Ressourcen-Reigen, #5: Soldatenbriefe. Integration von Forschungsdaten aus einem Promotionsprojekt

Autoren: Marius Hug, Marko Neumann

»Gott lob und dang ich bin in keinne Schlacht zugekomen wir sint imer hinder nachmarschirt.« Mit diesen Worten wendet sich der in Frankreich stationierte einfache Soldat Michael Eimgartner vor rund 150 Jahren an seine Eltern in der Heimat (Soldatenbrief Nr. 169). Briefe aus dem Krieg sind nicht nur aus inhaltlichen Gründen für die Forschung von großem Interesse, auch sprachlich gesehen handelt es sich um wertvolle Zeugnisse, die uns Einblicke in die Alltagsschriftlichkeit verschiedener historischer Schreiber:innen geben können. Die Herausforderungen, die es bei dieser Art von Quellen zu bewältigen gilt, sollen im Blog-Beitrag thematisiert werden.

Ausgangslage

In seiner 2019 im Heidelberger Universitätsverlag Winter erschienenen Promotionsschrift “Soldatenbriefe des 18. und 19. Jahrhunderts. Untersuchungen zu Syntax und Textstruktur in der Alltagsschriftlichkeit unterschiedlicher militärischer Dienstgrade” arbeitet Marko Neumann sprachliche Gemeinsamkeiten und Unterschiede zwischen einfachen Soldaten, Unteroffizieren und Offizieren heraus. Die textliche Grundlage der Arbeit bildet ein Korpus von 170 Briefen, die aus verschiedenen Archiven des deutschsprachigen Raums stammen und die für die Zwecke der Untersuchung buchstaben- und zeichengetreu transkribiert wurden. Die Transkripte werden vom Verlag kostenfrei zum Download bereitgestellt.1

Die als PDF bereitgestellten Daten sind jedoch aufgrund des Formats und wegen lizenzrechtlicher Beschränkungen durch den Verlag nicht so nachnutzbar, wie es wünschenswert wäre. Genau auf diesen Umstand macht die Text+ User Story “Soldiers’ letters of the 18th and 19th centuries: From the PDF edition to reusable, interoperable research data” aufmerksam.

Nachnutzbarkeit der Forschungsdaten wäre gegeben, wenn die Daten

  • in einem quelloffenen maschinen- und menschenlesbaren Format vorlägen,
  • mit Metadaten versehen wären und
  • in einem Repositorium unter einer möglichst offenen Lizenz bereitgestellt würden.

Mit einer Integration der Daten in das Deutsche Textarchiv (DTA)2 an der Berlin-Brandenburgischen Akademie der Wissenschaften (BBAW) wäre diese Nachnutzbarkeit gewährleistet. Im Folgenden soll der Workflow von der Übernahme der Daten über die Bereitstellung im DTA bis zur dadurch möglich gewordenen Korpusanalyse in der Infrastruktur des Zentrums Sprache an der BBAW exemplarisch beschrieben werden.

Datenübernahme

In das DTA können Daten integriert werden, die analog zum Basisformat des Deutschen Textarchivs (DTABf) – einem echten Subset des TEI P5-Standards, des de-facto-Standards zur Auszeichnung geisteswissenschaftlicher Texte – kodiert sind. Die Soldatenbriefe wurden als docx-Datei übergeben. Die tabellarische Datei enthielt Einträge für insgesamt 170 Briefe. Zudem wurden die den Briefen zugehörigen Metadaten übergeben, wobei es sich um eine Tabelle mit sieben Spalten handelte, ebenfalls eine docx-Datei. Die Kurations- und Transformationsaufgaben bestanden demnach darin, aus getrennten Daten und Metadaten – die jeweils als Tabelle in einem MS Wordformat übergeben werden –, valide TEI-Daten analog zum DTABf zu generieren.3

Dateningest

Der erste Schritt im Rahmen des Dateningests bestand darin, eine Korpusbeschreibung nach vorgefertigtem Schema zu erstellen. Dieser Metadatensatz, der perspektivisch über ein Onlineformular angelegt werden soll, dient mehreren Zwecken:

