digitale Edition – Die Memoiren der Gräfin Schwerin (1684-1732)

28/06/202428/06/2024

Anwendung von NER auf die Memoiren der Gräfin von Schwerin

Named Entity Recognition

Die Erschließung bzw. Kodierung von erwähnten Personen, Orten oder Organisationen stellt einen wesentlichen Aspekt in einer digitalen Edition dar, bedeutet aber in derartigen Projekten auch oft einen sehr großen Arbeitsaufwand. Immer wieder taucht die Frage auf, ob nicht das Verfahren der Named Entity Recognition (NER) dabei helfen könnte, diesen Arbeitsaufwand zu reduzieren (Haeder 2020, Nantke 2022, Görmar 2023). Bei Named Entity Recognition handelt es sich um eine computergestützte Methode zur automatisierten Erkennung, Klassifizierung und Markierung von Eigennamen (Named Entities), welche in vielen Bibliotheken für NLP (Natural language processing) enthalten ist, wie z.B. in spaCy, flair, nltk oder WebLicht (Eder 2021).

Named Entities

Was ist nun eine Named Entity? Der Begriff wurde 1996 für die “Sixth Message Understanding Conference (MUC-6)” geprägt (Nadeau/Sekine 2007, 3). Nadeau und Sekine definierten die mögliche Menge an Entitäten für Named Entities 2007 (3) folgendermaßen:

In the expression “Named Entity”, the word “Named” aims to restrict the task to only those entities for which one or many rigid designators, as defined by S. Kripke (1982), stands for the referent.

Ein Bezeichner ist nur dann rigid oder “starr”, wenn er in allen möglichen Welten und Kontexten auf dasselbe Bezeichnete verweist (z.B. “Donald Trump”). Ehrmann et al. folgen 2023 dieser Definition von Nadeau und Sekine, auf die sehr oft verwiesen wird – insgesamt ist aber zu sagen, dass es eigentlich keine sehr strenge Definition von Named Entities gibt. So stellten Marrero et al. 2013 auch fest, dass einige unterschiedliche, mehrdeutige und inkongruente Definitionen nebeneinander existieren. Demnach ist nur der Zweck und der Bereich der Anwendung ausschlaggebend, was als Named Entity definiert wird, denn die grammatische Kategorie, der starre Bezeichner oder die eindeutige Identifizierung haben sich hier als unzulänglich herausgestellt (vgl. Marrero et al. 2013)
Unter Named Entities fallen aber auf jeden Fall Eigennamen (Namen für Personen, Orte und Organisationen, auch bekannt als “ENAMEX”), Bezeichnungen für natürliche Arten (“natural kind terms”), wie z.B. biologische Arten oder Substanzen, Zeitausdrücke, Mengenangaben für Geld, Produktnamen oder in Bereichen wie der Biomedizin Gene oder Krankheiten (Nadeau/Sekine 2007, 5; More 2021, 13f.).

NER-Modelle

NER-Modelle, mit denen Named Entities erkannt und klassifiziert werden können, werden mit von Menschen annotierten Daten trainiert; somit hängen sie sehr stark davon ab, mit welchen Texten sie erstellt wurden. Die meisten großen Textkorpora bestanden bisher aus zeitgenössischen Dokumenten, wobei hier vor allem Pressetexte eine große Rolle spielten. In den letzten Jahren wird der Fokus auch vermehrt auf historische Texte gelenkt, wobei allerdings auch hier der Großteil der Quellen aus dem 19. und 20. Jahrhundert stammt.

Probleme in Bezug auf historische Texte

Named Entity Recognition ist eine nützliche Methode innerhalb der Digital Humanities, allerdings können sich vor allem im Hinblick auf historische Quellen bzw. Texte Herausforderungen und Probleme ergeben. Die Erkennung von Named Entities in historischen Texten ist aufgrund von Faktoren wie nicht-standardisierter Orthographie und nicht-standardisiertem Wortgebrauch und dem Fehlen von Named-Entities-Lexika eine besondere Herausforderung (vgl. Ehrmann et al. 2023, Galka 2024). Ehrmann et al. (2023) geben einen umfangreichen Überblick über die Herausforderungen von NER in historischen Dokumenten, welche Strategien bereits entwickelt wurden, um diese eventuell zu bewältigen, und welche Prioritäten man bei zukünftigen Entwicklungen setzen könnte (ebda., 3).

Besonderheiten der Memoiren

Eine Besonderheit der Memorien der Gräfin von Schwerin Textes ist, dass Personen oft nur indirekt genannt werden, also z.B. als Verwandtschaftsbeziehung zur Autorin mit “meine Schwiegermutter” oder “mein Vater”. In der Theorie der Eigennamen handelt es sich dabei um sogenannte nicht-rigide Designatoren. Wie bereits ausgeführt ist die vorherrschende Meinung in Bezug auf Named Entities im Bereich NLP jedoch, dass nur jene Entitäten als solche gelten können, die mit einem rigiden Designator bezeichnet werden (Ehrmann et al. 2024). Es war also schon im Vornherein davon auszugehen, dass nicht-rigide Designatoren von generischen bzw. bereits vor-trainierten Standard-NER-Modellen vermutlich nicht erkannt und klassifiziert werden.

Anwendung von existierenden Modellen

Als Experiment wurde ein Sample-Text aus der Lesefassung mit den NER-Funktionalitäten von spaCy (eine beliebte Python-Bibliothek für NLP-Aufgaben) und flair (ein PyTorch-basiertes NLP-Framework) verarbeitet. Die Ergebnisse waren aufgrund der oben genannten Besonderheit von historischen Texten nur mäßig zufriedenstellend. Oft wurden nur Teile von Entitäten erkannt und klassifiziert (z.B. nur “W” statt “demoiselle de W.” oder nur “comte de” statt “comte de Schwerin”); außerdem wurden Teile von Personennamen, wie z.B. “Schwerin”, vereinzelt als Orte klassifiziert (vgl. Galka 2024). Ein großes Problem stellen die nicht erkannten Entitäten dar: in unserem Fall betraf das vor allem jene mit nicht-ridigen Designatoren (vgl. Abbildung 1).

