf Sprachressourcen liegt, wurde seit 2012 ebenfalls vom BMBF gefördert. Wie CLARIAH-DE bietet auch CLARIN-D zahlreiche Ressourcen und Hilfsmittel für Forschende an. Beide Verbünde sind Teil der jeweiligen europäischen Zusammenschlüsse (CLARIN European Research Infrastructure for Language Resources and Technology und  DARIAH-EU) und damit auch auf internationaler Ebene gut vernetzt.

Von 2019 bis 2021 steht im Projekt CLARIAH-DE nun eine Fusion der beiden vormals getrennten Verbundprojekte zu einer gemeinsamen Infrastruktur im Zentrum. Insgesamt zwölf Institutionen sind als Projektpartner bzw. Unterauftragnehmer beteiligt.[5] Ziel ist es, die Werkzeuge und Services übergreifend für die Datenbestände der beiden ehemaligen Verbünde nutzbar zu machen.[6] Die Etablierung einheitlicher Workflows und Standards sind dabei genauso Teil des Projektes wie die Erstellung von Handreichungen und Dokumentationen sowie die Vereinheitlichung von Organisationsstrukturen (z.B. durch einen gemeinsamen Helpdesk). Somit finden die Arbeiten zur Harmonisierung und Standardisierung auf verschiedenen Ebenen statt, die in insgesamt sechs Arbeitspakete (AP) aufgeteilt wurden.

  • AP 1 – Forschungsdaten, Standards und Verfahren
  • AP 2 – Werkzeuge und virtuelle Forschungsumgebungen
  • AP 3 – Kompetenzvermittlung und Nachwuchsförderung
  • AP 4 – Technische Vernetzung und Koordination der technischen Entwicklungen
  • AP 5 – Community-Engagement: Outreach / Dissemination und Liaison
  • AP 6 – Organisatorische Infrastruktur / Geschäftsstellen

Die Arbeiten in AP 1

In AP 1 „Forschungsdaten, Standards und Verfahren“, an dem die HAB gemeinsam mit der SUB, der Berlin Brandenburgischen Akademie der Wissenschaften (BBAW), dem Leibniz-Institut für Deutsche Sprache (IDS) in Mannheim und dem Lehrstuhl für Medieninformatik der Universität Bamberg (MinfBA) beteiligt ist, wird unter anderem anhand von drei ausgewählten Fallbeispielen evaluiert, inwieweit sich das Basisformat des Deutschen Textarchivs (DTABf) sinnvoll als Austauschformat für digitale Editionen einsetzen lässt. Eine Übersicht über die dem Arbeitspaket zugewiesenen Aufgaben bietet die folgende Tabelle.

tabellarische Übersicht der Aufgaben in AP 1
Die Aufgaben in AP1 mit den entsprechend veranschlagten Personenmonaten (PM)

Mit dem Diarium von Herzog August dem Jüngeren und den Reiseberichten und Sammlungsbeschreibungen Philipp Hainhofers stammen zwei der drei Fallbeispiele, die innerhalb dieses AP bearbeitet wurden, aus Editionsprojekten der WDB.

Startseite des Selbstzeugnisse Portals
Startseite des Selbstzeugnisse Portals, deren Bestandteil die Edition des Diariums ist (selbstzeugnisse.hab.de/edition/)

 

Startseite des Hainhofer Projektes
Startseite des Hainhofer-Projektes (https://hainhofer.hab.de/)

Das DTABf ist eine sog. Customization der Guidelines der Text Encoding Initiative (TEI), welche speziell für die Annotation von Volltexten historischer Drucke entwickelt wurde, um diese einheitlich im Deutschen Textarchiv (DTA) verfügbar machen zu können. Der zeitliche Schwerpunkt liegt dabei auf Werken aus der Zeit vom frühen 16. bis zum frühen 20. Jahrhundert. In diesem Bereich der Druckwerke, durch entsprechende Erweiterungen mittlerweile aber auch für die Auszeichnung von Zeitungen und einfach strukturierten Manuskripten (DTABf-M)[7], kann das DTABf heute auf nationaler Ebene als recht etabliert gelten. Im CLARIAH-DE Kontext wurde nun evaluiert, inwieweit das DTABf auch auf digitalen Editionen anwendbar sein könnte, und welche Anpassungen dafür notwendig wären.  Hinter der Verwendung des DTABf als Austauschformat steht der Gedanke, dass ein solches nicht alle vormals kodierten Informationen in der ursprünglichen Tiefe abbildet, aber dennoch als eine Art „Kernkodierung“ die nötigsten inhaltlichen und strukturellen Informationen eines Textes ausdrücken kann. Dies ermöglicht eine Integration der eigentlich sehr diversen Editionsdaten in größere Korpora, in deren Kontext der integrierte Text dort dann auch durch jene Tools und Services nutzbar ist, die speziell für diese TEI-Anpassung entwickelt wurden. In diesem Fall also beispielsweise jene Tools, die im Kontext des DTA entstanden sind.

Die Evaluation des DTABf

Um die Eignung des DTABf als Austauschformat zur grundlegenden (und vor allem bestandsübergreifenden) Erschließung von Textdaten in digitalen Editionsprojekten bestimmen zu können, hob die Evaluation auf die Feststellung bzw. Herstellung von Interoperabilität zwischen DTABf und spezifischen TEI-Anwendungsprofilen für Editionen ab. Dabei sollte auch ein basales Anforderungsprofil für digitale Editionsprojekte formuliert werden, welches gestattet, deren Textdaten bestmöglich zu erschließen bzw. nachnutzen zu können. Die Perspektive ist damit einerseits retrospektiv, da untersucht wird, inwieweit das DTABf als Austauschformat für bereits existente Editionsdaten geeignet ist, andererseits können aus diesem Vorgehen aber natürlich auch Handlungsempfehlungen für die Neuanlage einer Edition abgeleitet werden.

Bei der Evaluation wurde anhand der folgenden Leitfragen vorgegangen:

  • Welche Phänomene, die in digitalen Editionen vorkommen, werden aktuell nicht durch das DTABf-Tag-Set abgedeckt?
  • Welche Phänomene sind nach den Vorgaben des DTABf anders zu kodieren als in den vorliegenden digitalen Editionen der Fall? Ist ein Mapping (im Sinne einer gleichwertigen Ersetzung durch eine andere Kodierung) oder eine Überführung hier unproblematisch, oder gibt es grundlegende (semantische) Unterschiede in der Auszeichnung?
  • Welche Informationen werden laut DTABf benötigt, sind aber in den digitalen Editionen nicht kodiert worden?

Neben dem Abgleich der ausführlichen Dokumentation des DTABf und seiner Erweiterungen mit den entsprechenden Angaben zu den einzelnen Editionen, erfolgte die Validierung der Editions-Dateien gegen die entsprechenden Schemata des DTABf (RelaxNG bzw. Schematron) mit Hilfe des oXygen-XML-Editors. Zusätzlich wurden verschiedene Skripte eingesetzt, die unter anderem die Verwendung von Attributen innerhalb der Elemente miteinander vergleichen. Während die letzteren beiden Herangehensweisen einen eher quantitativen Zugang zu den Abweichungen bieten, ermöglicht der Blick in die Dokumentationen auch die Einbeziehung semantischer Unterschiede in der Auszeichnung bzw. kann mitunter Aufschluss darüber geben, warum ein Phänomen auf eine bestimmte Weise ausgezeichnet wurde.

Der folgende Auszug aus dem Evaluationsbericht zum Diarium von Herzog August dem Jüngeren zeigt anhand der Kodierung von Entitäten (z.B. Personen- oder Ortsnamen) die Unterschiede in der Annotation zwischen DTABf und dem vorliegenden Anwendungsprofil und bietet gleichzeitig einen Einblick in den Vorgang des Abgleichs.

Auszug aus dem Evaluationsbericht
Auszug aus dem Evaluationsbericht zum Diarium

Nach der allgemeinen Definition des TEI-Elements wird zunächst beschrieben, wie Entitäten in der vorliegenden Edition kodiert wurden (Phänomen). Die Verwendung von referencing strings entspricht dabei dem bisher empfohlenen Vorgehen für WDB-Editionen. Dann wird erläutert, wie sich das DTABf dazu verhält (Interop), welches in diesem Fall eine alternative Kodierung vorgibt. Es folgt die Empfehlung, wie die Kodierung bei einer Überführung in das DTABf verändert werden könnte, um dessen Vorgaben zu entsprechen (Mapping). Optional gibt es Anmerkungen. Phänomene, die bereits von vornherein übereinstimmend kodiert wurden, finden in den Evaluationsberichten keine gesonderte Erwähnung.

Die erfassten Phänomene lassen sich als (1) verlustfrei übertragbar, (2) partiell übertragbar und (3) fehlend klassifizieren. Je nach erforderlichem Aufwand und Ergebnis der Konvertierung, kann diese entweder zu einem DTABf-validen Text führen, in dem alle notwendigen Informationen verlustfrei in das DTABf konvertiert werden konnten und dem auch keine benötigten Angaben fehlen, oder zu einem DTABf-konformen Text, bei dem möglichst viel nach den Vorgaben des DTABf ausgezeichnet ist, der aber auch über das DTABf hinausgehende Annotationen aufweisen kann. Ein DTABf-valides Dokument ist also immer auch DTABf-konform. Umgekehrt ist dies nicht der Fall. Eine DTABf-konforme Auszeichnung würde bei der Anlage einer Edition einerseits der Spielraum der Editorinnen und Editoren in der Kodierung nicht zu stark einschränken, gleichzeitig aber eine mögliche spätere Aufbereitung für eine (Nach)Nutzung im DTA erleichtern. Somit wäre der prospektive Mehrwert einer Eingliederung in ein größeres Korpus – und damit auch eine bessere Sichtbarkeit der eigenen Edition – gegeben.

