(Keine) Experimente in den Digital Humanities?

Jonathan D. Geiger, Max Grüntgens und Dominik Kasper

Zusammenfassung

Nicht nur im Zusammenhang mit dem außergewöhnlichen Format der vDHd2021 genießt der Experimentbegriff in den Digital Humanities Popularität. Ein Blick in die Books of Abstracts der vergangenen DHd-Jahreskonferenzen offenbart eine Zunahme der Beiträge, in denen Begriffe aus dem Wortfeld „Experiment“, „experimentell“ und „Labor“ verwendet wurden. Die Begriffe werden allerdings nicht einheitlich verwendet, beim näheren Hinsehen offenbaren sich mehrere Bedeutungsebenen im Spannungsfeld der Digital Humanities zwischen klassischer geistes- und kulturwissenschaftlicher Forschung sowie der Anlehnung an Methoden der Naturwissenschaften. Dieser Beitrag präsentiert anhand begriffsgeschichtlicher und anwendungsbezogener Forschungsliteratur eine Synthese zum Experiment- und Laborbegriff in den Geistes- und Kulturwissenschaften – unterstützt durch empirische Beobachtungen, wie sie im Vorfeld und während des gleichnamigen Workshops auf der vDHd2021 am 24. März 2021 getätigt wurden.

Einführung mit Problemdarstellung

Experimentalpraktiken sind historisch spätestens seit der Frühen Neuzeit fester Bestandteil der Wissenschaft – traditionellerweise der Naturwissenschaften. Experimente zeichnen sich klassischerweise durch kontrollierte Arrangements von theoretischen Hypothesen, physischen Forschungsgegenständen und -instrumenten aus. Es stellt sich die Frage, wie der Begriff für die Geisteswissenschaften entlehnt werden kann, deren Forschungsgegenstände häufig einen anderen ontologischen Charakter haben, die in anders geartete Kontexte eingebettet sind und deren Funktion – einer traditionell einflussreichen Sichtweise folgend – auch nicht im „Erklären“, sondern im „Verstehen“ der Dinge gesehen wird (Wilhelm Dilthey) und damit die historische Wirklichkeit nicht unter Berücksichtigung des Allgemeinen, sondern unter „Rücksicht auf das Besondere und Individuelle“[1] darstellen (Heinrich Rickert).[2] Die empirische Basis ist häufig eine andere, ebenso wie der Habitus der Fachkultur sowie die Rolle und Struktur der fachspezifischen wissenschaftlichen Theorien und damit die darauf aufbauenden Hypothesen und hieran anschließend die Möglichkeiten zu Test und Falsifikation.

Mit den Digital Humanities verlagert sich die Diskussion um den Experimentbegriff in den Geisteswissenschaften erneut. Digitale Objekte sind im Kern weder intelligible noch materielle Objekte. Sie können zwar maschinell verarbeitet und analysiert werden, die Aussagekraft der hieraus gewonnenen Erkenntnisse ist aber abhängig von ihrer jeweiligen digitalen Repräsentationsform und damit – zumindest argumentativ – weitgehend auf den digitalen (Operations-)Raum selbst begrenzt.[3] Die dispositionellen Kategorien Formalisierbarkeit, Quantifizierbarkeit und Mathematisierbarkeit sowie Algorithmisierbarkeit rücken stärker in den Blick und verlagern die Kompetenzanforderungen an die Forschenden und die Menge der möglichen Operationen an und mit den Forschungsgegenständen. Der Spagat der Digital Humanities zwischen digitalen Forschungsobjekten und geisteswissenschaftlichen Fragestellungen, der begrifflichen Anlehnung an naturwissenschaftliches Arbeiten bei gleichzeitiger Abgrenzung der unterschiedlichen Forschungsgegenstände und Erkenntnisinteressen wurde bislang weder theoretisch noch praktisch bis in die Tiefe ausgelotet und kann auch hier nicht geleistet werden. Einige Fragen dazu wurden im Vorfeld und während des Workshops diskutiert:

  • Welcher Experimentbegriff wird in den DH verwendet?
  • Wie müssen Hypothesen in den DH formuliert werden, wie die Gegenstände eines Experiments ausgewählt und formalisiert?
  • Wie muss die Falsifikation von Erkenntnis in den DH gedacht werden?
  • Welche neuen Konzepte sozio-technischer Laborsysteme sind notwendig?
  • Was kann eine methodische Vereinigung unter der Dachdisziplin „Kulturwissenschaft“, zu deren Praktiken auch das Experimentieren gehört, hier leisten?
  • Welchen Konnex haben „Verstehen“ und Gedanken-Experiment, bspw. im Sinne der (unbewusst formalisierend-generalisierenden) Modellbildung von „Verstehen“ als „Storyworld“[4]– und in welcher Relation stehen beide zu möglichen Formen von Test und Experiment?
  • Welche Anforderungen für die Reproduktion von wissenschaftlichen Ergebnissen stellen sich an die Dokumentation des Forschungsprozesses?
  • Was sollte davon in welcher Form publiziert werden?
  • Was ist für eine digitale Quellenkritik zu beachten?

Als paradigmatische Vordenker können bspw. die Systemtheorie, die Modelltheorie (Stachowiak) und die auf quantitative Methodiken ausgerichteten Teile der Geschichtswissenschaften dienen, bspw. der New Economic History, die bereits in den 1950er Jahren Informationen formalisierten und elektronische verarbeiteten.[5] Heute beobachten wir eine zunehmende „Verdatung“ geistes- und kulturwissenschaftlicher Forschungsmaterialien und -ergebnisse und damit einhergehend eine zunehmende Forschung an digitalen Objekten bzw. digitalen Repräsentationen. Die daraus resultierende Notwendigkeit digitaler Quellenkritik bzw. kritischen Reflexion des digitalen Forschungsgegenstands erfordert technische Kenntnisse, welche mehr und mehr Gegenstand der Aus- oder Weiterbildung werden. In diesen Punkten glauben wir, eine gewissen Konvergenz von Geistes- und Kulturwissenschaften zu erkennen, ein Transfer von Art der Thesenbildung über Gliederung und Aufbau und Zitationsweise bis hin zur benutzten Textverarbeitung von wissenschaftlichen papers ist zu erkennen. Besonders deutlich ist dies in der (Computer-)Linguistik sichtbar, die hierin für die Geistes- und Kulturwissenschaften als Pioniere auftraten.

Allgemeine Beobachtungen

Was lässt sich nun konkret über die Verwendung des Experiment- und Laborbegriffs in den Geistes- und Kulturwissenschaften und den Digital Humanities feststellen?

Zunächst wird schnell deutlich, dass Handbücher und Systematiken zur wissenschaftlichen Praxis, Methodik und Begriffsgeschichte oft einen Eintrag „Experiment“ bzw. „experimentieren“ aufweisen. Das Handbuch zur Praxis des kulturwissenschaftlichen Arbeitens kennt „experimentieren“ bzw. Experimente als in natur-, sozial- und kulturwissenschaftlichen Disziplinen genutzte Praktiken. Diese sind jedoch „gegenstandsabhängig mit unterschiedlichen Zwecksetzungen und Möglichkeiten, die Variablen der Versuchsanordnung zu kontrollieren und zu messen.“[6] So kennt man in der Geschichtswissenschaft die Praxis des Nach-Experimentieren: Der „Burgbau von Guédelon“[7] ist ein Beispiel für ein großes historisch-archäologisches Experiment. Im Departement Yonne in Frankreich baut eine Gruppe von 50 Handwerker*innen mit Mitteln des 13. Jahrhunderts eine Burg nach. Ziel des Experiments ist es, zu verstehen, wie zu dieser Zeit gebaut wurde. Damit wird die Umgebung zugleich zum Labor, indem eine Vielzahl von Teilexperimenten durchgeführt wird. Wissen über Werkzeuge, Bauzeiten und personelle sowie finanzielle Ressourcen liegt vor. Damit können die grundsätzlichen Prinzipien, nach denen eine Burg gebaut wurde (unter Rückgriff auf naturwissenschaftliche Erkenntnis) bereits erklärt werden. Konkret geht es also mehr darum, den Einsatz von alten Techniken zu verstehen, wie die Verantwortlichen häufig betonen[8].

Im Handwörterbuch Philosophie wird das Experiment als charakteristisches Merkmal moderner Erfahrungswissenschaften benannt. Diese Bezeichnung meint meist (nur) die Naturwissenschaften, wobei empirische Kulturwissenschaften wie Volkskunde/Anthropologie hier mitzudenken sind. Zwei Punkte werden als wesentliche Funktionen von Experimenten genannt:

  1. Theorien im Sinne des Empirismus zu bewahrheiten (verifizieren)[9] und
  2. Allsätze von Hypothesen zu falsifizieren.

Weitere Nachschlagewerke aus den Geistes- und Kulturwissenschaften mit einem Eintrag „Experiment“, „Experimentell“ sind unter anderem das Reallexikon der deutschen Literaturwissenschaft, Metzler Lexikon Kultur der Gegenwart, Europäische Enzyklopädie zu Philosophie und Wissenschaft und die Enzyklopädie der Neuzeit. Die in Arbeit befindliche Taxonomy of Digital Research Activities in the Humanities, kurz TaDiRAH, verzeichnet experimentieren allerdings noch nicht.

Auch der Begriff „Laboratorium“ (auch Labor, Lab) ist in den Geistes- und Kulturwissenschaften im klassischen wie übertragenen, metaphorischen Sinne weit verbreitet, sowohl als Untersuchungsgegenstand wissens- und kulturhistorischer Forschung, als auch zur Bezeichnung von (auch virtuellen) Räumen und transdiziplinären Projekten. Beispiele für letzteres sind hier für uns besonders interessant.

Der klassische Experimentbegriff (Experiment I) umfasst eine Hypothesenbildung und genaue Definition von relevanten Faktoren und Variablen des Untersuchungsfeldes, die Einrichtung der benötigten Instrumente und Geräte, und schließlich eine Durchführungsbeschreibung. Nicht zuletzt ist eine Ergebnis- und Fehlerdokumentation zur Gewährleistung von Reproduzierbarkeit und Überprüfbarkeit notwendig. Für gewöhnlich wird ein Experiment I auch in einem Labor (Labor I) durchgeführt, worunter wir hier eine Installation oder Zusammenstellung von Instrumenten zur Bestimmung, Kontrolle und Messung von Variablen, die gemeinsam geeignet sind, eine Hypothese durch ein an ihnen durchgeführtes Experiment potenziell zu falsifizieren. Hierbei können sowohl der Gegenstand der Untersuchung als auch die Installation materiell wie digital sein.