Abbildung 1: Nicht erkannte Entitäten mit nicht-rigiden Designatoren

Modell-Training

Um die Erkennung zu verbessern, haben wir versucht, Named Entity Recognition-Modelle zu trainieren. Wir haben dazu einerseits mit Prodigy (Software für die Annotation von Trainingsdaten und Machine Learning) in einem Active Learning Verfahren Annotationen generiert, andererseits aber auch mit bereits vorhandenen menschlichen Annotationen, die im Zuge des Projekts im französischen Lesetext vorgenommen wurden.

Training mit Active Learning

Active Learning ist Teil von Machine Learning. Im Zuge des Active Learning wählt ein Lernalgorithmus die Datenpunkte aus, die an Entwickler*innen zurückgegeben werden, um diese mit zusätzlichen Informationen anzureichern. Es werden dabei vom Algorithmus jene Datenpunkte ausgewählt, von denen er am meisten profitieren würde – in der Regel, weil sie als besonders herausfordernd oder informativ klassifiziert werden. Nachdem neue Labels erhalten wurden, wird das Modell mit den zusätzlichen Daten aktualisiert – dieser Prozess wird wiederholt, wobei das Modell nach jedem Durchgang auf neuen Daten trainiert wird, bis ein gewünschtes Leistungsniveau erreicht ist oder keine weiteren Anfragen mehr möglich sind. Prodigy ermöglicht Active Learning mit binärer Annotation und einem Modell im Loop. Dieser Workflow bietet sich an, wenn bereits ein Modell existiert, und man dieses mit anderen Daten feintunen möchte. Das Modell schlägt in der Webapp die relevantesten Beispiele vor, die man annehmen oder zurückweisen kann (vgl. Abbildung 2). Auf Basis der Entscheidung der Annotator*innen wird das Modell im Hintergrund aktualisiert.

Abbildung 2: Prodigy-Interface

Active Learning mit Prodigy wurde mit dem Lesetext der Memoiren getestet. Dafür wurde das TEI/XML-Dokument mit dem Text der Lesefassung, welches den Text im <body> in einzelnen <p>-Elementen ohne Annotationen enthält, mittels eines Python-Skripts nach JSONL transformiert. Als Basismodell für den Active Learning Prozess wurde das spaCy-Modell “fr_core_news_md” verwendet. Alle 200 Vorschläge des Modells wurde das Modell außerhalb des Active Learning-Prozesses mit den Annotationen finegetuned. Außerdem lag uns zu diesem Zeitpunkt auch schon der gesamte Text mit annotierten Personen vor; dies ermöglichte die Evaluation des Modells gegen den Goldstandard.

Impressionen während des Annotationsvorganges

Die ersten 100-200 Vorschläge des Modells während des Active-Learning-Prozesses waren oft die gleichen Zeichenketten, Präpositionen (m’, d’) oder auch der Graf von Schwerin. Vorschläge 200 bis 400 waren oft Zeichenketten, bei denen das Modell fälschlicherweise davon ausging, dass keine Entitäten enthalten seien; tatsächlich waren in diesen Fällen oft jene Entitäten mit nicht-rigidem Designator enthalten (z.B. “ma tante”). Im Zuge des nächsten Schritts, also Vorschläge 400-600, wurden immer mehr dieser Fälle vom Modell richtig erkannt und klassifiziert. Vorschläge 600 bis 800 enthielten dann auch schon komplexe, richtig erkannte und klassifizierte Entitäten wie “feld-maréchal comte de Dohna”.

Modelltraining und Evaluation

Nach je 200 Vorschlägen wurde ein Modell trainiert und evaluiert. Die Resultate waren nicht zufriedenstellend; das beste Modell wies einen F-Score von 40% auf, der höchste Recall lag bei 38%. Die Modelle wurden mit mehr Annotationen, die zum Training verwendet wurden, sogar schlechter. Um herauszufinden, warum die Modelle so schlecht performen, wurde eines auf den Plain Text der Memoiren angewandt und das Resultat visualisiert. Auf den ersten Blick schienen die Ergebnisse nicht schlecht, dann aber stellte sich heraus, dass das Modell aufgrund der Active-Learning-Annotationen von “ma tante” und ähnlichen Entitäten auch andere Zeichenketten mit dem Possessivpronomen der ersten Person, wie “ma vanité”, “ma vie”, “ma grande” oder “ma douzième”, als Person klassifizierte. Ein weiterer Stolperstein lag darin, dass das Modell den Grafen von Schwerin immer mit dem Artikel “le” erkannte und klassifizierte, während dieser im Goldstandard meist ohne Artikel getagged wurde, die automatisch ermittelte Genauigkeit also inhaltlich falsch war.

Abbildung 3: Evaluation des auf den Active-Learning-Annotationen trainierten Modells gegen den Goldstandard

Training mit menschlichen Annotationen

Das zweite Experiment bestand darin, ein Modell basierend auf rein menschlichen Annotationen zu trainieren, die zu diesem Zeitpunkt bereits vorlagen. Dafür wurden 200 zufällige Sätze mit den Annotationen aus dem Goldstandard extrahiert und damit ein Modell trainiert und evaluiert. Dieser Vorgang wurde auch mit 400, 600 und 800 zufälligen Sätzen wiederholt. Dasselbe wurde mit Annotationen in Sätzen in der richtigen Reihenfolge wiederholt, um menschliches Annotieren zu imitieren.

Ein Modell, das mit nur 200 zufällig ausgewählten Annotationen trainiert wurde, erreichte bereits einen F-Score von 80%. Mit 200 Annotationen in der Reihenfolge des Textes, also nur vom Anfang des Textes, wurde ein Modell mit einem F-Score von 73% erreicht; mit 800 Annotationen in der richtigen Reihenfolge für das Training erreichte das damit trainierte Modell allerdings auch nur 80%. Mit den Annotationen in der zufälligen Reihenfolge kann vermutlich eine breitere Streuung der Fälle erreicht werden, wodurch das damit trainierte Modell auch schon bei wenigen Annotationen besser performt.

