Kritische Überlegungen zum Algorithmizitätsbegriff

Manuel Burghardt

Vorbemerkungen

Im Blogbeitrag von Jan Horstmann und Rabea Kleymann wurden vor Kurzem Eindrücke zur AG-Tagung „Algorithmizität als Kultur des Verstehens? Digitale Erkenntnisprozesse in den Humanities“ vorgestellt. Der Beitrag liefert dabei eine neutrale Zusammenschau der Vorträge und Diskussionen rund um den Algorithmizitätsbegriff, wie sie im Rahmen der besagten AG-Tagung stattgefunden haben. Der nachfolgende Blogbeitrag – im Text von Horstman & Kleymann als opinion piece angekündigt – greift die Diskussion der Tagung nochmals auf und versucht sich an einer eher kritischen Perspektive auf den Algorithmizitätsbegriff.

Team „leere Worthülse“ – Zum Missverhältnis der Konzepte Algorithmus und Algorithmizität

Zunächst einmal sei vorausgeschickt: Der Begriff der Algorithmizität wurde nicht im Rahmen der Tagung neu erfunden, sondern viel mehr aus Felix Stalders Buch zur Kultur der Digitalität (2016) entlehnt. Stalder selbst fasst das Konzept folgendermaßen zusammen:

Algorithmizität bezeichnet jene Aspekte der kulturellen Prozesse, die von Maschinen (vor-)geordnet werden. Algorithmen transformieren die unüberschaubaren Daten und Informationsmengen, die heute viele Bereiche des Alltags prägen, in Dimensionen und Formate, welche durch die menschliche Wahrnehmung erfasst werden können. Es ist unmöglich – für jemanden alleine wie auch für eine noch so große Gemeinschaft – Milliarden Websites sinnerfassend zu lesen. Deshalb sind wir auf Angebote wie den Google-Suchalgorithmus angewiesen, die uns die Datenflut (Big Data) auf eine Menge reduzieren und in jene Formate übersetzen, die Menschen verstehen können (Small Data). Damit machen sie menschliches Verstehen und Handeln in der auf digitale Technologien aufbauenden Kultur überhaupt erst möglich und beeinflussen es in ambivalenter Weise: Sie schaffen einerseits neue Abhängigkeiten, indem sie die (informationelle) Welt vorsortieren und zugänglich machen, und sie sorgen andererseits für Autonomie, indem sie die Voraussetzungen der persönlichen Handlungsfähigkeit schaffen.

(Stalder, 2021)

Ein wesentliches Ziel der Tagung war es jedoch, den Algorithmizitätsbegriff in eine andere Richtung zu interpretieren und ihn damit zu erweitern:

Die von der DHd-AG Digital Humanities Theorie organisierte hybride Tagung »Algorithmizität als Kultur des Verstehens?« widmet sich daher der algorithmischen Verfasstheit von geisteswissenschaftlichen Erkenntnisprozessen. Einen ersten Ausgangspunkt bildet die Annahme, dass sich in traditionellen und aktuellen Forschungspraktiken der Geisteswissenschaften latente Formen der Algorithmizität wiederfinden lassen. Darunter sind nicht nur digitale Formen geisteswissenschaftlichen Arbeitens im Sinne einer prozessual aufgefassten Algorithmisierung zu verstehen. Vielmehr bezeichnet Algorithmizität den jeweiligen Formalisierungsgrad von Handlungsanweisungen, der sich in geisteswissenschaftlichen Methoden sui generis manifestiert.

Tagung zum Thema „Algorithmizität als Kultur des Verstehens? Digitale Erkenntnisprozesse in den Humanities“, am 10.06.2022, Leibniz-Zentrum für Literatur- und Kulturforschung Berlin (ZfL).

Nachdem der Algorithmizitätsbegriff in mehreren Vorträgen aus unterschiedlichen Perspektiven beleuchtet und interpretiert wurde, so zeichnete sich in der Abschlussdiskussion eine gewisse Zuspitzung auf zwei Positionen ab, die @jodageiger in einem begleitenden Tweet folgendermaßen dokumentiert:

Den Reiz von Algorithmizität als „qualitativ neues Konzept“, das flexibel interpretierbar und definierbar ist und damit eine Projektionsfläche für vielfältige Ideen und Diskurse über algorithmische Arbeitsweisen und Denkmuster in den Geisteswissenschaften liefert, arbeitet @Charlesque gut heraus:

An dieser Stelle möchte ich nun auch mit meiner Kritik am Algorithmizitätsbegriff einsteigen, von dem ich anfangs hoffnungsvoll annahm, er würde ggf. eine intersubjektive Überprüfbarkeit algorithmischer Anleihen in den Geisteswissenschaften erlauben. Dabei war ich zunächst davon ausgegangen, dass Algorithmizität vom mathematisch-informatischen Konzept des Algorithmus her gedacht würde. Tatsächlich wurde aber im Laufe der Tagung deutlich, dass einige Teilnehmer*innen eher ein definitorisches cherry picking intendieren, d.h. es werden selektiv bestimmte Charakteristika von Algorithmen herausgegriffen und andere gänzlich vernachlässigt. Gut illustrieren lässt sich mein Vorwurf an einer einfachen Algorithmen-Definition von Donald Knuth (1977):

(1) „An algorithm is a set of rules for getting a specific output from a specific input.“

Wenngleich auch in den Geisteswissenschaften regelgeleitete und systematische Verfahren zu finden sind, so haben diese aus meiner Sicht selten den Grad an Formalisierung und Spezifizierung, wie man sie bei Algorithmen findet. Dort müssen die einzelnen Verarbeitungsschritte so explizit und formal eindeutig beschrieben werden, dass auch ein Computer in der Lage ist, die Anweisungen automatisch auszuführen.

(2) „Each step must be so precisely defined it can be translated into computer language and executed by machine.“

(Knuth, 1977)

Für die Geisteswissenschaften scheint mir aber ein mehr oder weniger großer Rest an Unschärfe, Vagheit und Ambiguität – trotz aller Regelhaftigkeit des Vorgehens – geradezu konstitutiv. Die Anreicherung mit spezifischem Kontextwissen und die assoziative Verknüpfung mit ähnlichen (oder kontrastierenden) Quellen ist aus meiner Sicht ein wichtiges Spezifikum  geisteswissenschaftlicher Forschungspraxis. Selbst wenn also in den Geisteswissenschaften prozessual und mehr oder weniger systematisch vorgegangen wird, so gibt es trotzdem viele individuelle Parameter, welche das letztliche Ergebnis mehr oder weniger stark beeinflussen. Knuths Forderung, dass bei einer spezifischen Eingabe auch eine (reproduzierbare) spezifische Ausgabe erfolgen muss, scheint mir bei den meisten geisteswissenschaftlichen Analysen nicht erfüllt. Ich bezweifle stark, dass zwei Geisteswissenschaftler*innen, welche exakt dieselben Eingabedaten (bspw. ein Buch oder ein Musikstück) und dieselbe schrittweise Analysemethodik verwenden, zu exakt demselben output kommen.

Mein Anliegen ist hier durchaus nicht, den Geisteswissenschaften systematisch-prozessuales Vorgehen in der eigenen Forschungsmethodik abzusprechen. Ich finde es aber problematisch, wenn Algorithmen allein auf regelgeleitetes Vorgehen reduziert werden und damit dann ein neuer Begriff wie die Algorithmizität motiviert wird. Zumal es für regelgeleitetes Vorgehen in den Geisteswissenschaften durchaus bereits bestehende Begriffe gibt. Man denke etwa an die deduktive Methode, die im Kern auch die Problemzerlegung und ein schrittweises Vorgehen bei der Teilproblemlösung beinhalten. Um es nochmals prägnant zusammenzufassen: wenn Algorithmizität eigentlich hauptsächlich „regelgeleitetes Vorgehen“ bedeutet, dann scheint mir der Begriff unpassend und unnötig aufgeblasen.