Kriterien zur Einordnung Digitaler Editionen – Die Editionsmatrix „EdMa“

Die gerade skizzierte Evaluation basiert wie erwähnt auf Fallstudien ausgewählter digitaler Editionen. Um die Vielfalt und damit auch eine Repräsentativität der zugrunde gelegten Daten zu gewährleisten, sollten sich die Editionen, die für die Auswertung herangezogen wurden, möglichst deutlich voneinander unterscheiden, z.B. hinsichtlich des Quellenmaterials oder des gewählten Editionsmodells. Aus diesem Grund wurden auf Grundlage einschlägiger editionswissenschaftlicher Fachliteratur sowie anhand der digitalen Editionen, die an den am Projekt beteiligten Institutionen entstehen oder entstanden sind, insgesamt sieben Kriterien entwickelt und zu einer sog. Editionsmatrix (EdMa) zusammengeführt. Diese half dabei, die Auswahl „geeigneter“ Fallbeispiele nachvollziehbar und transparent zu gestalten, ermöglicht darüber hinaus aber auch eine grundlegende Einordnung oder Gruppierung von digitalen Editionen und die Erstellung entsprechender Übersichten. Daneben werden einige grundlegende Informationen zur Edition erhoben, die größtenteils bibliographische Daten enthalten. Die sieben Kriterien, die im Folgenden näher erläutert werden, lauten:

  1. Editorisches Grundmodell
  2. Art und Tiefe der Textauszeichnung
  3. Disziplinäre Zuordnung
  4. Epochale Zuordnung
  5. Ausgangs-/Quellenmaterial
  6. Sprache(n)
  7. Materialmenge (Überlieferungsbreite, Größe des Korpus etc.)

Das verwendete editorische Grundmodell und damit das am Ende stehende „Produkt“ erscheint als ein ausschlaggebender Faktor in der Bestimmung einer (digitalen) Edition. Um der Diversität von Editionsprojekten gerecht zu werden, stehen alle gängigen „Editionsformen“ – neben der historisch-kritischen, der (hyper-)diplomatischen, der (Text-)genetischen Edition auch Leseausgabe, Transkription oder (Teil-)Übersetzung(en) – zur Auswahl und es sind Mehrfachnennungen möglich.  

Das zweite Kriterium befasst sich konkret mit der Kodierung, also der Frage, welche Phänomene (z.B. inhaltliche Struktur, Entitäten, physische Merkmale der Objekte etc.) kodiert wurden und somit auch welche Module der TEI-Guidelines Verwendung fanden. Grundsätzlich könnte angenommen werden, dass eine sehr komplexe und tiefe Auszeichnung mit einer Vielzahl von Elementen, die nicht Teil des Basisformates sind, eine Überführung erschwert.

Als drittes und viertes Kriterium werden die disziplinäre bzw. epochale Zuordnung abgefragt. Hierbei ist fraglich, ob die Disziplinzugehörigkeit generell einen nachweisbaren Einfluss auf die Komplexität der Überführung zum DTABf hat. Gerade für Editionen aus dem Bereich der Sprachwissenschaft könnte aber das Problem bestehen, dass in der ursprünglichen Auszeichnung bereits eher Elemente verwendet wurden, die im DTABf standoff annotiert werden und die deswegen zu den dort ausgeschlossenen (Level 4) Elementen gehören. Ähnliches könnte für die betreffende Epoche gelten, sofern in ihr z.B. sehr spezifische Schriftsysteme vorherrschend waren, die einer gesonderten Behandlung in der Auszeichnung bedürfen. Hieran wird deutlich, dass bestimmte Kriterien durchaus miteinander korrelieren und auch erst durch den Zusammenfall von Faktoren eine eventuell größere Komplexität für eine Überführung in ein Austauschformat besteht.

Kriterium fünf nimmt Bezug auf das Ausgangs- bzw. Quellenmaterial, welches der Edition zugrunde gelegt wird. Handelt es sich hierbei beispielsweise um ein einzelnes Werk, welches in unterschiedlicher Weise (unikal oder mehrfach, handschriftlich oder gedruckt) überliefert sein kann, mehrere Typoskripte oder Konvolute, die aus ganz unterschiedlichen Dokumenten bzw. Dokumenttypen bestehen können? Es könnte davon ausgegangen werden, dass Materialien, die jenen im DTA-Korpus aufgenommenen (also mehrheitlich Drucke des 16.-20. Jahrhunderts) sehr ähneln, sich einfacher nach den Regeln des DTABf auszeichnen bzw. in dieses überführen lassen, währenddessen stark abweichende und vor allem unterschiedliche Materialien eine Überführung verkomplizieren.

Die Sprache bzw. Sprachen, in denen das Quellenmaterial vorliegt, wurde als sechstes Kriterium aufgenommen. Auf die Komplexität der Auszeichnung bzw. Überführung hat Sprache allein wohl eher selten einen Einfluss. Im Zusammenhang mit den erwähnten spezifischen Schriftsystemen könnte dies jedoch der Fall sein. Weiterhin hilft das Kriterium der Gruppierung von Editionen und erweitert damit die Abfrage- bzw. Analysemöglichkeiten. 

Abschließend wird auch die zahlenmäßige Menge an Dokumenten (und damit des Quellenmaterials) abgefragt. Eine größere Anzahl an Dokumenten muss im Vergleich zu unikaler Überlieferung nicht zwingend komplexer sein, wenn die Auszeichnung dieser kohärent und konsistent erfolgt ist. Im Zusammenspiel mit ganz unterschiedlichen Dokumenttypen könnte hier aber von einer größeren Komplexität ausgegangen werden. Der Schwierigkeitsgrad ergibt sich also insgesamt aus der Kombination einzelner Faktoren.

Erfassung und Auswertung

Aktuell werden die entsprechenden Informationen für den internen Gebrauch mithilfe eines Formulars bzw. einer Tabelle gesammelt. Es ist vorgesehen, dieses z.B. als LimeSurvey Web-Formular in die neue CLARIAH-DE Webseite einzubinden, und damit auch Nutzerinnen und Nutzern die Möglichkeit zu eröffnen, ihre eigenen Editionsdaten entsprechend einzugeben. Basierend auf dieser Erfassung sollen dann auch Empfehlungen für eine potenzielle Überführung in ein Austauschformat gegeben werden können bzw. eben jene Editionen ermittelt, die den eigenen Editionsdaten ähnlich sind und somit best practice-Anregungen bieten.

In den vergangenen Wochen und Monaten wurden die Editionen der WDB maßgeblich von Susann Schwaß, der Wissenschaftlichen Hilfskraft im Projekt, nach den EdMa-Kriterien erfasst und auch visualisiert. Einen Eindruck dieser Arbeiten geben die folgenden beiden Infographiken, die jeweils Zusammenhänge zwischen einzelnen Kriterien darstellen. Die Graphiken basieren auf insgesamt 41 Editionen, die im Laufe der letzten Jahre und Jahrzehnte an der HAB oftmals auch als Kooperationsprojekte mit anderen Institutionen entstanden sind bzw. aktuell erarbeitet werden.

Infographik
Infographik zur Verwendung unterschiedlichen Quellenmaterials in den verschiedenen Disziplinen (von Susann Schwaß, HAB)

Die erste Graphik zeigt die Verwendung der unterschiedlichen Ausgangsmaterialien (Kriterium 5) in den verschiedenen Disziplinen (Kriterium 3). Gleichzeitig wird anhand dieser Darstellung auch auf den ersten Blick deutlich, dass Editionen der WDB zu einem großen Teil dem Bereich der historischen Forschungen zuzuordnen sind. Aufgrund des zeitlichen Schwerpunktes der HAB in der frühen Neuzeit ist nicht verwunderlich, dass dabei eine größere Menge der Editionen auf Drucken beruht. Dies gilt auch für die weiteren Disziplinen wie den Bereich der Philologien und der Religionswissenschaften, die zahlenmäßig hinter jenen aus den Geschichtswissenschaften zurückbleiben. Es ist nicht überraschend, dass sich insgesamt die Sammlungs- und Forschungsschwerpunkte der HAB hier deutlich niederschlagen.