Abbildung 4: Evaluation des auf den menschlichen Annotationen (in zufälliger Reihenfolge) trainierten Modells gegen den Goldstandard

Fazit

Bei der Diskussion, was eine Named Entity eigentlich ist, hat sich gezeigt, dass im Rahmen der digitalen Edition von historischen Texten diese Frage noch nicht geklärt ist. Ehrmann et al. (2023) schlagen als Definition von Named Entities in historischen Texten vor, dass diese einen starren Bezeichner aufweisen (nach Nadeau und Sekine 2007). Unser Beispiel zeigt aber, dass zumindest in der digitalen Edition von historischen Texten die Voraussetzung des starren Designators für Named Entities nicht gegeben sein muss, und besser der Definition nach Zweck und Anwendung gefolgt werden sollte (vgl. Marrero 2013 et al.), damit z.B. die nicht-rigiden Referenzen aus Ego-Dokumenten mit eingeschlossen werden. Insgesamt ist die Leistung der (trainierten) Modellen ist nicht gut genug, um menschliche Annotator*innen zu ersetzen, die im Rahmen von digitalen Editionen oft besondere Interessen verfolgen. In unserem Fall ist es unter anderem das persönliche Netzwerk der Gräfin, worin auch Entitäten mit nicht-starren Bezeichnern äußerst relevant sind. Die mit menschlichen Annotationen trainierten Modelle performten zwar besser als jene, die mit den Active-Learning-Annotationen trainierten, allerdings auch nicht ausreichend. Mit Active Learning ist es zwar einfach, schnell Annotationen zu sammeln, aber diese stellten sich nur als mäßig nützlich heraus. Man weiß außerdem nicht, welche Auswirkungen das Active-Learning-Tagging auf das Modell hat; außerdem muss man den Text im Vorhinein schon recht gut kennen, um “korrekte” Annotationen vornehmen zu können.

Literatur

Devlin, Jacob, Ming-Wei Chang, Kenton Lee, und Kristina Toutanova. 2019. „BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding“. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers), herausgegeben von Jill Burstein, Christy Doran, und Thamar Solorio, 4171–86. Minneapolis, Minnesota: Association for Computational Linguistics, https://doi.org/10.18653/v1/N19-1423.

Eder, Elisabeth. 2021. Named Entity Recognition (NER). In: KONDE Weißbuch. Hrsg. v. Helmut W. Klug unter Mitarbeit von Selina Galka und Elisabeth Steiner im HRSM Projekt “Kompetenznetzwerk Digitale Edition”. Aufgerufen am 4.5.2023. Handle: hdl.handle.net/11471/562.50.141. PID: o:konde.141.

Galka, Selina. 2023. Bisheriger Workflow der Erstellung der Digitalen Edition. Blogbeitrag: Die Memoiren der Gräfin Schwerin (1684-1732). Abgerufen am 24. Mai 2024, von https://doi.org/10.58079/vk8a.

Görmar, Maximilian. 2023. „Erste Versuche mit der Named Entity Recognition am Reisebericht des Apothekers Wagener“. Billet. Grand Tour digital (blog). 16. Oktober 2023. https://doi.org/10.58079/vk8j.

Haeder, Tamara. 2020. „Zurück in die Zukunft:. Named-Entity-Recognition für digitale (historisch-kritische) Editionen. Masterarbeit.“ Darmstadt: Hochschule Darmstadt.

Kripke, Saul. 1982. Naming and Necessity. Harvard University Press, Cambridge.

flair. Aufgerufen am 12. Juli 2023. https://github.com/flairNLP/flair.

Marrero, Mónica, Julián Urbano, Sonia Sánchez-Cuadrado, Jorge Morato, und Juan Miguel Gómez-Berbís. 2013. „Named Entity Recognition: Fallacies, Challenges and Opportunities“. Computer Standards & Interfaces 35, Nr. 5: 482–89. https://doi.org/10.1016/j.csi.2012.09.004.

Martin, Louis, Benjamin Muller, Pedro Javier Ortiz Suárez, Yoann Dupont, Laurent Romary, Éric de la Clergerie, Djamé Seddah, und Benoît Sagot. 2020. „CamemBERT: a Tasty French Language Model“. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, herausgegeben von Dan Jurafsky, Joyce Chai, Natalie Schluter, und Joel Tetreault, 7203–19. Online: Association for Computational Linguistics, https://doi.org/10.18653/v1/2020.acl-main.645.

More, Jacqueline. 2021. “Theorie und Anwendung von Named Entity Recognition in den Digital Humanities mit Fokus auf historische Texte des 17. Jahrhunderts. Masterarbeit.” an der Universität Graz. http://unipub.uni-graz.at/obvugrhs/6203623.

Nantke, Julia, Sandra Bläß, und Marie Flüh. 2022. „Literatur als Praxis. Neue Perspektiven auf Brief-Korrespondenzen durch digitale Verfahren“. Textpraxis 1 (6).

spaCy. Aufgerufen am 19. Juni 2023. https://spacy.io/.

prodigy. Aufgerufen am 12. Juli 2023. https://prodi.gy/docs.

Zhuang, Liu, Lin Wayne, Shi Ya, und Zhao Jun. 2021. „A Robustly Optimized BERT Pre-Training Approach with Post-Training“. In Proceedings of the 20th Chinese National Conference on Computational Linguistics, herausgegeben von Sheng Li, Maosong Sun, Yang Liu, Hua Wu, Kang Liu, Wanxiang Che, Shizhu He, und Gaoqi Rao, 1218–27. Huhhot, China: Chinese Information Processing Society of China, https://aclanthology.org/2021.ccl-1.108.

11/12/202305/11/2024

Zur Erfassung und Erforschung der in den Memoiren der Gräfin Schwerin erwähnten Personen

Eines der Anliegen unseres Projekts ist die Aufarbeitung des komplexen Beziehungsgeflechts unserer Protagonistin, weshalb sich der letzte Blogbeitrag vor allem mit den dafür notwendigen Kodierungen auseinandersetzte.^[1] Hier soll es nun um die Arbeit am Personenregister der Edition und die zugrundeliegende Forschung gehen. Die Registereinträge werden mit allen Nennungen einer Person im Memoirentext verlinkt, sodass die erhobenen Informationen zur Biographie der genannten Personen beim Lesen des Editionstexts unmittelbar zur Verfügung stehen. Die systematische Sammlung und Erforschung von Personen aus einem zeitlich und räumlich eingegrenzten Lebenskreis bezeichnet man als Prosopographie.^[2] In diesem Beitrag wird ein Einblick in die Anwendung der prosopographischen Methode auf ein Selbstzeugnis gegeben. In unserem Fall wird die Personengruppe definiert als alle in den Memoiren der Gräfin Schwerin erwähnten Personen. Es wird also hier über geographische und Standesgrenzen hinweg die soziale Lebenswelt einer konkreten Person (eben der Gräfin Schwerin) erforscht.

