Partner-Parade #06: Das Leibniz-Institut für Deutsche Sprache

Autor:innen: Louis Cotgrove, Jennifer Ecker und Thorsten Trippel

Dieser Beitrag stellt die dreifache Rolle des Leibniz-Institut für Deutsche Sprache (IDS) im Text+ Konsortium und seine Arbeitsschwerpunkte vor. Das IDS ist in drei Arbeitsbereichen von Text+ tätig: Collections, Infrastruktur/Betrieb und Lexikalische Ressourcen. Diese drei Arbeitsbereiche erfordern unterschiedliche Expertise und profitieren auch von der ausgeprägten Zusammenarbeit und engen Kommunikation innerhalb des IDS.

Lexikalische Ressourcen

Das Forschungs- und Entwicklungsziel des Arbeitsbereichs Lexikalische Ressourcen ist der Aufbau einer digitalen Infrastruktur für Wörterbücher, Wörterbuchportale und lexikalische Datenbanken. In Zusammenarbeit mit den Partnern von Text+ wurde eine dezentrale Architektur für lexikalische Ressourcen entworfen und implementiert, die auf offenen, standardisierten APIs für Abfragen und Datenaustausch basiert und die die Anbindung an die föderierte Inhaltssuche von Text+ ermöglicht.

Das IDS steuert hierzu eine Reihe von lexikalischen Ressourcen bei, die ein breites Spektrum von Forschungsfragen und Wörterbuchtypen abdecken, wie z.B. elexiko, das Neologismenwörterbuch, das Deutsche Fremdwörterbuch, das Lehnwortportal Deutsch, das Sprichwörterbuch, aus dem Bereich usuelle Wortverbindungen, Diskurswörterbücher zur sprachlichen Umbruchsgeschichte des 20. Jahrhunderts sowie Ressourcen, deren Darstellungsbereich vornehmlich in der Beschreibung von Mustern und Strukturen liegt, wie den Kommunikationsverben oder dem Elektronischen Valenzwörterbuch deutscher Verben (E-VALBU, Abt. Grammatik). Neben der Publikation dieser lexikalischen Ressourcen ist das IDS am europaweiten Ausbildungsprogramm European Master of Lexicography (EMLEX) beteiligt und leistet Beiträge zur Wörterbuchbenutzungsforschung und Internetlexikografie.

Das Projekt Lexikalische Ressourcen von Text+ am IDS analysiert diese Ressourcen zusammen mit den jeweils verantwortlichen Fachprojekten, extrahiert die enthaltenen Informationen je nach Möglichkeiten, bereitet sie für eine Nutzung über die APIs (Lex-FCS) auf und stellt sie über den im Projekt entwickelten Server zur Verfügung.

Collections

Der Fokus des Arbeitsbereichs Collections liegt auf digitalen Sammlungen von geschriebenen, gesprochenen und gebärdeten Sprachdaten, z. B. Texten, sowie sprach- und textbezogenen Experimental- oder Messdaten. Die Ziele sind, Forschende bei der Erzeugung, Nutzung, Analyse, Vernetzung und Kuratierung von Forschungsdaten zu unterstützen und Ressourcen (Daten, Metadaten, Standards, Tools, Fachexpertise) bereitzustellen. Außerdem wird die Bewahrung und Wiederverwendbarkeit der Daten, auch für maschinelle Verarbeitung, sichergestellt.

Als zentrale wissenschaftliche Einrichtung zur Dokumentation und Erforschung der deutschen Sprache besitzt das IDS die weltweit größte linguistisch motivierte Sammlung elektronischer Korpora geschriebener deutschsprachiger Texte aus der Gegenwart und der neueren Vergangenheit. Zudem verfügt das IDS, das auch Teil des europäischen CLARIN-Verbunds ist, über Korpora gesprächs- und varietätenlinguistischer Aufnahmen des Deutschen. Angeboten werden Werkzeuge und Schnittstellen zur Abfrage und Analyse der Korpora, die das IDS in die ortsverteilte Infrastruktur des Text+ Konsortiums einbringt.

Der Aufbau elektronischer Korpora am IDS begann in den 1960er Jahren und deren Umfang hat sich seitdem stetig gesteigert – bis auf 57,6 Milliarden Wörter (Stand 09.01.2024). Das Deutsche Referenzkorpus (DeReKo) wird beständig erweitert und bestehendes Korpusmaterial überarbeitet. Veröffentlicht werden die Arbeiten dazu als Releases in Recherchesystemen, früher insbesondere in COSMAS II und jetzt in dem neueren und leistungsfähigeren System KorAP. Die Releases sind rekonstruierbar, um Nachvollziehbarkeit und Replizierbarkeit zu ermöglichen. Mit einer Registrierung kann mittels beider Recherchesysteme in den Daten gesucht werden, wobei in KorAP Ausschnitte frei zugänglicher Daten (z.B. Nutzerdiskussionen von Wikipedia) auch ohne Registrierung eingesehen werden können.

Die Rechercheplattform KorAP steht unter offener Lizenz auch zur Nutzung durch andere Institutionen zur Verfügung – hier ist etwa eine Zusammenarbeit mit der Deutschen Nationalbibliothek in Planung.

Infrastruktur/Betrieb

Als antragstellende Institution koordiniert das IDS insbesondere mit der Niedersächsischen Staats- und Universitätsbibliothek Göttingen und der Universität Tübingen den Verbund Text+. Sprecher von Text+ im NFDI-Verein ist Andreas Witt.

Mit dem IDS-Repository wird die langfristige Archivierung von linguistischen Ressourcen (Text und gesprochene Sprache) gewährleistet. Es stellt Daten zusammen mit Metadaten in Standardformaten zur Verfügung, aktuell insbesondere nach Dublin Core und nach dem ISO-Standard CMDI (ISO 24622-1 bzw. ISO 24622-2). Die Metadaten können dadurch von Nachweissystemen und Registries wie der CLARIN Virtual Language Observatory und der Text+ Registry heruntergeladen und genutzt werden, z. B. in einer (facettierten) Suchoberfläche.

---

Das IDS Mannheim auf einen Blick

---

Beitragsbild: Ausschnitt aus Paul Klee, Kamel (in rhythmischer Baumlandschaft), Öl auf Leinwand, 1920. Public Domain.

Zitiervorschlag
Louis Cotgrove, Jennifer Ecker, Thorsten Trippel: Partner-Parade #06: Das Leibniz-Institut für Deutsche Sprache, in: Text+ Blog, 13.08.2024, https://textplus.hypotheses.org/11055.

---

---