  • Aufnahme der Ressource in die DTA-Infrastruktur, die Textsammlung wird dadurch im Rahmen der Korpusübersicht des DTA veröffentlicht
  • semi-automatisches Anlegen einer Landingpage für das Textkorpus
  • Grundlage für die Integration der Datensammlung in die NFDI-Infrastruktur

Für die weiteren (gegebenenfalls auch kollaborativen) Arbeiten an den (Meta-)Daten wurde ein eigenes Korpus-Repository angelegt. Nach erfolgter Aufnahme der Daten stehen demnach folgende Instanzen zur Verfügung:

  • Korpus-Repository (s. Abb. 1)
  • Korpusbeschreibung (YML-Datensatz) (s. Abb. 2)
  • Visualisierung der Korpora/Korpusübersicht (s. Abb. 3)
  • Landingpage (DTA)
Screenshot des Korpus-Repository des Corpus Soldatenbriefe (1745-1872) auf github
Abb 1.: Korpus-Repository auf github
Screenshot der Metadaten des Corpus Soldatenbriefe des 18. und 19. Jahrhunderts
Abb 2.: Metadaten zur Beschreibung der Soldatenbrief-Sammlung
Screenshot der Korpusbeschreibung "Soldatenbriefe des 18. und 19. Jahrhunderts" mit Tags zu Sprache, Format, Faksimiles, Transkription und weiteren sowie Beschreibung und Link zum Datensatz
Abb 3.: DTA-Korpusbeschreibung auf Grundlage der Metadaten

Kuration, Transformation und Integration

Um das erwünschte DTA-Zielformat zu erreichen, mussten einerseits Daten und zugehörige Metadaten zusammengeführt werden, andererseits die Word-Dokumente nach TEI P5/DTABf transformiert werden. Der im Kontext von Text+ verwendete Workflow soll gut skalieren. Das heißt, es sollte keinen großen Unterschied machen, ob wir hier 20 oder 2.000 Briefe kuratieren. Dieses Ziel wird erreicht durch die zunächst getrennte Bearbeitung von Daten und Metadaten, die anschließend skriptbasiert zusammengeführt werden.

Zunächst wurde die Metadatendatei gesichtet und in ein maschinenlesbares Format (z. B. csv) konvertiert. Im Rahmen der anschließenden Metadatenkuration wurden die Einträge gegebenenfalls korrigiert und vorhandene Lücken geschlossen. Wenn nicht vorhanden, aber praktikabel umsetzbar, wurden die zu bearbeitenden Daten mit etablierten Normdatensätzen abgeglichen. So können beispielsweise für Personen die GND-Nummern aus der Deutschen Nationalbibliothek übernommen werden, wodurch die Voraussetzung geschaffen wird, die Textsammlung per Linked Open Data mit anderen, weiteren Datensätzen zu verknüpfen.4

Die Transformation erfolgte skriptbasiert: Die Einzelbriefe wurden ausgeschnitten und erhalten einen sogenannten TEI-Header, der alle Metadaten enthält.

Die Bereitstellung der (Meta-)Daten erfolgte als TEI P5/DTABf-konforme XML-Dateien unter der Lizenz CC BY-SA 4.0 im Korpus-Repository auf github. Damit war die Nachnutzbarkeit der Daten als Forschungsdaten gesichert. Diese wurde noch maximiert, da die für die Kuration/Transkription verwendeten Skripte sowie eine umfangreiche Dokumentation ebenfalls veröffentlicht wurden.

Korpusanalyse

»Gott lob und dang ich bin in keinne Schlacht zugekomen wir sint imer hinder nachmarschirt.« Für (menschliche) Leserinnen und Leser stellt diese Aussage keine allzu große Herausforderung dar: Der Soldat äußert seine Erleichterung darüber, dass er nicht kämpfen musste, sondern sich in zweiter Reihe aufhalten konnte. Dafür dankt er Gott. Für einen not-reading-Ansatz sieht die Sache aber ganz anders aus. Hier haben wir es nicht nur mit historisch validen Schreibweisen wie »marschiren« statt »marschieren« zu tun, sondern es gibt offenkundig auch bspw. dem Bildungsgrad des Schreibers oder seiner regionalen Herkunft geschuldete Alternativschreibungen wie »hinder« statt »hinter«. Für eine Korpussuche stellt diese Textgattung demnach eine besondere Herausforderung dar.