Bei den Recherchen im Vorfeld der Veranstaltung zeigte sich insbesondere mit Blick auf die DHd-Book-of-Abstracts-Veröffentlichungen aus den letzten Jahren, dass Begriffe wie „Experiment“, „experimentieren“ oder „experimentell“ in den Digital Humanities in einer Reihe von Fällen der Absicherung zu dienen scheinen, um Kritik an explorativen, tentativen oder von den Forschenden selbst als unvollständig angesehenen wissenschaftlichen Untersuchungen zuvorzukommen. Wenn sich diese Beobachtung allgemein bestätigen ließe, so würde deutlich, dass der eigentliche digitale Forschungsansatz – trotz intensiver Bemühungen der DH-Community die Geistes- und Kulturwissenschaften aus ihrer digitalen Unmündigkeit zu befreien – weiterhin vom traditionellen wissenschaftlichen Diskurs und dem zugrundeliegenden Habitus überschattet wird. Die Beobachtung erfolgt im Zusammenhang mit digitalen Tools, die entweder neu entwickelt wurden oder für neue Anwendungskontexte Verwendung fanden.

Der darin verwendete Experimentbegriff (Experiment II) lässt sich am besten mit den Prädikaten „versuchen“, „testen“ und „ausprobieren“ beschreiben. Oder anders gesagt Experimentieren im Sinne von herumexperimentieren. So betrachtet lässt sich diese Vorgehensweise als eine Art propädeutischer Ansatz mit theoretisch-methodischem Vorbehalt begreifen, um zu ermitteln, ob sich ein Verfahren oder ein Gegenstand für wissenschaftliche Untersuchungen eignet. Die bewusste Entscheidung zum „Herumexperimentieren“ ermöglicht also die Einbettung in einen Rahmen zur methodischen Suche eines geeigneten Verfahrens oder einer geeigneten Umgebung zur Beantwortung der (fach-)eigenen Forschungsfragen. Wird dies in der zugehörigen Publikation explizit deutlich gemacht, unterbindet dies die unerwünschte Situation, dass vermeintlich jedes Forschungsszenario als Experiment bezeichnet werden kann.

Im Zusammenhang mit Experiment II in den DH wird sehr deutlich, dass jede technische Installation oder digitale Umgebung grundsätzlich als Labor (Labor II) dienen kann, wobei ein wohl häufig auftretender Fall sein dürfte, die grundsätzliche Tauglichkeit des Labors (Installation oder Umgebung) für die Beantwortung der eigenen Forschungsfragen ohne streng wissenschaftlichen Anspruch als Experiment II zu testen. D. h., der Frage nachzugehen, ob es überhaupt möglich ist, Forschungsfragen meines Gegenstands oder Forschungsgebiets mit den vorgeschlagenen Mitteln zu behandeln, selbst wenn ich die zugehörigen Parameter bewusst weich und in ihrer Anzahl erweiterbar definiere. Zu derartigen Laboratorien, die nun zugleich ein Teil der Hypothesenbildung und Faktorenbestimmung eines Experiments II sind, zählen bspw. das TextGridLab[10], die Editionsumgebung ediarum[11], aber auch computerlinguistische Programme oder Programmbibliotheken (spaCy[12] , Natural Language Toolkit[13]).

Wie bereits angedeutet, findet der Laborbegriff im DH-Bereich auch Anwendung als Bezeichnung für die institutionelle Bündelungen von als neu oder nicht traditionell empfundenen Forschungsgebieten, wie bspw. das „Digitale historische Forschung | DH Lab“ des Leibniz-Instituts für Europäische Geschichte.[14]

Der Vollständigkeit halber sei mit dem Experiment III noch ein weiterer Experimentbegriff genannt, der allerdings für eine Anwendung in den DH ungeeignet erscheint und im untersuchten Material auch nicht nachgewiesen wurde. Im Sinne von erkundend, probierend oder ungewohnt vorgehend“ wird Experiment bzw. Experimentieren auch ohne Anspruch auf wissenschaftliche Methodik metaphorisch verwendet. Dabei hebt er schöpferisch-künstlerische Aspekte hervor, in Abgrenzung von bisher Geschaffenem. Ein Beispiel wäre Zolas Experimentalroman. Dieser Experimentbegriff wird von Künstler*innen und Schriftsteller*innen auf das eigene Schaffen angewendet oder von der Literatur- und Kunstwissenschaft als Zuschreibung für ein untersuchtes Werk verwendet, aber nicht als Praktik der wissenschaftlichen Vorgehensweise verstanden.

Thesen zum Experiment- & Laborbegriff

Experimente werden vorwiegend in naturwissenschaftlichen Fächern bzw. Erfahrungswissenschaften als wissenschaftliche Methode durchgeführt, aber keineswegs ausschließlich. Auch die Geschichts- und Sprachwissenschaften setzen Experimente ein. Dies geschah bereits bevor Digital Humanities zu einer Disziplin, einer Schnittmenge, Brücke und/oder einem Hype wurde.[15]

Die Verwendung von verschiedenen, nicht immer klar definierten Experimentbegriffen zur Beschreibung wissenschaftlicher Praktiken in den Geistes- und Kulturwissenschaften ist bereits vielfach in Forschungsbeiträgen benannt und kritisiert worden. Die DH-Community kann hier durch die Einführung eines strenger definierten Verständnisses von Experiment mit klarem Bezug zur daten- und computergestützten Forschung einen wichtigen Beitrag leisten.

Die Standardisierung und Routinisierung von Arbeitsabläufen, wie sie in Laboren (I und II) anzutreffen ist, steht in einem Spannungsfeld „zur Offenheit für das Unerwartete“[16], da der moderne wissenschaftliche Prozess stets Neues und Unerwartetes hervorbringen kann, das Brüche im Denken und Handeln der Forschenden erzeugt.[17] Der nur sehr wenigen Einschränkungen unterliegende Labor-II-Begriff bringt die Möglichkeit, neue Formen der Standardisierung und Routinisierung kennenzulernen und bietet außerdem Raum für kontrollierte Brüche mit der traditionellen Arbeitsform der Geistes- und Kulturwissenschaften.

Die Größe und Anzahl von Laboren als Arbeitsräume ist seit dem 17. Jahrhundert massiv gewachsen. Zugleich ist der Begriff heute in einen weiteren Bereich expandiert, der für die DH von Interesse ist: in den virtuellen Raum.

Fazit

Mit Experiment I und II wurden zwei in den DH praktisch Verwendung findende Experimentbegriffe vorgestellt, wobei Ersterer im Wesentlichen dem naturwissenschaftlichen Experimentbegriff zu entsprechen scheint, Experiment II dagegen setzt zwar auch bei diesem Rahmen an, lässt jedoch mehr Unsicherheit und Unbestimmtheit zu und führt damit Kernelemente des naturwissenschaftlichen Experiments ad absurdum. Die DH können mit Veranstaltungen wie dieser vor allem einen Beitrag zur Stärkung des Experiment-II-Begriffs leisten. So könnte man sich um die Aufnahme von „experimentation“ unter die „Research Techniques“ von TaDiRAH bemühen. Die Intension des modernen Laborbegriffs umfasst heute Dezentralität, Enträumlichung und disziplinäre Ausweitung über die klassischen Experimentwissenschaften hinaus. Globalisierung, Digitalisierung und transdisziplinäre Interessen sind wesentliche Faktoren für diese Erweiterung. Da der Anspruch, digitale Methoden und Materialien zu entwickeln und zu verwenden oder auch Methoden und Materialien zu digitalisieren, für alle unter dem Begriff „Digital Humanities“ subsumierten Disziplinen geltend gemacht werden kann, können die auch global und transdisziplinär agierenden DH eine Mitwirkung am Wandel des Laborbegriffs beanspruchen. Die Teilnehmenden des Workshops waren sich darin einig, dass Experimente – sofern sie als eine eigenständige wissenschaftliche Verfahrensweise von nicht nur propädeutischem Charakter in den DH Anwendung finden soll – einige essenzielle Charakteristika aufweisen müssen.

Neben generellen Herausforderungen bei der Aufbereitung von Forschungsfragen und -materialien für die Bearbeitung durch Maschinen, wie Formalisierung und Operationalisierung, wurde die Reduktion von zumeist komplexen geistes- und kulturwissenschaftlichen Untersuchungsgegenständen auf im Rahmen des Experiments mess- bzw. kontrollierbare Variablen als Voraussetzung erkannt. Damit einher geht die notwendige Isolierbarkeit der im Untersuchungszusammenhang als relevant angenommenen und zu beobachtenden Variablen von den anderen Variablen des Experiments. Die aufgestellten Hypothesen müssen grundsätzlich so aufgebaut sein, dass es möglich ist, sie durch das Experiment zu falsifizieren. Reproduzierbarkeit kann gerade bei DH-Experimenten nur dann gewährleistet werden, wenn verwendete Software und geschriebener Code (seien es Abfragen oder Programmcode) neben den Daten und Ergebnissen veröffentlicht bzw. nachvollziehbar dokumentiert wurde. Je nach Experiment gehört auch eine genaue Beschreibung des Durchführungsorts (Labor II) dazu, an einem Computer wäre dies das Betriebssystem und ggf. auch die Hardware.

Literatur

Aydelotte, William O.: Quantification in History. 1971.

Book of Abstracts DHd 2018, 2019 und 2020.

Bronwen, Thomas: Narrative. The Basics. 2016.

Burke, Peter: The French Historical Revolution. The Annales School 1929–89. 1990.

Berg, Gundhild: Experimentieren, in: Frietsch, Ute / Rogge, Jörg (Hrsg.): Über die Praxis des kulturwissenschaftlichen Arbeitens. Ein Handwörterbuch. Bielefeld 2013 (= Mainzer Historische Kulturwissenschaften), S. 140–144.

Bölsche, Wilhelm: Die naturwissenschaftlichen Grundlagen der Poesie. Prolegomena einer realistischen Aesthetik. Leipzig 1887.

Daiber, Jürgen: Experimentalphysik des Geistes – Novalis und das romantische Experiment. Göttingen 2001.

Frietsch, Ute / Rogge, Jörg (Hrsg.): Über die Praxis des kulturwissenschaftlichen Arbeitens. Ein Handwörterbuch. Bielefeld 2013.

Gethmann, Carl Friedrich: Der Geist der Geisteswissenschaften zwischen Naturalismus und Mentalismus, in: Joas, Hans / Noller, Jörg (Hrsg.): Geisteswissenschaft – was bleibt? Zwischen Theorie, Tradition und Transformation. Freiburg/München 2019 (= Geist und Geisteswissenschaften 5).

Haber, Peter: Digital Past. Geschichtswissenschaft im digitalen Zeitalter. München 2011.

Herman, David: Storyworlds, in: Routledge Encyclopedia of Narrative Theory, S. 569. 2005.

Kusber, Jan / Dreyer, Mechthild / Rogge, Jörg / Hütig, Andreas (Hrsg.): Historische Kulturwissenschaften. Positionen, Praktiken und Perspektiven. Bielefeld 2010 (= Mainzer Historische Kulturwissenschaften 1).