Üblicherweise sind Prosopographien für die praktische Nutzung entweder systematisch oder alphabetisch aufgebaut, weiters mit Quellen- und Literaturnachweisen versehen und dienen in erster Linie als Nachschlagewerke. Vor allem in der Mediävistik spielt diese Methode schon seit langer Zeit eine große Rolle, hat aber in den letzten Jahrzehnten auch an Gewicht für die Neuzeit gewonnen, wie es die Aufarbeitung kollektiver Biographien, etwa von sozialen Bewegungen, verdeutlicht.^[3] Für die Frühe Neuzeit waren bisher vor allem Funktions- und Amtsträger landesfürstlicher Institutionen sowie Universitäten für die Forschung von Interesse.^[4] Zumeist handelt es sich hierbei um die „Eliten“,^[5] was mit der schlechten Quellenlage über und von Frauen und Männern der unteren Ebenen der ständischen Gesellschaft jener Zeit zu erklären ist.

Samuel von Hoogstraten (1652), Detailansicht des Inneren Burgplatzes um 1650 in dem adelige und nicht adelige Personen versammelt sind. Im Hintergrund sieht man den Turm der Minoritenkriche, davor die heutige Amalienburg und rechts davon den Vorgängerbau des Reichskanzleitraktes. https://www.geschichtewiki.wien.gv.at/Datei:Verwaltungstrakt.jpg, ©KHM-Museumsverband

Der Personenkreis in den Memoiren lässt sich zeitlich auf rund 40 Jahre eingrenzen, nämlich von der Geburt der Gräfin im Jahr 1684 bis zur Fertigstellung des Manuskripts um 1724. Es handelt sich um eine stark heterogene Menschengruppe, die sich über alle Standesebenen – von Dienstbot*innen bis hin zum Kaiserpaar erstreckt. Die Informationsdichte zu den einzelnen Personen unterscheidet sich daher stark. Je höher eine Person in der ständischen Hierarchie angesiedelt war, um so mehr prosopographische Daten lassen sich finden. Im Idealfall wären dies in unserer digitalen Edition: der Familiennamen, die Vornamen, die Lebensdaten, das Geschlecht, der Titel, Ehen, die Religionszugehörigkeit, das Amt oder die Funktion zum Zeitpunkt der Erwähnung in den Memoiren sowie je nach Kontext weitere biographische Informationen. Außerdem wird ein Feld ermöglichen, dort allgemeine Informationen bereitzustellen. Weiters gibt es eine Verlinkung zur Gemeinsamen Normdatei (GND).^[6]

Als Musterbeispiel einer hochgestellten Person der frühneuzeitlichen Gesellschaft in den Memoiren erwähnte die Gräfin Schwerin mehrmals die kaiserliche Witwe Amalia Wilhelmina von Braunschweig-Lüneburg. Für sie ist es ein Leichtes, die prosopographischen Daten zu eruieren. Sie lebte von 1673 bis 1742 und war zum Zeitpunkt ihrer Erwähnung in den Memoiren verwitwet (Witwe Kaiser Josephs I.) und somit tituliert als kaiserliche Witwe. Amalia Wilhelmina war katholisch und im Feld für Kommentare wäre in diesem Zusammenhang erwähnenswert, dass sie Großmeisterin des hochadeligen Sternkreuzordens und Stifterin des Salesianerinnenkloster am Rennweg in Wien war.^[7]

Allerdings trifft diese Fülle an Informationen nur auf einen Teil der in den Erinnerungen der Gräfin genannten Personen zu. So berichtet die Gräfin Schwerin, dass ihr während ihres ersten Wienaufenthalts drei „Kammermädchen“ zur Verfügung standen, aber leider erwähnte sie diese (anders als andere Diener und Dienerinnen) nie namentlich^[8]. In solchen Fällen ist es unmöglich, gezielt nach prosopographischen Daten zu suchen. Nichtsdestotrotz finden auch diese Personen Aufnahme in das Register, damit auch Menschen der unteren sozialen Ebenen wie etwa die in den Memoiren zahlreich auch als handelnde Personen erwähnten Untergebenen der Gräfin aufscheinen. Somit steht zumindest die Möglichkeit zur Verfügung, Kenntnisse über Amts-/Funktionsträger*innen sowie Dienstbot*innen zu erhalten. Gerade für Forschungsfragen zum Haushalt einer adeligen Familie kann dies von Nutzen sein, da es sich hier nicht um „trockene Personallisten oder Rechnungen“ handelt.^[9]

Unsere Edition kann auf bestehende Prosopographien zum Wiener Hof zurückgreifen und steht im Austausch mit laufenden Forschungsprojekten, insbesondere dem an der Österreichischen Akademie der Wissenschaften entstehenden prosopographsichen Datenportal zum Wiener Hof VieCPro.^[10] Neben den in den Memoiren überwiegend erwähnten hochadeligen Personen, die meist in Nachschlagewerken gut greifbar sind, kann so auch etwa eine von der Gräfin ohne Namen erwähnte Hebamme der Kaiserin Elisabeth Christine identifiziert werden; umgekehrt gab die ausführliche Beschreibung einer Hochzeit am Kaiserhof in den Memoiren Anlass dazu, die Gräfin Maria Ernestine von Dietrichstein zu Nikolsburg als Hofdame in VieCPro aufzunehmen.^[11]

^[1] Siehe für die Kodierung der Personenbeziehungen den Blogbeitrag von Selina Galka, veröffentlicht am 25.09.2023: Encoding Cultures – Joint MEC and TEI Conference 2023. Zur Kodierung von Personenbeziehungen in digitalen Editionen, https://memoiren.hypotheses.org/ zuletzt abgerufen am 16.11.2023.