Infographik
Infographik zur Verwendung der unterschiedlichen editorischen Modelle in den verschiedenen Disziplinen (von Susann Schwaß, HAB)

Die zweite Graphik stellt den Zusammenhang zwischen Editionsart (Kriterium 1) und disziplinärer Zugehörigkeit (Kriterium 3) dar. Blickt man in die Dokumentationen bzw. Einleitungen zu den verschiedenen Editionsprojekten, gibt es einige, die den Terminus „Edition“ offensichtlich eher vermeiden und von Transkription sprechen bzw. neben einer Edition mit textkritischen Anmerkungen auch Transkriptionen mitliefern. Dies erklärt den recht hohen Anteil an Transkriptionen in der Darstellung. In der Kodierung schlagen sich diese Unterschiede jedoch nicht unbedingt deutlich nieder, da zum einen nicht alle „textkritischen“ Editionen das entsprechende TEI-Modul umfänglich nutzen, zum anderen die Verwendung der Terminologie insgesamt sehr uneinheitlich gehandhabt wird. Sowohl im Bereich der Geschichtswissenschaften, wie auch in der Theologie nimmt die Historisch-kritische Edition einen hohen Stellenwert ein. Es mag verwundern, dass hier – wenn auch in recht geringer Zahl – textgenetische Editionen vorkommen. Solche gibt es zugegeben nur, wenn man nicht die Verwendung der dafür speziell eingeführten TEI-Elemente voraussetzt. Es wurde hier von einer breiten Definition ausgegangen, die auch jene Editionen berücksichtigt, die mit verschiedenen Mitteln versucht haben, Genese miteinzubeziehen. Diese Feinheiten lassen sich natürlich nicht so einfach aufnehmen bzw. abbilden und zeigen damit auch die Grenzen und Probleme bei der Anwendung einer solchen Erfassungsmethode wie der Editionsmatrix, die – um funktional zu sein – in der Masse eben nur eine grobe Kategorisierung bieten kann. Gleichzeitig sollten anhand der vorherigen Ausführungen aber auch die Potenziale und Notwendigkeiten der gewählten Vorgehensweise deutlich geworden sein.

Fazit und Ausblick

Abschließend soll die Relevanz der Arbeiten im Verbundprojekt CLARIAH-DE für die HAB zusammengefasst, sowie die nächsten Schritte bis Projektende skizziert werden. Wie erwähnt stammen zwei der drei Fallbeispiele, anhand derer die Evaluation maßgeblich erarbeitet wurde, aus Projekten der WDB. Für diese liegen damit Konzepte vor, wie eine Konvertierung der Daten zum DTABf stattfinden könnte. Da alle WDB-Editionen hinsichtlich ihrer Kodierung mehr oder minder streng dem hiesigen „Hausstil“ folgen, sind die an den beiden Editionen erarbeiteten Mappings zu großen Teilen auch auf andere hier entstandene Editionen übertragbar. Dies kann in mehrfacher Hinsicht von Interesse sein: gerade im Kontext der NFDI wird eine zukünftige Aufgabe darin liegen, u.a. Editionsdaten institutionenübergreifend erfassbar, auffindbar, abfragbar und damit nachnutzbar zu machen, z.B. durch eine Anbindung an Portale oder die Eingliederung in größere Korpora.[8] Ein einheitlicher Kodierungsstandard bzw. ein Austauschformat, in welches zur Weiterverarbeitung konvertiert werden kann, scheint hier ein gangbarer Ansatz zu sein.

Die Evaluation des DTABf im CLARIAH-DE Projekt leistet aber auch indirekt einen Beitrag für die anstehende Überarbeitung der WDB. In deren Kontext sollen u.a. die bisher geltenden „hauseigenen“ Kodierungsregeln zur Anwendung der TEI Guidelines vereinheitlicht und angepasst werden, um so in zukünftigen Editionsprojekten einen etwas strikteren Standard für die Textauszeichnung anzuwenden als dies bisher der Fall war. Die Entwicklung dieses neuen WDB-Standards soll dabei das DTABf als Ausgangspunkt nehmen, welches um nötige, insbesondere editionsphilologische Elemente erweitert wird, um die Anforderungen von Editionen innerhalb der WDB erfüllen zu können.

Bis Ende der Projektlaufzeit im Frühjahr dieses Jahres sollen noch möglichst viele weitere Editionen nach den EdMa-Kriterien aufgenommen und somit die Datenbasis sukzessive erweitert werden. Die daraus entstehende institutionenübergreifende Übersicht kann zum einen hilfreich für verschiedene Gruppen von Nutzerinnen und Nutzern (z.B. Editorinnen und Editoren, Studierende etc.) sein, zum anderen aber für die Beiträger, da eine solche auch die Sichtbarkeit von Editionsprojekten und damit der eigenen Institution erhöht. Die Evaluationsberichte zu den einzelnen Fallbeispielen aber auch übergreifende Berichte und Handreichungen, die im Projektkontext entstehen und entstanden sind, werden ebenfalls in Kürze publiziert werden.

[1] https://www.nfdi.de/. (zuletzt abgerufen am: 04.01.2021)

[2] https://www.gwk-bonn.de/fileadmin/Redaktion/Dokumente/Papers/NFDI.pdf ((zuletzt abgerufen am: 04.01.2021)

[3] Umfassendere Informationen zum Thema sowie der Zeitplan findet sich unter https://www.dfg.de/foerderung/programme/nfdi/. (zuletzt abgerufen am: 04.01.2021)

[4] Eine Übersicht über die geplanten Konsortien bietet https://www.forschungsdaten.org/index.php/Geplante_NFDI_Konsortien#.C3.9Cbersicht_der_NFDI-Konsortien (zuletzt abgerufen am: 04.01.2021)

[5] Eine Übersicht der beteiligten Institutionen findet sich unter https://www.clariah.de/ueber-uns/partner. (zuletzt abgerufen am: 04.01.2021)

[6] Einen Überblick über die in CLARIAH-DE eingepflegten Diensten mit weiterführenden Informationen findet sich unter https://www.clariah.de/ueber-uns/diensteliste. (zuletzt abgerufen am: 04.01.2021)

[7] Ausführlich hierzu Susanne Haaf, Alexander Geyken und Frank Wiegand, The DTA “Base Format”: A TEI Subset for the Compilation of a Large Reference Corpus of Printed Text from Multiple Sources, in: jTEI 8 (2014-2015). https://doi.org/10.4000/jtei.1114 (zuletzt abgerufen am 11.01.2021).

[8] Die NFDI-Initiative Text+ hat bereits im Vorfeld zur Antragseinreichung die Community dazu aufgefordert, Datenbeiträge in den Domänen Sammlungen, Editionen und lexikalische Ressourcen anzubieten, die zukünftig entsprechend für eine Integration in eine übergreifende Infrastruktur aufbereitet werden sollen. Vgl. https://www.text-plus.org/forschungsdaten/daten-aus-der-community/ (zuletzt abgerufen am 06.01.2021).

Semantic Hainhofer: Linked Open Data aus dem Projekt „Kommentierte digitale Edition der Reise- und Sammlungsbeschreibungen Philipp Hainhofers (1578-1647)“

Beitrag von Martin de la Iglesia (HAB)

Die digitale Edition der Reiseberichte und Sammlungsbeschreibungen Philipp Hainhofers (hainhofer.hab.de) umfasst aktuell 5 Texte (15 weitere sind in Vorbereitung), die durch kommentierte Register erschlossen sind bzw. zum Teil derzeit noch erschlossen werden. Diese Register, welche die in den Reiseberichten erwähnten Personen, Orte,[i] Objekte (Kunstwerke u.a.) und Körperschaften (Institutionen) verzeichnen, bilden die Hauptgrundlage für die jüngst veröffentlichten Linked Open Data (LOD).

In seiner ersten Version bietet das LOD-Datenset (RDF/XML, ca. 1,3 MB) rund 13.000 RDF-Tripel, die sich auf über 1000 Entitäten beziehen.[ii] Bis auf wenige Ausnahmen entstammen diese Entitäten der Gemeinsamen Normdatei (GND), d.h. die GND-URIs bilden die Subjekte der Tripel. Den größten Anteil an den Entitäten bilden Personen (692), gefolgt von Orten (263). Der Anteil an Objekten (33) und Körperschaften (16) ist zurzeit also noch überschaubar, wird aber voraussichtlich in den nächsten Jahren noch wachsen.

Grundsätzlich weisen alle Entitäten die folgenden Properties auf (Auflösung der Präfixe s.u.):

  • rdf:type – Zusätzlich zu den in der GND vergebenen gndo-Klassen werden die Entitäten weiteren Klassen aus denjenigen Ontologien zugeordnet, aus denen die anderen verwendeten Properties stammen.[iii] Dabei handelt es sich um die folgenden Klassen:
    • Personen: ecrm:E21_Person, foaf:Person, owl:Thing, schema:Person, wd:Q5
    • Orte: ecrm:E53_Place, schema:Place
    • Objekte: bf:Instance,[iv] ecrm:E22_Human-Made_Object, owl:Thing, schema:Thing
    • Körperschaften: ecrm:E74_Group, foaf:Organization, schema:Organization
  • rdfs:label – Die Vorzugsbenennung der Entität, wie sie auch auf der Editionswebseite verwendet wird. Oftmals unterscheidet sich diese von der in der GND.
  • schema:mainEntityOfPage – URL des zugehörigen Registereintrags auf der Editionswebseite. Dieser bietet in der Regel weiterführende, in den LOD nicht enthaltene Informationen wie Kommentartexte oder Abbildungen.
  • ecrm:P67i_is_referred_to_by – Link zu der Seite innerhalb eines Reiseberichts, auf der die Entität erwähnt wird. Mehrmalige Erwähnungen auf derselben Seite werden nicht gesondert berücksichtigt, sondern durch ein einziges Tripel repräsentiert.
  • Viele Entitäten weisen zudem die Property ecrm:P70i_is_documented_in auf, durch die auf Sekundärliteratur verwiesen wird, die zur Erstellung der Registereinträge herangezogen wurde. Bei den Objekten handelt es sich um URIs aus dem Gemeinsamen Verbundkatalog (GVK). Darin sind derzeit Sammelbandbeiträge und Zeitschriftenaufsätze noch unterrepräsentiert. Die GVK-URIs lassen sich am besten auflösen durch URLs in der Form http://unapi.k10plus.de/?id=gvk:ppn:… bzw. http://unapi.k10plus.de/?id=gvk:ppn:…&format=… (Beispiel: http://unapi.k10plus.de/?id=gvk:ppn:1671800486&format=isbd).
  • Ebenfalls häufig verwendet wird owl:sameAs, um auf Normdaten zu verweisen, die sich auf dieselbe Entität beziehen. Bei den potentiellen Datenquellen handelt es sich um Sandrart.net, bei Personen zudem um Getty Union List of Artist Names (ULAN) bzw. bei Orten um GeoNames und Getty Thesaurus of Geographic Names (TGN). Auf owl:sameAs-Links zu Wikidata wurde verzichtet, da diese bereits in der GND nachgewiesen sind.
  • Gelegentlich wird mittels foaf:page auf externe Webseiten mit weiterführenden Informationen zur jeweiligen Entität verlinkt. Bei Objekten entstammen diese vor allem dem Bildindex der Kunst & Architektur und Bavarikon, bei Personen dem Biographisch-Bibliographischen Kirchenlexikon (lizenzpflichtig) und der Deutschen Biographie.