Lehmbrock, Verena: Laboratorium, in: Frietsch, Ute / Rogge, Jörg (Hrsg.): Über die Praxis des kulturwissenschaftlichen Arbeitens. Ein Handwörterbuch. Bielefeld 2013 (= Mainzer Historische Kulturwissenschaften), S. 245–249.

Luhmann, Niklas: Die Wissenschaft der Gesellschaft. 8. Aufl. 2018.

Luhmann, Niklas: Einführung in die Systemtheorie. 7. Aufl. 2017.

Popper, Karl: Logik der Forschung. Tübingen, 11. Auflage, 2005.

Rickert, Heinrich: Texte zur Praktischen Philosophie. Rickert. Ausgewählt und eingeleitet von Stephan Schallon. London 2009 (= Grundtexte der Praktischen Philosophie 2).

Sahle, Patrick: Digital Humanities? Gibt’s doch gar nicht!, in: Grenzen und Möglichkeiten der Digital Humanities. Hg. von Constanze Baum / Thomas Stäcker. 2015 (= Sonderband der Zeitschrift für digitale Geisteswissenschaften, 1). text/html Format. DOI: 10.17175/sb001_004.

Schmidgen, Henning: Labor, in: Europäische Geschichte Online (EGO), hg. vom Institut für Europäische Geschichte (IEG), Mainz 2011-01-03. URL: http://www.ieg-ego.eu/schmidgenh-2011-de URN: urn:nbn:de:0159-20101025256 [2021-03-05].

Stachowiak , Herbert: Allgemeine Modelltheorie. 1973.

Wiesen, Brigitte: Experiment, in: Rehfus, Wulff D. (Hrsg.): Handwörterbuch Philosophie. Göttingen 2003, S. 351.

[1] Rickert, S. 46.

[2] Abweichende, teils gegensätzliche Schwerpunkte und Diskussionen setzten bspw. die Annales, s. Burke, 34–35, 40–41, 45, 47, 53ff, 74, 76ff, 109; für eine zeitgenössische Diskussion quantitativer Ansätze vor ihrer „Marginalisierung“ und in gewisser Weise eines mixed methods-Ansatzes s. Aydelotte, 1–92.

[3] Zur Problematik der Generalisierbarkeit vgl. bspw. Aydelotte, 68ff.; vgl. auch im Folgenden Heßbrüggen-Walter; zum Operationsraum vgl. auch u. a. Luhmann, Wissenschaft, 27, 28–32, 36, 40, 46, 52–3, 271ff., Luhmann, Einführung, 75ff., 88ff.

[4] Vgl. Bronwen, S. 10, 69ff und 81–83; Herman S. 569.

[5] Haber, S. 14f.

[6] Berg 2013, S. 140.

[7] https://www.guedelon.fr/en (Letzter Aufruf am 07.07.2021).

[8] Vgl. hierzu https://www.daserste.de/information/wissen-kultur/w-wie-wissen/sendung/2008/burgbau-von-gudelon-100.html (Hier besonders die Kapitel: “Steine in Form bringen”, “Lebende Geschichtsforschung” und “Kultureller Akt des Bauens”), https://www.deutschlandfunk.de/schwerpunktthema-das-verlorene-wissen-mittelalterlicher.1148.de.html?dram:article_id=265471, https://www.guedelon.fr/en/la-methodologie, https://www.guedelon.fr/en/la-d%C3%A9marche (Hier insbesondere das Zitat von Anne Baud), https://www.france-voyage.com/frankreich-tourismus/mittelalterliche-baustelle-guedelon-833.htm (Letzter Aufruf jeweils am 7.7.2021).

[9] Dies ist eine Position gegen die wissenschaftstheoretisch eingewandt wurde (Popper, Kuhn), dass es nicht möglich sei, eine Theorie im erkenntnistheoretischen Sinne zu verifizieren. Ohne tiefergehend auf die theoretische Begründung einzugehen, sei dies an einem einfachen Beispiel verdeutlicht: Auch aus falschen Theorien lassen sich wahre Schlussfolgerungen ziehen: Die Kraftgesetze in Newtons Gravitationstheorie erlaubten zwar die Voraussage der Existenz des Neptuns, scheiterten jedoch an der Periheldrehung des Merkurs, die erst durch Einsteins theoretisch passend zu den Beobachtungsdaten erklärt werden konnte.

[10] https://de.dariah.eu/textgridlab (Letzter Aufruf am 07.07.2021).

[11] https://www.bbaw.de/bbaw-digital/telota/forschungsprojekte-und-software/ediarum (Letzter Aufruf am 07.07.2021).

[12] https://spacy.io/ (Letzter Aufruf am 07.07.2021).

[13] https://www.nltk.org/ (Letzter Aufruf am 07.07.2021).

[14] Vergleichbares existiert auch an den Universitäten Erlangen, Basel oder der Bibliotheca Hertziana, MPI für Kunstgeschichte in Rom.

[15] Vgl. Sahle, passim.

[16] Schmidgen, Abschnitt 3.

[17] Vgl. Ebenda.

Zitationsvorschlag: Jonathan D. Geiger, Max Grüntgens und Dominik Kasper: „(Keine) Experimente in den Digital Humanities?“, in Digital Humanities Theorie, 15/09/2021, https://dhtheorien.hypotheses.org/?p=995.

#GraphReflex, oder: Von Knoten und Kanten zu Gedanken

Ein virtuelles BarCamp der AG Digital Humanities Theorie & AG Graphen & Netzwerke des DHd Verbands

Autor:innen:

Wie lassen sich Graphentechnologien theoretisieren?

Was sind eigentlich “Knoten”? Sind Kanten schon immer da oder werden sie konstruiert? Welche Art von Erkenntnissen liefern Netzwerkanalysen? Inwiefern lässt sich von Graphenvisualisierungen als (Re)Ästhetisierungen von Daten sprechen? Diese Fragen standen am Anfang der Überlegungen, wie eine Kooperationsveranstaltung der beiden DHd-AGs Graphen & Netzwerke (ehemals Graphentechnologien) und Digital Humanities Theorie thematisch ausgerichtet werden könnte. Schnell wurden zwei Dinge klar: 1. Es gibt große Potenziale, in diesem Themenkreis gemeinsam zu forschen. 2. Das Panorama der Aspekte, Fragestellungen und Problematiken ist gar nicht so recht zu konturieren und einzuschätzen. Die beiden AGs beschlossen daher, es auf einen Versuch ankommen zu lassen, und entsprechend der sehr groben Themenausrichtung auch ein Veranstaltungsformat zu bemühen, dass diesem explorativen Ansatz gerecht wird: ein virtuelles BarCamp.

Mit dem Titel “Von Knoten und Kanten zu Gedanken: Theoretische Reflexionen zu Graphentechnologien” fand dieses virtuelle BarCamp am 11.11.2020 von 14 bis 17 Uhr statt und war insgesamt – aufgrund eines straff organisierten Zeitplanes, dem Einsatz zahlreicher digitaler Tools, der offenen Fragestellung, über 50 Teilgebenden und 17 Sessions – ein voller Erfolg.

Der Call kann auf den jeweiligen Seiten der AGs eingesehen werden:

Thematisch war die Veranstaltung bewusst offen gehalten. Insgesamt ging es um eine Exploration der Theoretisierungsmöglichkeiten von Graphentechnologien. Graphentechnologien, Netzwerke und vernetzte Daten sind – wie jede andere Technologie – nicht neutral oder objektiv, sondern satteln auf impliziten Vorannahmen und technischen Grammatiken auf. Da es bislang nur verstreute Theorieansätze in dieser Richtung gibt bzw. bestehende Theorien für diesen Themenkreis noch nicht fruchtbar (genug) gemacht worden sind, standen im Zentrum der thematischen Vorüberlegungen die Pluralität von Perspektiven und denkbaren Fragen:

  • Sprachliche Ebene: Mit welchen Konzepten, Metaphern, Analogien und Bildern wird gearbeitet, wenn von “Graphen”, “Netzen” bzw. “Netzwerken”, “Kanten” und “Knoten” gesprochen wird?
  • Technische Ebene: Welche Daten eignen sich besonders gut, um in Graphdatenbanken abgelegt zu werden? Welche nicht? Wo bestehen technische Vor- und Nachteile und wie wirken sich diese praktisch auf das Arbeiten mit Daten aus?
  • Wissenschaftliche Ebene: In welchen anderen wissenschaftlichen Disziplinen gibt es ähnliche Konzepte von Netzen, Netzwerken und Graphen? Wo sind Gemeinsamkeiten und Unterschiede?
  • Methodologische Ebene: Welche spezifischen Unterschiede gibt es bei der Datenmodellierung von Graphdatenbanken (im Unterschied zu anderen Datenbanksystemen)? Welche Heuristiken haben sich herausgebildet? Wo liegen Gefahren kognitiver Verzerrungen?
  • Ontologische Ebene: Was sind Knoten und Kanten eigentlich? Werden Relationen von Modellierer:innen hergestellt oder sind diese schon (implizit) da? Knoten und Kanten müssen benannt werden – lassen sich also nur sprachlich artikulierbare Dinge modellieren? In welchen Relationen stehen Relationen zueinander?

Visualisierungsebene: Welche diagrammatische Funktion erfüllen Graphenvisualisierungen als Bindeglied zwischen menschlichem Erkenntnisvermögen und den Daten? Welche Möglichkeiten (Erkenntnis von Strukturen) und welche Gefahren (kognitive Verzerrungen) bieten Visualisierungen? Welche Rolle kommt ihnen in der Präsentation wissenschaftlicher Ergebnisse und auch der Wissenschaftskommunikation zu?

Welches experimentelle Format passt am besten? Ein virtuelles BarCamp!

Das BarCamp war auch hinsichtlich der Verschränkung von Inhalt und Format ein Experiment. An langen Abenden im gemütlichen Salon oder bei mehrstündigen Expertengesprächen kann man sich gut in theoretische Diskussionen vertiefen. Doch wie sieht es aus, wenn man nur 20 Minuten für ein Thema oder eine Fragestellung hat? Dahingehend bot unser BarCamp nicht die Möglichkeit für erschöpfende Betrachtungen, vielmehr wurde die Gelegenheit genutzt, um neue Diskussionsräume zu eröffnen. So konnte das BarCamp auch als Kennenlernplattform fungieren und hat erfolgreich Graphentechnologie- und Graphentheoriefreund:innen zusammengebracht, die nun in einen intensiven Austausch miteinander treten konnten.