Abb. 4: DWDS-Trefferansicht auf der Suche nach Gott. Hier Treffer 17 in der Detailansicht

Das DTA bringt hier eine langjährige Expertise im Umgang mit historischen Schreibweisen mit. Die Voraussetzung der in Zusammenarbeit mit dem Akademienvorhaben Digitales Wörterbuch der deutschen Sprache (DWDS) im Zentrum Sprache der BBAW angebotenen Korpussuche ist eine linguistische Aufbereitung aller Texte. Diese ermöglicht einerseits die Abbildung historischer Schreibweisen auf aktuelle Rechtschreibnormen, was die Voraussetzung dafür ist, dass eine Suche nach »marschiren« auch »nachmarschirt« findet.5 Andererseits wird aber auch die Einbindung von Thesauri in die Korpussuche ermöglicht. So findet eine Suche nach »Krankenhaus|germanet«6 bspw. auch lazaret, Lazareth, Spital, Sbital, Spiethal, Spietahl, Hospital, etc.

Eine Korpusanalyse nach typischen Wortverbindungen (Kollokationen) im zeitlichen Verlauf wird mittels DiaCollo ermöglicht. Abb. 5 zeigt Kollokationen zu „Mutter“ im Jahr 1860. Für die Visualisierung der Ergebnisse gilt: Je dunkler das Orange, desto stärker die Kollokation.

Screenshot einer Korpusanalyse mit DiaCollo zum Wort "Mutter", das eine Gruppe verschiedene orangenr Kreise zeigt mit den Worten Vater, lieb, Gruß, Liebe, geliebt, teuer, Geschwister, grüßen, verdienen, gut.
Abb. 5: Korpusanalyse mit DiaCollo. Wortumfeld zu „Mutter“ im Soldatenbriefkorpus im Jahr 1860

Außerdem garantiert die Zusammenarbeit mit dem DWDS durch die Integration der Ressourcen in das Metakorpus „Historische Korpora“ (dtaxl) auch eine korpusübergreifende Suche. Diese könnte man bspw. für die Validierung der These nutzen, dass das Thema „Wetter“ bzw. „Klima“ für die Textsorte „Soldatenbrief“ überdurchschnittlich relevant ist. Ein Vergleich des Soldatenbrief-Korpus mit dem gesamten Metakorpus „Historische Texte“ liefert folgendes Ergebnis von Treffern zum Thema Wetter.7

KorpusAnzahl der TrefferTokenQuotient
Soldatenbriefe35960230.0003645
DTAXL (ohne Soldatenbriefe)40185814914091100.0002694

Fazit/Ausblick

Der Beitrag hat gezeigt, wie die Integration von Ressourcen in die Infrastruktur des Zentrums Sprache an der BBAW durch die Bereitstellung der Daten im DTA und die Möglichkeit der Korpussuche und -analyse im DWDS die Nachnutzbarkeit von Forschungsdaten nachhaltig verbessert. Darüber hinaus wird die Sichtbarkeit der digitalen Ressource durch die perspektivische Einbindung in Nachweissysteme von Text+ noch vergrößert.


FAKTENBOX

ProjekttitelSoldatenbriefe (1745–1872)
Affiliation / PartnerJustus-Liebig-Universität Gießen: Institut für Germanistik, Historische Sprachwissenschaft; Zentrum Sprache der Berlin-Brandenburgischen Akademie der Wissenschaften (BBAW): Deutsches Textarchiv (DTA), Digitales Wörterbuch der deutschen Sprache (DWDS), Zentrum für digitale Lexikographie der deutschen Sprache (ZDL)
ProjekttypTextkorpus
Task Area in Text+Collections
MaterialgrundlageHandschriften
TextsortenGebrauchsliteratur: Briefe
Disziplin(en)Historische Sprachwissenschaft, Geschichtswissenschaften u.a.
Zeitraum18. und 19. Jh.
SprachenDeutsch

Referenzen

Neumann, Marko: Soldatenbriefe des 18. und 19. Jahrhunderts. Untersuchungen zu Syntax und Textstruktur in der Alltagsschriftlichkeit unterschiedlicher militärischer Dienstgrade. Heidelberg 2019.