Weitere Properties kommen nur bei einem Teil der Entitäten zum Einsatz:

  • Personen:
    • schema:birthDate und schema:deathDate – sofern das exakte Geburts- und/oder Todesjahr bekannt ist. Ungenaue oder unsichere Lebensdaten sind nur in den Registereinträgen auf der Editionswebseite enthalten. Zu beachten ist hierbei, dass das Datenformat dem Standard ISO 8601 entspricht, d.h. das Jahr 1 v. Chr. wird repräsentiert durch „0000“, 2 v. Chr. durch „-0001“ usw.
    • wdt:P140 – die Religionszugehörigkeit bzw. Konfession der Person. Mögliche Objekte: wd:Q1841 (katholisch), wd:Q23540 (protestantisch), wd:Q106039 (christlich allgemein; i.d.R. verwendet für Personen aus vorreformatorischer Zeit). Bei Konvertiten kann diese Property mehrfach vorkommen.
    • foaf:made – verweist auf Werke (v.a. Kunstobjekte; siehe auch [iv]), die diese Person geschaffen hat. Bislang sind allerdings nur wenige Datensätze für entsprechende Werke in der GND enthalten, so dass diese Property selten vorkommt. Grundsätzlich können auch Körperschaften Urheberinnen sein.
  • Orte:
    • ecrm:P89_falls_within – i.d.R. die Relation zwischen einem Gebäude und der Stadt, in der es steht. Viele Bauwerke werden hier jedoch als Objekte geführt; dann wird für diese Art der Relation die Property ecrm:P53_has_former_or_current_location verwendet (s.u.).
  • Objekte:
    • ecrm:P50_has_current_keeper und ecrm:P55_has_current_location – Gibt die heutige besitzende Institution (z.B. ein Museum) und den heutigen Standort an.
    • ecrm:P53_has_former_or_current_location – Gibt den Standort zu Hainhofers Zeit an.
    • ecrm:P53i_is_former_or_current_location_of – Wenn es sich bei dem Objekt um ein Bauwerk handelt, kann dieses seinerseits Standort von anderen Objekten (gewesen) sein. Auch diese Angabe bezieht sich auf Hainhofers Zeit.
    • ecrm:P62_depicts – Relation zwischen einem Kunstwerk und einer darauf dargestellten Entität (z.B. Porträtgemälde und porträtierte Person).
    • bf:subject – GND-Schlagwörter im Zusammenhang mit dem Objekt. Dies können sowohl Sachschlagwörter (z.B. künstlerische Motive) als auch Formschlagwörter (z.B. Technik, Material) sein.
  • Körperschaften:
    • ecrm:P107_has_current_or_former_member – Personen, die der Körperschaft angehören.
    • ecrm:P74_has_current_or_former_residence – Der (Haupt-) Sitz der Körperschaft.
  • Zusätzlich sind alle Entitäten aufgelistet, die Hainhofer nicht nur in seinen Reiseberichten erwähnt, sondern auf diesen Reisen selbst getroffen bzw. gesehen hat. Diese Auflistung erfolgt durch Tripel mit dem Subjekt http://d-nb.info/gnd/118700804 (Philipp Hainhofer) und dem Prädikat edm:hasMet. Die Datengrundlage dafür sind nicht die Register, sondern die TEI/XML-Dateien der Reiseberichte (tei:rs/@role).

Da in den nächsten Jahren fortlaufend neue edierte Reiseberichte und Registereinträge hinzukommen werden, wird auch das LOD-Datenset gelegentlich erweitert und aktualisiert werden. Das jeweilige Datum der letzten Bearbeitung ist dem dcterms:modified-Statement am Anfang des RDF-Dokuments zu entnehmen.

Verwendete Namensraumpräfixe:

  • bf: Bibframe, http://id.loc.gov/ontologies/bibframe/
  • dcterms: Dublin Core Metadata Initiative Metadata Terms, http://purl.org/dc/terms/
  • ecrm: Erlangen CRM / OWL implementation of the CIDOC Conceptual Reference Model, http://erlangen-crm.org/current/
  • edm: Europeana Data Model, http://www.europeana.eu/schemas/edm/
  • foaf: FOAF, http://xmlns.com/foaf/0.1/
  • gndo: GND Ontology, https://d-nb.info/standards/elementset/gnd#
  • owl: Web Ontology Language, http://www.w3.org/2002/07/owl#
  • rdf: Resource Description Framework, http://www.w3.org/1999/02/22-rdf-syntax-ns#
  • rdfs: RDF Schema, http://www.w3.org/2000/01/rdf-schema#
  • schema: Schema.org, http://schema.org/
  • wd: Wikidata entities, http://www.wikidata.org/entity/
  • wdt: Wikidata properties, http://www.wikidata.org/prop/direct/
Beispielvisualisierung: die am häufigsten in Haihofers Reiseberichten erwähnten Personen (Auszug). Die Größe der Bilder ist proportional zur Anzahl der ecrm:P67i_is_referred_to_by-Statements. Gemeinfreie Bilder aus Wikimedia Commons via Wikidata (wdt:P18) via GND (owl:sameAs).

[i] Das Ortsregister umfasst auch Gebäude, sofern sie nicht aufgrund ihres im Vordergrund stehenden architektonischen Charakters ins Objektregister aufgenommen wurden.

[ii] Dazu kommen 1385 weitere Entitäten und Tripel, auf die im Weiteren nicht eingegangen wird, da sie nur der Klassenzuweisung für in anderen Tripeln als Objekte verwendete Entitäten dienen.

[iii] Genauer gesagt handelt es sich um Klassen, die als Domain bzw. Range der Properties definiert sind. Diese können auch fremden Ontologien entstammen. Dies ist beispielsweise der Fall bei foaf:made, dessen Range owl:Thing ist.

[iv] Auch wenn hier im Zusammenhang mit dem Objektregister auch von „Werken“ gesprochen wird, handelt es sich nicht um abstrakte Works im Sinne des WEMI-Modells, sondern um konkrete einzelne Artefakte, also Instances.

Report of the 2019 TEI SIG Text and Graphics meeting

by Martin de la Iglesia (HAB)

Text and Graphics is one of currently 10 active Special Interest Groups (SIGs) within the Text Encoding Initiative (TEI). Although the TEI is concerned first and foremost, as its name suggests, with the encoding of text, users of the TEI Guidelines will often also want to encode information relating to graphics which occur either as digital facsimiles of the text pages or as inline figures within the text. The Text and Graphics SIG aims to “discuss, develop, and document various strategies and best practices for implementing the digital facsimile structures available in TEI P5, especially as relates to graphically rich texts, and for developing methods to extend the TEI when existing structures are not suitable” (https://wiki.tei-c.org/index.php?title=SIG:Text%26Graphic). The SIG usually holds an informal meeting during the annual TEI Conference and Members’ Meeting.

Accordingly, this year’s SIG meeting took place in Graz, Austria, on September 17. To a small but select audience, Uwe Sikora (Göttingen State and University Library, Germany) kicked off the meeting with a presentation of a software application he is developing for the “Ilanot – Maps of God” project (http://ilanot.haifa.ac.il/site/, SUB Göttingen / University of Haifa). In this project, kabbalistic parchment scrolls containing “divine topographies” will be edited in the form of interactive maps. Uwe’s tool, which is based on the VGG Image Annotator (VIA,  http://www.robots.ox.ac.uk/~vgg/software/via/) and runs within the Virtual Research Environment TextGrid (https://textgrid.de/), enables users to select portions on a digital image in the shape of rectangles, polygons, paths, circles, ellipses and points.

These shapes are stored as SVG code that contains coordinates to record their position on the digital image.

The SVG shapes are linked to TEI code in which the selected scroll sections are encoded as tei:zone elements. Using a Graphical User Interface, semantic relations between these zones may be defined by arranging them in a hierarchical structure.

