Partner-Parade #09: Berlin-Brandenburgische Akademie der Wissenschaften

#09: BBAW
Dieser Beitrag stellt die dreifache Rolle der Berlin-Brandenburgischen Akademie der Wissenschaften (BBAW) im Konsortium Text+ und ihre Arbeitsschwerpunkte vor. Die BBAW engagiert sich in den drei Datendomänen Collections, Lexikalische Ressourcen und Editionen. Diese drei Arbeitsbereiche erfordern unterschiedliche Expertise und profitieren von der Zusammenarbeit mit der DH-Abteilung TELOTA (The Electronic Life Of The Academy) der Akademie sowie mit dem Zentrum Sprache.
Die BBAW in den Task Areas von Text+
Collections
Digitale Sammlungen enthalten Daten, deren Auswertung im Zentrum sprach- und textorientierter geisteswissenschaftlicher Forschungsdisziplinen steht. Die BBAW hat mit dem Deutschen Textarchiv (DTA) bereits seit beinahe 20 Jahren Erfahrungen im Bereich der besonders herausfordernden Erhebung, Aufbereitung und Bereitstellung historischer Forschungsdaten. Das DTA stellt mit dem DTA-Kernkorpus eine disziplinen- und gattungsübergreifende Sammlung von etwa 1.500 deutschsprachigen Texten des 16. bis frühen 20. Jahrhunderts bereit, welcher in ihrem Umfang und ihrer Zusammensetzung eine herausragende Bedeutung für die Erforschung des historischen Neuhochdeutschen, seiner Entwicklung und der im dokumentierten Zeitraum relevanten Genres und Sachbereiche beigemessen werden kann. Zudem dient das DTA als Repositorium für die Aufnahme von – deutschsprachigen, historischen – Forschungsdaten aus externen Projektkontexten. Als Datenformat dient das Basisformat des DTA (DTABf), ein auf TEI P5 basierender, in der Community etablierter Standard zur Annotation von Drucken. Für DTABf-kodierte Texte, Sammlungen und Korpora gilt, dass auf Basis der Metadaten und des Datenformats eine Vergleichbarkeit hinsichtlich der Transkription und Annotation ermöglicht wird.
Seit der Projektförderung von Text+ wurde die Datengrundlage im DTA deutlich vergrößert, was für die Erforschung der neuhochdeutschen Sprachstufe eine wesentliche Bereicherung darstellt. Alle Sammlungen des DTA werden im sogenannten Metakorpus DTAXL aggregiert, das mehr als 100.000 Texte enthält. Das Metakorpus ermöglicht eine korpusübergreifende Suche mit vielen Facetten. So kann die umfangreiche Sammlung beispielsweise nach einer standardisierten Zuordnung zu einer Textsortenklassifikation gefiltert werden, die Texte sind (im Bereich der Metadaten) mit Normdaten (GND) angereichert und es besteht die Möglichkeit einer gezielten genderspezifischen Sucheinschränkung, um nur ein paar wenige Filtermöglichkeiten zu nennen.
Neben den historischen Textsammlungen stellt das Zentrum Sprache der BBAW auch eine Reihe von gegenwartssprachlichen Sammlungen zur Nachnutzung bereit. Auch hier gibt es ein aggregiertes Metakorpus (DWDSXL), das insgesamt über 4,8 Millionen Texte enthält.
Links:
- Übersicht aller historischen (Text-)Sammlungen der DTA/DWDS-Infrastruktur
- Übersicht der im Rahmen der NFDI neu aufgenommenen Textsammlungen
- FCS-Volltextsuche über die in Text+ eingebrachten DWDS-Sammlungen:
- Dokumentation des DTA-Formatstandards (DTABf)
- DTA/DWDS – Historische Korpora (DTAXL, mehr als 100.000 Dokumente)
- DWDS – Gegenwartskorpora (DWDSXL, mehr als 4.8 Millionen Dokumente)
- Exemplarische Einblicke in die Korpusarbeiten des DTA im Rahmen von Text+:
- Marius Hug/Frank Wiegand: Ressourcen-Reigen, #7: Neuer Novellenschatz im Deutschen Textarchiv. Zenodo-Korpora für die NFDI, in: Text+ Blog, 27.09.2023, DOI: 10.58079/uqhA.
