Big Data History

Der Blick zurück — als ich promovierte

Als ich Ende der 90er Jahre des letzten Jahrtausends meine Promotion zur Grundherrschaft eines Klosters in Mittelhessen begann, stand am Anfang die systematische Untersuchung der Überlieferung. Alle für den untersuchten Zeitraum relevanten Urkunden habe ich mindestens einmal gelesen und den Inhalt auf Relevanz für meine Arbeit untersucht. Zu dieser Zeit waren digitalisierte Volltexte und Quellen noch die Ausnahme. Heute, gut 15 Jahre später, stehen Historiker vor einer anderen Situation. Sie haben Zugriff auf eine immer weiter wachsende Anzahl an Volltexten und digitalen Quellen, Metadaten usw.

Bei der Digitalisierung lag der Fokus zu Beginn noch auf der Imagedigitalisierung mit entsprechenden Metadaten. Selbst die MGH stellten ihre digitalisierten Buchseiten zunächst als Scans im Netz bereit, ohne direkten Zugriff auf die Volltexte zu bieten. Auch die Regesta Imperii, die von 2001 bis 2006 im Rahmen eines DFG-Projekts digitalisiert wurden, standen vor der Frage, wie die Texte im Netz dargeboten werden sollten1. Ich selbst war damals Mitarbeiter in diesem Projekt und wir entschieden uns für eine Volltextdarstellung, die dem Buch möglichst nahe kommen sollte. Vor allem aber war eine Volltextdarstellung über HTML wesentlich leichter zu implementieren als die Präsentation von Scans mit dahinter verstecktem Volltext, wie sie zeitweise von den MGH angeboten wurde.

 

Neue Rezeptionsmöglichkeiten und der Ausgleich buchtechnischer Nachteile

Der DFG-Antrag hob u.a. hervor, dass mit dem Digitalisierungsvorhaben zum einen buchtechnische Nachteile ausgeglichen und zum anderen neue Rezeptionsmöglichkeiten erschlossen werden sollten. Dabei bezog sich der Hinweis auf buchtechnische Nachteile beispielsweise auf die Abteilungen 7 (Ludwig der Bayer) und 13 (Friedrich III.), die im Unterschied zu den “regulären” Regesta Imperii-Bänden nicht die komplette Überlieferung, sondern jeweils mit einem Heft den Quellenbestand eines Archivs oder einer Archivlandschaft enthalten. Dies führt dazu, dass man für die Recherche eines bestimmten Zeitraumes parallel alle bisher publizierten Hefte durchsehen muss, was offensichtlich großen Arbeitsaufwand mit sich bringt. Heute sind solche Recherchen mit einer Suchanfrage im Regestenmodul wesentlich leichter möglich. Auch die Bereitstellung einer Volltextsuche über die Regesta Imperii hat sicherlich den einen oder anderen Historiker auf Spuren gebracht, die er mit der alleinigen Analyse der gedruckten Bände möglicherweise nicht entdeckt hätte.

 

Nutzerverhalten und Nutzerperspektive

Im Rahmen eines Vortrages auf der “Digital Diplomatics 2013” im November letzten Jahres in Paris stellten meine Kollege Torsten Schrade und ich u.a. einige Analysen zum Nutzerverhalten des Regestenmodules der Regesta Imperii Online vor.

10er-Schritte

Anzahl der Treffer im Regestenmodul der Regesta Imperii Online (Quelle: Digitale Akademie, Mainz — www.digitale-akademie.de).

Datengrundlage waren die anonymisierten Daten von Suchanfragen aus dem Zeitraum von November 2012 bis Ende Oktober 2013. Bei jeder Suchanfrage wurde auch die Anzahl der erzielten Treffer mitgeloggt. Die Abbildung zeigt nun in einem Tortendiagramm wieviele der ca. 101.000  Nutzeranfragen im Regestenmodul 0 bis 10 Treffer, wieviele 11 bis 20, 21-30 usw. bis zu mehr als 100 Treffer erzielt haben. Es zeigt sich unter anderem, dass sich die Nutzer des Regestenmodules von ihren Ergebnissen her grob in drei Gruppen einteilen lassen. Die erste Gruppe nutzt die Expertensuche des Regestenmoduls optimal aus und bekommt in der Regel auf eine Anfrage zwischen 1 und 10 Regesten zurückgemeldet. Diese können dann am Bildschirm gelesen, gedruckt oder sonst weiter verarbeitet werden. Eine zweite Nutzergruppe bekommt zwischen 10 und 100 Treffern. Die dritte Gruppe erhält auf ihre Anfrage 100 oder mehr Treffer.

Erhält man bei der Regestensuche 1 bis 10 Treffer ist das Ergebnis mit vertretbarem Aufwand lesbar und zu überprüfen. Bei über 10 bis 100 Treffern würde ich vermuten, dass diese Nutzer versucht sein könnten, ihre Suchkriterien zu verschärfen und damit ein besseres (in diesem Fall auch kleineres) Ergebnis zu erhalten. Die dritte Gruppe erhält 100 oder mehr Treffer, deren Auswertung am Bildschirm äußerst mühselig ist.

Zu der letzten Gruppe gehören oft auch Nutzer, die mit einen einzigen Suchbegriff ohne weitere einschränkende Angaben sehr viele Treffer zurückgeliefert bekommen. Diese Gruppe hat aus meiner Sicht den “Google-Anspruch” bei minialem Input in die Suchmaske optimale Ergebnisse zu erhalten. Selbstverständlich kann man hier einwenden, dass Nutzer eines Quellenportals zumindest rudimentäre inhaltliche Kenntnis des untersuchten Gegenstandes, hier also der Regesta Imperii, mitbringen sollten.

