Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: I Einleitung

Lehrstücke: Gesammelte Beiträge von Masterstudierenden der Ludwig-Maximilians-Universität München aus der Übung „Ordnung ins Chaos – Digitale Netzwerkanalyse am Beispiel mittelalterlicher Geschichtsschreibung“, zusammengestellt und betreut von den Übungsleitern Clemens Beck und Dr. Markus Krumm.


An der Netzwerkanalyse kommen Mittelalterforscherinnen und -forscher gegenwärtig kaum vorbei. Zu zahlreich sind die Monographien, Sammelbände und Aufsätze, die den Netzwerk-Begriff im Titel führen. Bei der digitalen Variante des Ansatzes kommt noch hinzu, dass Kompetenzen in den „Digital Humanities“ mit wachsender Selbstverständlichkeit zum mediävistischen Anforderungsprofil gehören.[1] Anlass genug, um bereits Studierende der mittelalterlichen Geschichte mit der technischen Seite der digitalen Netzwerkanalyse vertraut zu machen und ihr Problembewusstsein für diese Methode zu schärfen. Aus derlei Überlegungen resultierte die Übung „Ordnung ins Chaos – Digitale Netzwerkanalyse am Beispiel mittelalterlicher Geschichtsschreibung“, die wir im Wintersemester 2017/18 an der Ludwig-Maximilians-Universität München mit einer kleinen Gruppe Masterstudierender durchführten. Im Kern ging es um die Frage, wie sich eine mittelalterliche erzählende Quelle – in unserem Fall Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum – in eine für die Netzwerkanalyse verwendbare Form, eine sogenannte Soziomatrix, überführen lässt. Dazu sollten unsere Studierenden einerseits die notwendigen Kompetenzen im Umgang mit der Software erwerben und andererseits für die Fallstricke des Ansatzes sensibilisiert werden, insbesondere für den Umgang mit der Objektivität suggerierenden Visualisierung der Ergebnisse in Form von Tabellen und Soziogrammen. Unsere Erfahrungen mit dieser Lehrveranstaltung sowie die daraus hervorgegangenen Ergebnisse stellen wir in diesem und vier weiteren Beiträgen vor, um sowohl einen Einstieg in die Methode als auch eine Hilfestellung für künftige vergleichbare Angebote in der akademischen Lehre zu bieten.

Wir gingen in drei Schritten vor: Am Anfang stand eine theoretische Einführung in die Netzwerkanalyse. Auf der Grundlage klassischer Texte von Wolfgang Reinhard und Dorothea Jansen erstellten wir ein Glossar mit den wichtigsten Begriffen, auf das wir im weiteren Verlauf des Semesters zurückgreifen konnten.[2]

Auf die Theorie folgten praxisorientierte Lehreinheiten: Anhand der ersten Kapitel von Galberts Geschichtswerk diskutierten wir zunächst gemeinsam, wie wir die „Knoten“ und „Kanten“ unseres Netzwerks bestimmen, also welche der im Text auftauchenden Akteure (= Knoten) wir aufnehmen und welche Arten von Beziehungen zwischen diesen (= Kanten) wir erfassen wollten. In den Diskussionen vermieden wir es bewusst, einheitliche Lösungen vorzugeben. Stattdessen gingen wir auf verschiedene mögliche Herangehensweisen ein. Dadurch sollten die Studierenden in die Lage versetzt werden, anhand des restlichen Textes von Galberts Werk selbständig Knoten- und Kantentabellen zu erarbeiten und diese mittels geeigneter Software in Soziogrammen zu visualisieren.

Für die praktische Arbeit griffen wir auf das an der LMU München entwickelte DHVLab (Digital Humanities Virtual Laboratory) zurück.[3] Diese digitale Lehr- und Forschungsumgebung stellt unter anderem einen per Browser erreichbaren Remote-Desktop zur Verfügung, auf dem gängige Software und Tools bereits vorinstalliert sind. Übliche Probleme eines digitalen Unterrichts konnten wir somit umgehen: So spielte es keine Rolle, welches Betriebssystem die Studierenden auf ihren eigenen Laptops benutzten oder welche Version von Java bei ihnen installiert war.[4] Für die Visualisierung verwendeten wir das Netzwerk-Analyse-Tool Gephi, eine frei verfügbare Open-Source Software.[5] Gephi ist im Vergleich mit anderen Programmen relativ einsteigerfreundlich und dadurch schnell anwendbar. Zugleich erlaubt es durch seinen Funktionsumfang und verschiedene optional installierbare Add-Ons eine große Zahl unterschiedlicher Analysen. Außerdem setzt Gephi im Unterschied zu Netzwerkanalysen mit Python oder der jüngst hierfür genutzten Graphdatenbank neo4j keine Programmierkenntnisse voraus.[6] Falls die Studierenden eine Netzwerkanalyse anhand eines anderen Quellenkorpus durchführen möchten, können sie ohne Mehrkosten und -aufwand jederzeit auf ihre in der Übung erworbenen Kenntnisse zurückgreifen.