Ablauf und technische Unterstützung des BarCamps

Bei der Gestaltung des BarCamps haben wir einen recht straffen Zeitplan aufgestellt. Nach kurzer Einführungsphase ging es bereits daran, die Ideen vorzustellen. Hier hatten alle Teilgebenden 30 Sekunden Zeit, den eigenen Vorschlag zu präsentieren. Die Ideen haben wir dann auf vier Zeitslots für die Sessions aufgeteilt. Pro Zeitslot haben sich mindestens vier Sessions ergeben.

Beim BarCamp kamen verschiedene Tools zum Einsatz. Um bereits vorab Ideen für Sessions aufzunehmen, Teilgebende zu listen, die BarCamp- und Videomeetingetikette zu teilen, haben wir ein Etherpad vom Service “https://yopad.eu/” genutzt. Das Videomeeting wurde mit Zoom durchgeführt, wobei die Breakout-Raum-Funktion besonders wichtig war, um die Teilgebenden in die entsprechenden Sessions einzuteilen. Für die Sammlung und zeitliche Aufteilung haben wir “Jamboard” von Google genutzt. Das hat sehr gut funktioniert und war für alle Teilgebenden gut handhabbar. In den Sessions wurden dann jeweils noch unterschiedliche Tools genutzt. Manche haben Notizen in verschiedenen Etherpads gemacht oder zusammen in einer Google-Präsentation oder an digitalen Zeichnungen gearbeitet. Als virtuellen Icebreaker haben wir eine Meme Challenge ausgerufen, für die wir den Memegenerator vom Imgflip genutzt haben. Während des BarCamps sind somit eine Reihe großartiger Memes entstanden, die auch zum Twittern über #GraphReflex genutzt wurden.

Das virtuelle BarCamp als Theorie-“experience” aus der Sicht von Teilgebenden …

… aus der AG Graphen & Netzwerke

Franziska Diehr (Co-Convenor der AG Graphen & Netzwerke) beschreibt sowohl aus Teilnehmerinnen- als auch aus Veranstalterinnensicht ihre Erfahrungen mit dem virtuellen BarCamp. Exemplarisch führt sie dazu einerseits eine Session zu Herbert Stachowiaks Allgemeiner Modelltheorie aus und erläutert andererseits das Interesse der AG Graphen & Netzwerke daran, Veranstaltungen für die Community zu organisieren, Vernetzung zu befördern und Kooperationen mit anderen DHd AGs zu initiieren. Der gesamte gleichnamige Bericht kann hier eingesehen werden.

… aus der AG Digital Humanities Theorie

von Ramona Roller

Als Mitglied der AG Digital Humanities Theorie und Netzwerkstatistikerin haben zwei Fragen mein Interesse besonders geweckt, die in vielen Sessions des BarCamps aufgegriffen wurden: “Warum brauchen wir Theorie in der Netzwerkanalyse?” und “Wo soll ich als Neuling bei der Netzwerkanalyse anfangen?”.

Der Sinn von Theorie: Theorie wird in der Netzwerkanalyse benötigt, um eine transparente Interpretation der Analyseergebnisse zu ermöglichen und um Daten für Netzwerkmodelle auszuwählen. Den ersten Grund diskutierten Teilgebende und ich in meiner Session am Beispiel von Zeitmodellierung in Netzwerken. In einer Auftaktpräsentation zeigte ich zunächst, dass wir beim Gebrauch von Netzwerkmodellen Annahmen über die Zeit machen, die die Interpretation unserer Ergebnisse beeinflussen. Wenn wir Netzwerke über die Zeit aggregieren, das heißt den Zeitstempel der Kanten (z. B. Sendedatum eines Briefs) nicht berücksichtigen, machen wir die theoretische Annahme der Transitivität: Ein Knoten A kann seinen Nachbarn B beeinflussen, unabhängig davon wer A zuvor beeinflusst hat. Diese theoretische Annahme ermöglicht es, dass sich Informationen im Netzwerk anachronistisch verteilen können. Wenn Knoten A an B heute einen Brief schreibt, aber C an A erst morgen einen Brief schreibt, kann A die Information aus C’s Brief nicht an B weitergeben. Denn A schreibt bereits heute an B, aber empfängt den Brief von C erst morgen. Im aggregierten Netzwerk hingegen könnte C seine Information über A an B weitergeben, obwohl die Information dadurch rückwärts in der Zeit laufen müsste. Nach diesem Auftakt diskutierten wir über mögliche Folgen der Transitivitätsannahme im Bezug auf die Ergebnisse und Anpassungen der Analyse. 

In der Session über Wikidata ging es um die Frage, wie Theorie eine Datenauswahl für Netzwerke verbessern kann. Konkret ging es um das Problem des Selektionseffekts bei Wikidata, wo einige Editoren entscheiden, welche Daten hochladungswürdig sind und welche nicht. Wissenschaftler:innen, die auf diese Daten angewiesen sind, oft aber bei der Datenauswahl nicht mitwirken, können so nicht an ihre Wunschdaten gelangen bzw. die Auswahl nicht begründen. Eine Auswahl aufgrund theoretischer Überlegungen könnte sinnvoll sein. In einer Diskussion besprachen wir Fragen wie “Welche theoriebasierten Kriterien lassen sich zur Auswahl von Daten heranziehen?”, “Wie können Wissenschaftler:innen mehr Einfluss auf den Selektionsprozess erlangen?” und “Welche alternativen Datenquellen gibt es, die das Datenmonopol von Wikipedia mindern?” Spannende Vorschläge von der Gründung wissenschaftlich geleiteter Wikipedia-Gruppen bis hin zu citizen science-Projekten wurden vorgeschlagen.

Netzwerkanalyse in der Praxis: In vielen Sessions, die ich besuchte, ging es um konkrete praktische Tipps für die Netzwerkanalyse. Die Ausgangssituation war für viele Teilgebende ähnlich: Ein fachspezifischer Datensatz war vorhanden, sowie der Wille, Netzwerkanalysen daran auszuprobieren. Allerdings fehlte vielen ein Grundverständnis für relevante Netzwerkstatistiken und eine Übersicht von gängigen Analysetools. Desweiteren suchten Lehrende nach Möglichkeiten diese Fertigkeiten Studierenden zu vermitteln. In einer bereichernden Vorstellungsrunde berichteten Teilgebende von ihre Vorgehensweisen bei der Netzwerkanalyse und konnten den Neulingen einige Starthilfe geben. Visualisierungsplattformen wie Gephi, Visione und Palladio wurden häufig als erste Schritte empfohlen. Fortgeschrittenen wurden Programmierpackages wie networkX, igraph und graphtool ans Herz gelegt. Allerdings wurde schnell klar, dass die Tiefen der Netzwerkanalyse nicht in einem Semesterkurs erlernt, sondern wie so oft durch jahrelange Praxis geübt werden. 

Stärkere Meinungsverschiedenheiten kamen bei der Frage auf, inwiefern Netzwerkvisualisierungen die Analyse und Interpretation der Ergebnisse leiten sollten. Die eine Seite argumentierte, dass Netzwerkvisualisierungen zu Beginn der Analyse zur Hypothesenfindung beitragen könne. Interessante Strukturen ließen sich in den Netzwerkvisualisierungen erkennnen, die dann in konkreten Analysen weiter vertieft werden könnten. Die andere Seite argumentierte, dass Netzwerkvisualisierungen immer am Ende der Analyse stehen sollten. Die Visualisierungsparameter könnten die Wahrnehmung in die Irre führen und Muster hervorheben, die einer statistischen Analyse nicht standhielten. Dies könne man sich allerdings auch zu Nutze machen, indem man die Parameter so wählt, dass sie die Ergebnisse aus der statistischen Analyse unterstreichen.

Allgemeinen Konsens erhielt der Vorschlag, ‘Benchmarkdatensätze’ für die Netzwerkanalyse in den DH zu entwickeln. Benchmarkdatensätze sind Datensätze, die in einer Community gut erforscht sind und an denen neue Fragestellungen und Methoden meist zuerst getestet werden. Sie sind gut vorbereitet, nicht übermäßig groß und eignen sich daher gut, um methodische Fertigkeiten zu erwerben. Netzwerkstatistiker:innen in anderen Wissenschaftsfeldern haben bereits Benchmarkdatensätze entwickelt. Zum Beispiel, in Computational Social Science benutzen Wissenschaftler:innen den Zachary’s karate club Datensatz, der gemeinsamen Treffen zwischen Mitgliedern eines Karatevereins enthält oder das Enron-Korpus, das E-Mails zwischen den Mitarbeiter:innen der Firma Enron enthält. Vielleicht können sich die DH hier etwas abschauen.

Zusammenfassend habe ich beim BarCamp an vielen inspirierenden Diskussionen teilgenommen, aus denen ich viele Ideen für meine eigene Forschung aufnehmen konnte. Das BarCamp war ein erfrischendes Format, da die relativ kurzen Sessions es mir ermöglichten, vielen Ideensträngen in kurzer Zeit nachzugehen. Das BarCamp eignet sich daher sehr gut, um zukünftige Veranstaltungen, bei denen einzelne Themen vertieft werden, vorzubereiten. Gerne mehr davon.

Zitationsvorschlag: Franziska Diehr, Jonathan D. Geiger, Jan Horstmann und Ramona Roller: „#GraphReflex, oder: Von Knoten und Kanten zu Gedanken“, in Digital Humanities Theorie, 15/02/2021, https://dhtheorien.hypotheses.org/909.

Wissenschaftskommunikation, das Digitale & Ich: DHd2020 World-Café-Bericht 5

Silke Schwandt

Im Folgenden werden die Ergebnisse der Thementischdiskussion zusammengefasst, die  sich dem Themenfeld “DH und Öffentlichkeit” widmete. Der Thementisch, moderiert von Silke Schwandt, war Teil des Workshops „Spielplätze der Theoriebildung in den Digital Humanities” vom 2. März 2020 auf der DHd-Tagung 2020 in Paderborn.

Selbstreflexion als Grundlage der Wissenschafts-kommunikation

Die Diskussion um DH und Öffentlichkeit kreiste zunächst um allgemeine Anliegen der Wissenschaftskommunikation – Transparenz, Zugänglichkeit, Zielgruppen und vor allem Komplexitätsreduktion. Es wurde aber schnell klar, dass es gar nicht unbedingt um eine Reduktion des Inhalts auf ein verständliches Maß gehen muss, sondern um eine Präzision der Inhalte, aber auch der Absichten der Forschenden, damit diese gut und verständlich kommuniziert werden können. Grundlegend dafür sind Fragen der Selbstreflexion: Was mache ich eigentlich genau und warum? Dazu gehört auch das Fokussieren auf eine klare Botschaft, eine Message, sowie auf deren Transfer in verschiedene Öffentlichkeiten.

Was is das spezifisch Digitale daran?