- Marius Hug/Andreas Hungeling: Ressourcen-Reigen, #6: stimm-los im Deutschen Textarchiv. Public-private-Partnership als Erfolgsmodell, in: Text+ Blog, 27.07.2024, DOI: 10.58079/uqh3.
- Marius Hug/Marko Neumann: Ressourcen-Reigen, #5: Soldatenbriefe. Integration von Forschungsdaten aus einem Promotionsprojekt, in: Text+ Blog, 25.04.2023, DOI: 10.58079/uqgs.
- Marius Hug/Susanne Haaf: Ressourcen-Reigen, #3: DTA@NFDI. Historische, deutschsprachige Texte und ihr „place to be“, in: Text+ Blog, 17.01.2023, DOI: 10.58079/uqgd.
Lexikalische Ressourcen
An der BBAW und insbesondere im Zentrum Sprache sind seit Langem verschiedene Wörterbuchprojekte beheimatet, unter anderem das Digitale Wörterbuch der deutschen Sprache und das Zentrum für digitale Lexikographie der deutschen Sprache. Die Expertise des Zentrums Sprache umfasst sowohl die Digitalisierung, Kuration und Erschließung von ursprünglich nur gedruckt vorliegenden Wörterbüchern als auch die Erstellung moderner gegenwartssprachlicher lexikalischer Ressourcen sowie den Betrieb des Wortinformationssystems www.dwds.de.
Das Zentrum Sprache der BBAW ist Gesamtkoordinator der Task Area Lexikalische Ressourcen. Ein zentrales Arbeitsfeld bildet die Entwicklung einer verteilten Suchlösung für lexikalische Ressourcen. Nach einer initialen Planungs- und Prototypingphase im ersten Projektjahr wurde die Federated Content Search (FCS) als dezentrale Volltextsuche schrittweise implementiert, konzeptionell ausgebaut und zu einer spezialisierten Variante für lexikalische Daten – der Lexical Federated Content Search (LexFCS) – weiterentwickelt. Die BBAW bringt dafür eigene digitale Wörterbuchbestände ein: das DWDS-Wörterbuch, das Wörterbuch der deutschen Gegenwartssprache sowie das Etymologische Wörterbuch des Deutschen von Wolfgang Pfeifer.
Die Spezifikationen der Abfragesprache und der Protokolle für den technischen Datenaustausch werden fortlaufend gemeinsam mit den Projektpartnern weiterentwickelt. Im Verlauf des Projekts konnten über die LexFCS zusätzliche lexikalische Datentypen erschlossen werden, etwa Belegstellen innerhalb von Wörterbüchern. Ein weiterer Schwerpunkt liegt zudem in der Arbeit an Standards. So ging es in Kooperation mit dem Text+ Projekt „Thesaurus Linguae Aegyptiae – More Fair with APIs“ beispielsweise um die Unterstützung nicht-lateinischer Schriftsysteme. Außerdem ist die BBAW an der internationalen Initiative TEI Lex-0 beteiligt und trägt darüber zur Fortentwicklung des Standards TEI P5 für lexikalische Ressourcen bei.
Ein weiterer Arbeitsschwerpunkt im Projekt Text+ war die Refaktorisierung einer Teilkomponente der im Rahmen eines DFG-Projekts an der BBAW entwickelten Software DTA::CAB (Cascaded Analysis Broker), die bereits in CLARIN-D im Einsatz war. Diese DTA::CAB-Komponente übersetzt historische Schreibformen des 19. Jahrhunderts in ihre moderne neuhochdeutsche Entsprechung und macht historische Texte damit für gegenwartssprachlich trainierte Annotationswerkzeuge erschließbar. Die Reimplementierung der Schreibungsnormalisierung in einer modernen transformerbasierten Architektur unter dem Namen Transnormer erfolgte mit einem Fokus auf Texten des 19. Jahrhunderts. Die Normalisierung von Schreibungen ist ein Dienst, der auch in anderen Task Areas nutzbringend verwendet werden kann.