Als Arbeitsgrundlage wählten wir einen historiographischen Text. Dafür sprach vor allem ein didaktisches Argument: Wir gingen davon aus, dass die Übersetzung von Text in Zahlen besonders bei der Arbeit mit Geschichtsschreibung Probleme bereiten würde. Die Interpretationsleistung, ohne die eine historische Netzwerkanalyse nicht möglich ist, konnte auf diese Weise umso sinnfälliger vor Augen geführt werden, anders als bei Quellen, die einem weitgehend einheitlichen Schema folgen (zum Beispiel Urkunden) und daher leichter automatisiert auswertbar sind. Ähnliches hätte für die Arbeit mit Regesten gegolten. Dass man für die Interpretation eines einzelnen Geschichtswerks nicht auf digitale Methoden zurückgreifen muss, war uns von vornherein klar. Da der Lerneffekt im Umgang mit Gephi im Vordergrund stand, störte uns das allerdings nicht.

Galberts Geschichtswerk, in dem der Mord an Graf Karl von Flandern am 2. März 1127 und die daran anschließenden Nachfolgekämpfe geschildert werden,[7] bot sich aus drei Gründen als Quelle an: Erstens ist der Berichtszeitraum von etwas mehr als einem Jahr (im Wesentlichen März 1127 bis Juli 1128) überschaubar. Zweitens handelt der Text von einem räumlich begrenzten Konflikt, in dessen Verlauf Gruppen einem starken Wandel unterworfen sind, was für die uns vorschwebende dynamische Netzwerkanalyse reichlich Material bot. Drittens lässt sich dieser Wandel aufgrund des für hochmittelalterliche Geschichtsschreibung einzigartigen tagebuchartigen Textaufbaus in seiner Prozesshaftigkeit nachvollziehen.[8]

Die Gesamterzählung teilten wir zur Bearbeitung durch die Studierenden in mehrere Phasen ein: Die Kapitel 1 bis 12 diskutierten wir gemeinsam. Hier schildert Galbert die Vorgeschichte des am 2. März 1127 erfolgten Mordes an Karl von Flandern. Diesem ging ein Konflikt des Grafen mit dem Erembald-Clan voraus, einer der wichtigsten Familien der Grafschaft. Die drei bedeutendsten Antagonisten im Text sind Bertulf, der Propst von St. Donatian und Kanzler Flanderns, sowie seine Neffen Borsiard und Isaak. Die folgenden drei Phasen wurden jeweils von ein bis zwei Studierenden bearbeitet. Maximilian Singer setzte sich mit den Kapiteln 12 bis 52 auseinander, in denen Galbert die Ereignisse unmittelbar im Anschluss an Karls Ermordung schildert, die Belagerung der Verschwörer in Brügge bis zur Wahl Wilhelm Clitos zum neuen Grafen von Flandern (Anfang bis Ende März 1127). Stefan Frankl und Anna Nierhoff bearbeiteten gemeinsam die Kapitel 53 bis 92 (April bis August 1127), in denen sich Wilhelm Clito als Graf zu etablieren versuchte – vergeblich, wie Galbert in den von Benedikt Krammling bearbeiteten Kapiteln 93 bis 122 (August 1127 bis Juli 1128) beschreibt. Mit Dietrich von Elsass erhob ein weiterer Verwandter des ermordeten Grafen Anspruch auf Flandern, der sich trotz anfänglicher Rückschläge gegen Wilhelm Clito, der bei der Belagerung seines Gegners in Aalst tödlich verwundet wurde, durchsetzen konnte.

Wie diese Erzählung in Form von Soziogrammen visualisiert werden kann, war im Seminar Thema intensiver Diskussionen und wurde letztlich unterschiedlich beantwortet. Vor allem ging es um die Frage, welche Knoten aufgenommen und auf welcher Grundlage Kanten zwischen ihnen gebildet werden sollten. Auf Grundlage des Personenregisters der Edition erarbeiteten wir zunächst eine gemeinsame Knotentabelle. Um Übersichtlichkeit in den Netzwerken zu gewährleisten, einigten wir uns darauf, dass nur solche Personen als Knoten erfasst werden sollten, die Galbert mehr als einmal erwähnt. Im Laufe ihrer Arbeit kamen jedoch alle Studierenden zu dem Schluss, dass Abweichungen von diesem Grundsatz sinnvoll wären, wenn auch aufgrund unterschiedlicher Überlegungen. Solche individuellen Lösungen (die Entscheidung für bestimmte und Festlegung neuer Knoten, die Definition von Kanten oder die für die Visualisierung genutzten Strategien und Algorithmen) waren unbedingt erwünscht. Wenn die folgenden Beiträge daher von der praktischen Umsetzung dieser theoretischen Vorüberlegungen handeln, dann führen sie alle auf unterschiedlichen Wegen zum Ziel. Dieses bestand jeweils darin, die von Galbert geschilderte Handlung in für den Betrachter nachvollziehbare, dynamische Netzwerke zu übertragen. Insbesondere sollte untersucht werden, welche Gruppen existieren, wie sich diese mit der Zeit verändern, wie sich ihre Außenbeziehungen gestalten und welche Akteure innerhalb der Gruppen zentral sind.