Der Tagungsvortrag von Thomas Nyckel zu „Algorithmen als Faustregeln“ illustriert das Missverhältnis von Algorithmen und Algorithmizität sehr gut, denn aus meiner Sicht sind Algorithmen eben gerade keine einfachen Faustregeln; viele vermeintlich algorithmische Vorgehensweisen in den klassischen Geisteswissenschaften haben aber durchaus Gemeinsamkeiten mit Faustregeln, werden also dem Anspruch an informatische Algorithmen nicht gerecht.

Algorithmische Praxis in den DH vs. Algorithmiztät

Neben der selektiven Adaption des informatischen Algorithmusbegriffs scheint mir die Trivialisierung von Algorithmen zu einer schlichten Sammlung von Regeln auch im Hinblick auf die tatsächlich in den DH eingesetzten Algorithmen problematisch. Sieht man sich diese einmal etwas genauer an, so wird schnell klar, dass bspw. das generative Verfahren des Topic Modeling oder das Prinzip des dynamic programming, wie es bspw. bei Alignment-Verfahren zum Einsatz kommt, nicht einfach von Menschen analog umgesetzt werden kann und eine unmittelbare Abbildung auf „algorithmische“ Praktiken in den Geisteswissenschaften nicht ohne Weiteres möglich ist. Hier zeigt sich geradezu die Stärke von Algorithmen, die stark formalisiert die Problemlösung auf aufwendige Rechenoperationen verlagern, die vom Computer gut ausgeführt werden können, die bei Menschen aber ein größeres Fehlerpotenzial und vor allem eine deutlich längere Bearbeitungszeit haben. Man betrachte hier nur das Beispiel früher stilometrischer Analysen, bei denen Mosteller & Wallace (1963) in einigen Jahren der manuellen Berechnung das herausgefunden haben, was man heute mit computergestützten Methoden der Stilometrie in wenigen Klicks reproduzieren kann. Die These wäre hier also: Real verwendete Algorithmen in den DH übersetzen Analyseschritte in Berechnungen, die dann im großen Stil zu quantitativen Erkenntnissen kommen können, die vom Menschen so nicht geleistet werden können, da bei komplexeren Berechnungen die Lebenszeit schlicht nicht ausreicht, bzw. bei der Verteilung auf mehrere Personen die Wahrscheinlichkeit für Fehler und Inkonsistenzen entsprechend ansteigt.

Grundsätzlich denke ich, dass es der Diskussion um den Algorithmizitätsbegriff zuträglich wäre, konkrete Algorithmen, wie sie in den DH regelmäßig eingesetzt werden, zu analysieren[1] und deren spezifische Arbeitsschritte mit geisteswissenschaftlichen Praktiken abzugleichen.

Algorithmen und Datenstrukturen – Datenstrukturalismus statt Algorithmizität?

Ein Argument aus dem Lager der Begriffsbefürworter*innen könnte an dieser Stelle nun eine breitere Perspektive sein, die über das bloße Regelhafte und Prozessuale von Algorithmizität hinausgeht. Tatsächlich wurde im Rahmen der Tagung immer wieder der Begriff der Modellierung bzw. der Modellbildung als weitere Brücke in die Algorithmizität genannt. Völlig unklar ist für mich aber auch hier, welchen Stellenwert der Algorithmizitätsbegriff einnimmt bzw. welchen Mehrwert er bringt, denn die bloße Feststellung, dass die formale Modellierung und Repräsentation geisteswissenschaftlicher Forschungsgegenstände eine conditio sine qua non für sämtliche DH-Analysen ist, scheint mir einigermaßen banal. Kaum ein Mitglied der DH-Community wird die Relevanz von Modellierung bestreiten. Nicht zufällig nehmen Auszeichnungssprachen wie XML und TEI eine zentrale Rolle in der Entwicklung der DH in den letzten Dekaden ein (vgl. Ide & Sperberg-McQueen, 1995). Geradezu paradigmatisch für die Modellierungsherausforderungen ist in den DH etwa die Erstellung digitaler Editionen, die seit jeher ein wichtiges Arbeitsgebiet darstellt und die DH damit bspw. gut abgrenzbar von benachbarten Disziplinen wie der Informationswissenschaft oder der Computerlinguistik macht (vgl. Luhmann & Burghardt, 2022).

Die Modellierung geisteswissenschaftlicher Artefakte geht dabei natürlich stets einher mit der Formalisierung von Forschungsfragen, die – angepasst an die Modellierungskategorien – von vornherein viel spezifischer formuliert werden müssen als man dies in klassischen hermeneutischen Verstehensprozessen erwarten würde. Diese Verquickung von Repräsentation und Forschungsperspektive betonte John Unsworth (2002) bereits vor mehr als 20 Jahren, wenn er von ontologischen Festlegungen (ontological commitments) bei der Wahl spezifischer Modellierungsverfahren spricht. Dabei spielt nicht nur das Was der Modellierung eine wichtige Rolle – also welche Kategorien und Merkmale sollen bspw. explizit annotiert werden –, sondern auch das Wie der technischen Repräsentation. Es macht einen großen Unterschied, ob die Struktur eines Shakespeare-Stückes mithilfe von hierarchischem XML-Markup (wie bspw. bei Folger) oder mittels eines relationalen Datenbankmodells (wie bspw. bei Open Source Shakespeare) modelliert wird. Unsworth benutzt in dem Zusammenhang auch das Bild unterschiedlicher „Brillen“, die man sich aufsetzt, um jeweils bestimmte Aspekte deutlicher oder unschärfer zu sehen – Modellierung ist demnach wesentlich mitverantwortlich für die Analyseperspektive.

[…] selecting a representation means making a set of ontological commitments. The commitments are in effect a strong pair of glasses that determine what we can see, bringing some part of the world into sharp focus, at the expense of blurring other parts.

Unsworth (2002)

An dieser Stelle drängt sich aus meiner Sicht nun die Frage auf, ob DH im Kern nicht primär durch Praktiken der digitalen Modellierung von – häufig analogen – Quellen und der damit einhergehenden Formalisierung (man mag dies auch Empirisierung nennen) von Forschungsfragen und Hypothesen charakterisiert werden können? Sicher, wenn die Modellierung erst abgeschlossen ist ergeben sich vielfältige Möglichkeiten der computergestützten Darstellung und Analyse, aber in den allermeisten Fällen werden hier bestehende Analyseverfahren aus Bereichen wie etwa der Data Science, der Bioinformatik, der Informationstheorie, u.a. herangezogen. Die Entwicklung genuiner Algorithmen und statistischer Verfahren für die Analyse geisteswissenschaftlicher Daten ist aus meiner Sicht bislang noch überschaubar und aktuell ein Versprechen, dass die sich gerade neu-formierenden Computational Humanities künftig einlösen müssen.

Wenn man die Trennung von Modellierung und Analyse, wie ich sie eben vorgenommen habe, konsequent zu Ende denkt, dann könnte man zum Konzept des Algorithmus noch ein weiteres informatisches Konzept ergänzen: das der Datenstrukturen (wie bspw. Listen, Graphen oder Arrays). In fast allen Informatik-Curricula finden sich diese beiden Konzepte als konkomitante Elemente, die stets gemeinsam in einführenden Lehrveranstaltungen als „Algorithmen und Datenstrukturen“ auftauchen. Wenn nun – wie oben dargelegt – die DH primär mit der Modellierung beschäftigt sind, dann wäre aus meiner Sicht viel eher der Begriff der Datenstrukturen zutreffend, als der des Algorithmus. Algorithmizität adressiert aus meiner Sicht also schlicht den falschen informatischen Begriff, wenn man von der Modellierung her argumentiert. Vielleicht also lieber Datenstrukturalismus statt Algorithmizität?