In einem zweiten Schritt haben wir dann versucht, das spezifisch „Digitale“ an dieser Herausforderung zu präzisieren, da es ja auf den ersten Blick so scheint, als wäre die digitale Forschung in Sachen (digitaler) Kommunikation anderen Forschungsbereichen voraus. Für die Aufbereitung digitaler Inhalte braucht es aber viel Sorgfalt: bei der Auswahl der Objekte, der Publikationsformate, der Darstellungsformen und insbesondere der Benutzeroberflächen, die ja die sichtbaren Kommunikationsschnittstellen sind.

Es braucht Data Literacy!

Als dritten wichtigen Punkt haben wir Fragen der Data Literacy, also des Datenverständnisses, diskutiert und waren uns schnell einig, dass es in diesem Bereich vielfältige Förderangebote, aber auch viel Förderbedarf gibt. Es geht darum, Medien-, Daten- und auch Algorithmenkompetenzen zu schaffen und zu fördern, um das Gegenüber der Kommunikation für alle Ebenen der digitalen Forschungsinhalte zu sensibilisieren. Die DH können in der Öffentlichkeit ein Bewusstsein für den selbstbestimmten Umgang mit Daten in Rezeption und Produktion schaffen, indem sie gute Beispiele produzieren und sie barrierefrei zur Verfügung stellen.

Ergebnispinnwand des Thementisches “DH und Öffentlichkeit”, Foto von Silke Schwandt 2020.

Zitationsvorschlag: Silke Schwandt: „Wissenschaftskommunikation, das Digitale & Ich: DHd2020 World-Café-Bericht 5“, in Digital Humanities Theorie, 15/01/2021, https://dhtheorien.hypotheses.org/895.

Call for Papers: “Theorytellings: Epistemic Narratives in the Digital Humanities”

In recent years, the status of the Digital Humanities as an academic discipline in its own right has often been discussed in terms of its theoretical foundations – or more precisely, the lack thereof. “The end of theory” – as proclaimed by Chris Anderson – has been a recurring narrative in epistemic discussions about DH for quite some time. While a number of approaches in DH may indeed be characterized as being rather theory poor, there are also many examples that apply theory in one way or another. In fact, the concept of theory is interpreted very broadly in DH, ranging from the application of concrete reference theories from the humanities (for instance structuralism, critical theory, etc.) to forays into the philosophy of science and also the implementation of theories as statistical models.

In consideration of such controversial and ambiguous views of the role and function of theory in DH, this special issue seeks to bring together scholars from different disciplines to re-think the perspective of theory and its meaning for computational cultural analytics. Instead of continuing the narrative of the deficient status of theory, we suggest to study existing “theorytellings” in Digital Humanities research. This way, “theorytellings” – on the one hand – become a methodology for an active reporting and narrating of the manifold theoretical undertakings in DH, including the supposedly “untellable” and “untold” stories of DH theory. On the other hand, the concept serves as a tool for re-evaluating existing narratives in DH. Following Lyotard’s approach of meta-narratives, we claim that narratives essentially constitute and reproduce scientific discourses of legitimacy. Hence, we encourage contributors to discuss the evolution and consequences of epistemic narratives and counter-narratives in DH.

The overall goal of the special issue “Theorytellings: Epistemic Narratives in the Digital Humanities” is to discuss the theoretical foundation of DH research as an epistemic perspective that adds to the current focus on research practices in DH, which have traditionally been focused on data and modeling issues as well as digital methods, tools and infrastructures. We invite new procedures and perspectives of knowledge production that are first and foremost derived from theoretical reflection. The special issue will be published in the open access Journal of Cultural Analytics. Guest editors are Manuel Burghardt (Leipzig University), Jonathan D. Geiger (Academy of Sciences and Literature, Mainz), Rabea Kleymann (Leibniz-Zentrum für Literatur- und Kulturforschung Berlin) and Mareike Schumacher (Hamburg University / University of Darmstadt). We invite submissions that address the following topics:

–       Theorytellings, including main- and counter-narratives of using theories in DH

–       Studies on definitions and different understandings of central concepts and terminology used in DH theory

–       Requirements for theoretical frameworks in Digital Humanities and reflections of epistemic differences to theories from more traditional humanities disciplines

–       Interdisciplinary theoretical frameworks and their applicability / value for DH

–       Critical / theoretical reflection of established methods, tools and data in the Digital Humanities

–       Use cases that showcase how theoretical assumptions are made (or explicitly avoided) in existing DH research projects

Please, send your abstracts (300–400 words) and short bios to Rabea Kleymann (kleymann@zfl-berlin.org) by March 31st, 2021. For reasons of retrievability we ask you to use “Theorytellings” for the subject line of your email. You will receive notice on the acceptance of your proposal by May 1st, 2021. Full-length articles of up to 10,000 words need to be prepared according to the Cultural Analytics author guidelines (https://culturalanalytics.org/for-authors) and will be due November 15th, 2021, to allow for a timely peer review of the articles.

For further inquiries, please contact the guest editors Manuel Burghardt (burghardt@informatik.uni-leipzig.de), Jonathan D. Geiger (Jonathan.Geiger@adwmainz.de), Rabea Kleymann (kleymann@zfl-berlin.org) or Mareike Schumacher (schumacher@linglit.tu-darmstadt.de).

Werkzeug und Theorie – Konzeptarbeit als Fundament einer Theorie der digitalen Geisteswissenschaften: DHd2020 World-Café-Bericht 2

Janina Jacke

1. DH-Tools und Theorie – wo anfangen?

Die theoretische Reflexion von Werkzeugen der Digital Humanities war Gegenstand eines der Thementische des Workshops „Spielplätze der Theoriebildung in den Digital Humanities” (https://dhtheorien.hypotheses.org/724), der am 2. März 2020 auf der DHd-Tagung in Paderborn stattfand. Folgende Leitfragen sollten die Diskussion vorstrukturieren:

  • Was verstehen wir in den Geisteswissenschaften, in der Informatik und in den DH unter „Werkzeug“?
  • Inwieweit können oder sollen DH-Werkzeuge auf Theorien basieren – und um welche Theorien kann es sich dabei handeln?
  • Können Werkzeuge im Bereich der DH als Unterstützung von Theoriebildung benutzt werden?

Wie die Debatte gezeigt hat, war allerdings bereits ein Großteil der Fragen zu stark von nicht allgemein geteilten Vorannahmen geprägt, so dass sich selbst eine systematische Dokumentation der Diskussionsergebnisse als schwierig erwies (vgl. Abb. 1).

Tools und Werkzeuge der Digital Humanities. #Workshopbericht #WissKomm #DH
Abb. 1: Schnappschuss der Diskussion zu Tools und Werkzeugen der DH

Als Grund hierfür lassen sich begriffliche Unklarheiten herausstellen, die zwei für die Diskussion zentrale Konzepte betreffen: Werkzeug und Theorie.

2. Zum Werkzeugbegriff

Die Frage danach, wie der Werkzeugbegriff im Feld der Digital Humanities zu verstehen ist, stellte die erste der eingangs genannten Leitfragen dar. Aus der Diskussion lassen sich mindestens drei unterschiedliche Werkzeugbegriffe für dieses Feld rekonstruieren:

(1) Dem engsten Verständnis zufolge handelt es sich bei Werkzeugen oder ‚Tools‘ um spezifische Applikationen bzw. Programme, mit denen geisteswissenschaftliche Objekte mit digitalen Methoden untersucht werden können. Beispiele wären Apps oder Software wie der Stanford Named Entity Recognizer, Gephi für die Netzwerkanalyse, CATMA für Textannotation oder das Stylo Package für R für die stilometrische Textanalyse. (Dieses Verständnis von Werkzeug bzw. Tool liegt beispielsweise auch dieser Anwendungsstudie zugrunde, vgl. Barbot et al. 2019.)

(2) In einem weiteren Verständnis können als Werkzeuge im Bereich der DH die konkreten digitalen Methoden aufgefasst werden, die mithilfe solcher Software ausgeführt werden können, also beispielsweise NER, Netzwerkanalyse, Annotation oder Stilometrie.

(3) Eine noch weitere Auffassung von Werkzeug ergibt sich, wenn wir darunter allgemeinere Tätigkeiten verstehen, die uns bei der Analyse geisteswissenschaftlicher Artefakte helfen können und die den konkreten Methoden jeweils in unterschiedlichen Anteilen zugrunde liegen – beispielsweise genaue Objektbetrachtung (Close Reading), Systematisierung, Formalisierung und Automatisierung.

Dabei lassen sich bei der zweiten und der dritten Verstehensvariante Überschneidungen mit dem Begriff der Methode feststellen. Die dritte Variante ist darüber hinaus dadurch charakterisiert, dass Werkzeug hier am stärksten metaphorisch verstanden wird und am wenigsten an das spezifische Feld der DH gekoppelt ist.

3. Zum Theoriebegriff

Für die Beantwortung der zweiten und dritten der eingangs genannten Leitfragen („Inwieweit können oder sollen DH-Werkzeuge auf Theorien basieren? Können DH-Werkzeuge Theoriebildung unterstützen?”) ist neben dieser begrifflichen Differenzierung von Werkzeug noch eine weitere zu bedenken – denn auch der Theoriebegriff lässt sich hier unterschiedlich eng oder weit auffassen (siehe hierzu auch den Beitrag von Manuel Burghardt auf diesem Blog). Drei Auffassungen von Theorie, die sich aus der Diskussion von DH-Werkzeugen am Thementisch rekonstruieren lassen, sind die folgenden:

(1) Versteht man Theorie recht weit, so kann darunter jegliche Form der nicht-praktischen (also z. B. der begrifflichen) Auseinandersetzung mit einem Gegenstandsbereich verstanden werden. Für den Bereich der Literaturwissenschaft würde dies Tätigkeiten umfassen, die nicht direkt der praktischen Analyse oder Interpretation von Texten zuzuordnen sind, sondern beispielsweise der Entwicklung von Kategorien, denen Texte oder Textelemente zugeordnet werden können. Entsprechende Arbeitsfelder wären dort z. B. Gattungstheorie (vgl. Zymner 2003) bzw. Bereiche der Narratologie (vgl. Genette 2010).

(2) Einem engeren Verständnis von Theorie zufolge bezeichnet der Begriff ein wissenschaftliches Arbeitsfeld, das mit der Entwicklung komplexer Systeme gut begründeter Thesen befasst ist, die der Explizierung von Gesetzmäßigkeiten in einem bestimmten Gegenstandsbereich dienen. Ein Beispiel hierfür ist das Feld der Literatur- bzw. Interpretationstheorie, in deren Rahmen Thesen darüber aufgestellt werden, was ein literarischer Text ist und welche Regeln sich daraus für ein angemessenes Verstehen literarischer Texte ergibt (vgl. Köppe & Winko 2013).