[1] Simone Brehmer [u.a.], Berufsfeldanalyse im Bereich Digital Humanities, in: Mittelalter. Interdisziplinäre Forschung und Rezeptionsgeschichte, 7. September 2018, https://mittelalter.hypotheses.org/15571  und Julian Schulz, Auf dem Weg zu einem DH-Curriculum. Digital Humanities in den Geschichts- und Kunstwissenschaften an der LMU München, in: #DigiCampus. Digitale Forschung und Lehre in den Geisteswissenschaften, hrsg. von Harald Klinke, München 2018, S. 77–101.

[2] Wolfgang Reinhard, Freunde und Kreaturen. „Verflechtung“ als Konzept zur Erforschung historischer Führungsgruppen. Römische Oligarchie um 1600 (Schriften des philosophischen Fachbereichs der Universität Augsburg 14), Augsburg 1979; Dorothea Jansen, Einführung in die Netzwerkanalyse. Grundlagen, Methoden, Forschungsbeispiele, Wiesbaden ²2006.

[3] Siehe online https://dhvlab.gwi.uni-muenchen.de/index.html.

[4] Siehe dazu den sehr kurzweiligen und anschaulichen Beitrag von Christopher Nunn mit seinen Erfahrungen über die Verwendung digitaler Methoden im universitären Unterricht mit all den Schwierigkeiten einer heterogenen Software-Architektur, bevor er das DHVLab einsetzte: Christopher Nunn, Avoiding Nightmares in Teaching Digital Methods, in: INFODITEX -BLOG, 3. August 2018, https://infoditex.hypotheses.org/221.

[5] Siehe online https://gephi.org.

[6] Andreas Kuczera, Graphdatenbanken für Historiker. Netzwerke in den Registern der Regesten Kaiser Friedrichs III. mit neo4j und Gephi, in: Mittelalter. Interdisziplinäre Forschung und Rezeptionsgeschichte, 5. Mai 2015, http://mittelalter.hypotheses.org/5995.

[7] Galbert von Brügge, De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarium, ed. Jeff Rider (Corpus Christianorum 131), Turnhout 1994; Galbert of Bruges, The Murder, Betrayal, and Slaughter of The Glorious Charles, Count of Flanders, übers. und hrsg. von Jeff Rider, New Haven/London 2013.

[8] Es handelt sich jedoch nicht um ein wirkliches Tagebuch. Galbert wusste um den Ausgang des Konflikts, als er die überlieferte Textfassung schrieb. Folgt man Jeff Rider, dem wohl besten Kenner von Galberts De multro, geht lediglich ein Kernbestand (Kapitel 15–67 und 72–85) auf Notizen zurück, die Galbert, wie er selbst mitteilt, zunächst auf Wachstäfelchen festgehalten hatte und später ins Reine schrieb. Diese erste Fassung, wohl im September 1127 abgeschlossen, setzte der Autor anschließend fort und überarbeitete, was er bereits geschrieben hatte.


Empfohlene Zitierweise / Suggested Citation:

Clemens Beck, Markus Krumm [u.a.], Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum, in: Mittelalter. Interdisziplinäre Forschung und Rezeptionsgeschichte 2 (2019), S.276–317, DOI: 10.26012/mittelalter-22724.


Alle Beiträge der Reihe „Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum“:

Clemens Beck und Markus Krumm, Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: I Einleitung.

Maximilian Singer, Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: II Langfristige Beziehungen und einmalige Kontakte: Analyse und Visualisierung der Kapitel 12 bis 52.

Stefan Frankl und Anna Claudia Nierhoff, Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: III Positive und negative Beziehungen: Analyse und Visualisierung der Kapitel 53 bis 92.

Benedikt Krammling, Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: IV Einfluss und Hilfe: Analyse und Visualisierung der Kapitel 93 bis 122.                                 

Clemens Beck und Markus Krumm, Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: V Resümee.

Clemens Beck, Markus Krumm [u.a.], Ordnung ins Chaos. Digitale Netzwerkanalyse am Beispiel von Galberts von Brügge De multro, traditione, et occisione gloriosi Karoli, comitis Flandriarum: VI Glossar.

Clemens Beck und Markus Krumm

Dr. Markus Krumm ist wissenschaftlicher Mitarbeiter am Historischen Seminar der Ludwig-Maximilians-Universität München am Lehrstuhl für Mittelalterliche Geschichte mit dem Schwerpunkt Spätmittelalter. Seine Forschungsschwerpunkte umfassen mittelalterliche Geschichtsschreibung sowie die hochmittelalterliche Geschichte Süditaliens und des Papsttums in kulturwissenschaftlicher Perspektive. Clemens Beck ist Doktorand der Mittelalterlichen Geschichte an der Friedrich-Schiller-Universität Jena. Er promoviert mit einer netzwerkanalytischen Untersuchung über die Beziehungen zwischen den Kölner Erzbischöfen und den staufischen Kaisern am Ende des 12. Jahrhunderts.

More Posts


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.