^[2] Bulst, Zum Gegenstand = Neithard Bulst, Zum Gegenstand und zur Methode von Prosopographie. Western Michigan University 1986, S. 3; Peter Csendes, Einleitung, in: Peter Csendes – Johannes Seidl (Red.), Stadt und Prosopographie. Zur quellenmäßigen Erforschung von Personen und sozialen Gruppen in der Stadt des Spätmittelalters und der Frühen Neuzeit, Linz 2002 (Österreichischer Arbeitskreis für Stadtgeschichtsforschung, Forschungen zur Geschichte der Städte und Märkte Österreichs 6), S. 1–12.

^[3] Bulst, Zum Gegenstand 2-4; Jürgen Petersohn, Personenforschung im Spätmittelalter. Zu Forschungsgeschichte und Methode, in: Zeitschrift für Historische Forschung 2 (1975), S. 1–5.

^[4] Hier ist auf das Forschungsprojekt VieCPro (The Viennese Court. A prosopographical portal) unter der Leitung von Marion Rombergzum Wiener Hof hingewiesen, mit dem unser Projekt in Kooperation hinsichtlich der Verknüpfung prosopographischer Daten steht. https://www.oeaw.ac.at/ihb/forschungsbereiche/geschichte-der-habsburgermonarchie/forschung/the-viennese-court zuletzt abgerufen am 15.11.2023.

^[5] Zur Elitenforschung und Definition, Heinz Noflatscher, Funktionseliten an den Höfen der Habsburger um 1500, in: Günther Schulze (Hg.), Sozialer Aufstieg, Funktionseliten im Spätmittelalter und in der Frühen Neuzeit. Büdinger Forschungen zur Sozialgeschichte, München 2000/2001 (Deutsche Führungsschichten in der Neuzeit 25), S. 291–314, hier: S. 293.

^[6] https://www.dnb.de/DE/Professionell/Standardisierung/GND/gnd_node.html, zuletzt abgerufen am 20.11.2023.

^[7] https://explore.gnd.network/gnd/101076983?term=Kaiserin%20Amalia%20Wilhelmina&rows=25&pos=1 zuletzt abgerufen am 20.11.2023.

^[8] Mémoires = Maurice Daumas – Claudia Ulbrich (Hg., unter Mitarbeit von Sebastian Kühn, Nina Mönich und Ines Peper): Mémoires de la comtesse de Schwerin. Une conversion au XVIIIe siècle. Bordeaux 2013, S. 201.

^[9] Sebastian Kühn hat sich eingehend mit dieser Thematik auseinandergesetzt und sich auch in diesem Kontext mit den Memoiren der Gräfin Schwerin beschäftigt; Sebastian Kühn, Teil-Habe am Haushalt. Dienerschaften in Adelshaushalten der Frühen Neuzeit, in: Malte Gruber – Daniel Schläppi (Hg.), Von der Allmende zur Schare-Economy (Beiträge zur Rechts-, Gesellschafts- und Kulturkritik 15) 2018, S. 113–136; Ders., Die Gräfin, die Gouvernante und der König. Perspektiven auf Dienstleute als Boten in einem aristokratischen Haushalt des 18. Jahrhunderts, in: Historische Anthropologie 20/1 (2012), S. 58–75.

^[10] Irene Kubiska-Scharl – Michael Pölzl, Die Karrieren des Wiener Hofpersonals 1711–1765. Eine Darstellung anhand der Hofkalender und Hofparteienprotokolle (Forschungen und Beiträge zur Wiener Stadtgeschichte 500) Innsbruck u.a. 2013; dazu der Link: https://hofpersonal.univie.ac.at/de/das-projek t/ zuletzt abgerufen 28.11.2023; zu ViecPro https://www.oeaw.ac.at/ihb/forschungsbereiche/geschichte-der-habsburgermonarchie/forschung/the-viennese-court zuletzt abgerufen am 15.11.2023.

^[11] Mémoires, S. 210. Diese Hochzeit findet sich auch in den Zeremonialprotokollen des Kaiserhofs: OeStA/HHStA HA OMeA Zeremonial Protokolle 9 (1716), fol. 229r.

25/09/202305/11/2024

Encoding Cultures – Joint MEC and TEI Conference 2023. Zur Kodierung von Personenbeziehungen in digitalen Editionen

Die Konferenz

Von 5. bis 8. September 2023, mit Pre-Conference-Workshops am 4. und 5. September, fand an der Universität Paderborn die Konferenz “Encoding Cultures“, eine gemeinsame Veranstaltung der Music Encoding Initiative (MEI) und der Text Encoding Initiative (TEI) statt. Die Konferenz markierte die erstmalige Vereinigung der MEI- und TEI-Gemeinschaften, die sich beide der Digitalisierung und Codierung von kulturellen Erbstücken verschrieben haben.

Abbildung 1: Universität Paderborn, Konferenz “Encoding Cultures”

Universität Paderborn, Konferenz “Encoding Cultures”

Während Musik und Text auf den ersten Blick weit voneinander entfernt zu sein scheinen, gibt es auffällige Überschneidungen in ihren Ansätzen zur Datenmodellierung, Kodierungstheorie und digitalen Veröffentlichung.

Das übergreifende Thema der Konferenz lautete “Encoding Cultures” – dieses Thema umfasst zwei wesentliche Dimensionen; nämlich die Kodierung verschiedener Kulturen und kultureller Ausdrucksformen sowie die Vielfalt der Kodierungskulturen, die innerhalb und zwischen unseren Gemeinschaften existieren.

Themen

Die Keynotes wurden von Anna Kijas (“Preserving Cultural Heritage through Digital Activism and Community”) und Till Grallert (“Mind the <gap/>s! Digital editing in a world in crisis”) gehalten. Die Themen der Short Papers und Long Papers reichten von Datenstrategien, Datenverbindungen, Text und Musik, Tools und Workflows, Datenanalyse, Kodierungsherausforderungen, Kodieren von Semantik und Entitäten, Genetischen Editionen, Kodierungsstrategien und Infrastrukturen bis über Korpusbildung. Daneben fanden zum Beispiel Panels zu den Themen Materialität, Metadaten im <teiHeader>, ODD, TEI und das Semantic Web und Unterrichten von Kodierung statt. Außerdem kamen die Special Interest Groups (z.B. TEI Ontology, TEI Manuscripts, TEI Graph Technologies und TEI Correspondance) zusammen, um über im letzten Jahr Geschehens und zukünftige Vorhaben zu berichten und zu diskutieren. So wurde in der SIG Manuscripts beispielsweise über eine Anpassung der Definition des <object>-Elements und über die Einführung von <objectContents> diskutiert.