Furthermore each shape may be annotated by custom metadata and tagged according to a custom ontology:

Textual content of the scrolls can be transcribed and added to the resulting TEI document in the usual way, which may then be presented – in their respective positions, as indicated by the SVG code – as an annotation layer on top of the image. A standalone version of the application is going to be developed to provide non-TextGrid users the possibility to annotate image files on their own system and create TEI resources locally.

This approach ties nicely into a discussion that we have had in the SIG and the wider TEI community since at least the 2016 meeting in Vienna: are the current TEI Guidelines sufficient if we want to encode the position of zones in a non-TEI format? The corresponding GitHub Issue is https://github.com/TEIC/TEI/issues/1508, if anyone would like to weigh in. The idea is that some encoders prefer other formats such as JSON or SVG over the att.coordinated attributes (https://tei-c.org/release/doc/tei-p5-doc/en/html/ref-att.coordinated.html) available in tei:zone (as well as in tei:surface and tei:line). One motivation behind this might be that other formats offer more options for defining shapes, e.g. circles which in SVG are simply encoded using x and y coordinates for the circle center and a third attribute for the radius. Another motivation might be interoperability: some applications may output coordinate data as e.g. JSON files which one would like to refer to directly from the TEI document, while some applications may require e.g. JSON as input – perhaps the most prominent example being IIIF applications – and one does not want to store the same coordinate data twice, in both TEI and JSON.

There are three possible solutions:

  1. Leave everything as it is. In the TEI document, semantically vague linking mechanisms such as @corresp may be used to refer to the non-TEI code, or in some cases it may be stored directly somewhere in the TEI file using its own namespace. Applications need to be configured on a case-by-case basis in order to make use of such coordinate data.
  2. Augment the TEI Guidelines so that TEI can express anything you want. For instance, if you would like to encode a circle in SVG style, a tei:circle element and @radius attribute need to be introduced. If other formats are still necessary for interoperability reasons, the TEI data can then be losslessly converted.
  3. Keep coordinate data in non-TEI files, but introduce a semantically strong linking mechanism so that the TEI code explicitly tells you what to expect at the other side of the link. For instance, a new attribute named @pointsRef would mean: “this link refers to coordinate points for the parent element”. Add some MIME type information, and relatively generic applications could be created that would know how to process e.g. SVG or JSON coordinates when they are explicitly referred to as such in a TEI document.

So far, no consensus has been reached about this issue, but questions of how TEI data and non-TEI data interact become more and more urgent as technologies such as IIIF rapidly rise in popularity.

Recommended citation: Martin de la Iglesia: Report of the 2019 TEI SIG Text and Graphics meeting. In: Ex officina Seleni: aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel. Blog der Arbeitsgemeinschaft Digitale Editionen. October 17, 2019. https://eos.hypotheses.org/272.

Handschriftliche Vielfalt im Griff der spitzen Klammern

Beitrag von Hanne Grießmann (HAB)

Es ist eine Herausforderung – aber sie lohnt sich: Im Rahmen des MWW Forschungsprojekts „Text und Rahmen“ werden mittelalterliche und frühneuzeitliche Psalmenhandschriften und -drucke durch die Kodierung nach TEI-Richtlinien maschinenlesbar gemacht. Auf dieser digitalen Grundlage können die erfassten Texte mit Hilfe von Computern analysiert und über Fachgrenzen hinweg genutzt werden.

Der zweisprachige Psalter Wolfenbüttel, Herzog August Bibliothek, Cod. Guelf. 81.10 Aug. 2° ist eine der spätmittelalterlichen Handschriften, die im Projekt “Mediengeschichte der Psalmen” nach TEI-Richtlinien kodiert werden.

Das Austarieren zwischen der vielfältigen Seitengestaltung mittelalterlicher Psalmen-Handschriften und der streng logischen und sauberen Klammerstruktur eines XML-Dokuments ist in meiner Arbeit eine wiederkehrende Herausforderung. Denn viele Fragen und Probleme stellen sich erst in dem Moment, in dem ich beginne, eine konkrete Handschrift für das Projekt „Mediengeschichte der Psalmen“ zu transkribieren.

Vielfältiges Erscheinungsbild

Wer sich bereits mit spätmittelalterlichen Handschriften beschäftigt hat, der weiß um ihr äußerst vielfältiges Erscheinungsbild: Sie unterscheiden sich stark voneinander in der Einrichtung (ein- oder zweispaltiges Seitenlayout), im Buchschmuck (Initialen, Rubrizierungen, Unterstreichungen), im Grad der Sorgfalt (Streichungen und Korrekturen), in den Schreibkonventionen (Hochpunkte, Virgeln, Häufigkeit von Abkürzungen) und nicht zuletzt in der Sprache (Schreibsprache, Wortwahl). Diese Eigenschaften der Handschriften werden beim Transkribieren mitkodiert. Dafür gibt es eine Grammatik, die XML (Extensible Markup Language – Erweiterbare Auszeichnungssprache), und ein Wörterbuch, den Standard der Text Encoding Initiative (TEI).

Der Aufbau eines XML-Dokuments erfolgt in einer Struktur, in der verschiedene Elemente ineinander verschachtelt sind. Diese können wiederum mit Inhalten – hier mit den Texten der Handschriften – gefüllt werden. Diese Verschachtelung kann beliebig tief fortgeführt werden. Die Funktion oder Bedeutung eines Elements wird durch sogenannte Tags definiert. Diese umschließen als Start- und End-Tag in spitzen Klammern den jeweiligen Inhalt, und bei eben dieser Umklammerung handelt es sich um das Kodieren oder Auszeichnen.

An Psalm 18,5 aus der Lutherbibel (Stuttgart, Deutsche Bibelgesellschaft 1999) führe ich vor, wie eine TEI-konforme Kodierung einer modernen Psalmenausgabe aussehen kann:

Würde dieser Psalm aus der Lutherbibel im Projekt „Mediengeschichte der Psalmen“ kodiert werden, sähe Vers 5 so aus:

Hier wird die angesprochene Verschachtelung sichtbar. <ab> dient als Wurzelelement, das wie ein Container alle folgenden Elemente enthält. Da in unserem Projekt die Struktur der Psalmen untersucht und verglichen werden soll, würden hier insbesondere die typographischen Strukturmerkmale mit sogenannten Attributen ausgezeichnet; also die hochgestellte Versnummer 5 (Attribut: rend=”sup”) und das im Fettdruck (Attribut: rend=”bold”) stehende Alinea-Zeichen. Die Tiefe der Verschachtelung hält sich in diesem Fall jedoch in überschaubaren Grenzen.

Ein etwas anderes Bild ergibt die Auszeichnung von Psalm 18,5 aus der nachstehend abgebildeten Handschrift Wolfenbüttel, Herzog August Bibliothek, Cod. Guelf. 81.10 Aug. 2°.

Bei dieser Handschrift handelt es sich um einen zweisprachigen Psalter aus dem 15. Jahrhundert. Den Psalmen ist jeweils ein mittelniederdeutscher Kommentar vorangestellt. Jeder einzelne Psalmvers ist im Anschluss in Latein sowie in seiner mittelniederdeutschen Übersetzung oder Auslegung wiedergegeben. Zur Strukturierung des Werkes haben sich Schreiber und Rubrikator üblicher zeitgenössischer Mittel bedient: Große, rote Lombarden kennzeichnen den Beginn eines neuen Abschnittes (in diesem Fall des neuen Kommentars), rubrizierte Majuskeln (Großbuchstaben) gliedern den Fließtext (in diesem Fall die Psalmverse), und rote Unterstreichungen heben bestimmte Textteile (in diesem Fall die lateinischen Verse) hervor.

Der lateinische Beginn von Vers 18,5 ist in der Handschrift wie folgt gestaltet:

Die Auszeichnung von Psalm 18,5 aus dieser Handschrift sieht wiederum so aus:

Neben der Länge fällt besonders die umfangreichere und tiefere Verschachtelung auf. Dies ist der Struktur geschuldet, die von der Handschrift vorgegeben wird, hängt jedoch auch mit dem Aufbau eines XML-Dokuments zusammen: Die unterschiedlichen Kodierungselemente müssen konsequent verschachtelt werden. Gibt es hier Widersprüche oder Überschneidungen, ist das Dokument nicht wohlgeformt und kann nicht weiter verarbeitet werden.

Konsequent verschachtelt

Die Abkürzungen korrekt zu kodieren, ist eine besondere Herausforderung: Bereits das erste Wort besitzt vier Eigenschaften, die durch Klammern ausgedrückt werden müssen: die rubrizierte Initial-Majuskel, die Worttrennung am Zeilenende, die durchgehende rote Linierung sowie die Abkürzungen. Hat man jedoch das grundlegende Prinzip eines XML-Dokuments verstanden – eine innerhalb einer Eltern-Klammer geöffnete Kinder-Klammer muss auch innerhalb dieser Eltern-Klammer wieder geschlossen werden –, bekommt man auch diese ausführlicheren strukturellen Merkmale in den (Klammer-)Griff.

An dem hier angeführten Beispiel wird bereits deutlich, wie schwierig es sein kann, die mittelalterliche Schriftgestaltung in eine korrekte XML-Struktur zu übertragen. Noch komplizierter wird es, wenn weitere Zusätze berücksichtigt werden müssen, die nicht so einfach strukturiert werden können oder die mit einer bereits bestehenden Struktur in Konflikt geraten würden. So trifft man zum Beispiel in mittelalterlichen Handschriften häufig auf Randbemerkungen, die eine inhaltliche Ergänzung darstellen. Sie können über mehrere Zeilen gehen, oftmals von anderer Hand geschrieben sein und sich auf Textteile beziehen, die über einen Spalten- oder Seitenumbruch hinausgehen können.