Algorithmizität als computational thinking?  

In Erwiderung zu den vorausgegangen Modellierungsargumenten könnte man nun anführen, dass eine saubere Trennung zwischen Modellierung/Datenstrukturen und Analyse/Algorithmus nicht möglich ist, da die Modellierung zwangsläufig auch die Analyse beeinflusst (siehe Unsworth, weiter oben). Modellierung könnte man so gesehen also durchaus auch kreativ zu einer Praxeologie namens Algorithmizität weiterdenken, nämlich dann, wenn jenseits der statischen Repräsentation von bestimmten Artefakten und deren Spezifika (bspw. als TEI-Dokument) auch noch deren spätere, regel-geleitete Analyse mitgedacht wird. 

Hier würde ich aber als Argument gegen den Algorithmizitätsbegriff anführen, dass es dafür schon ein anderes, viel länger etabliertes Konzept gibt. Beim sog. computational thinking (Wing, 2006) geht es genau darum, Probleme so zu erfassen und zu formalisieren, dass sie als Algorithmus abgebildet werden können – zumeist mit dem Ziel, das Problem dann von einem rechenstarken Computer lösen zu lassen. Man sollte sich an dieser Stelle nochmals deutlich machen: Computer sind sehr gut darin, sehr viele Berechnungen in sehr kurzer Zeit zu machen – das Stellen der Rechenaufgabe aber bleibt zunächst die Aufgabe des Menschen. Insbesondere, wenn das, was da berechnet werden soll, erst einmal als abstrakter Informationsprozess dargestellt werden muss. Computational thinking ist übrigens in den Naturwissenschaften wesentlich stärker ausgeprägt als in den Geisteswissenschaften, vermutlich weil sich deren Untersuchungsgegenstände wesentlich leichter in quantifizierbare Daten überführen lassen, die dann wiederum formal-algorithmisch untersucht werden können.

Viele Analysen in den DH zeugen m. E. gerade nicht von einem vertieften computational thinking, also einer sorgfältigen Operationalisierung der Forschungsfrage und deren sauberen algorithmischen Umsetzung. Vielmehr habe ich das Gefühl, dass oftmals ein recht unbedarfter Umgang mit Algorithmen erfolgt, ohne im Detail durchdrungen zu haben, wie sie funktionieren und welche Implikationen die einzelnen Analyseschritte für die Ergebnisse haben. Im Ergebnis finden sich zahlreiche Beispiele für teils dubiose Anwendungen (und Interpretationen) etwa von Topic-Modellen.

Plot Twist: Stalder hatte Recht

Und damit sind wir dann ggf. doch wieder beim Algorithmizitätsbegriff von Stalder angekommen: die Nutzung von Algorithmen, um große Datenmengen einem distant reading zugänglich zu machen, ohne im Detail zu verstehen, was in den einzelnen Schritten des Algorithmus passiert. Algorithmizität in den DH also als Anwendung von Algorithmen als black box? In Zeiten von deep neural networks und der gleichzeitigen Forderung nach interpretable machine learning wäre dies nochmals genauer zu diskutieren. Vielleicht ist anstelle von „Algorithmen“ ohnehin machine learning das bessere Analogon für geisteswissenschaftliche Analyseprozesse … to be continued – spätestens beim DHd-Workshop der Theorie-AG, wo am 13.3.2013 in Belval (Luxemburg) unter der Losung „Algorithmen anwenden – algorithmisch denken“ weiter diskutiert wird. Ich selbst werde natürlich auch vor Ort sein und freue mich auf gute Diskussionen zum Algorithmizitätsbegriff und zur Rolle von Algorithmen in den (Digital) Humanities.

Bibliografie

Ide, N. M., & Sperberg-McQueen, C. M. (1995). The TEI: History, goals, and future. Computers and the Humanities, 29(1), 5–15.

Luhmann, J., & Burghardt, M. (2022). Digital humanities—A discipline in its own right? An analysis of the role and position of digital humanities in the academic landscape. Journal of the Association for Information Science and Technology, 73(2), 148–171.

Knuth, D. (1977). Algorithms. In: Scientific American, 236(4).

Marino, M. C. (2020). Critical code studies. MIT Press.

Mosteller, F., & Wallace, D. L. (1963). Inference in an authorship problem: A comparative study of discrimination methods applied to the authorship of the disputed Federalist Papers. Journal of the American Statistical Association, 58(302), 275–309.

Stalder, F. (2021). Grundformen der Digitalität. Onlinebeitrag auf agora42. URL: https://agora42.de/grundformen-der-digitalitaet-felix-stalder/ (Zugriff: 16.01.2023).

Stalder, F. (2016). Kultur der Digitalität. Edition Suhrkamp.

Unsworth, J. (2002). What is Humanities Computing and What is not?. Jahrbuch für Computerphilologie 4.

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35.

Fußnote

[1] Vgl. auch den Ansatz der critical code studies (Marino, 2020).

Gesprächszirkel 13.1.2023 (11-12 Uhr)

Frage: Sind die Digital Humanities humaner als die Humanities?

Konzeption: Torsten Roeder (Julius-Maximilians-Universität Würzburg)
Moderation: Tessa Gengnagel (Cologne Center for eHumanities, Universität Köln)

Ausgangspunkt & Thema

Die »Digital Humanities« können als ein Phänomen der Digitalisierungsprozesse in den Geisteswissenschaften seit den 1940er Jahren betrachtet werden. Sie umschließen den gesamten Forschungszyklus, angefangen bei Recherchemitteln und Methoden der Quellenerschließung über Auswertungsmethoden und Analysewerkzeuge bis hin zu Visualisierungstools und Publikationsmechanismen.

Das Verhältnis der »DH« zu »den Geisteswissenschaften« – auch zu den Bibliothekswissenschaften und zur Informationstechnologie – wurde wiederholt diskutiert und neu ausgelotet. Streben die DH eine ›feindliche Übernahme‹ der Geisteswissenschaften an? Oder stehen die DH für Prozesse, die die Geisteswissenschaften unvermeidlich durchdringen werden (cfr. Rehbein 2018), aber in der DH erst systematisiert und reflektiert werden (cfr. Berry 2019) – eine Rolle, die eigentlich die hergebrachten Geisteswissenschaften für sich reklamieren (cfr. Krämer 2018)?

Eine Herausforderung stellen dabei u.a. systemische Konflikte dar, die z.B. in polarisierenden Methodendebatten (distant reading vs. close reading, quantitativ vs. qualitativ, Bildschirm vs. Papier) und verengter Technikkritik, oft auch von journalistischer Seite und manchmal auch seitens jüngerer Generationen, einen symptomatischen Ausdruck finden und nachhaltige Verwerfungen hinterlassen, welche die DH mit intrinsischer Motivation zu überwinden sucht. Die DH agieren dabei disruptiv, quasi als Systemsprenger der Geisteswissenschaften, indem sie das »Neuland« für sie erschließen (vgl. Spiro 2015), was willkommen bis unerwünscht ist.

Dabei verorten sich die DH selbst im Fahrwasser der Open-Science-Vision einer offenen, transparenten und interdisziplinären Wissenschaft, die eng mit den philosophischen Grundsätzen des Internets und des WWW zusammenhängt (cfr. Grimshaw 2018). Wissenschaftspolitisch ist dem längst durch Förderung und Forderung von z.B. Open Access, FAIR/CARE Data und Linked Open Data entsprochen worden. Wie steht es aktuell um das wissenschaftliche Gewissen der DH? Möchten sie am Ende humaner als die Humanities sein?