(3) Ein noch engerer Theoriebegriff liegt vor, wenn nicht Arbeitsfelder wie in (2) als Theorie verstanden werden, sondern nur konkrete Thesen- bzw. Regelsysteme, die dort entwickelt werden. Ein Beispiel wäre eine konkrete Literatur- oder Interpretationstheorie wie der hermeneutische Intentionalismus (vgl. Hirsch 1967), der davon ausgeht, dass literarische Texte Ausdruck auktorialer Kommunikationsabsichten sind, die es im Verstehensprozess auf bestimmte Weise zu rekonstruieren gilt.

Vor dem Hintergrund dieser Bedeutungsvielfalt von Theorie lässt sich leicht nachvollziehen, warum in einer Debatte über ‚theoretische’ Aspekte von DH-Werkzeugen so viele scheinbar inkompatible Auffassungen möglich sind: Wer beispielsweise einen sehr engen Theoriebegriff vertritt, der wird sich gegebenenfalls nur schwer vorstellen können, wie DH-Werkzeuge aussehen könnten, die auf geisteswissenschaftlichen Theorien basieren, bzw. ob solche Werkzeuge sinnvoll sein können. (Allerdings scheint es mir selbst in diesem Kontext potenziell fruchtbare Impulse für die Entwicklung von DH-Tools zu geben – so beispielsweise wenn unter Berücksichtigung von Intertextualitätstheorien [vgl. Genette 2008] Annotationswerkzeuge entwickelt werden, die ein paralleles Arbeiten an mehreren Texten ermöglichen und die Annotation und gewinnbringende Visualisierung intertextueller Verweise erlauben.) Ein weiterer Theoriebegriff mag dagegen sogar unweigerlich zu der Forderung führen, dass DH-Werkzeuge bestimmte theoretische Annahmen aus dem jeweils relevanten geisteswissenschaftlichen Feld beachten. Beispiele wären hier die allgemein-literaturtheoretische Annahme, dass literarische Texte meist inkompatible Auslegungen zulassen (vgl. Jannidis 2003; Bauer et al. 2010), bzw. die These, dass lexikalische Textbedeutung, Kontextwissen und theoretische Vorannahmen beim Textverstehen zusammenspielen (vgl. Jacke 2020: 263–268). Daraus können beispielsweise Forderungen abgeleitet werden wie die, dass Annotationstools unter bestimmten Voraussetzungen multiple bzw. widersprüchliche Annotationen erlauben, oder die, dass im Rahmen von Annotation eine Dokumentation unterschiedlicher Typen von Vorannahmen ermöglicht wird. Ob sich derartige Konsequenzen auch bei weiteren Werkzeugbegriffen und außerhalb von digitaler Literaturwissenschaft bzw. manueller Annotation ergeben, bliebe zu prüfen.

Auch eine Antwort auf die Frage, ob DH-Tools die (Weiter-)Entwicklung geisteswissenschaftlicher Theorien befördern können, fällt je nach Theoriebegriff unterschiedlich aus. Anzunehmen ist, dass diese Frage eher verneint wird, je enger der Theoriebegriff ist. Fasst man jedoch beispielsweise auch die Entwicklung von Annotationstaxonomien und die Analyse der Relationen zwischen Annotationskategorien als theoretische Arbeit auf, so wird man auch den Bedarf an DH-Tools sehen, die solche Tätigkeiten bestmöglich unterstützen (vgl. Horstmann & Jacke 2020).

4. Hier anfangen! – zwei Vorschläge

Die Erkenntnis, dass grundlegende begriffliche Klärungen ein zentrales Arbeitsfeld für eine Theorie der digitalen Geisteswissenschaften sind und vielen weiteren Überlegungen vorausgehen müssen, ist kein singuläres Ergebnis des Thementischs Werkzeuge, sondern ein allgemeines Fazit des Workshops „Spielplätze der Theoriebildung in den Digital Humanities”. Als ein erstes Projekt der AG Digital Humanities Theorie hat sich deswegen die Erstellung eines DH-Glossars zur Klärung zentraler Begriffe des Forschungsfeldes herauskristallisiert. Neben unterschiedlichen noch zu klärenden organisatorischen Fragen gibt es zwei größere Entscheidungen, die hier getroffen werden müssen:

Begriffsanalyse vs. Explikation: Wie soll mit unterschiedlichen Auffassungen von Begriffen verfahren werden?

Eine Möglichkeit wäre, rein begriffsanalytisch vorzugehen (wie in diesem Bericht in Ansätzen geschehen), d. h. unterschiedliche Verstehensweisen zentraler Begriffe deskriptiv herauszustellen und diese ggf. mit verschiedenen Kennzeichnungen zu versehen, um eine Unterscheidung zu ermöglichen. Allerdings ist auch eine Standardisierung und Schärfung wissenschaftlicher Fachbegriffe wünschenswert (vgl. Carnap 1959; Pawłowski 1980), weswegen die Diskussion um die fruchtbarste Verwendungsweise eines Terminus wie beispielsweise „Werkzeug” nicht vollständig ausgeblendet werden sollte. Hier könnte es sinnvoll sein, schrittweise vorzugehen: Für zentrale Begriffe werden zunächst die unterschiedlichen Auffassungen explizit gemacht. Ist auf diese Weise ein Basisglossar erstellt worden, kann in einem nächsten Schritt die Frage der Standardisierung in den Fokus rücken. Hierbei müsste – neben zahlreichen anderen Faktoren – auch die Frage berücksichtigt werden, ob bzw. wie begriffliche Überschneidungen (wie beispielsweise zwischen „Werkzeug” und „Methode”) vermieden werden können.

Gegenstandsbereich der AG Digital Humanities Theorie

Während begriffliche Unklarheiten wie die im Zusammenhang mit dem Werkzeugbegriff im Rahmen eines Glossars adressiert werden können, gibt es mindestens eine Begriffsklärung bzw. Entscheidung, die in einem vorgeschalteten Schritt vorgenommen werden müsste: Die Frage, was unter „Theorie” verstanden werden soll, hat direkte Auswirkungen auf den Gegenstandsbereich und die Reichweite der Untersuchungen, die im Rahmen der AG Digital Humanities Theorie stattfinden (und damit beispielsweise auch Eingang in das Glossar finden sollen). Statistische Studien zur Verwendung des Theoriebegriffs in den Digital Humanities scheinen hier ein vielversprechender erster Schritt für eine Bestandsaufnahme zu sein. Gewissermaßen vorgreifend würde ich an dieser Stelle aber hinsichtlich des Arbeitsbereichs der Arbeitsgemeinschaft für eine möglichst inklusive Entscheidung plädieren, da eine theoretische Reflexion der digitalen Geisteswissenschaften bei engem wie bei weitem Verständnis des Theoriebegriffs ein Desiderat darstellt – und weil all diese Reflexionen immer noch genug Gemeinsamkeiten aufweisen, um sich gegenseitig befruchten zu können.

Bibliographie

Barbot, L., Fischer, F., Moranville, Y. & Pozdniakov, I. (2019). Which DH Tools Are Actually Used in Research? In: weltliteratur.net – A Black Market for the Digital Humanities, https://weltliteratur.net/dh-tools-used-in-research/ (Zugriff: 16.07.2020).

Bauer, M., Knape, J., Koch, P. & Winkler, S. (2010). Dimensionen der Ambiguität. In: Zeitschrift für Literaturwissenschaft und Linguistik 40 (158), 7–75.

Carnap, R. (1959). Induktive Logik und Wahrscheinlichkeit. Wien: Springer.

Genette, G. (2008). Palimpseste. Die Literatur zweiter Stufe. Frankfurt am Main: Suhrkamp.

Genette, G. (2010). Die Erzählung. Paderborn: Fink.

Hirsch, E. D. (1967). Validity in Interpretation. New Haven/London: Yale University Press.

Horstmann, J. & Jacke, J. (2020). Interpretationsspielräume. Undogmatisches Annotieren in CATMA 6. In: Book of Abstracts, DHd 2020, 154–158.

Jacke, J. (2020): Systematik unzuverlässigen Erzählens. Analytische Aufarbeitung und Explikation einer problematischen Kategorie. Berlin/Boston: de Gruyter.

Jannidis, F. (2003). Polyvalenz – Konvention – Autonomie. In: Jannidis, F., Lauer, G., Martínez, M. & Winko, S. (Hrsg.): Regeln der Bedeutung. Zur Theorie der Bedeutung literarischer Texte. Berlin/New York: de Gruyter, 305–328.

Köppe, T. & Winko, S. (2013). Neuere Literaturtheorien. Stuttgart: Metzler.

Pawłowski, T. (1980). Begriffsbildung und Definition. Berlin: de Gruyter.

Zymner, R. (2003). Gattungstheorie. Probleme und Positionen in der Literaturwissenschaft. Paderborn: mentis.

Zitationsvorschlag: Janina Jacke: „Werkzeug und Theorie – Konzeptarbeit als Fundament einer Theorie der digitalen Geisteswissenschaften: DHd2020 World-Café-Bericht 2“, in Digital Humanities Theorie, 15/07/2020, https://dhtheorien.hypotheses.org/758.

Theorie und Digital Humanities – Eine Bestandsaufnahme

Manuel Burghardt

1. “The Beginning of Theory”?

This is a world where massive amounts of data and applied mathematics replace every other tool that might be brought to bear. Out with every theory of human behavior, from linguistics to sociology. Forget taxonomy, ontology, and psychology. Who knows why people do what they do? The point is they do it, and we can track and measure it with unprecedented fidelity. With enough data, the numbers speak for themselves.

Anderson, 2008

In seiner Provokation vom „Ende der Theorie“ fragt Chris Anderson, ob angesichts massenhaft verfügbarer Daten in fast allen Bereichen der Wissenschaft, die Theoriebildung nicht ganz und gar obsolet würde.1 In besonderem Maße scheint diese These auch für die Digital Humanities (DH) relevant zu sein, da hier mit Metaphern wie „Distant Reading“ (Moretti, 2000), „Macroanalysis“ (Jockers, 2013) und „Culturomics“ (Michel et al., 2011) regelmäßig auf empirische und datengetriebene Ansätze fokussiert wird. Ein gehäuftes Aufgreifen des Schlagworts „Big Data“ im Kontext der Digital Humanities gibt weiteren Anlass, um Parallelen zu Andersons Petabyte-Utopie zu ziehen (nachfolgend sind die Titel einschlägiger Publikationen aufgeführt):

  • Big data and digital humanities” (Tiepmar, 2018)
  • Big digital humanities“ (Svensson, 2016)
  • „A map for big data research in digital humanities“ (Kaplan, 2015)
  • „Trending: The promises and the challenges of big social data“ (Manovich, 2011)
  • “Exploring big historical data: The historian’s macroscope“ (Graham, Milligan, & Weingart, 2015)
  • Big Data, new epistemologies and paradigm shifts”, siehe den Abschnitt “Computational social sciences and digital humanities” (Kitchin, 2014)

Tatsächlich findet sich Andersons These auch in mancherlei DH-Debatten wieder, etwa in Form von Vorwürfen der „Theorielosigkeit“ (für einen Überblick vgl. Kleymann, 2019) zugunsten eines allzu „positivistischen Methodenfetischismus“ (Arnold, 2018). Bei genauerem Hinsehen zeigt sich allerdings deutlich, dass neben solch vereinzelten Vorwürfen das Thema der DH-Theoretisierung eigentlich eine zentrale Rolle spielte und spielt (vgl. etwa Warwick, 2016 und Gold, 2012, Part II: „Theorizing the Digital Humanities“). 