Fundiertes Hilfsmittel

Hier stößt man durchaus an Grenzen der hierarchischen Schachtelung, doch finden sich in den TEI-Richtlinien auch Lösungsvorschläge für den Umgang mit solchen, einander übergreifenden Strukturen (http://www.tei-c.org/release/doc/tei-p5-doc/en/html/NH.html). In den Richtlinien wird an dieser Stelle zwar nicht explizit auf mittelalterliche Textphänomene und deren Kodierung Bezug genommen, doch ist es möglich, mit den bestehenden Elementen und Attributen die unterschiedlichen strukturellen Phänomene spätmittelalterlicher Handschriften auszuzeichnen. Dies setzt jedoch eine kontinuierliche Auseinandersetzung mit den unterschiedlichen Auszeichnungsmöglichkeiten und teilweise eine flexible Handhabung der Elemente und Attribute voraus.

Durch die Arbeit mit  verschiedenen spätmittelalterlichen Handschriften und ihrer Transkription und Kodierung liegen für das Projekt „Mediengeschichte der Psalmen“ inzwischen Richtlinien vor, wie und nach welchen Regeln ausgezeichnet wird. Durch diese Richtlinien, in denen Kodierungslösungen für zahlreiche Phänomene verzeichnet sind, sowie durch die Weiterentwicklung eines schnellen Auszeichnungssystems für die Transkriptionsarbeit wird zum Abschluss des Projektes ein fundiertes Hilfsmittel für Arbeiten mit einer ähnlichen Ausrichtung in der Texterfassung und -behandlung bereitstehen. Zahlreiche Kodierungsfragen, die im Verlauf des Projektes aufgekommen sind und sicher auch noch aufkommen werden, müssen so bei zukünftigen Forschungsvorhaben nicht mehr geklärt werden. Stattdessen können unsere Ergebnisse übernommen, angewendet und ausgebaut werden.

 

Zitierempfehlung:
Hanne Grießmann: Handschriftliche Vielfalt im Griff der spitzen Klammern.
In: Ex officina Seleni: aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel. Blog der Arbeitsgemeinschaft Digitale Editionen. 6. Juli 2017. https://eos.hypotheses.org/241.

OCR zur Vorbereitung Digitaler Editionen

Beitrag von Elisa Herrmann (HAB)

Ein beträchtlicher Teil des im deutschen Sprachraum erschienenen schriftlichen kulturellen Erbes ist in mehreren, durch die DFG geförderten Kampagnen digitalisiert und in VD16, VD 17 und VD 18 nachgewiesen worden. Auch wenn damit viel erreicht und die Forschungsbedingungen erheblich verbessert wurden, ist dies doch nur erst eine unabdingbare Voraussetzung für den zweiten Schritt: die vollständige Umwandlung der Images in eine maschinenlesbare Form. Das gesamte schriftliche Kulturerbe als Volltext für Recherche und weitere Bearbeitung, etwa für digitale Editionen zur Verfügung zu stellen ist nicht nur eine verwegene Vision, sondern angesichts der jüngsten technischen Entwicklungen im Bereich OCR  ein realistisches Szenario.

Vom Bild zum Text – Der OCR-Prozess

Der OCR-Prozess beginnt bereits einige Schritte vor der eigentlichen Texterkennung. Zunächst wird das Bilddigitalisat im Preprocessing vorbereitet. Prozessschritte können dabei das Zuschneiden (Cropping), das Begradigen (Deskewing) und Entzerren (Dewarping) der Seiten sowie das automatische Bereinigen (Despeckling) sein. Das Preprocessing wird meist durch die Binarisierung abgeschlossen. Zu beachten ist, dass je nach Material und verwendeter Texterkennungsmethode auf einzelne Schritte des Preprocessings verzichtet werden kann.

So vorbereitet kann eine erste Layout-Erkennung durchgeführt werden. Die Seite wird dabei in Text- und Nicht-Textzonen und weiter bis auf einzelne Zeilen unterteilt. Dabei können die einzelnen Schritte des Preprocessing nochmals auf Absatz- und/oder Zeilenebene wiederholt werden. Größere Herausforderungen sind hier komplexe Layouts, etwa durch mehrspaltige Texte und Marginalien, aber auch Schmuckinitialen werden oftmals als Grafik und damit als Nicht-Text-Zone klassifiziert.

Dem folgt die eigentliche Texterkennung mittels OCR-Software. Sind derzeit vor allem noch klassische Verfahren der Optical Character Recognition bei vielen Digitalisierungsvorhaben verbreitet, drängen neuere Ansätze mittels Neuronalen Netzen stärker in den Fokus, deren Praxistauglichkeit für Massenprozessierungen es noch zu prüfen gilt. Eine Schwierigkeit der Texterkennung stellt vor allem der Schriftypen- und Sprachmix, teilweise auf Wortebene, dar.

Vergleich der Software Tesseract mit den klassischen Verfahren und OCRopus, die bereits modernere Ansätze verfolgt.

Nun kann als weiterer Schritt der Layout-Erkennung die Region Classification erfolgen. Dabei werden die layout-semantischen Funktion der einzelnen Textregionen, etwa Überschrift, Seitenzahl oder Marginalie, bestimmt. Dies ermöglicht auch die automatische Document Analysis mit deren Hilfe die Dokumentenstruktur aus den zuvor erkannten Strukturelementen erfasst wird um bspw. automatisch Inhaltsverzeichnisse zu generieren.

Da jedoch auch moderne Methoden bei historischen Vorlagen kaum eine gewünschte Qualität von >99% Textgenauigkeit erreichen, muss eine Nachkorrektur der OCR-Ergebnisse folgen. Die entsprechende Nachkorrektur kann manuell, etwa auch in Form von Crowdsourcing-Projekten, oder halbautomatisch mittels entsprechender Software durchgeführt werden. Solche Tools bieten die Möglichkeit potentiell falsch erkannte Wörter hervorzuheben und bieten ggf. mit Wörterbucheinträgen Vorschläge zur Korrektur an. Der Einsatz vollautomatischer Nachkorrekturverfahren wird auf Grund der uneinheitlichen Orthografie und zum Teil starker dialektaler Einflüsse in den historischen Materialien derzeit nicht in der Praxis angewandt.

Der korrigierte Text wird im finalen Schritt in die Langzeitarchivierung übergeben.

Das Projekt OCR-D

Der hier beschriebene OCR-Prozess wird bereits in dieser oder ähnlicher Form in vielen Digitalisierungsvorhaben für die Erstellung von Volltexten eingesetzt. In den letzten Jahren haben sich zudem diverse Herausforderungen der OCR für historische Drucke durch aktuelle Forschungsentwicklungen und innovative Ansätze gelöst. Fraglich ist jedoch ob diese Methoden bereits reif für den Praxiseinsatz und die Massenprozessierung sind.

Die „Koordinierte Förderinitiative zur Weiterentwicklung von OCR-Verfahren“, kurz OCR-D, versucht hier einen Lückenschluss zwischen Forschung und Praxiseinsatz indem für die Entwicklungsbedarfe Lösungen erarbeitet und der aktuelle Forschungsstand zur OCR mit den Anforderungen aus der Praxis zusammen gebracht werden.

Das Projekt versteht sich dabei als Koordinierungsgremium und Netzwerk zugleich, bringt Entwickler, Forscher und Anwender zusammen um aktuelle Erkenntnisse aus der Forschung mit den Anforderungen aus der Praxis in einer praktikablen Lösung zu vereinen.

Das DFG-geförderte Projekt wird von der Herzog August Bibliothek Wolfenbüttel, der Berlin-Brandenburgischen Akademie der Wissenschaften in Berlin sowie der Staatsbibliothek zu Berlin – Preußischer Kulturbesitz und dem Karlsruher Institut für Technologie betreut. In der ersten Projektphase wurden (Entwicklungs-)Bedarfe analysiert, die in der zweiten Projektphase durch Modulprojekte umgesetzt werden.

Für zukünftige Digitalisierungsprojekte haben die Ergebnisse aus OCR-D weitreichende Veränderungen. Zum einen soll die Transformation der Titel aus den VD-Projekten in maschinenlesbare Form vorbereitet werden, zum anderen werden auch Vorschläge für die Aktualisierung der DFG-Praxisregeln „Digitalisierung“ auf Grundlage der neuen Erkenntnisse erarbeitet, nicht zuletzt um im Geiste europäischer und nationaler Agenden die Medienkonversion des gesamten im deutschen Sprachraum erschienenen schriftlichen kulturellen Erbes mittel- bis langfristig zu vollenden.

Für weitere Einstiege in das Thema führt OCR-D eine Zotero-Liste für den Technology Watch: https://www.zotero.org/groups/ocr-d

 

Zitierempfehlung: Elisa Herrmann: OCR zur Vorbereitung Digitaler Editionen. In: Ex officina Seleni: aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel. Blog der Arbeitsgemeinschaft Digitale Editionen. 29. Juni 2017. https://eos.hypotheses.org/229.

