Fotis Jannidis (Computerphilologie)

Digitale Literaturwissenschaft

〈1〉 Digitalisierung verstehe ich als Sammelbegriff für die Umgestaltung z.B. einer Wissenschaft durch die Verwendung von digitalen Ressourcen sowie die Etablierung von Methoden für deren Distribution, Darstellung und Analyse. Im Folgenden werde ich außerdem Aspekte ansprechen, die eigentlich eher der zweiten großen Medienrevolution, der Vernetzung, zuzuschlagen sind. 

〈2〉 Die digitale Literaturwissenschaft hat sich seit ihren Anfängen in den 1960er Jahren deutlich weiter entwickelt und bietet heute ein vielfältiges Forschungsfeld.  Dabei lassen sich zwei Pole der Digitalisierung – mit vielen Positionen dazwischen – beschreiben: Auf der einen Seite steht  der traditionelle Literaturwissenschaftler,1 auf der anderen Seite der Digital Humanist mit Anbindung an das Feld Literaturwissenschaft. Selbst für den traditionellen Literaturwissenschaftler hat sich die Arbeitsweise grundlegend geändert: Bibliographien sind online zugänglich. Zahlreiche kanonische Texte liegen im Volltext vor, so dass der jeweils untersuchte Text nicht nur gelesen, sondern auch durchsucht werden kann. Von einigen wenigen Texten finden sich sogar Editionen online. Vor allem aber haben Google Books und die dort zur Verfügung gestellte Menge an Büchern die Recherche nach interessanten Quellen grundlegend verändert. Das betrifft den kommentierenden Editionswissenschaftler, der die Herkunft bestimmter Formulierungen zu eruieren sucht, ebenso wie den Interpreten, der auf diese Weise historische Kontexte zu Begriffen, Themen oder Ideen suchen kann. Gerade dass Google sich nicht auf den Kanon konzentriert hat, macht die Sammlung zu einem so mächtigen Werkzeug – auch wenn es im Detail viele Ärgernisse gibt.

〈3〉 Die Position auf der anderen Seite des Feldes verfügt über eine Vielzahl von Methoden zur Annotation und Analyse digitaler Ressourcen und ist an deren Evaluation und Weiterentwicklung beteiligt. In der Realität der Forschung wird es zwischen diesen Polen viele Zwischenpositionen geben, etwa den Editionsphilologen, der seine Texte für eine wissenschaftliche Ausgabe auszeichnet, aber neben der dafür notwendigen Software höchstens Kollationierungsprogramme verwendet.

〈4〉 Digitale Edition haben sich inzwischen  als Arbeitsstandard etabliert – selbst gedruckte Editionen sind eigentlich nur digitale Editionen, deren Kernstück der Öffentlichkeit vorenthalten wird. Die manchmal noch aufflackernde Diskussionen über ihre Vorzüge und Nachteile können wohl als  letzte Rückzugsgefechte  gewertet werden – die natürlich noch sehr lange anhalten können.  Allerdings verdient ein Trend Erwähnung, der die Editionsphilologie mit umfassenderen Entwicklungen verbindet: citizen science. Darunter versteht man Projekte, die unter Mithilfe von Bürgern, die nicht an der Universität oder einer außeruniversitären Forschungseinrichtung angestellt sind,  betrieben werden. Projekte wie die Bentham-Edition haben gezeigt, wie man erfolgreich eine große Anzahl von Texten durch Nichtphilologen erfassen lassen kann und dennoch philologisch akzeptable Fehlerquoten erreichen kann. Insgesamt etabliert sich neben dem Erstellen der Editionen inzwischen auch das Anlegen von Textsammlungen mit entsprechenden Metadaten und Annotationen als wertvolle wissenschaftliche Arbeit.

〈5〉 In den letzten Jahren hat sich aber außerdem ein vorher recht kleines Forschungsfeld  in der Literaturwissenschaft rasant entwickelt: die digitale Textanalyse. Sie umfasst folgende Arbeitsfelder und Methoden (es handelt sich nicht um eine Klassifikation, sondern um eine offene, eher aufgeraffte Reihe):

〈6〉 1) Stilometrie. Traditionell steht die Autorschaftszuschreibung im Zentrum der Stilometrie, aber in den letzten Jahren gibt es ein großes Interesse an ihrem Einsatz im Kontext der Gattungsforschung oder der Untersuchung von Textkomplexität.

〈7〉 2) Die halbautomatische Analyse kleiner und mittelgroßer Textsammlungen. Konkordanzprogramme sind typische Werkzeuge solcher Ansätze. Sie erlauben es, Klassen von Zeichenketten und Kollokationen zu bestimmen, um dann die gefundenen Trefferlisten manuell durchzusehen.

〈8〉 3) Die sozialwissenschaftliche Inhaltsanalyse. Sie ist in der Inhaltsforschung etwa der Medien- oder der Politikwissenschaft weit verbreitet, wurde aber von der Literaturwissenschaft kaum aufgegriffen.