Ansätze für die Diskussion

  • Inwieweit hegen die DH ethische Werte? Transportiert Digitalität bzw. der Umgang damit ethische Werte?
  • Resultiert daraus ein bestimmtes Rollenverständnis für das Verhältnis zu den Fachwissenschaften? Wie steht dies im Verhältnis zu wissenschaftspolitischen Programmen?
  • Gibt es ein spezifisches missionarisches Selbstverständnis der DH? Begleitet eine solche Mission die DH bei ihrer Tätigkeit – oder ist DH selbst die Mission?
  • Welche Verantwortung tragen die DH potenziell in ihrem Verhältnis zu den Geisteswissenschaften für deren weitere Entwicklung?

Zoomlink:

https://zfl-berlin-org.zoom.us/j/82180586378?pwd=cFUvUFY0QURDb0htUk5GaW1KZ29vZz09

Meeting-ID: 821 8058 6378

Kenncode: 677352

Literatur

Eindrücke zur AG-Tagung „Algorithmizität als Kultur des Verstehens? Digitale Erkenntnisprozesse in den Humanities“

Jan Horstmann, Rabea Kleymann

Die AG Digital Humanities Theorie wird auf der DHd-Konferenz 2023 einen Workshop veranstalten, um die Diskussion zum Thema „Algorithmizität in den Geisteswissenschaften“ weiterzuführen. Im Juni 2022 fand bereits  eine erste hybride Tagung mit gut 20 Teilnehmenden am ZfL Berlin zum Thema statt. Nun möchten wir die Diskussion im Rahmen der Digital-Humanities-Community systemisch weiterführen. Dieser Blogpost bietet daher eine kurze Rückschau auf die zentralen Diskussionspunkte der Tagung und lädt zugleich zur Partizipation ein.

Einen ersten Ausgangspunkt unserer Tagung bildete die Annahme, dass sich in traditionellen wie in aktuellen Forschungspraktiken der Geisteswissenschaften latente Formen der Algorithmizität wiederfinden lassen. Dies betrifft nicht nur digitale Formen geisteswissenschaftlichen Arbeitens im Sinne einer prozessual verstandenen Algorithmisierung. Vielmehr kann Algorithmizität auch als jeweiliger Formalisierungsgrad von Handlungsanweisungen, der sich in geisteswissenschaftlichen Methoden sui generis manifestiert, umrissen werden. Algorithmizität lässt sich so als eine mögliche Querverbindungen zwischen den disziplinären Profilen der Geisteswissenschaften sowie der Informatik begreifen. Damit einher geht eine mögliche Neuvermessung disziplinspezifischer Kulturen des Verstehens, die jenseits eines tradierten „Two Cultures“-Paradigmas (Snow 1959) verfährt.

Aktuell wird der Begriff „Algorithmizität“ in verschiedene Disziplinen in unterschiedlicher Form diskutiert: Die Sozial- und Wirtschaftsgeschichte beispielsweise nimmt auf verschiedene Art Bezug auf algorithmische Methoden der empirischen Sozialforschung oder historischen Demografie, um ihre Interpretationen zu stützen (vgl. Schlemmer 1998).  In medienwissenschaftlichen Kontexten wird Algorithmizität einerseits als eine Eigenschaft der Kultur der Digitalität (vgl. Stalder 2019, 13) bezeichnet, andererseits aber auch als eine potentia beschrieben, die dem Algorithmus als spezifische Form vorausgeht (vgl. Rutz 2016, 41).  In einer informatischen Perspektive taucht Algorithmizität neben Sequenzialität und Abstraktion als Teilaspekt eines computational thinking auf (vgl. Denning und Tedre 2019).

Zentrale Ausgangsfragen der Tagung waren daher: Was sind disziplinspezifische Kulturen des Verstehens? Wie werden geisteswissenschaftliche Methoden und Praktiken im Digitalen transformiert? Wie verhalten sich disziplinspezifische Kulturen des Verstehens zueinander? Bleiben dichotomische Setzungen wie analog/digital, quantitativ/qualitativ oder kontinuierlich/diskret stabil? Sind auch traditionellere geisteswissenschaftliche Erkenntnisprozesse algorithmisch verfasst? In welchem Maß? Wir gehen daher von einer Skala von latenter Algorithmizität (Quantifizierung, Diskretisierung) hin zu expliziter Algorithmizität (maschinenlesbare Handlungsabläufe) aus.

Bereits in einem einführenden hybrid geführten Dialog zwischen Manuel Burghardt und Silke Schwandt wurde deutlich, dass Informatik und Geisteswissenschaften sehr unterschiedliche Perspektiven auf Algorithmen und Algorithmizität haben und den Begriff auch mit verschiedenen Bedeutungen belegen würden: In der Informatik dient ein Algorithmus der Lösung eines Problems und muss maschinenlesbar wie regelbasiert sein. Gerade die Regelbasiertheit findet sich aber auch in vielen geisteswissenschaftlichen Methoden, wie beispielsweise der inneren und äußeren Quellenkritik in der Geschichtswissenschaft.

In ihrem Keynotevortrag „Algorithmizität – Eine philosophische Perspektive“ machte Gabriele Gramelsberger deutlich, dass die Ursprünge der Algorithmizität in der Philosophie liegen. Anhand der drei Schritte – Operationalisierung des Geistes, Formalisierung der Sprache und des Schreibens – untersuchte sie die Genese des Algorithmizitätskonzepts. Ein Ergebnis ihrer Rekonstruktion war die Formulierung notwendiger Bedingungen der Möglichkeit von Algorithmizität. Dazu zählen unter anderem die Externalisierung geistiger Operationen in formale Symboloperationen, die maschinell ausführbar sind, sowie die Methode der Beweisführung, der Quantifizierung von Relationen sowie Formen der Reduktion. Im anschließenden zweiten Teil des Vortrags entwarf Gramelsberger Ansätze einer operativen Epistemologie. In diesem Zusammenhang hinterfragt sie nicht nur die gegenwärtigen Potenziale eines mathematisch geprägten operativen Repertoires (Gramelsberger 2020). Vielmehr diskutiert sie Algorithmizität als neue symbolische Form im Sinne Cassirers.

Anschließend warfen sechs Lightning Talks den Fokus auf konkrete Forschungsprojekte der Humanities. Wir wollen hier nur die zentralsten Thesen zusammenfassend nennen. Nikita Braguinski zeigte in seinem Vortrag „Die Algorithmizität musikalischen Denkens“ deutlich, dass Algorithmizität in der (historischen) Musiktheorie allgegenwärtig ist. In ihrem literaturwissenschaftlichen Vortrag „Passen/Nicht-passen: Zur Binarität der Interpretation literarischer Materialitäten“ demonstrierte Charlotte Coch wie Semantik und Syntax im Algorithmischen ineinander verschränkt sind. Aus geschichtswissenschaftlicher Perspektive betonte Charlotte Feidicker in ihrem Vortrag „Wie funktioniert der Vergleichsalgorithmus? Vergleichsformationen in englischen Rechtsquellen des 13. Jahrhunderts“ wie durch Explizierung wissenschaftliche Erkenntnisprozesse (‘Weltverstehen’) algorithmisiert werden.