Abbildung 2: Poster Slam

Nach dem unterhaltsamen Poster Slam am Donnerstagnachmittag, dem 07.09, wurden bei der Poster Session insgesamt 24 Poster zu unterschiedlichsten Themen präsentiert.

Beitrag zur Konferenz: relation^3

Aus dem Projekt der digitalen Edition der Memoiren der Gräfin Schwerin wurden Überlegungen zur Modellierung der Personenbeziehungen präsentiert. Beziehungen, insbesondere Verwandtschafts- und informelle Beziehungen, spielten eine zentrale Rolle im Leben der Gräfin und waren entscheidend für ihre soziale Stellung. In der digitalen Edition sollen diese Beziehungen unter dem Aspekt der “assertive edition” (Vogeler 2019) modelliert werden. Der Beitrag widmete sich somit der Frage, wie Text, der Beziehungen beschreibt, mit einer strukturierten Kodierung dieser Beziehungen verbunden werden kann (Galka/Vogeler 2023). Hier kann die entsprechende Präsentation eingesehen werden.

“assertive edition”

Das Konzept der “assertiven edition” basiert auf einer mehrschichtigen Darstellung. Um die in einem Text enthaltenen Fakten als Aussagen zu modellieren, werden eingebettete Anmerkungen mit TEI/XML mit externen Informationsstrukturen verknüpft, wie z.B. mit RDF. Die TEI bietet das Element tei:relation mit den Attributen @name, @active, @passive und @mutual zur Kodierung von Personbeziehungen innerhalb von tei:listPerson an.

Verknüpfung von TEI und RDF

Um TEI und RDF miteinander zu verknüpfen, gibt es unterschiedliche Möglichkeiten (Boot/Koolen 2021), darunter die Verwendung von RDFa (Resource Description Framework in Attributes), einer Semantic-Web-Technologie, die RDF-Aussagen in andere Dialekte (z.B. HTML oder XML) einbindet und diese mit semantischen Inhalten anreichert.

Eine weitere Option zur Verknüpfung von TEI und RDF ist das TEI-Element tei:xenoData, das die Einbettung von RDF-Aussagen im TEI-Dokument ermöglicht. tei:xenoData wird jedoch im tei:teiHeader eingebunden und dient vor allem der Kodierung von Metadaten. Beide der erwähnten Methoden haben außerdem den Nachteil, die menschliche Lesbarkeit des TEI-Dokuments zu beeinträchtigen.
Außerdem wurde auch tei:relation verwendet, um RDF-Strukturen in TEI/XML einzubetten (SAWS-Projekt, Jordanous 2015), aber wie von Tittel et. al. (2018) erwähnt, handelt es sich um einen Fall von Tag abuse, da dieser Tag eigentlich auf Named Entities beschränkt ist.

Modellierungsvorschlag

Wir schlagen vor, das TEI-Element tei:relation für die Modellierung der Personenbeziehungen zu verwenden, wobei die Attribute @type für eine genauere Spezifikation der Beziehung, @name für den Beziehungstyp und @mutal, @active oder @passive für die beteiligten Personen genutzt werden.

Die prosopographischen Informationen werden mit dem Text verknüpft, indem der Text mit tei:seg annotiert und auf das @xml:id von tei:relation mit dem Attribut @ana verwiesen wird. Alle diese Informationen, die in TEI/XML codiert sind, werden auch mit Ontologien wie FOAF in RDF gemappt (vgl. Abbildung 3).

Abbildung 3 : Kodierungsbeispiel

Es gibt bereits Projekte, die sich ähnlich wie unser Ansatz auf die Verwendung von tei:relation zur Darstellung der Beziehungen stützen, nämlich die Projekte Syriaca und SPEAR, die auf Factoid-Prosopographie beruhen (Schwartz/Gibson/Torabi 2022). Factoide sind Personendaten, die aus historischen Quellen stammen. Die angewandte Verknüpfungsmethode in den Projekten ist allerdings viel weniger granular, da das allgemeine Factoid-Modell keine detaillierte Annotation der Quelle erfordert, auf der die Behauptung des Factoids beruht. Es gibt nur Verweise auf ein ganzes Werk. In unserem Fall annotieren wir den Text einer Ausgabe in der Granularität des Lesers der Textpassage und verknüpfen ihn mit einer Interpretation.

Verknüpfung von Relationen und Text: tei:annotation

Was die Verknüpfung der kodierten Relationen und den Text betrifft, wäre es auch möglich, tei:annotation zu verwenden – dieser Ansatz folgt dem Web Annotation Model. Mit tei:annotation wird in den Text gezeigt (tei:annotation, tei:ptr), wobei man diese Referenzierungsmethode als “inward pointing” bezeichnen könnte. Die TEI schließt nicht aus, eine alternative Methode des Verweises anzuwenden, die nicht dem Web Annotation Model entspricht. Wir wenden diese Methode, bei der auf die <relation> über den @ana-Mechanismus aus dem bearbeiteten Text heraus verwiesen wird, und bezeichnen sie als “outward pointing”. Wir verweisen dabei aber nicht auf die generische Annotation in tei:anntation sondern auf die semantisch spezielle in tei:relation.

Ausblick

Wir haben uns soweit für die einfachste Kodierungsmöglichkeit entschieden; außerdem kann die Kodierung mit XSLT problemlos nach tei:annotation und tei:xenoData konvertiert werden (siehe GitHub). Sowohl die manuelle Kodierung von tei:xenoData als auch tei:annotation würden einen zusätzlichen Aufwand im Arbeitsprozess entstehen lassen, ohne dass mehr Informationen hinzugefügt werden, die für unsere Edition notwendig sind.Darüber hinaus ist die “outward-pointing”-Methode besser mit den von Elena Pierazzo (2015, 43) oder Patrick Sahle (2013:III, 251–340) vorgestellten mehrschichtigen editorischen Konzepten vereinbar, bei denen die Annotation als Interpretation der Textpassage betrachtet wird, d.h. als ein analytischer Schritt auf der Grundlage des Textes selbst. Mit unseren Modellierungsvorschlägen müssten keine neuen TEI-Elemente oder -Attribute definiert werden, alle Informationen sind im TEI/XML verfügbar und können mit geeigneten Transformationen nach RDF gemapped werden.