〈9〉 4) Verfahren der distributionellen Semantik, z.B. Topic Modeling, word2vec. Ausgehend von der Annahme, dass Wörter mit der gleichen Verteilung auch eine ähnliche Bedeutung haben, können semantische Erschließungen von sehr großen Datenmengen oder die Bestimmung solcher Verteilungen vorgenommen werden. Gerade Topic Modeling ist zur Zeit ein Lieblingskind der digitalen Literaturwissenschaft, da es sich sowohl selbständig als auch im Kontext von weiteren Verfahren zur Inhaltserschließung eignet.

〈10〉 5) Netzwerkanalyse. Sie wird insbesondere als soziale Netzwerkanalyse für die Untersuchung von Figurenkonstellationen in Dramen und Romanen eingesetzt, kann aber als abstraktes Modell für alle Formen von relationalen Daten herangezogen werden.

〈11〉 6) Intertextualität.  Die Erfolge der Plagiatssuche haben in diesem Feld vielleicht zu überhöhten Erwartungen geführt. Die Ermittlung von Textpassagen in anderen Texten ist im Prinzip einfach, im Detail dann allerdings doch sehr komplex wie Arbeiten zur automatischen Ermittlung der Homer- oder Bibelrezeption gezeigt haben.

〈12〉 7) Die Metrikanalyse, die zu den ältesten Ansätzen in der digitalen Untersuchung literarischer Texte gehört, hat inzwischen zu automatischen Systemen der Metrikauszeichnung geführt. Die starke Sprachabhängigkeit dieser Verfahren steht allerdings der Entstehung eines einheitlichen Forschungsfelds entgegen.

〈13〉 8) Konfigurationsanalyse. Die Dramenanalyse aufgrund von Szenenkonfigurationen und anderen textspezifischen Eigenschaften hat nach den Anfängen in den 1980er Jahren in den letzten Jahren deutliche Fortschritte gemacht.

〈14〉 9) Computational Narratology. Die digitale Erzählforschung versucht Aspekte der fiktionalen Welt wie Handlung oder Figur ebenso zu erfassen wie Aspekte der Darstellung, z.B. die Zeitgestaltung, Formen der Redewiedergabe usw.

〈15〉 Die digitale Literaturwissenschaft in diesem Sinne hat in einigen Teilgebieten bereits ihre Nützlichkeit erwiesen,  z.B. kann man gut zeigen, dass Autorschaftsattribution unter geeigneten Umständen mit hoher Wahrscheinlichkeit funktioniert. Ebenso hat sich gezeigt, dass die Textauszeichnung von kleineren Sammlungen Einsichten in die reale Distribution und Beschaffenheit von Textphänomenen ermöglicht, die ein hervorragendes  Korrektiv zum eher prototypisch orientierten Vorgehen der „Lehnstuhlphilologen“ darstellt. In den 1990er Jahren wurde als Vorzug quantitativer Verfahren in der Literaturwissenschaft oftmals angeführt, dass sie die genaue Erfassung von bestimmten Phänomenen erlaube. Allerdings bildete das manchmal einen unglücklichen Kontrast zur Relevanz des Gezählten.  Durch die Verfügbarkeit sehr großer Textsammlungen haben sich nun neue Erkenntnismöglichkeiten ergeben. Selbst wenn man aufgrund von digitalen Verfahren nur sehr umgrenzte Aussagen machen kann, z.B. wer sind die Hauptfiguren eines Romans und wie sieht ihre Interaktion aus, so kann man diese Aussagen nun für sehr viele Texte machen. Formelhaft könnte man davon sprechen, dass die traditionelle Literaturwissenschaft sehr viel über sehr wenige Texte weiß, die digitale Literaturwissenschaft dagegen sehr wenig über sehr viele Texte. Literaturgeschichte kann auf diese Weise z.B. den dunklen Kontinent der einstmals gelesenen, heute aber weitgehend unbekannten Texte wenigstens in Grundzügen erschließen.

〈16〉 So wichtig diese einzelnen Arbeitsfelder sind, so zeigt sich, dass die einer Fragestellung angemessene Zusammensetzung von Werkzeugen zu einer individuellen Pipeline einen besonderen Stellenwert hat. Dazu werden Verfahren aus den genannten Feldern oftmals zusammen mit Natural Language Processing-Komponenten und generischen Verfahren des Maschinellen Lernen kombiniert und zwar so, dass die Ausgabe der einen Komponente die Eingabe der nächsten Komponente darstellt. Dabei hat sich ein Instrument als besonders wichtig erwiesen: Die Erstellung eigener annotierter Korpora. Zum einen muss man nämlich seine Daten labeln, um auf diese Weise literaturwissenschaftlich relevante Konzepte zu automatisieren. Zum anderen aber ist es immer wieder notwendig, Werkzeuge der Domäne „Literarischer Text“ bzw. Untergattungen anzupassen, um akzeptable Retrievalwerte zu erreichen.