Fotis Jannidis warf in seinem Beitrag „Begriffsbildung und Operationalisierung in den Computational Literary Studies“ ein Licht auf Prozesse der Begriffsbildung, die selbst durch Algorithmisierung/Operationalisierung beeinflusst werden. In sozialwissenschaftlicher Hinsicht stellte Dennis Möbius mit seinem Vortrag „The Discovery of Grounded Theory und die Algorithmisierung der Hermeneutik“ die These auf, dass die Grounded Theory durch ihr systematisiertes Vorgehen in der Theoriebildung algorithmisch ist. Schließlich zeigte Thomas Nyckel in seinem medienwissenschaftlichen Vortrag „Algorithmen als Faustregeln“, wie Algorithmen auch als Faustregeln aufgefasst werden können.

Nach den projektspezifischen Diskussionen blieben eine Menge offene Fragen, die in einer gemeinsamen Abschlussdiskussion nur sehr punktuell besprochen werden konnten. Um dieses interdisziplinäre Feld aus Perspektive der Algorithmizität zu sondieren, widmet sich unser Workshop folgenden zentralen Fragekomplexen:

Algorithmizität und Begriffsarbeit

  • Was sind Kriterien zur Bestimmung des Algorithmischen? (Performanz, Effizienz, Binarität …) Welche Rolle(n) spielen sie?
  • Gibt es ein Spannungsverhältnis zwischen Algorithmizität und Verstehen oder ist das eine im anderen enthalten?
  • Wie können Begriffe wie ‘Algorithmus’, ‘Algorithmizität’ oder ‘Algorithmisierung’ differenziert werden?
  • Was sind die Grenzen des Algorithmizitätsbegriffs? Wie unterscheidet sich Algorithmizität von den Begriffen Kalkül (vgl. Krämer 1991), Modell (vgl. Flanders und Jannidis 2019) oder Regel (vgl. Daston 2022)?

Algorithmizität als Erkenntnis-und Denkstruktur

  • Ist computational thinking das Gleiche wie ein algorithmischer Erkenntnisprozess und das Gleiche wie ein regelgeleitetes Vorgehen (wie etwa Dilthey oder Descartes es beschreiben)?
  • Was nützt uns die Klassifizierung von (geisteswissenschaftlichen) Erkenntnisprozessen als algorithmisch oder nicht-algorithmisch?
  • Wird alles algorithmisch? Was sind die Grenzen des Phänomens?

Algorithmizität als (trans-)disziplinärer Kompass

  • Wie unterscheiden sich die in den einzelnen Disziplinen der Humanities angewandten Algorithmen oder regelgeleiteten Methodensettings? Was sind Gemeinsamkeiten?
  • Was sind disziplinäre Unterschiede zwischen geisteswissenschaftlicher und informatischer Wissensproduktion?
  • Was nützt uns das Wissen um Gemeinsamkeiten und Unterschiede der weniger oder stärker algorithmisch geprägten Art der Erkenntnisproduktion in den Disziplinen?
  • Ist das „Two Cultures“-Paradigma weiterhin gültig?

In Vorbereitung des kommenden Workshops werden wir auf diesem Blog zwei opinion pieces veröffentlichen, die das Für und Wider einer Verwendung des Begriffs ‘Algorithmizität’ im geisteswissenschaftlichen Diskurs versammeln. Wir laden Euch aber schon jetzt zur Diskussion über den Algorithmizitätsbegriff ein. Kommentiert gerne diesen Blogpost über die blogeigene Kommentarfunktion oder folgt unserem#dhtheorie_Algo22 über Twitter oder Mastodon.

Literaturnachweise

Daston, Lorraine. 2022. Rules: A Short History of What We Live By, Princeton: Princeton University Press. DOI: 10.1515/9780691239187.

Denning, Peter J. und Matti Tedre. 2019. Computational Thinking. Cambridge: MIT Press.

Flanders, Julia und Fotis Jannidis (Hg.). 2019. The Shape of Data in the Digital Humanities: Modeling Texts and Text-Based Resources. Digital research in the arts and humanities. London, New York: Routledge.

Gramelsberger, Gabriele. 2020. Operative Epistemologie. (Re-)Organisation von Anschauung und Erfahrung durch die Formkraft der Mathematik. Hamburg: Meiner. DOI: 10.28937/978-3-7873-3900-6.

Krämer, Sybille. 1991. Berechenbare Vernunft: Kalkül und Rationalismus im 17. Jahrhundert, Berlin, Boston: de Gruyter. DOI: 10.1515/9783110847079.

Rutz, Hanns Holger. 2016. “Making a Space of Algorithmicity.” In xCoAx 2016: Proceedings of the Fourth Conference on Computation, Communication, Aesthetics and X, hg. Von Mario Verdicchio, Alison Clifford, André Rangel und Miguel Carvalhais, 29–42.

Schremmer, Eckart (Hg.). 1998. Wirtschafts- und Sozialgeschichte. Gegenstand und Methode: 17. Arbeitstagung der Gesellschaft für Sozial- und Wirtschaftsgeschichte in Jena 1997 (Vierteljahrschrift für Sozial- und Wirtschaftsgeschichte). Stuttgart: Steiner.

Snow, Charles Percy. 2012 [1959]. The two cultures. Cambridge, New York: Cambridge UP.Stalder, Felix. 2019. Kultur Der Digitalität. 4. Auflage. Berlin: Suhrkamp.

Gesprächszirkel 4.11.2022 (11–12 Uhr)

Frage: Was ist und wozu betreiben wir Kritik in den DH?*


Konzeption:

Rabea Kleymann (Leibniz-Zentrum für Literatur- und Kulturforschung Berlin)

Ausgangspunkt:

Der Status der Digital Humanities als Wissenskultur wird häufig über die Frage nach einer kritischen Praxis diskutiert. Neben Diagnosen über ein vermeintliches Defizit an Kritik[i] treten Forderungen nach einem „critical turn“[ii] sowie Vorschläge für reflektierte Verfahrensweisen, wie sie sich zum Beispiel in den Konzepten von „algorithmic criticism,“[iii] „computational criticism“[iv] oder „digital tool criticism“[v] manifestieren. Mehr noch, die Kritikfähigkeit der DH wird oftmals selbst zum Distinktionsmerkmal erklärt und ist für die Legitimierung im Wissenschaftssystem bestimmend. Der Kritikbegriff wird dann unter anderem zur disziplinären Profilierung verwendet, zum Beispiel gegenüber den data science, oder programmatisch vor neue Forschungsansätze gesetzt (vgl. critical infrastructure studies). James Smithies beschreibt die Aufgabe der DH wie folgt:

„[T]he future for the DH lies in the articulation of critical and methodological approaches grounded in the nature of computing technologies and capable of guiding technical development as well as critical and historical analysis.”[vi]

Was Wissenschaftler*innen in den DH jedoch unter kritischen Zugängen verstehen, ist vom argumentativen Kontext, disziplinären Hintergrund, Zeitpunkt oder auch geographischen Raum abhängig. Die Vielgestaltigkeit und semantische Ambivalenz des Kritikbegriffes in den DH sind daher Themen des Gesprächskreises. Was ist eigentlich Kritik in den DH? Was sind die DH (noch), wenn sie (nicht) kritisch sind?

Mögliche Ansätze für die Diskussion:

  • Begriffsarbeit: Was bedeutet der Kritikbegriff für die DH? Inwiefern grenzt er sich unter anderem vom Theoriebegriff ab? Gibt es in den DH einen extrapolierten Kritikbegriff, der sich von den humanities und anderen Disziplinen unterscheidet?
  • Gegenstand und Form: Was sind Gegenstände der Kritik im Forschungsalltag? Gibt es Beispiele aus der Forschungscommunity? In welchen Formen manifestiert sich Kritik? Wie gehen die DH mit tradierten Formen der Bild- und Textkritik um?
  • Standort und Reichweite: Was sind die sozialen und materiellen Bedingungen der Möglichkeit von Kritik in den DH? Wen oder was kann Kritik in den DH adressieren?
  • Maßstäbe und Normen: Wie wird Kritik in den DH begründet? Gibt es interdisziplinäre Eigenarten von Kritik?
  • Ziel und Zweck: Wozu betreiben wir Kritik in den DH? Und was sind mögliche Alternativen und Zukünfte einer Kritik in den DH?

