Archiv der Kategorie: Werkstattbericht

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).

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.