Quantitativ unterwegs. Ein paar Gedanken zur Geschichtsschreibung im digitalen Zeitalter

„Statistical research is for the historian a good servant but a bad master. It profits him nothing to make statistical generalizations, unless he can thereby detect the thought behind the facts about which he is generalizing.”

(Robert George Collingwood: The Idea of History, Oxford 1946)

Seit einigen Jahren ist ein kräftiges Comeback in der Anwendung quantitativer, computergestützter Ansätze in der historischen Recherche spürbar geworden. Comeback woher? Aus einer eher durch Misserfolg geprägten Tradition.1 Nichtsdestotrotz ist Optimismus angesagt. Die begangenen Fehler können das heutige Comeback stärken. Aber nur vorausgesetzt, wir bemühen uns, über sie zu reflektieren und sie zu vermeiden.

Dafür muss es Rahmen geben, wo wir2 uns intensiv mit dem Handwerk des Digitalen und des Quantitativen auseinandersetzen; solche Orte, wo wir uns außerhalb von Selbststudium und Tutorials zusammen beim Programmieren oder bei der Datenreinigung und -analyse etwa die Finger schmutzig machen und uns darüber austauschen können. Das gemeinsame Erlernen des Handwerks, sei es Statistik, Graphentheorie oder eine Programmiersprache kann ein Beitrag zum Vermeiden alter Fehler sein. Solche Rahmen können die Form von Lehrveranstaltungen/Projektseminaren an Unis3 oder etwa die von Sommerschulen annehmen. Eine davon ist die Digital Humanities at Oxford Summer School (DHOxSS).

Touri-Foto mit der Hertford Bridge? Bitte sehr!

A human learning about machine learning

Bei der DHOxSS 2017 stand eine große Vielfalt von Themen auf dem Programm: von Text Encoding Initiative und Text Mining bis hin zu Citizen Science und Data Science. Letztere war mein gewählter Schwerpunkt. Data Science for the Humanities hieß das Workshop, in dem ich an fünf Nachmittagen saß. Dabei gab es (Kritik muss sein) sehr viel Data Science und beinah keine Humanities: In einem sehr abrupten Crashkurs wurden die Syntax und ein paar Funktionen einer Programmiersprache (Wolfram Language), Grundzüge der Datenaufbereitung und -analyse sowie eine dichte Übersicht über das Thema Machinelles Lernen (ML) vermittelt.

Der Anschluss an die eigene Arbeit/Disziplin blieb leider im Workshop größtenteils aus. Der Nutzen der Veranstaltung beschränkte sich also aufs Technische; das Thema Anwendung wurde bloß gestreift. Allerdings gab es im restlichen Teil der Summerschool spannende Beiträge und regen Austausch, die die Lücke zwischen ML und historische Recherche geschlossen haben. Ein beeindruckendes Beispiel ist ein Projekt, in dem vor ein paar Jahren Image-Matching-Technologien eingesetzt wurden, um digitalisierte Bänkellied-Abbildungen aus der Bodleian Library maschinell zu vergleichen. Eine Anwendung bestand darin, alle Fälle der Wiederverwendung eines bestimmten Druckstocks zu erkennen:

One hat, different heads: Zwei unterschiedliche Figuren, unter einen Hut gebracht.

ML ist heutzutage ein zentraler Bestandteil von Bereichen, die einen direkten Bezug zur Arbeit der Historiker_innen haben. OCR und korpuslinguistische Analysen sind nur die bekanntesten davon. Neue Anwendungen, wie das zuvor erwähnte Projekt, ermöglichen das schnelle Erschließen und Analysieren großer Quellenkorpora. Die Bewältigung solcher Datenmengen wird immer mehr Historiker_innen herausfordern, da Jahr für Jahr eine massive Anzahl an Quellen digital verfügbar werden: digitalisiert sowie ‚born digital‘. In diesem Sinne ist Data Science nicht nur ein ‚good servant‘ sondern ein ‚necessary servant‘ (und ja, auch ein ‚bad master‘). So kann Data Science in der historischen Recherche als eine Art historische Hilfswissenschaft verstanden werden. Sie dient dem Erschließen von Quellen, kann aber alleinstehend zu keinen historischen Erkenntnissen führen.

Jack of all trades, master of n

Während einer Mittagspause in Oxford kam von jemandem die Bemerkung, es sollten doch lieber IT-Spezialist_innen mit der technischen Umsetzung in geisteswissenschaftlichen Forschungsprojekten beschäftigt werden. Das ist tatsächlich in vielen Fällen wünschenswert und das Image-Matching-Projekt an der Uni Oxford (s. oben) ist ein gutes Beispiel dafür. Bei diesem Projekt spielte allerdings auch Giles Bergel, ein Historiker mit digitaler Expertise, eine entscheidende Rolle. Das ist also auch ein gutes Beispiel dafür, dass interdisziplinäre Arbeit nicht allein von unterschiedlichen Spezialisten erledigt werden kann. Es müssen auch Leute beitragen, die den Blick in den Werkzeugkasten der anderen Disziplinen geübt haben. In der Eröffnungsrede bei DHOxSS sprach Diane Jakacki über die fließende Beherrschung mindestens einer anderen Disziplin als Voraussetzung für die Arbeit und Zusammenarbeit im DH-Bereich: Digital humanists als anstrebende Universalgelehrten, quasi.

Wie bedeutend ist in der Tat das Niveau der interdisziplinären Gewandtheit für die computergestützte historische Recherche? Scott Weingart veranschaulicht diese Bedeutung mit dem folgenden Beispiel: Manche Historiker_innen benutzen Layoutalgorithmen, um soziale Netzwerke zu visualisieren. Sie interpretieren dann die Nähe zwischen den Knoten als Indikator einer Beziehung zwischen den jeweiligen Akteuren. Sie schreiben dieser Nähe eine Bedeutung zu, ohne sich aber zu erkundigen, wie der Algorithmus dahinter funktioniert, was dann zu völlig unzutreffenden Schlüssen führt.

Einen Layoutalgorithmus zu verstehen ist keine triviale Sache; man muss das aber in Kauf nehmen, wenn man sich für Netzwerkvisualisierung als Methode entscheidet. Das heißt also verallgemeinert: Wir müssen uns mehr wagen, den Maschinenraum regelmäßig zu besuchen und uns die Finger schmutzig zu machen, wenn wir die Fehler der Vergangenheit vermeiden wollen. Obwohl die Summerschool in Oxford nur bedingt ein solcher Besuch war, bot sie reichlich die Möglichkeit, über diese Notwendigkeit zu reflektieren.

Die Kette beim Layoutalgorithmus musste geölt werden. (CC BY-NC 2.0, Nina´H, Dirty hands)

 

[1] Robert Willam Fogels und Stanley Lewis Engermans Time on the Cross (1974) ist ein berühmtes Beispiel einer historischen Arbeit, die u. a. aufgrund der benutzten kliometrischen Ansätze extrem scharf kritisiert wurde.

[2] D. h. die an computergestützte Methoden interessierten Historiker_innen.

[3] Ich habe den heimlichen Wunsch, mehr von diesen Raritäten in den Vorlesungsverzechnissen der Berliner Unis zu sehen.


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Theodor Costea (29. Juli 2017). Quantitativ unterwegs. Ein paar Gedanken zur Geschichtsschreibung im digitalen Zeitalter. TGTUBlog. Abgerufen am 24. März 2025 von https://doi.org/10.58079/uqog


Schreibe einen Kommentar

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

This site uses Akismet to reduce spam. Learn how your comment data is processed.