〈17〉 Das sei kurz an Beispielen erläutert. In einem Forschungsprojekt zur automatischen Identifikation von Romangattungen haben wir den Texten Gattungsbezeichnungen wie „Abenteuerroman“, „Bildungsroman“ usw. auf der Grundlage von Roman- und Literaturgeschichten und weiterer Forschungsliteratur zugewiesen. Ziel ist es, im Anschluss dann ein Modell fürs maschinelle Lernen zu erstellen, das es erlaubt, unbekannte Romane entsprechend zu kategorisieren. Für die Erstellung des Modells müssen vorher relevante Merkmale der Texte ermittelt und bestimmt werden. Da die Figurenkonstellation in der literaturwissenschaftlichen Diskussion als ein typisches Merkmal für Gattungen genannt wird, haben wir ein Verfahren für deren automatische Ermittlung entwickelt. Allerdings stellte sich dabei heraus, dass Standardkomponenten des Natural Language Processing mit literarischen Texten teilweise deutlicher schlechter funktionieren, da jene anhand von Zeitungskorpora trainiert wurden. Es war also notwendig, eigene Korpora für die Namenserkennung sowie die Koreferenzauflösung zu annotieren. Diese Anpassung an die Domäne „literarischer Text“ oder „Romantext“ wird sicherlich für viele Komponenten durchgeführt werden müssen. Versprechen, mit großen Schritten schnell ans Ziel einer digitalen Literaturanalyse zu kommen, muss man daher eher skeptisch gegenüber stehen. Vielmehr muss für jedes Erkenntnisziel in mühevoller Kleinarbeit ein brauchbarer Lösungsweg ermittelt werden – und das kann nur aufgrund von nachvollziehbaren Evaluationskriterien, z.B. Goldstandards, geschehen.

〈18〉 Die Empirisierung der Verfahren führt dazu, dass sich für diejenigen, die an solchen Untersuchungen beteiligt sind, die Einstellung zum Wissen der Literaturwissenschaft ändert. Etwas überspitzt könnte man das so formulieren:  Die Kulturwissenschaften tendieren dazu, nicht zuletzt um ihre Existenz zu berechtigen, sehr generische Aussagen unter Verwendung von sehr abstrakten Begriffen zu präferieren, z.B.: Alles ist Erzählung (was impliziert, dass der Experte für die Erzählung auch für alles zuständig ist). Eine empirisch gewendete digitale Literaturwissenschaft tendiert dagegen dazu, Begriffe wie ‚Gattung‘ oder ‚Stil‘ in eine Reihe von operationalisierbare Einzelprobleme zu zerlegen. Sie schränkt also die Reichweite ihrer Aussagen systematisch ein. Dabei wird es zum Teil dazu kommen, dass ein Phänomen, das holistisch erfahren wird (z.B. Stil), im Zuge einer Vermessung in eine Reihe von Merkmalen zerteilt wird (z.B. Verteilung von Funktionswörtern). Zwar kann man dann empirisch nachweisen, dass solche Merkmale hervorragend funktional eingesetzt werden können, etwa um einen anonym publizierten Text einem Autor zuzuschreiben, und auch deskriptiv zur Erfassung des Phänomens herangezogen werden können, aber es ist unklar, wie sie sich zur holistischen Phänomenerfahrung des Literaturwissenschaftlers verhalten.

〈19〉 Eine weitere Herausforderung der traditionellen Literaturwissenschaften kann man am Beispiel der Interannotatoren-Übereinstimmung (IA) deutlich machen. Wenn man ein sprachliches Phänomen, z.B. Bezeichnungen für Figuren oder erlebte Rede, annotiert, dann lässt man das heute häufig von mehreren Annotatoren erledigen, die die gleichen Texte auszeichnen. Danach misst man die Übereinstimmung der Annotationen. Wie man sich schon bei den beiden genannten Beispielen denken kann, können die Ergebnisse sehr unterschiedlich sein: die Bezeichnungen für Figuren werden mit sehr großer Übereinstimmung  annotiert, während die erlebte Rede zu sehr viel niedrigeren Werten führt. Man kann solche Unterschiede natürlich stets auf Probleme in der Kommunikation oder auf unterschiedliche Auffassungsbegabungen der Annotatoren zurückführen, aber es ist wohl anzunehmen, dass einige dieser Probleme tatsächlich etwas mit der Beschaffenheit der Begriffe, ja, evtl. sogar der Phänomene zu tun hat. D.h. auch aus diesem Aspekt der digitalen Literaturwissenschaft ergibt sich ein neuer Druck auf die Arbeitsweise der traditionellen Literaturwissenschaft.

〈20〉 Es ist noch ganz unklar, wie sich diese Entwicklungen langfristig auswirken werden; ob sie zu einer Abspaltung der Forschungs-Communities, zu einer Abwertung einer der beiden Perspektiven oder zu einem fröhlichen Nebeneinander führen werden.

 

 

 

  1. Hier und im Folgenden immer geschlechtsneutral []

Schreibe einen Kommentar

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