Links:
- Lexical Federated Content Search (LexFCS)
- Technische Spezifikation der LexFCS
- Übersicht der digitalen Wörterbücher der BBAW
- Transnormer, eine Software zur Normalisierung historischer Schreibweisen
Editionen
Editionen als erschließende Wiedergabe historischer Dokumente sind seit jeher zentral für die geisteswissenschaftliche (Grundlagen-)Forschung und digitale Editionen ein wichtiger Baustein der digitalen Geisteswissenschaften. Die BBAW und insbesondere die Digital-Humanities-Abteilung TELOTA begleitet den digitalen Wandel in der Editorik bereits seit rund 20 Jahren. Gemeinsam mit den Vorhaben der BBAW begleitet TELOTA alle Schritte des „digital lifecycle“ einer Edition: Konzeption, Entwicklung, Publikation sowie Langzeitverfügbarkeit und -archivierung. Ein Schwerpunkt TELOTAs liegt dabei auf der Entwicklung und Bereitstellung von nutzerfreundlicher und standardbasierter Forschungssoftware. Dazu gehören auch die verbreitete Forschungssoftware ediarum für den Aufbau digitaler Editionen und der Webservice correspSearch als zentraler Suchdienst für Briefeditionen. Im Rahmen von ediarum kümmert sich TELOTA auch um die Verbreitung standardisierter Datenmodelle, um den Datenaustausch zu erleichtern (etwa DTABf für neugermanistische Editionen, ediarum.ANTIQUITY für antike Texte, ediarum.MINUTES für Protokolleditionen). In der Text+ Datendomäne „Editionen“ bringt die BBAW mit TELOTA langjährige praktische und methodische Expertise ein und beteiligt sich unter anderem an Aktivitäten in den Bereichen Qualitätssicherung, Standardisierung, Forschungssoftware und Community.
In Text+ wurde unter Federführung von TELOTA ein Konzept für „Guidelines zur Qualitätssicherung und -kontrolle“ erarbeitet, das über einen GitLab-basierten Redaktionsworkflow umgesetzt und fortlaufend ausgebaut wird. Weiterhin wird mit einem Whitepaper zur „Standardisierung von Software Stacks“ ausgelotet, wie die Qualität digitaler Editionen mittels ausgewählter Technologien verbessert werden kann. Parallel wurden mehrere Workshops zur Verbesserung der Qualität von digitalen Editionen veranstaltet, darunter ein Workshop zu hochwertigen Metadaten in digitalen Editionen, der als konsortienübergreifendes Kooperationsformat mit den drei weiteren geisteswissenschaftlichen NFDI-Konsortien (NFDI4Objects, NFDI4Memory und NFDI4Culture) realisiert wurde.
2023 initiierte TELOTA den FAIR February als virtuelle Veranstaltungsreihe zur Anwendung der FAIR-Prinzipien im Bereich digitaler Editionen. Das Format wurde seitdem jährlich wiederholt und kontinuierlich ausgebaut: 2024 diskutierten nationale und internationale Expert:innen Best Practices und künftige Herausforderungen im Forschungsdatenmanagement. 2025 wurden die vier Sitzungen stärker anwendungsorientiert konzipiert, um die FAIR-Prinzipien für den Forschungsalltag greifbarer zu machen. 2026 gab es eine weitere Fortsetzung des erfolgreichen Formats mit Diskussionsrunden, um zum 10. Geburtstag der FAIR-Prinzipien ihre Benutzung und ihren Nutzen in der Praxis zu reflektieren. Die Veranstaltungsreihe wird mit Beiträgen im Text+ Blog begleitet.