Literatur

Boot, Peter and Koolen, Marijn. “Connecting TEI Content Into an Ontology of the Editorial Domain.”. In Graph Data-Models and Semantic Web Technologies in Scholarly Digital Editing, edited by Elena Spadini, Francesca Tomasi, and Georg Vogeler, 9–29. Norderstedt: BoD, 2021.

Pierazzo, Elena. Digital Scholarly Editing: Theories, Models and Methods. Farnham: Ashgate, 2015. https://journals.openedition.org/variants/pdf/408.

Project: SAWS. https://ancientwisdoms.ac.uk/. Composed of teams working at King’s College London, the Newman Institute, Uppsala, and the University of Vienna.

Project: Syriaca.org. Vanderbilt University, Princeton University, and the Contributor(s), 2014. URL: https://syriaca.org/index.html [2023-04-13].

Projekt: SPEAR. Syriac Persons Events and Relations. https://spear-prosop.org/index.html.

Jordanous, A. (2015). Enhancing information retrieval and resource discovery from data using the Semantic Web. In 4th International Symposium on Emerging Trends and Technologies in Libraries and Information Services (ETTLIS-2015), pages 105–110. IEEE.

Sahle, Patrick. Digitale Editionsformen. Zum Umgang mit der Überlieferung unter den Bedingungen des Medienwandels. Teil 3: Textbegriffe und Recodierung. Schriften des Instituts für Dokumentologie und Editorik 9. Norderstedt: Books on demand, 2013.

Schwartz, Daniel L., Nathan P. Gibson, und Katayoun Torabi. „Modeling a Born-Digital Factoid Prosopography Using the TEI and Linked Data“. Journal of the Text Encoding Initiative, 21. März 2022. https://doi.org/10.4000/jtei.3979.

Tittel, Sabine, Helena Bermúdez-Sabel, und Christian Chiarcos. 2018. „Using RDFa to Link Text and Dictionary Data for Medieval French“. In Proceedings of the 6th Workshop on Linked Data in Linguistics (LDL-2016): Towards Linguistic Data Science. European Language Resources Association (ELRA), herausgegeben von John P McCrae, 30–38.

Vogeler, Georg. “The ‘assertive edition’: On the consequences of digital methods in scholarly editing for historians.” International Journal of Digital Humanities 1 (2019): 309–322.

21/07/202205/11/2024

Die Transkriptionsregeln „in progress“

Die Transkription stellt einen wichtigen Arbeitsschritt zu Beginn jeder Edition dar, und bereits hier müssen einige grundlegende Entscheidungen für die Erfassung und Darstellung der edierten Quelle getroffen und passende Lösungen für deren Besonderheiten gefunden werden. Die Memoiren der Gräfin Schwerin sind in zwei Abschriften überliefert, von denen die eine – „Manuskript A“[1] – bereits Gegenstand einer 2013 publizierten gedruckten Edition[2] wurde. Wir stehen nun vor der Aufgabe, die zweite, erst 2016 bekannt gewordene Abschrift – „Manuskript W“[3] – für die digitale Edition ebenfalls zu transkribieren und dabei auch die beiden voneinander abweichenden Versionen der Quelle gründlich zu vergleichen. In diesem Beitrag möchten wir unsere vorläufigen Richtlinien für die Transkriptionsarbeit darlegen.

Wie bereits in unserem ersten Werkstattbericht erwähnt, erfolgt die Transkription in Transkribus manuell, da die Textmenge für das Training eines Modells zur automatischen Texterkennung unzureichend ist. Das Programm bietet auch bei dieser Form der Nutzung große Vorteile für die Transkription, Kollation und weitere Bearbeitung des Textes.

Insbesondere der Korrekturprozess wäre ohne die zeilengetreue Zuordnung von Text und Bild sehr aufwendig und zeitintensiv, weil das Französisch im Manuskript W eine auffallend fehlerhafte und uneinheitliche Orthographie aufweist.

Diese fehlerhafte Rechtschreibung lässt vermuten, dass die Kopist*innen von Manuskript W – die unterschiedlichen Schreiber*innenhände werden in der digitalen Edition ausgewiesen – keine guten Französischkenntnisse hatten und auch anscheinend nach dem Gehör schrieben, da gelegentlich ähnlich klingende Wörter verwechselt wurden. Im Vergleich zu Manuskript A sind dafür die deutschsprachigen Personen- und Ortsnamen in Manuskript W wesentlich besser wiedergegeben, was die Vermutung erhärtet, dass Manuskript W im deutschsprachigen Raum, möglicher Weise in Wien angefertigt wurde. Besonders gravierend zeigen sich die begrenzten Französischkenntnisse der Kopist*innen, wenn gelegentlich mehrere Wörter fehlen und somit das Niedergeschriebene keinen Sinn ergibt. Durch den Vergleich mit Manuskript A können diese Stellen jedoch problemlos aufgelöst werden. Außerdem entsprechen die Satzzeichen keiner modernen Satzstruktur und Punkte fanden kaum Verwendung. Die Transkription folgt in Orthographie und Zeichensetzung exakt dem Original, da die digitale Edition ohnehin auch eine, nach den Regeln der modernen französischen Rechtschreibung, normalisierte Textansicht anbieten wird. (In grammatischer und idiomatischer Hinsicht treten ohnehin keine Probleme auf, da die Gräfin ein sehr gutes klassisches Französisch schrieb.)