Link zur Videokonferenz:

https://zfl-berlin-org.zoom.us/j/82180586378?pwd=cFUvUFY0QURDb0htUk5GaW1KZ29vZz09

*Die Ausgangsfrage des Gesprächszirkels ist aus der Einleitung von Rahel Jaeggi und Tilo Wesche (Hrsg): Was ist Kritik? 5. Aufl., Suhrkamp, 2019, S. 7 entnommen. Es wurde „in den DH“ ergänzt.


[i] Alan Liu: Where Is Cultural Criticism in the Digital Humanities? In: Debates in the Digital Humanities. Hg. von Matthew K. Gold. Minneapolis, MN 2012.

[ii] David M. Berry / Anders Fagerjord: Digital Humanities. Knowledge and Critique in a Digital Age. Oxford 2017, S. 3.

[iii] Steven Ramsay: Algorithmic Criticism. In: A Companion to Digital Literary Studies. Hg. von Ray Siemens / Susan Schreibman, Blackwell, 2016.

[iv] James E. Dobson: Critical digital humanities. The search for a methodology. University of Illinois Press, 2019, S. x.

[v] Marijn Koolen / Jasmijn van Gorp / Jacco van Ossenbruggen: Toward a Model for Digital Tool Criticism: Reflection as Integrative Practice. In: Digital Scholarship in the Humanities, Bd. 34, Nr. 2, Juni 2019, S. 368–85. https://doi.org/10.1093/llc/fqy048

[vi] James Smithies: The Digital Humanities and the Digital Modern. Palgrave Macmillan, 2017, S. 244.

Paperzirkel 3.6.2022 (11-12 Uhr)

Thema: Grenzen quantitativer Analysen in den DH

Konzept: Ramona Roller (ETH Zürich)

Rahmendaten

Am Freitag, den 3.6.2022
von 11-12 Uhr

findet wieder unser Paperzirkel statt. Im zweimonatigen Rhythmus diskutieren wir hier aktuelle Paper aus den Digital Humanities. Alle, die mit uns diskutieren mögen, sind herzlich eingeladen!

Paper

Safra, L., Chevallier, C., Grèzes, J. et al. Tracking historical changes in trustworthiness using machine learning analyses of facial cues in paintings. Nat Commun 11, 4728 (2020). https://doi.org/10.1038/s41467-020-18566-7

Die Autor*innen bestimmen die Glaubwürdigkeit von Gesichtern auf Porträts mithilfe eines Machine Learning Modells und verknüpfen diese mit der Entwicklung sozio-ökonomischer Faktoren. Wir reflektieren die Schlussfolgerungen der Autor*innen und besprechen wie mithilfe anderer Analyseansätze die Forschungsfrage im Artikel beantwortet werden könnte.

Ausgangspunkt

Statistische Analysen von großen Datensätzen werden in den DH zunehmend beliebter. Mit der rasanten Entwicklung technischer Analyseverfahren und einer wachsenden Vielfalt an Datensätzen, ergeben sich innovative Forschungsfragen und neue Kombinationen von Analysen. Doch wie viel lässt sich aus den resultierenden Analyseergebnissen herauslesen? Wo verläuft die Grenzen der Interpretation? Diese Fragen besprechen wir anhand eines Artikels, welcher Kunstgeschichte und Sozialforschung kombiniert.

Ansätze für die Diskussion

Verständnisfragen

  1. Welche Forschungsfrage adressiert der Artikel?
  2. Welche Theorie wird angewandt?
  3. Welche Hypothesen werden getestet?
  4. Welche Daten werden verwendet?
  5. Mit welcher Methode werden die Hypothesen getestet?
  6. Was ist das wichtigste Ergebnis der Analyse?

Reflexionsfragen

  1. Welche Dinge sind dir unklar?
  2. Wo bist du anderer Meinung als die Autor*innen?
  3. Teilst du das Theorieverständnis der Autor*innen?
  4. Hättest du andere Daten verwendet?
  5. Würdest du die Ergebnisse anders interpretieren?

https://uni-koeln.zoom.us/j/96247107795?pwd=ZUc1Tk9HV2JZTW15TDR0NzBTcC9sUT09

Algorithmizität als Kultur des Verstehens?

Digitale Erkenntnisprozesse in den Humanities

In den Digital Humanities werden tradierte Strukturen der Wissensproduktion auf der Basis computergestützter Verfahren neu verhandelt. Neben Reflexionen über Medialität und Sozialität geisteswissenschaftlicher Erkenntnisprozesse werden vermeintlich dichotomische Setzungen wie analog/digital, qualitativ/quantitativ sowie kontinuierlich/diskret auf den Prüfstand gestellt. Im Zuge dessen rückt nicht nur die Frage in den Vordergrund, wie disziplinspezifische Kulturen des Verstehens ins Verhältnis zueinander gebracht werden können. Vielmehr werden auch etablierte geisteswissenschaftliche Methoden und Praktiken unter digitalem Paradigma reformuliert. 

Die von der DHd-AG Digital Humanities Theorie organisierte hybride Tagung „Algorithmizität als Kultur des Verstehens?“ widmet sich daher der algorithmischen Verfasstheit von geisteswissenschaftlichen Erkenntnisprozessen. Einen ersten Ausgangspunkt bildet die Annahme, dass sich in traditionellen und aktuellen Forschungspraktiken der Geisteswissenschaften latente Formen der Algorithmizität wiederfinden lassen. Darunter sind nicht nur im Sinne einer prozessual verstandenen Algorithmisierung digitale Formen geisteswissenschaftlichen Arbeitens zu verstehen.  Vielmehr bezeichnet Algorithmizität den jeweiligen Formalisierungsgrad von Handlungsanweisungen, der sich in geisteswissenschaftlichen Methoden sui generis manifestiert. Mögliche Beispiele sind die Konzeption von Rede und Gegenrede in den platonischen Dialogen, das dialektische Format der mittelalterlichen Quaestio, die methodologischen Überlegungen der frühneuzeitlichen Wissenschaftsphilosophie, die phänomenologische Reduktion oder schließlich die Hermeneutik als verbindendes Element der Geisteswissenschaften.  

Vor diesem Hintergrund nimmt die Tagung nun Algorithmizität als ein graduelles Phänomen in den Blick. So können  latente und explizite Formen der Algorithmizität unterschieden werden, die einerseits von Prozessen der Quantifizierung und Diskretisierung bis zu maschinenlesbaren Handlungsabläufen reichen. Andererseits werden auch disziplinspezifische Umgangsformen mit Algorithmizität sichtbar. Die Sozial- und Wirtschaftsgeschichte beispielsweise nimmt  auf verschiedene Weise Bezug auf Methoden der empirischen Sozialforschung oder historischen Demographie, um ihre Interpretationen zu stützen. Es handelt sich neben  statistischen Datenerhebungen auch um Auswertungen narrativer Texte. Algorithmizität kann daher nicht nur als impliziter Teil von etablierten Kulturen des Verstehens, sondern selbst als Kulturtechnik des Verstehens begriffen werden. 

Ziel der Tagung ist zum einen die Sichtbarmachung und Diskussion von angewandten Algorithmen oder regelgeleiteten Methodensettings. Zum anderen verspricht die Tagung, disziplinäre Unterschiede zwischen geisteswissenschaftlicher und informatischer Wissensproduktion zu benennen. Konzeptionell umfasst die Tagung diverse Vortrags- und Diskussionsformate, um die Bedingungen einer Präsentation von Algorithmen in den Geisteswissenschaften zu reflektieren. Neben Kurzvorträgen werden digital und in Präsenz weitere dialogische Formate erprobt. Die Keynote wird von der Philosophin Prof. Dr. Gabriele Gramelsberger (RWTH Aachen) gehalten.