Vor allem im deutschsprachigen Raum sind mit den Aktivitäten der insgesamt sehr jungen DHd-Community aktuell starke Tendenzen in Richtung expliziter Theoriebildung zu beobachten. Als ein wichtiger Meilensteine sei hier die DHd 2018 in Köln hervorgehoben, die unter der Losung „Kritik der digitalen Vernunft“ ausdrücklich zur theoretischen Reflexion der DH einlud und dabei mit vielen einschlägigen Keynotes, Panels und Einzelvorträgen außerordentlich erfolgreich war.2 Bei  der jüngsten DHd-Konferenz 2020, in Paderborn, wurde mit der Gründung der offiziellen AG „Digital Humanities Theorie“3 ein weiterer wichtiger Meilenstein gesetzt. Neben den jährlich stattfindenden DHd-Konferenzen ist auch an anderen Stellen erfreuliche Aktivität im Bereich der DH-nahen Theoriebildung und -reflexion zu beobachten, etwa bei einem 2017 durchgeführten Symposium zu „Theorien und Praktiken des Digitalen in den Geisteswissenschaften“4 oder bei einem 2018 von der Gesellschaft für Informatik durchgeführten Workshop „Informatik und Digital Humanities“5.

Um die Relevanz des Themas auch im Bereich der Forschungsförderung zu unterstreichen, sei schließlich auf eine der jüngeren Ausschreibungslinien des BMBF hingewiesen, in der explizit „Forschungs- und Entwicklungsvorhaben zur theoretischen, methodischen und technischen Weiterentwicklung der digitalen Geisteswissenschaften“ gefördert werden sollten, wobei die zentrale Rolle der Theorie an verschiedenen Stellen der Ausschreibung jeweils betont wird:

Das Bundesministerium für Bildung und Forschung (BMBF) fördert deshalb interdisziplinäre Forschungsprojekte, die eine konkrete, anspruchsvolle geisteswissenschaftliche Forschungsfrage bearbeiten und dabei reflektieren und explizieren, wie geisteswissenschaftliche Erkenntnisse gewonnen werden. Darauf aufbauend sollen sie aufzeigen, welche grundlegenden epistemologischen und methodischen Veränderungen die digitalen Forschungsmöglichkeiten auch für die Geisteswissenschaften mit sich bringen. Dies soll in Rückgriff auf und in Weiterentwicklung von bestehenden geisteswissenschaftlichen Theorien erfolgen.

Modellierung, Formalisierung und Operationalisierung geisteswissenschaftlicher Theorien als Voraussetzung für Forschung im Bereich der digitalen Geisteswissenschaften

Notwendige Voraussetzung für eine Förderung ist eine theoriegeleitete Herangehensweise.

Aus dem Bundesanzeiger vom 22.07.20196

Nach dieser kurzen Bestandsaufnahme scheint also ein durch die DH herbeigeführtes Ende der Theorie in den Geistes-, Kultur- und Sozialwissenschaften eher unwahrscheinlich. Vielmehr kann in der deutschsprachigen DH-Community gerade eine Hinwendung zur Theorie(bildung), vielleicht gar ein „theoretical turn“, wenigstens aber ein Theorie-Frühling, beobachtet werden.

Nach dieser – zugegebenermaßen unvollständigen und weitestgehend anekdotischen – Zusammenfassung und Motivation der aktuellen DH-Theorie-Lage im deutschsprachigen Raum, soll im zweiten Teil des Beitrags eine weitere Präzisierung und Systematisierung der nicht ganz einfachen Gemengelage erfolgen, um so Möglichkeitsräume für eine Annäherung und Bearbeitung des Themas Theorie und DH aufzuzeigen. Konkret soll dabei der Theoriebegriff für die “Interdisziplin” der DH aus verschiedenen Perspektiven beleuchtet werden, was wiederum nur geschehen kann, wenn man die DH grundlegend charakterisiert. In der Konsequenz kann so eine Systematik von Theoriebegriffen, aufgeteilt nach Kernbereichen der DH, entstehen.

2. Die Vermessung der Digital Humanities

Wenn man über Theoriebildung in den DH sprechen will, ist eine grundlegende Vermessung derselben unumgänglich, da das „big tent“ Digital Humanities (Terras, 2013) außerordentlich heterogen ist und in unterschiedlichen Bereichen entsprechend unterschiedliche Theoriebegriffe vorherrschen. Als Ausgangspunkt zur Unterscheidung grundlegender Spielarten in den DH scheint mir hier die Taxonomie von Roth (2019) sehr gut geeignet, um etwas Ordnung in die DH und die damit einhergehende Begriffs- und Konzeptanarchie zu bringen:

  1. Digitized humanities“: Hier stehen primär die Themen Digitalisierung, Repräsentation (Unsworth, 2002) und Modellierung (Flanders & Jannidis, 2018) von geistes- und kulturwissenschaftlichen Artefakten im Vordergrund. Ansätze zur Theoriebildung könnten sich in diesem Bereich u.a. in Arbeiten zur Genese der TEI (Michael Sperberg-McQueen, Nancy Ide, u.v.a.) sowie ganz allgemein in konzeptuellen Arbeiten zur digitalen Editionswissenschaft finden. Auch die Diskussion zentraler Paradigmen zur Datenmodellierung, von den TEI-Technologien SGML und XML über E. F. Codds relationale Datenbanken bis hin zu jüngeren Formaten wie etwa Graphdatenbanken, wäre hier m.E. gut aufgehoben. 
  2. „Numerical Humanities“: Diese Facette der DH, die auch häufig als Computational Humanities7 bezeichnet wird, fokussiert stärker auf mathematische Abstraktion und die Erstellung formaler Modelle und Analyseverfahren, etwa mithilfe statistischer Ansätze und maschineller Lernverfahren. Visualisierung und Visual Analytics (Kohlhammer et al., 2011) mögen als Varianten solch formaler Ansätze gelten. Dieser Bereich der DH weist starke methodische Ähnlichkeiten zu den Computational Social Sciences auf8. Weiterhin ist die typischerweise empirische und strukturierte Vorgehensweise der Computational Humanities geprägt durch eine Referenz auf entsprechende bestehende Schulen und Theorien, bspw. die Semiotik, den Formalismus, den Strukturalismus, die Kybernetik, die Systemtheorie, etc.9 Teilweise wird explizit auf diese bestehenden Strömungen verwiesen, um eigene theoretische Rahmenbedingungen abzuleiten, so etwa im Falle des „Distant Viewing“-Paradigmas (Arnold & Tilton, 2019) zur quantitativen Analyse visueller Daten, das sich explizit auf semiotische Grundbegriffe beruft. Gleichzeitig finden sich auch Beispiele für den Rückgriff auf bestehende Theorien, um quantitative Phänomene einzuordnen und grundlegend zu interpretieren, bspw. in einer computergestützten Analyse eines Speisekarten-Korpus (Jurafsky et al. 2016) unter Bezugnahme auf Bourdieus „Feine Unterschiede“ (Bourdieu, 1983). Weiterhin erfolgt in den Computational Humanities häufig ein Aufgreifen kommunikations- und informationstheoretischer Konzepte, wie etwa Claude E. Shannons Informationstheorie und das damit verknüpfte Maß der Entropie, das in empirischen Korpusstudien immer wieder auftaucht (bspw. Chen, Liu, & Altmann, 2017). Besonders innovativ sind in diesem Bereich Theorie-Adaptionen aus anderen Disziplinen, wie sie etwa im Falle der „Cultural Evolution“ (Mesoudi, 2011) vorliegen. Konkret werden hier theoretische Konzepte der biologischen Evolutionsforschung auf die Entwicklung und Verbreitung kultureller Phänomene übertragen, die teilweise Ähnlichkeiten zu Richard Dawkins Idee der „Memetik“ aufweisen.
  3. Humanities of the Digital”: Die letzte Kategorie, wie von Roth (2019) vorgeschlagen, beschreibt die geisteswissenschaftliche Beschäftigung mit digitalen Kulturartefakten und -phänomenen, wie bspw. computer-vermittelte Kommunikation, online communities und Videospielen. In diesem Bereich bestehen starke Verbindungen zu den bereits bestehenden Feldern „Game Studies“, „Software Studies“, „Computerkunst“, u.v.m. Weiterhin gibt es offensichtliche Anknüpfungspunkte zur Medientheorie, mit ihren vielfältigen Spielarten und Akteuren. Schlaglichtartig sei hier auf die naheliegenden Arbeiten von Walter Benjamin (bspw. „Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit“), Friedrich Kittler (bspw. „Es gibt keine Software“) und Marshall McLuhan (bspw. „The medium is the message“) verwiesen. Neben zahlreichen Lehrbüchern zu Medientheorie findet sich auch im Kapitel „Theorien digitaler Medien“ des Einführungsbuchs von Jannidis, Kohle, & Rehbein (2017) ein guter Überblick aus DH-Perspektive.

In Ergänzung dieser drei Kernfelder schlage ich als vierte Kategorie schließlich noch die “Public Humanities” (vgl. auch Ellison, 2013; Wickmann, 2016) vor, die aus meiner Sicht eine weitere wichtige Spielart der DH darstellen. 

4. Public Humanities: Hierzu zählen sämtliche DH-Aktivitäten, die sich mit den Themen Wissenschaftskommunikation10 und digitales Publizieren beschäftigen. Auch Ansätze aus dem Bereich des E-Learning mögen in dieser Sparte ihren Platz finden. Relevant wären dementsprechend theoretische Konzepte aus der Kommunikationsforschung und ggf. auch der Buchwissenschaft, bzw. für den Bereich des E-Learning entsprechende Theorien aus Pädagogik, Psychologie und Soziologie. 