Die Transkription erfolgt zeichengetreu, wobei weitestgehende eine Kleinschreibung eingehalten wird, da im Original die Groß- und Kleinschreibung selten klar ersichtlich ist. Einzige Ausnahmen bilden Personen-, Orts- und Ländernamen, Adelstitel, Mr. für monsieur, Fr./Frl. für Frau/Fräulein, Mad. für madame, konkrete Ämter (z. B. Obersthofmeister bzw. Versionen und Übersetzungen davon) sowie „Dieu“ und „la Vierge“. Berufs- und andere generische Bezeichnungen wie „ministre“, „gouvernante“ werden klein geschrieben. Abkürzungen, etwa von Namen, werden getreu dem Original z. B. als „C. de S.“ (für comte de Schwerin) oder auch als „C de S.“ wiedergegeben; hochgestellte Endungen werden nach einem Punkt geschrieben („C.esse“ für comtesse) und Buchstaben mit einem Überstrich (z. B. „m̅“) werden als Verdoppelung ausgeschrieben. Akzente werden wie im Original, allerdings bei Doppelbuchstaben immer auf dem ersten Buchstaben (ée) gesetzt. Abteilungszeichen und Bindestriche werden mit einfachem Bindestrich wiedergegeben, Klammern dem Original entsprechend als /: und :/. Zahlenangaben mit Abkürzungen wie z. B., „m/50“ („m“ steht für mille) werden ausgeschrieben „50.000“. Randglossen werden transkribiert, jedoch nicht die uneinheitlichen und nur zu Beginn des Manuskripts vorhandenen Seiten- bzw. Blattnummern (Folierung). Da sich manche Besonderheiten erst im Laufe der Transkription zeigen, sind die bisher aufgestellten Regeln als work in progress zu verstehen.

Während inhaltliche Tags erst in der nächsten Bearbeitungsphase im TEI gesetzt werden, werden, vorbereitend für die digitale Edition, Streichungen, Unterstreichungen sowie Einfügungen bereits in Transkribus markiert (getaggt). Zudem werden alle im Vergleich zu Manuskript A neuen Textpassagen vorläufig mit eckigen Klammern [ ] und fehlende Wörter mit einer Raute # editorisch gekennzeichnet. Somit wird am Ende dieser Arbeitsphase ein bereits mindestens einmal korrekturgelesener Editionstext stehen, in dem alle texteditorisch relevanten Stellen und alle inhaltlichen (nicht orthographischen) Abweichungen zwischen den beiden Manuskripten gekennzeichnet sind.

[1] Aix-en-Provence, Bibliothèque Méjanes, Ms 1190–1191.

[2] Maurice Daumas und Claudia Ulbrich (Hg.), unter Mitarbeit von Sebastian Kühn, Nina Mönich und Ines Peper: Mémoires de la comtesse de Schwerin. Une conversion au XVIIIe siècle. Bordeaux 2013.

[3] Wien, Haus-, Hof- und Staatsarchiv, SB Khevenhüller-Riegersburg 184/5.

30/05/202230/05/2022

Erste Einblicke in die Forschungswerkstatt

von Selina Galka, Ines Peper, Michael Pölzl und Joëlle Weis

Das Forschungsprojekt „‚Tout Vienne me riait.′ Familiäre und höfische Beziehungen in den Memoiren der Gräfin Luise Charlotte von Schwerin (1684-1732)“ hat im April (ÖAW) bzw. Mai (ZIM) gestartet. Dieser Blog wird unser Projekt in den kommenden Jahren begleiten und in unterschiedlichen Kategorien über unsere Arbeit an der digitalen Edition und die neuesten Erkenntnisse zur Gräfin Schwerin berichten. Dabei werden wir erste Forschungsergebnisse ebenso wie interessante Hintergrundinformationen zu Umfeld und Leben der Gräfin in den Vordergrund stellen, um damit einem interessierten Publikum einen Einblick in unsere Editionswerkstatt zu ermöglichen.

Im Folgenden möchten wir einen ersten Einblick in die derzeit laufende Transkriptionsarbeit und den geplanten technischen Rahmen der Edition geben. Die Memoiren der Gräfin Schwerin sind in zwei voneinander abweichenden Abschriften erhalten. 2013 ist eine gedruckte Edition auf Basis der ersten dieser beiden Quellen erschienen; wir arbeiten derzeit an der Transkription der zweiten, erst seit 2016 bekannten Abschrift und an der Schaffung der technischen Grundlagen für die geplante digitale Edition.

Die Transkription erfolgt in Transkribus. Auf Grund der begrenzten Textmenge wird kein Modell zur automatischen Texterkennung trainiert. Dennoch erleichtern die Funktionen des Programms die Transkription und die anschließende Kollation und weitere Bearbeitung des Texts; hier ist insbesondere die zeilengetreue Zuordnung von Text und Bild hervorzuheben. Es wird zeichengetreu transkribiert, auf Grund der teils schwer unterscheidbaren Groß- und Kleinbuchstaben dabei jedoch fast durchgehende Kleinschreibung praktiziert – Ausnahmen bilden lediglich Personen-, Orts- und Ländernamen, Adelstitel, konkrete Ämter und „Dieu“; Buchstaben mit einem Makron werden als Verdoppelung ausgeschrieben. Vorbereitend für die digitale Version werden Streichungen, Unterstreichungen sowie zwischen den beiden Manuskripten abweichende Stellen markiert (getaggt).

Die Digitale Edition der Memoiren wird den Editionstext, bzw. die Texte der beiden Manuskripte, und die Übersetzung in Gegenüberstellung mit den Faksimiles präsentieren. Die Texte sollen nach den Richtlinien der TEI (P5) modelliert werden, wobei hier ein Hauptaugenmerk auf die Textvarianz gelegt werden wird. Neben Textstrukturen werden außerdem Personen, Orte und Schlagworte ausgezeichnet und mit Normdaten angereichert (GND, VIAF, GeoNames). Die von der Gräfin erwähnten Interaktionen und Beziehungen mit anderen Personen sollen mit RDF-Technologien abgebildet und mit einer Netzwerkvisualisierung veranschaulicht werden.

Die Digitale Edition eröffnet außerdem die Möglichkeit, unterschiedlichste computergestützte Textanalyseverfahren anzuwenden, wie zum Beispiel Topic Modelling. Die Edition wird um begleitende Texte (z.B. editorischer Kommentar, Dokumentation) und Register ergänzt; die Daten werden im Repositorium GAMS (Geisteswissenschaftliches Asset Management System) langzeitarchiviert und stehen durch die Vergabe eines Persistent Identifiers (PID) stabil referenzierbar zur Verfügung.