Die Tagung findet am Freitag, dem 10. Juni 2022, am Leibniz-Zentrum für Literatur- und Kulturforschung in Berlin statt. Geplant ist ein kombiniertes Format von Livestream und Präsenzveranstaltung (nach den geltenden Hygieneregeln). Zum Organisationsteam gehören Manuel Burghardt (Universität Leipzig),  Jonathan D. Geiger (Akademie der Wissenschaften und der Literatur | Mainz), Jan Horstmann (Universität Münster), Rabea Kleymann (Leibniz-Zentrum für Literatur- und Kulturforschung), Jascha Schmitz (Humboldt-Universität zu Berlin) und Silke Schwandt (Universität Bielefeld).

Bitte schicken Sie uns bei Interesse an einem 10-minütigen Kurzvortrag zum Thema der Tagung einen kurzen Beschreibungstext (ca. 250 Wörter) mit Vortragstitel sowie Angaben  zur eigenen Person bis zum 15. April  2022 an folgende E-Mail-Adressen: Jonathan D. Geiger jonathan.geiger@adwmainz.de und Rabea Kleymann kleymann@zfl-berlin.org.

(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.

DHd2020: Wissenschaftliche Spielräume, ihre Dispositionen und \irony{Gränzen}

Jonathan D. Geiger

Bevor ich den Bericht über die DHd2020 beginnen lasse, bedanke ich mich nochmal vorab ganz herzlich beim DHd-Verband und CLARIAH-DE für das Reisestipendium, welches meine Teilnahme an der Konferenz in Paderborn in vielerlei Hinsicht sehr erleichtert hat. 

Der folgende Text ist ein Experiment und meine eigene Darstellung. Ich vermute, dass er sich mit dem Thema Wissenschaftlichkeit beschäftigt, sehe aber auch eine gewisse Interpretationsoffenheit. Wer Stiländerungen im Text findet, darf sie behalten. Selbstverständlich freue ich mich über Feedback und Fragen.

Die DHd2020 war die 7. Jahrestagung des Verbandes “Digital Humanities im deutschsprachigen Raum e. V.” und fand vom 02. bis zum 06. März 2020 an der Universität Paderborn statt. Die Tagung widmete sich dem Thema “Spielräume – Digital Humanities zwischen Modellierung und Interpretation” und legte damit den Fokus auf epistemische Implikationen digital-geisteswissenschaftlicher Forschungspraktiken. 

Etymologisch schließt der “Spielraum”-Begriff an den “Spiel”-Begriff an, der nach Pfeifer eine “nicht auf Nutzen ausgerichtete, vergnügliche, mit Ernst betriebene Tätigkeit, Zeitvertreib, Vergnügen, Wettkampf” [Pfeifer 1993] bedeute. Der Transfer des “Spiel”-Begriffs hin zu seiner Bedeutung als “Bewegungsraum” und “Möglichkeit” vollzog sich im 18. Jahrhundert, insbesondere im physikalisch-militaristischen Kontext, wo er im Konnex mit der Weite von Geschützrohren Verwendung fand [vgl. Pfeifer 1993]. Wie bei vielen anderen Begriffen auch wurde die Extension durch eine Metaphorisierung restrukturiert, wodurch wir heute von “Spielräumen” im intelligiblen Raumsinne sprechen können. Diesen Raum spannt das Tagungsthema zwischen zwei Polen auf: dem Modell und der Interpretation. 

Der “Modell”-Begriff ist Gegenstand zahlreicher disziplinspezifischer wissenschaftstheoretischer Reflexionen und trotz intensionaler Differenzen handelt es sich in der Regel um eine Wirklichkeits-reduktionistische Abbildung, wohingegen unter “Interpretation” so viel wie “Auslegung”, “Deutung” verstanden wird, also eine subjektive Sinnerschließung [vgl. Ineichen 1991]. Das Tagungsthema deutet also tentativ an, dass Modelle nicht nur semantisch prinzipiell insuffizient, sondern für die Sphäre des Intentionalen gänzlich unfähig sind, wodurch die Notwendigkeit für eine methodische Kompensationsleistung zur Kontingenzreduktion (“Interpretation”) entsteht, die zwar auf den Un-Bereich des Modells abhebt, allerdings durch die impliziten Modellgrammatiken bereits präfiguriert ist. Modelle sind Teil einer Art common ground wissenschaftlichen Arbeitens und ermöglichen damit Kuhns Normalwissenschaft [vgl. Kuhn 1993]. Dabei unterliegt der intelligible Spielraum zwischen Modell und Interpretation einer permanenten Transformation, die bei den digitalen Geisteswissenschaften durch den “digital shift” besonders salient wurde. 

Nassehis Anmerkung im Anschluss an Heidegger, dass die Wissenschaften in einer kybernetischen Neuauflage aufgehen könnten [vgl. Nassehi 2019], verweist auf die neuen Daten-förmigen Modelle und Interpretationsmethoden, die nicht zuletzt den methodologischen Begrifflichkeiten “Ungenauigkeit”, “Ambivalenz”, “Unsicherheit”, “Unbestimmbarkeit” etc. eine neue Deutung abverlangen. Nietzsches Beobachtung, dass unser Schreibwerkzeug mit an unseren Gedanken arbeitet, trifft nicht nur wie in seinem Falle auf die Schreibmaschine, sondern auch auf den Computer zu [vgl. Nietzsche 2002]. Doch auch hier sorgt das prinzipiell kontingente Verhältnis zwischen Modell und Interpretation indirekt für wissenschaftliche Produktivität qua Dissens. Anzumerken ist, dass das Zusammendenken dieser beiden schwergewichtigen, da traditionsreichen und multifacettierten Begriffe “Modell” und “Interpretation” seinerseits in einem intelligiblen Spielraum stattfindet.

Und auch eine Tagung wie die DHd2020 ist Teil der wissenschaftlichen Praxis und bewegt sich damit auf einem common ground der Wissenschaftlichkeit, der auch die konkreten Ausgestaltungsformen (“Deutungen” – also Einreichungen, Formate, Themen etc.) prinzipiell bestimmt. So beinhaltete das Tagungsprogramm der fünf-Tage-mächtigen Veranstaltung für die ersten zwei Tage Workshops, die man besuchen konnte. Dienstagabend wurde die Tagung offiziell im Heinz Nixdorf MuseumsForum eröffnet und Julia Flanders hielt die Keynote mit dem Titel “From Modeling to Interpretation”, in der sie für eine dynamischere Theoriebildung in den DH plädierte [vgl. DHd 2020 2020 I]. Mittwoch bis Freitag fanden hauptsächlich Vorträge statt, die in thematisch gebündelte Sessions eingeteilt waren. Am Mittwoch fand nachmittags zudem die Mitgliedervollversammlung des DHd statt oder – alternativ – eine Stadtführung durch Paderborn. Am nächsten Tag konnte man außer zu den Vorträgen am Nachmittag auch zum Posterslam und der daran anschließenden Postersession gehen; danach fand auch die “Event Physik Show” und das gemeinsame Conference Dinner statt. Freitag wurde die Tagung am Mittag von der Keynote von Alan Liu mit dem Titel “Humans in the Loop” beschlossen, in der er über die Möglichkeiten des menschlichen Lernens vom Maschinenlernen philosophierte [vgl. DHd 2020 2020 II]. Weitere Stadtführungen wurden nach dem offiziellen Ende der Veranstaltung angeboten. Zusätzlich konnte man über die Woche verteilt an den einzelnen Sitzungen der Arbeitsgemeinschaften der DHd teilnehmen. Insbesondere in der Vielfalt ihrer Formate (z. B. Un-Konferenz-Formate (World-Café, Barcamp) oder der Posterslam) zeigte sich die Veranstaltung insgesamt sehr progressiv und aufgeschlossen, besonders gegenüber stärker Traditions-orientierten Disziplinen. 