Neumann, Marko/Hug, Marius: Forschungsdatenmanagement in den Geisteswissenschaften am Beispiel von „Soldatenbriefen aus dem 18. und 19. Jahrhundert“. Vortrag im Rahmen des Workshops „Forschungsdatenmanagement in den Geistes- und Sozialwissenschaften“. TU Braunschweig, 21.03.2023.

Haaf, Susanne/Boenig, Matthias/Hug, Marius: Das Deutsche Textarchiv gestern und heute. In: Bender, M./Jacob, K. (Hrsg.): Digitales Forschen. Daten – Werkzeuge – Methoden (= Mitteilungen des Deutschen Germanistenverbandes, Bd. 69, Nr. 2). Paderborn u.a. 2022, S. 127–134.

Boenig, Matthias/Hug, Marius/Sendler, Simon: Workflow zur Integration von Textdaten aus der Community in bestehende Infrastrukturen, 2021. https://doi.org/10.14618/ids-pub-10497.

Soldatenbriefe (1745–1872): https://www.dwds.de/d/korpora/soldatenbriefe

Zitiervorschlag
Marius Hug/Marko Neumann: Ressourcen-Reigen, #5: Soldatenbriefe. Integration von Forschungsdaten aus einem Promotionsprojekt, in: Text+ Blog, 25.04.2023, https://textplus.hypotheses.org/4815.

Beitragsbild: Preußische Feldpost, 1866, gemeinfrei, via Wikipedia.

  1. https://www.winter-verlag.de/de/detail/978-3-8253-4642-3/Neumann_Soldatenbriefe/ []
  2. Marius Hug/Susanne Haaf: Ressourcen-Reigen, #3: DTA@NFDI. Historische, deutschsprachige Texte und ihr „place to be“, in: Text+ Blog, 17.01.2023, https://textplus.hypotheses.org/3220. []
  3. Da für die Transkriptionen keine Faksimiles übergeben wurden, haben wir es hier mit einer reinen Bereitstellung von textuellen Daten zu tun. []
  4. Im konkreten Fall der Soldatenbriefe bringt das beschriebene Vorgehen insofern keinen Mehrwert, als es sehr unwahrscheinlich ist, dass die namentlich genannten Soldaten einen Eintrag in der DNB besitzen. Und da es sich bei den Briefen wiederum in vielen Fällen vermutlich um die einzigen textuellen Zeugnisse der jeweiligen Personen handelt, wäre auch ein Neuantrag in der DNB kaum angezeigt. []
  5. Die durch die Kooperation mit dem DWDS generierten Derivatformate werden in die DTA-Infrastruktur bzw. in das github-repository mit aufgenommen: https://github.com/deutschestextarchiv/soldatenbriefe. []
  6. https://www.dwds.de/r/?q=Krankenhaus%7Cgermanet&corpus=soldatenbriefe&date-start=1745&date-end=1872&format=full&sort=date_desc&limit=10 []
  7. Abgefragt wurde der Begriff “Wetter” unter Einbindung des Thesaurus “germanet”. Dadurch wird “Wetter” automatisch auf rund 60 Begriffe expandiert, darunter Begriffe wie Frühlingssonne, Glatteis, Herbstwetter, Hitzewelle, Scheißwetter usw. []

OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Text+ Mitglied (2. Mai 2023). Ressourcen-Reigen, #5: Soldatenbriefe. Integration von Forschungsdaten aus einem Promotionsprojekt. Text+ Blog. Abgerufen am 25. Juli 2024 von https://doi.org/10.58079/uqgs


Das könnte dich auch interessieren …

Schreibe einen Kommentar

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

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search