Nicht zuletzt veranstaltet TELOTA bereits seit Sommer 2022 in regelmäßigen Abständen das ediarum.MEETUP als Austauschforum für die deutschlandweite Entwickler:innen-Community rund um die Software ediarum. Die Auftaktveranstaltung im Juli 2022 versammelte rund 35 Teilnehmende aus Akademien, Universitäten, Bibliotheken und der freien Wirtschaft. Das Format hat sich seither als fester Bestandteil der Community etabliert. Aus dem Austausch heraus wurden neue Entwicklungen gestartet, u.a. wurde ediarum um das Modul ediarum.WEBDAV zur automatisierten Versionierung auf Basis von Git erweitert.
Schließlich trägt TELOTA als Mit-Initiatorin von Rezensionsbänden in Kooperation mit der Zeitschrift RIDE zur systematischen Evaluation digitaler Editionen bei, unter anderem im Hinblick auf die Umsetzung der FAIR-Prinzipien. Als Grundlage dient ein eigens entwickelter Kriterienkatalog zur Bewertung der „FAIRness“ digitaler Editionen.
Links:
- Angebote der TELOTA Arbeitsgruppe an der BBAW:
- Berichte und Empfehlungen zur Qualitätssicherung und Standardisierung:
- Kriterienkatalog zur Bewertung von „FAIRness“ in digitalen Editionen
- Guidelines for Quality Assessment and Assurance for Digital Editions
- Harald Lordick, Karoline Lemke: „Report interoperabilität“. Zenodo, 30.09.2024. DOI: 10.5281/zenodo.13860162.
- Blogartikel zum Fair February:
- Karoline Lemke: Let’s Talk FAIR – Die Findability digitaler Editionen, in: Text+ Blog, 10.07.2023, DOI: 10.58079/uqh0.
- Karoline Lemke: Let’s talk FAIR – Die Interoperabilität von Editionen, in: Text+ Blog, 14.12.2023, DOI: 10.58079/uqhi.
- Philipp Hegel, Sandra König, Karoline Lemke, Harald Lordick, Daniela Schulz, Lukas Weimer: Let’s talk FAIR again. Nachbetrachtung zum zweiten FAIR February, in: Text+ Blog, 24.07.2024, DOI: 10.58079/1236k.
- Sandra König, Fernanda Wolff: FAIR February 2026: Session „FAIR-Giving And FAIR-Taking“, in: Text+ Blog, 21.05.2026, DOI: 10.58079/1694p.
- Workshops auf der DHd:
- Susanne Al-Eryani, Eva-Maria Gerstner, Philipp Hegel, Harald Lordick, Markus Schnöpf, Daniela Schulz und Uwe Sikora: „Beacone unde venis et quo vadis?“. Beitrag auf der DHd-Jahreskonferenz (DHd2024), Passau, 01.03.2024. DOI: 10.5281/zenodo.10732655.
Die Berlin-Brandenburgische Akademie der Wissenschaften auf einen Blick
| Institution | Berlin-Brandenburgische Akademie der Wissenschaften, Berlin |
| Schwerpunkte | Wissenschaftliche Editionen, Sprachkorpora, Wörterbücher zur deutschen Sprache |
| Modalität | Geschriebene Sprache |
| Datenformate | DTA-Basisformat, TEI Lex-0, TEI für Korpora |
| Metadatenformate | CMDI, Dublin Core |
| Ansprechpersonen | Alexander Geyken, Alexander Czmiel |
| Rolle in Text+ | Kompetenz- und Datenzentrum |
| Datendomänen | Collections, Editionen, Lexikalische Ressourcen |
| Repositorium | CLARIN-Servicezentrum des Zentrums Sprache an der BBAW |
| Wichtige Dienste | DTABf, CAB/Transnormer, Ediarum/correspsearch |
Beitragsbild: Ausschnitt aus Paul Klee, Kamel (in rhythmischer Baumlandschaft), Öl auf Leinwand, 1920. Public Domain.
Nur der Text ist unter der Lizenz Creative Commons Namensnennung 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Marius Hug, Axel Herold, Karoline Lemke (2. Juni 2026). Partner-Parade #09: Berlin-Brandenburgische Akademie der Wissenschaften. Text+ Blog. Abgerufen am 11. Juni 2026 von https://doi.org/10.58079/16bmz