Agenten-Austausch

Beitrag von Jörn Münkner, Jaqueline Krone und Katrin Schmidt (MWW)

Die große Leidenschaft von Herzog August dem Jüngeren (1579-1666) war bekanntlich seine Bibliothek in Wolfenbüttel. Um an neue Bücher zu gelangen, benötigte er die Unterstützung von kompetenten Agenten. Werner Arnold hat vorgeführt, wie der Augsburger Philipp Hainhofer (1578-1647) und der in Paris ansässige Jean Beeck (um 1615-nach 1688) im Auftrag des Herzogs entsprechend agierten (Arnold1,2): Durch geschäftliche und persönliche Kontakte in die maßgeblichen Netzwerke integriert, unterrichteten sie den Fürsten über den Büchermarkt und das Angebot an exquisiten Objekten. Zudem waren sie Nachrichtenübermittler und übernahmen zum Teil diplomatische Aufgaben.

Neben Hainhofer und Beeck gehörte auch Benedikt Bahnsen (gest. 1669) zu Herzog Augusts Buchagenten. Wahrscheinlich war er seit dem Frühjahr 1660 von Amsterdam aus im Besorgungseinsatz. Dies legen seine in der HAB erhaltenen Briefe an den Wolfenbütteler Hof nahe (BA II.1 16-35). Der Briefwechsel umfasst 21 Schreiben Bahnsens an den hochgelehrten Fürsten, drei Konzepte von dessen Antwortschreiben sowie mehrere Bücherlisten und Rechnungen.

Der aus Norddeutschland in die Niederlande emigrierte Chiliast, Buchhändler, Verleger und Rechenmeister Bahnsen hinterließ nach seinem Tod 1669 in Amsterdam eine ca. 3000 Titel umfassende Büchersammlung. Die Libri Theologici und die Libri Medici & Chymici wurden im Rahmen des Projekts „Frühneuzeitliche Gelehrtenbibliotheken“ bereits bibliographisch detailliert erschlossen und mit Hilfe einer web-basierten Datenvisualisierung zugänglich gemacht        (online). Es tritt eine Bibliothek aus dem Nebel der Vergangenheit, bei der es sich um das umfangreichste Einzelrepositorium für nonkonformes und heterodoxes Schrifttum handeln dürfte. (vgl. Hakelberg) Die digitale Edition der Briefkorrespondenz steht in engem Zusammenhang mit diesem Rekonstruktionsvorhaben.

 

Erster überlieferter Brief von Benedikt Bahnsen an Herzog August vom 4. April 1660. Bibliotheksarchiv HAB Signatur: BA II.1 16r.

Die Briefe Bahnsens an den Herzog weisen Standardbestandteile auf: Datum und Ort (stets Amsterdam), formelhafte Anrede des Fürsten, Bezugnahmen auf bestellte Bücher, ihre Nicht-/Verfügbarkeit, Frachtwege, Erwähnung von Personen, die an der Bücherbeschaffung und der Bücherspedition beteiligt sind, Preise und Spesen, formelhafte Verabschiedung, Erwähnungen historischer Ereignisse und Personen, zum Teil sozialer Netzwerke, schließlich der Hinweis auf anhängende Bücherpakete.

Die für die zweite Jahreshälfte geplante digitale Edition präsentiert sämtliche Schreiben als digitale Einzelseitenfaksimiles sowie als weitgehend diplomatisch getreue Transkripte in XML/TEI-P5. Das bedeutet, dass sich die Textkonstitution an der Reproduktion der autographen, visuellen und materiellen Merkmale der epistolaren Originale orientiert, die durch Kodierungen festgehalten werden. Das Briefkonvolut rahmt eine bündige Einführung, erklärungsbedürftige Begriffe und Namen werden erläutert, Personen, Orte und Körperschaften werden durch Register erfasst, jeder Brief wird durch einen kurzen Abstract kontextualisiert. Das Hauptaugenmerk liegt auf der Recherche der in den Briefen enthaltenen oder als Appendizes mitgelieferten Bücherlisten.

Der Auktionskatalog der Bibliothek von Benedikt Bahnsen.
Foto: Jörn Münkner

Mit Hilfe der Briefedition und im Abgleich mit den Zugangskatalogen in der HAB lässt sich herausfinden, welche Drucke und Handschriften aus den angekündigten Sendungen Bahnsens tatsächlich in die Wolfenbütteler Sammlung eingegangen sind. Damit lassen sich Provenienzlinien von Büchern nachzeichnen. Zudem sollen Aussagen und Mitteilungen Bahnsens die Rekonstruktion der relevanten Gelehrten- und Buchhändlernetzwerke befördern. Nicht zuletzt sind die Auskünfte zu den Lebensbedingungen Bahnsens, seine Beobachtungen und Beurteilungen der Zeitumstände dazu angetan, die Konturen seiner historischen Person zu schärfen und die Existenz deutscher Exilanten in den Niederlanden zu präzisieren. Seine eigenen bibliophilen Vorlieben, wie sie der Verkaufskatalog seines Bücherbestands suggeriert, können durch seine epistolaren Kommentare validiert werden. Somit bietet das Briefkorpus – gleichsam von der Seite – einen komplementären, mikroperspektivischen Blick auf den geschäftstüchtigen Amsterdamer Exilanten Benedikt Bahnsen wie auf den bibliophilen Herzog in Wolfenbüttel.

 

Literatur

Arnold1, Werner: Philipp Hainhofer als Bücheragent Herzog Augusts d.J. von Braunschweig-Wolfenbüttel, in: Wolfenbütteler Barock-Nachrichten, Wiesbaden 41/2014, 1/2, S. 81-94.

Arnold2, Werner: Briefe aus Paris. Jean Beeck als Agent Herzog Augusts d.J. von Braunschweig-Wolfenbüttel, in: Buch – Bibliothek – Region. Wolfgang Schmitz zum 65. Geburtstag, hg. v. Christine Haug u. Rolf Thiele, Wiesbaden 2014, S. 15-26.

Hakelberg, Dietrich: Die fanatischen Bücher des Benedikt Bahnsen. Leben und Bibliothek eines religiösen Dissidenten, in: Autorenbibliotheken. Erschließung, Rekonstruktion, Wissensordnung, hg. v. Michael Knoche, Wiesbaden 2015, S. 113-146.

Beyer, Hartmut, Katrin Schmidt, Jörn Münkner u. Timo Steyer: Bibliotheken im Buch: Die Erschließung von privaten Büchersammlungen der Frühneuzeit über Auktionskataloge, in: Kodikologie und Paläographie im digitalen Zeitalter 4 / Codicology and Palaeography in the Digital Age 4, hg. v. Hannah Busch, Franz Fischer u. Patrick Sahle, Norderstedt (Books on Demand) 2017, S.43-70.

http://dev.hab.de/bibliotheksrekonstruktion/bahnsen/bahnsen-catSubjectFormat.html

 

Zitierempfehlung: Jörn Münkner / Jaqueline Krone / Katrin Schmidt: Agenten-Austausch. In: Ex officina Seleni: aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel. Blog der Arbeitsgemeinschaft Digitale Editionen. 16. Juni 2017. https://eos.hypotheses.org/209.

 

How to build a digital edition web app

Beitrag von Peter Andorfer (ACDH), Dario Kampkaspar (HAB) und Timo Steyer (MWW)

Aufgrund zahlreicher Sommer-Schulen, Workshops, DH-Studiengänge und vielfältiger online Tutorials stellt die Kodierung eines Textes in XML nach dem de facto-Standard TEI für viele GeisteswissenschaftlerInnen mittlerweile eine gut zu bewältigende Herausforderung dar. Anders formuliert: Digitale Editionen haben die Wild-West-Phase hinter sich und bieten dem Forscher ein methodisch und theoretisch sicheres Terrain. Was jedoch häufig fehlt sind einstiegsfreundliche Anleitungen, Tutorials, HowTos zu dem sich an die Kodierung anschließenden Themenkomplex der Publikation einer digitalen Edition. Die Frage nach dem »Wohin?« der oftmals in langer und mühsamer Arbeit erstellten Editionen betrifft vor allem jene Forschende, welche nicht Teil eines größer angelegten Projektes sind oder auch sonst über keine allzu starke Anbindung an eine gut institutionalisierte Forschungsinfrastruktur verfügen. Zwar entwickeln zunehmend mehr Institutionen, vielfach durch Drittmittelprojekte, Kompetenzen, Workflows und (technische) Infrastrukturen zur Veröffentlichung Digitaler Editionen, aufgrund chronisch knapper Finanzierungen können oftmals aber nur wenige und in erster Linie nur eigene/interne Projekte hinreichend betreut werden.

Gleichzeitig kann in vielen Digitalen Editionsprojekten eine sehr starre Arbeitsteilung zwischen so genannten FachwissenschlafterInnen und TechnikerInnen beobachtet werden. Obwohl es sicherlich nicht als Nachteil bewertet werden kann, wenn jeder das tut, wofür er ausgebildet wurde und was sie bzw. er demzufolge auch gut kann, so besteht in einem stark arbeitsteiligen Umfeld die Gefahr asymmetrischer Kompetenzverhältnisse und daraus resultierender Abhängigkeiten. Sei es durch unrealistische Wünsche seitens der Fachwissenschaft, die aufgrund mangelnder technischer Kenntnisse an die Technik herangetragen werden. Oder sei es die Verzögerung des Arbeitfortschritts aufgrund schleppender Implementierung basaler Technologien oder von editorischer Seite dringend benötigter Funktionalitäten.