Die hier vorgeschlagenen Perspektiven auf die DH erlauben aus meiner Sicht eine spezifischere Diskussion des Theoriebegriffs, der mit unterschiedlicher Ausrichtung und Bedeutung nun jeweils explizit einzelnen Kategorien zugeordnet werden kann.  Gleichzeitig soll mit einem solchen bottom up-Ansatz allerdings nicht ausgeschlossen werden, dass es bei aller Heterogenität nicht vielleicht doch einen kleinsten gemeinsamen, digitalen Nenner zwischen allen DH-Spielarten geben kann. So betonen etwa Geiger und Pfeiffer (2020) das Fehlen „ein[es] theoretisches Fundament[s], welches mit Hilfe einer flächendeckenden, systematischen Untersuchung die isolierten und verstreuten Ansätze sinnbringend und letztlich auch den einzelnen digitalen GeisteswissenschaftlerInnen Souveränität stiftend miteinander verknüpfen könnte.“ Am besten scheint hierfür die „Wissenschaftstheorie“ geeignet, um aus einer Meta-Perspektive auf das Gesamtphänomen der DH zu blicken und ggf. übergeordnete, epistemologische Implikationen und Konsequenzen dieses neuen Felds zu beschreiben und damit eine identitätsstiftende Wirkung für die DH-Community entfalten.

3. Abschließende Worte zur Ambiguität des Theoriebegriffs

Dieser Beitrag will also eine Systematisierung der weitgefächerten Digital Humanities leisten, um damit das ambitionierte Vorhaben, Theorien der DH zu diskutieren, grundlegend unterstützen oder zumindest anleiten zu können. Die vier Teilbereiche sind dabei als Gerüst zu verstehen, das in künftigen Diskussionen schrittweise mit konkreten Theorien ausgebaut werden kann. 

Gleichzeitig steht aus meiner Sicht noch eine Explizierung des Theoriebegriffs aus, der kein bisschen weniger ambig und divers ist, als der DH-Begriff. Und nirgendwo sonst äußert sich die Theorie-Diversität so stark wie in den Digital Humanities, deren Vertreter*innen häufig zwischen den unterschiedlichen geistes-, kultur- und sozialwissenschaftlichen Fächern wandern und damit regelmäßig mit unterschiedlichen Theoriebegriffen konfrontiert werden. Von einem nonchalanten „anything goes“ á la Paul Feyerabend und losen „Schulen“, denen man sich ggf. zugehörig fühlt, über Hermeneutik und close reading als geisteswissenschaftliches Schweizer Taschenmesser bis hin zu streng formalisierten Modellen aus Prädikatenlogik und Peirce’scher Semiotik, kann einem fast alles unterkommen. 

Um also strukturiert über Theorie(n) in den DH sprechen zu können, müssen zunächst auch konkurrierende Theoriebegriffe (Universal-Theorien, Meta-Theorien, fach-/domänenspezifische Theorien) diskutiert werden und darüber hinaus verwandte Konzepte und Termini wie etwa „Modell“, „Methoden“, „Tools“, „Paradigmen“, „Schulen“, etc. definiert und ggf. abgegrenzt werden.

Zum Ausblick: Als Vertreter der Computational Humanities, also als jemand mit einer starken Affinität zum datengetriebenen Arbeiten, plane ich im nächsten Schritt eine Korpusstudie zur Untersuchung der tatsächlichen Verwendung des Theoriebegriffs (und verwandter Begriffe) in den DH. Dabei soll nach Begriffen wie „theory“ etc. in einem großen (englischsprachigen) Korpus von einschlägigen DH-Zeitschriften und -Konferenzen gesucht werden, um so einen szientometrischen Einblick in bestehende Theoriebegriffe der DH zu gewinnen (vgl. Abb. 2).

Digital-Humanities-Theorie wird zunehmend  ausdifferenziert. #DigitalHumanities #Wissenschaft #Geisteswissenschaften #Digitalisierung
Abb. 1: Double Tree-Visualisierung (Culy & Lyding, 2010) für die Verwendung des Begriffs „theory“ in den DH-Zeitschriften DSH und DHQ. Häufige Cluster mit „theory“ sind etwa „intertextual theory“, „literary theory“, „marxist theory“, „media theory“, „narrative theory”, etc.

Danksagungen

Mein herzlicher Dank gebührt Mareike Schumacher, Rabea Kleymann und Jonathan Geiger, für den intensiven Austausch und die hilfreichen Kommentare beim Ausarbeiten dieses Beitrags.

 

1 Wenngleich der Artikel von Anderson bereits 2008 veröffentlicht wurde, so wird diese These nach wie vor auch in jüngeren Publikationen diskutiert. Beispielhaft spricht etwa Nassehi (2019) in seiner Monographie “Muster – Theorie der digitalen Gesellschaft” in dem Zusammenhang von einer Ersetzung der Wissenschaft durch eine Kybernetik.

2 Viele der Beiträge sind auch als Videoaufzeichnungen dokumentiert, vgl. https://www.youtube.com/playlist?list=PLMxzT_3–bv_7zmYvY6JjI2LR_1-4Zlnn

3 Blog: https://dhtheorien.hypotheses.org/

4 Blog: https://digigeist.hypotheses.org/

5 Workshopband: https://dl.gi.de/handle/20.500.12116/16989/browse?type=title (vgl. insbesondere die Beiträge von M. Piotrowski, I. Frank und P. Klimczak et al.)

6 Bekanntmachungen des BMBF: https://www.bmbf.de/foerderungen/bekanntmachung-2553.html

7 Vgl. Computational Humanities Research (CHR): https://cohure.github.io/CoHuRe/

8 Vgl. hierzu auch den Blogbeitrag von Ramona Roller: https://dhd-blog.org/?p=13186

9 Für eine Zusammenschau im Bereich der Literaturwissenschaft vgl. Bernhart (2018).

10 Vgl. auch die „blogging humanities“ in McPhersons Taxonomie (2009).

Bibliographie

Anderson, C. (2013). Das Ende der Theorie – Die Datenschwemme macht wissenschaftliche Methode obsolet. In H. Geiselberge & T. Moorstedt (Eds.), Big Data – Das neue Versprechen der Allwissenheit (pp. 124–130). Berlin: Suhrkamp.

Arnold, E. (2018). Positivistischer Methodenfetischismus als Anathema der digitalen Geisteswissenschaften. In Panel “Theorie der digitalen Geisteswissenschaften” der Jahrestagung DHd2018 | Kritik der digitalen Vernunft.

Arnold, T., & Tilton, L. (2019). Distant viewing: analyzing large visual corpora. Digital Scholarship in the Humanities, 0(0), 1–14.

Bernhart, T. (2018). Quantitative Literaturwissenschaft: Ein Fach mit langer Tradition? Quantitative Ansätze in Den Literatur- Und Geisteswissenschaften, 207–220. De Gruyter.

Bourdieu, P. (1983). Die feinen Unterschiede. Suhrkamp Verlag.

Chen, R., Liu, H., & Altmann, G. (2017). Entropy in different text types. Digital Scholarship in the Humanities, 32(3), 528–542. 

Culy, C., & Lyding, V. (2010). Double Tree: An Advanced KWIC Visualization for Expert Users. In E. Banissi, S. Bertschi, R. A. Burkhard, J. Counsell, M. Dastbaz, M. J. Eppler, … T. G. Wyeld (Eds.), 14th International Conference Information Visualisation (pp. 98–103). Los Alamitos, CA: IEEE.

Ellison, J. (2013). The New Public Humanists. PMLA, 128(2), 289–298.

Flanders, J., & Jannidis, F. (2018). The Shape of Data in Digital Humanities: Modeling Texts and Text-based Resources. Routledge.

Geiger, J., & Pfeiffer, J. (2020). Spielplätze der Theoriebildung in den Digital Humanities. In Book of Abstracts, DHd 2020 (pp. 48–51).

Gold, M. K. (2012). Debates in the Digital Humanities. University of Minnesota Press.

Graham, S., Milligan, I., & Weingart, S. (2015). Exploring Big Historical Data: The Historian’s Macroscope. ICP.

Jannidis, F., Kohle, H., & Rehbein, M. (2017). Digital Humanities – Eine Einführung. Kap. “Theorien digitaler Medien”. Metzler.

Jockers, M. L. (2013). Macroanalysis: Digital Methods and Literary History (Topics in the Digital Humanities). University of Illinois Press.

Jurafsky, D., Chahuneau, V., Routledge, B. R., & Smith, N. A. (2016). Linguistic Markers of Status in Food Culture: Bourdieu’s Distinction in a Menu Corpus. Journal of Cultural Analytics, 1–10. 

Kaplan, F. (2015). A map for big data research in digital humanities. Frontiers in Digital Humanities, 2(1).

Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data and Society, 1(1), 1–12.

Kleymann, R. (2019). Prototypen als Proto-Theorie? – Plädoyer einer digitalen Theoriebildung. In Book of Abstracts der Jahrestagung der DHd 2019.

Kohlhammer, J., Keim, D., Pohl, M., Santucci, G., & Andrienko, G. (2011). Solving problems with visual analytics. Procedia Computer Science, 7(December), 117–120. 

Manovich, L. (2011). Trending: The promises and the challenges of big social data. In Debates in the digital humanities (pp. 460–475).

McPherson, T. (2009). Introduction: Media Studies and the Digital Humanities. Cinema Journal, 48(2), 119–123.

Mesoudi, A. (2011). Cultural Evolution: How Darwinian Theory Can Explain Human Culture and Synthesize the Social Sciences. University of Chicago Press.

Michel, J.-B., Shen, Y. K., Aiden, A. P., Veres, A., Gray, M. K., Pickett, J. P., … Aiden, E. L. (2011). Quantitative analysis of culture using millions of digitized books. Science, 331(6014), 176–182.

Moretti, F. (2000). Conjectures on world literature. New Left Review, (Jan / Feb), 54–68.

Nassehi, A. (2019). Muster: Theorie der digitalen Gesellschaft. C. H. Beck.

Roth, C. (2019). Digital, digitized, and numerical humanities. Digital Scholarship in the Humanities, 34(3), 616–632. 

Svensson, P. (2016). Big Digital Humanities. University of Michigan Press.

Terras, M. (2013). Peering Inside the Big Tent. (M. Terras, J. Nyhan, & E. Vanhoutte, Eds.). Farnham (UK): Ashgate Publishing.

Tiepmar, J. (2018). Big data and digital humanities. Archives of Data Science. Retrieved from http://asv.informatik.uni-leipzig.de/publication/file/470/paper-2.pdf

Unsworth, J. (2002, September 10). What is humanities computing (and what is not)? Retrieved from http://computerphilologie.uni-muenchen.de/jg02/unsworth.html

Warwick, C. (2016). Building Theories or Theories of Building? A Tension at the Heart of Digital Humanities. In S. Schreibman, R. Siemens, & J. Unsworth (Eds.), A New Companion to Digital Humanities (pp. 538–552). Wiley-Blackwell.Wickmann, M. (2016). What Are the Public Humanities? No, Really, What Are They? University of Toronto Quarterly, 85(4), 6–11.

Zitationsvorschlag: Manuel Burghardt: „Theorie und Digital Humanities – Eine Bestandsaufnahme“, in Digital Humanities Theorie, 15/05/2020, https://dhtheorien.hypotheses.org/680.