Michaela Geierhos eröffnet die DHd2020 in Paderborn (Bild nach Markus Freudinger/Universität Paderborn, CC BY 3.0 DE)

Ich persönlich habe die komplette Konferenz von Montag bis Freitag mitgenommen. Montags habe ich selber einen Workshop angeboten – ein World-Café über die “Spielplätze der Theoriebildung in den Digital Humanities” –, der hervorragend gelaufen ist! Eine Blogartikelserie soll dazu hier auf dem AG Theorie Blog erscheinen, das läuft aber gerade. Am Dienstag habe ich an dem Barcamp zu Data Literacy teilgenommen (siehe hierzu einerseits das Etherpad der Veranstaltung und andererseits den Wikipediaartikel als ersten Einstieg in das Thema), was echt interessant war. Von den Vorträgen habe ich mir am Mittwoch das Panel zur Digitalisierung gedruckter Editionen angeschaut, weil ich da auch Protokoll schreiben musste, am Donnerstag erst die Session zu Theorien der Textanalyse und dann die mit dem Titel “Text / Theorie in Vergangenheit und Zukunft” (bei dem mir vor allem die schöne Verbindung von Theoriethemen und Kunst gefallen hat) und am Freitag die beiden Sessions zu Linked Open Data. Insgesamt fand ich die Mischung der Dinge, die ich mir angeschaut habe sehr gut, ich habe einiges mitgenommen, insbesondere noch einige Impulse für die Theoriebildung in den DH und es hat viel Spaß gemacht. Ich bin jedes Jahr wieder begeistert, wie breit das Angebot der Themen auf der DHd ist!! Das sagt auch was über das inhaltliche Selbstverständnis der Community aus. Außerdem habe ich noch ein paar neue Sachen über die DH-Community gelernt, weil ich nämlich höchst repräsentative Umfragen über Twitter gemacht habe (mit dem Hashtag #DHd2020Survey).

DHd-Teilnehmer finden viele Sachen toll an der Konferenz (Bild nach Jonathan Geiger, CC BUY 3,00 EUR)

Auch dieser Blogartikel ist Teil der wissenschaftlichen Praxis, nicht wahr? und hat damit eigentlich dem Modell, dem common ground dieser Praxis zu folgen. Eigentlich. Der common ground legt fest, wo der Interpretationsspielraum, also der Konsens über den möglichen Dissens endet und sichtbar gemacht werden kann der Spielraum und der fließende Übergang auf dem irgendwo wohl die Grenze liegen muss, indem er einmal komplett durchschritten wird. Und spätestens jetzt sind wir beide auf der “anderen Seite” angekommen, gell? Was man so sagt für das wissenschaftliche Arbeiten, also was man so tun und lassen soll, das ist ja zum Beispiel, dass man objektiv und sachlich schreibt (sachliche Texte ohne Phantasie – das ist hier ja keine Poesie!), dass die Texte fehlerfrei (also keine Tippfheler, richtige Ortografie, korrekter Grammatik, ordentliche, Interpunktion usw.) sein sollen, zum Beispiel, dass man nicht aufs Extremste übertreibt, vielleicht ein bisschen vage ist oder gar zu viele Abkürzungen (wie z. B. “ggf.”, “i. d. R.” und insb. “u. a.”, “s. o.” und u. U. auch “s. u.” etc. pp.) verwendet oder dass man zum Beispiel keine subjektiven Bewertungen vornimmt wie in diesem miserablen Text von Geiger, in dem er einfach die beiden Bedeutungsebenen von “Interpretation” als Ausgestaltung (wie in der Musik) einerseits und Sinndeutung (wie in der Hermeneutik) andererseits unterschlägt [vlg. Geiger 2020] oder dass man zum Beispiel nicht den eigenen Aussagen widerspricht oder nicht nachvollziehbar schreibt oder auch zum Beispiel ganze Absätze schreibt, die nichts mit dem eigentlichen Thema zu tun haben und was man auch nicht machen darf sind zum Beispiel Wortwiederholungen und natürlich bloß keine zu langen oder geschachtelten Sätze. Und keine Ironie.

Ob ich mit der demonstrativen Übertretung der Grenzen des wissenschaftlichen Schreibens also noch wissenschaftlich gearbeitet habe oder nicht, das kannst du dir selber überlegen 😉 und auch, was ich damit gemeint haben könnte und wie du das formalisieren/annotieren/analysieren würdest, wenn du das müsstest oder wollen würdest (du wirst dafür einige <irony>-Tags brauchen und das meine ich vielleicht todernst). Zum Schreiben jedenfalls war es für mich hin wie her sehr “vergnüglich”. Für mich steht also fest, dass die wissenschaftlichen Spielräume, die sich zwischen Modell und Interpretation aufspannen permanent transformieren und nie verbalisiert, sondern immer nur durch konkrete Ausgestaltungen demonstriert und damit aktualisiert und variiert werden können – das gilt für die Wissenschaft allgemein und die DH im Speziellen. Ein Beispiel dieser Ausgestaltung ist dieser Artikel und seine Veröffentlichung selbst.

So, das wars von mir. Wir sehen uns!

Tschüssikowski, Amigos!
Euer Jonathan

Quellen

  • DHd 2020 (2020, 19. März): Eröffnungskeynote DHd2020 | Julia Flanders – From Modeling to Interpretation | 03.03.2020, Paderborn. <https://www.youtube.com/watch?v=H7ULStTL-bQ> [YouTube], abgerufen am 14.04.2020.
  • DHd 2020 (2020, 19. März): Abschlusskeynote DHd2020 | Alan Liu – Humans in the Loop | 06.03.2020, Paderborn. <https://www.youtube.com/watch?v=lnfeOUBCi3s> [YouTube], abgerufen am 14.04.2020.
  • Geiger, Jonathan (2020): DHd2020: Wissenschaftliche Spielräume, ihre Dispositionen und \irony{Gränzen}. <http://dhtheorien.hypotheses.org/?p=821> [Weblog], abgerufen am 15.10.2020.
  • Ineichen, Hans (1991): Philosophische Hermeneutik. Alber, Freiburg (Breisgau).
  • Kuhn, Thomas S. (1993): Die Struktur wissenschaftlicher Revolutionen. Suhrkamp, Frankfurt a. M.
  • Nassehi, Armin (2019): Muster. Theorie der digitalen Gesellschaft. C. H. Beck, München.
  • Nietzsche, Friedrich (2002): Schreibmaschinentexte. Vollständige Edition: Faksimiles und kritischer Kommentar. Bauhaus, Weimar.
  • Pfeifer, Wolfgang et al. (1993): “Spielraum”, in: Wolfgang Pfeifer et al., Etymologisches Wörterbuch des Deutschen (1993), digitalisierte und von Wolfgang Pfeifer überarbeitete Version im Digitalen Wörterbuch der deutschen Sprache, <https://www.dwds.de/wb/Spielraum>, abgerufen am 14.04.2020.

Zitationsvorschlag: Jonathan D. Geiger: „DHd2020: Wissenschaftliche Spielräume, ihre Dispositionen und \irony{Gränzen}“, in Digital Humanities Theorie, 15/10/2020, https://dhtheorien.hypotheses.org/821.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search