Dies ist aber nur die eine Seite der Medaille, denn es gibt nach wie vor infrastrukturelle Fallstricke bei der Erstellung von digitalen Editionen. Viele Editionsprojekte beginnen ohne eine entsprechende Infrastruktur für die spätere Präsentation der Texte, andere Editionstexte entstehen als „Nebenprodukt“ eines wissenschaftlichen Forschungsvorhaben und werden nie publiziert, da eine wissenschaftliche out-of-the-box Präsentationslösung fehlt. Es fehlt sichtbar an einer einfachen Lösung für Editionsvorhaben ihre Texte in einer Infrastruktur zu publizieren bzw. zu erproben, die noch keine institutionelle Anbindung mit einem festen „Layout- und Funktionskorsett“ hat und den Editoren so noch den weitreichenden experimentellen Freiraum lässt, um die für die Editionsvorhaben notwendigen Präsentationsmodi zu identifizieren.

Dieser Problematik widmete sich der von Peter Andorfer (ÖAW/ACDH), Dario Kampaskar (HAB) und Timo Steyer (MWW/HAB) konzipierte Workshop mit dem Titel „How to build a digital edition web app“ auf der diesjährigen Tagung des DHd-Vereins in der Schweizer Bundeshauptstadt Bern. Auf der Basis der XML-Datenbank eXist-DB wurde gemeinsam mit den Workshopteilnehmern eine Präsentationsoberfläche am Beispiel der Korrespondenz von Leo Thun-Hohenstein erstellt. Für die Verwendung der XML-Datenbank eXist-db spricht ihr Open-Source-Charakter, die verbreitete Nutzung im digitalen Editionskontext und die Möglichkeit weitere Funktionsweisen durch Zusatzprogramme hinzuzufügen. Die Nachteile von eXist liegen in der relativ kleinen Community und der für viele Anwendungsbereiche noch nicht existierenden detaillierten Dokumentation.

Beginn des Workshops auf der Dhd17 in Bern. Bild des Tweets von Stefan Münnich (@music_enfanthen):”Workshop #w6 how to build your own digital web app with @csae8092 @steyer_ti & kampkaspar about to start #dhd2017″. https://twitter.com/music_enfanthen/status/831406933852684288 (20.02.2017)

Eine ›Digital Edition Web-App‹ sollte ganz generell die kodierten Texte in einer möglichst benutzerfreundlichen Art und Weise präsentieren und den »technischen Unterbau« dem Benutzer nicht aufbürden, wohl aber die computergestützte Weiterverarbeitung der Texte jederzeit ermöglichen. Konkreter formuliert heißt das, dass eine solche Anwendung  folgende Anforderungen zu erfüllen hat.

NutzerInnen sollen auf einer zentralen Einstiegsseite einen möglichst vollständigen Überblick über den kompletten Umfang der Edition erhalten. Dies ist insbesondere dann von großer Bedeutung, wenn die Edition aus mehreren Editionseinheiten besteht, wie zum Beispiel im Falle eines Briefwechsels.

In der im Zuge des Workshops zu entwickelnden Applikation wird das in Form einer ListView gelöst, welche sämtliche XML/TEI Dokumente bzw. ausgewählte Informationen aus dem teiHeader in einer von den NutzerInnen such-, filter- und sortierbaren Ansicht präsentiert. Von diesem Inhaltsverzeichnis gelangen die NutzerInnen dann über Verlinkung zu den einzelnen Dokumenten.

Da Digitale Editionen im www verfügbar sind, muss davon ausgegangen werden, dass diese generell in digitaler Form, sprich auf einem PC, Notebook, Tablet, eventuell auch auf einem Smartphone gelesen werden. Insofern gilt es, den kodierten Text in einer leserfreundlichen Darstellung anzuzeigen, die die verschiedenen Formate der Anzeigegeräte berücksichtigt (womit einige der Grundlagen des sog. ›responsive design‹ berücksichtigt werden müssen). Andererseits darf aber der Wunsch vieler Nutzer, die Inhalte »klassisch« auf Papier zu nutzen, nicht vergessen werden.

Die digitalen Darstellung im Web eröffnet indes auch die Möglichkeit für dynamische, sprich von den Nutzer/innen frei konfigurierbare, Darstellungsweisen. Abhängig vom konkreten Mark-Up können, um nur ein paar Beispiele zu nennen, etwa Anmerkungen ein- oder ausgeblendet, Abkürzungen aufgelöst, oder Korrekturschritte ausgeblendet werden.

In der ›Digital Edition Web-App‹ wird mittels XSLT Transformation aus den XML Dateien eine HTML Dokument ›on the fly‹ generiert. Diese ›DetailView‹ verfügt, sofern aufgrund des Markups des Ausgangsdokumentes möglich, über ein Navigationsmenü, welches eine rasche Orientierung im Text ermöglicht. Über ein weiteres Menü können außerdem verschiedene Darstellungsoptionen (de)aktiviert werden.

Die Möglichkeit, eine digitale Edition in ihrer Gesamtheit im Volltext durchsuchen zu können, wird häufig als einer der größten Vorzüge einer digitalen Edition beschrieben. Zusätzlich zu einer so genannten »einfachen Suche« wird darüber hinaus auch gerne eine »erweiterte Suche« angeboten, welche eine spezifizierte Suche wie zum Beispiel nur in Anmerkungen oder über  Metadaten ermöglicht.

Aufgrund der Integration der Volltext-Suchengine Lucene in die Datenbanksoftware eXist-db ist die Realisierung sowohl einer »einfachen« wie auch einer »erweiterten« Suche im Rahmen der ›Digital Edition Web-App‹ einfach zu bewerkstelligen, wobei die Spezifika der »erweiterten« Suche vom konkreten Markup der einzelnen Editionen abhängt.

Neben einer Volltextsuche bieten viele digitale Editionen auch eine registerbasierte Suche an, mit deren Hilfe etwa gezielt Personen oder Orte in der Edition identifiziert werden können.

Je nach Art der Daten wird ein solches Register auf verschiedene Weisen demonstriert werden. Da die Texte in einer (einigermaßen) standardisierten Art und Weise kodiert sind, können diese auch maschinell prozessiert werden. Dafür ist es notwendig, dass nicht nur eine HTML Darstellung der Daten veröffentlicht wird, sondern auch die eigentlichen XML/TEI-Daten.

Die ›Digital Edition Web-App‹ wird ihre Daten über die in der eXist-db integrierte ›REST-Style Web API‹ veröffentlichen.

Es würde hier zu weit führen, einen vollständigen Abriss des Workshops zu geben, dies ist aber auch gar nicht nötig, da die einzelnen Bestandteile des Workshop inkl. Code- und Datenbeispiele hier zu finden sind:

https://howto.acdh.oeaw.ac.at/blog/books/how-to-build-a-digital-edition-web-app

Peter Andorfer und Dario Kampkaspar: Time to set you free. Posterbeitrag auf der TEI-Konferenz 2016. https://howto.acdh.oeaw.ac.at/blog/books/how-to-build-a-digital-edition-web-app/ (4.3.2017)

Es kann also jeder den Workshop nachvollziehen und seine eigene Umgebung für Editionstexte aufbauen. Der Workshop zeigte von Beginn an, wie eXist-db eingerichtet wird, wie die Texte in die Datenbank gelangen, wie eine auf Bootstrap basierende Präsentationsoberfläche gebaut wird. Darauf aufbauend lernten die Workshopteilnehmer die Erstellung von automatisiert erstellten Register, die Erstellung einer Volltextsuche und von Inhaltsverzeichnisse. Die in XML in die Datenbank geladende Texte werden über XLST-Skripte dynamisch in eine HTML-Ausgabe transformiert.

Gelobt wurde die Gestaltung eines Workshops verbunden mit einer Dokumentation, die es den Teilnehmern erlaubt auch nach der Konferenz noch alles nachzunutzen – ganz im Sinne des Tagungsmotto: Nachhaltigkeit.

Weiterführende Links: “set you free”: 

https://howto.acdh.oeaw.ac.at/blog/books/how-to-build-a-digital-edition-web-app/

Zitierempfehlung: Peter Andorfer / Dario Kampkaspar / Timo Steyer: How to build a digital edition web app. In: Ex officina Seleni: aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel. Blog der Arbeitsgemeinschaft Digitale Editionen. 13. März 2017. https://eos.hypotheses.org/151.

 

Ex officina Seleni : aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel

Willkommen auf dem Blog Ex Officina Seleni!

Die Arbeitsgemeinschaft Digitale Editionen an der Herzog August Bibliothek Wolfenbüttel informiert in diesem Blog über laufende Editionsprojekte mit dem thematischen Schwerpunkt Mittelalter und Frühe Neuzeit sowie aktuellen Entwicklungen zum Thema Digitale Editionen.

Hier soll wissenschaftlich Interessierten und ihren Institutionen eine Plattform für Information und Austausch zum Thema digitale Editionen geschaffen werden.

Das Netzwerk lebt von Input und Ihren Fragestellungen!

Wir freuen uns auf viele interessante Blogbeiträge!

In freudiger Erwartung,

Das Redaktionsteam

 

aus der Werkstatt der Herzog August Bibliothek Wolfenbüttel – Blog der Arbeitsgemeinschaft Digitale Editionen

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search