Was mich bei den Ergebnissen aber erstaunte, war die Nutzungsform der Regestensuche. Die meisten Nutzer wussten genau, was sie suchten. Sie wählten die Bandansicht, riefen einen Band auf und suchten sich das gewünschte Regest. Sie nutzten die Onlineregesten in der gleichen Weise wie einen gedruckten Regestenband — nur kamen sie schneller ans Ziel. Den neuen Rezeptionsmöglichkeiten, wie einst im DFG-Antrag formuliert, entsprach dies aber sicherlich nicht.

Bei der Diskussion im Kollegenkreis über die Ergebnisse war der Hinweis auf die mangelnde inhaltliche Kompetenz der Nutzer ein häufiger Reflex. Zunächst reagierte ich ebenso und machte die fehlende Kenntnis über die Regesta Imperii für die hohen Treffermengen verantwortlich. Dann aber fiel mir auf, dass die Nutzer mit “Google-Anspruch” mit ihren hohen Treffermengen vielleicht einfach eine neue Nutzungsform unseres Online-Materials formulieren.

Bisher folgt auf die Suche nach “Heinrich”, welcher der meistgesuchte Begriff in den RI ist, die Anzeige:2

Sie suchten nach ‘Heinrich’
Ihre Suche erzielte 17101 Treffer, ausgewählt wurden die 1000 relevantesten Regesten.
Sie sehen die Treffer 1 bis 20. Zur Verfeinerung Ihres Ergebnisses modifizieren Sie Ihre Suchabfrage.

Man könnte die Suchmöglichkeiten vielleicht dahingehend ergänzen, dass dem Nutzer bei der Suche nach ‘Heinrich’ folgendes angeboten wird:

Sie suchten nach ‘Heinrich’
Sie haben 17.101 Treffer. Möchten Sie für die Einschränkung der Treffermenge eine Visualisierung der Trefferliste in chronologischer oder geographischer Form oder die Anzeige der Treffer pro Abteilung der Regesta Imperii ?

Mit neuen Visualisierungsmethoden und einem transparenten Drill-Down3 könnten neue Blicke auf bereits vorhandenes digitales Material möglich werden.

 

Die kritische Masse

In den letzten Jahren haben die als digitale Volltexte zur Verfügung stehenden Quellen stark zugenommen. Neben den Regesta Imperii werden im Akademienprogramm4 immer mehr Projekte digitalisiert und im Netz bereitgestellt. Bei Neuanträgen im Akademienprogramm muss ein Abschnitt zur Bereitstellung der Forschungsergebnisse im Internet enthalten sein. Diese Bemühungen für eine breite Digitalisierung von Forschungsmaterialien haben in den letzten Jahren dazu geführt, dass wir langsam eine “kritische Masse” überschritten haben5. Und hier würde ich wieder zum “Google-Anspruch” aus dem letzten Absatz zurückkehren. Könnte es nicht neue Forschungsperspektiven aufzeigen, wenn wir große Datensammlungen gemeinsam untersuchen, sehr große Ergebnismengen erhalten und aus den anschließenden Visualisierungen oder mit anschließendem Drill-Down neuen Phänomenen oder Fragestellungen auf die Spur kommen, die wir aus analoger Perspektive nicht wahrgenommen haben ?

 

Visualisierung als Weg zu neuen Erkenntnissen

In meinem Beitrag zu Digitalen Perspektiven mediävistischer Quellenrecherche habe ich verschiedene Suchmasken von Online-Quellenportalen untersucht. Dabei konnte ich zeigen, dass die Suchmasken in der Regel optimale Möglichkeiten für die Einschränkung der Treffermenge auf eine zu handhabende Größe bieten. Dem gegenüber werden bei der Trefferanzeige kaum Möglichkeiten zur Weiterverarbeitung oder Visualisierung von großen Ergebnismengen geboten. Gerade hier liegt aber aus meiner Sicht eine große Chance für die Geschichteswissenschaften: die Untersuchung großer Quellenbestände im Sinne einer Big Data History, mit der Zusammenhänge aufgezeigt werden können, die im “analogen” Zeitalter nicht möglich waren.

Fazit

Momentan stehen wir noch an der Schwelle zu Big Data History. Es ist aber nur noch eine Frage der Zeit, bis gemeinsame Schnittstellen projektübergreifende Quellenanalyse möglich machen, die Ergebnisse visualisiert und weiterverarbeitet werden können und damit neue Blicke auf das Quellenmaterial möglich werden. Die Analyse großer Datenmengen bringt für den Historiker aber auch Herausforderungen mit sich. Bei großen Datenmengen stellt sich die Frage nach Fehlerabschätzungen, neuen Analysemethoden und theoretischen Ansätzen. Andererseits verspricht die Digitale Perspektive auf eine Big Data History interessante neue Blicke auf unser Quellenmaterial.

PDF-Download: Big_Data_History

  1. Zur Entwicklung des frühen Digitalisierungsprojekts vgl. Kuczera, Andreas: Die Regesta Imperii Online (2007) – In: Historisches Forum Bd. 10 (2007). Zum aktuellen Stand vgl. Weller, Tobias: Die Regesta Imperii Online (2014) – In: Rheinische Vierteljahrsblätter Bd. 78 (2014) S. 234-241; Würz, Simone: Mittelalterliche Quellen im Internet: Aspekte der Digitalisierung und Vernetzung der Regesta Imperii Online (2011) – In: Archive im Web – Erfahrungen, Herausforderungen, Visionen S. 162-171[]
  2. Vgl. http://www.regesta-imperii.de/regesten/suche.html abgerufen am 10.10.2014.[]
  3. https://de.wikipedia.org/w/index.php?title=Drill-Down&oldid=117104292[]
  4. Zum Akademienprogramm vgl. http://www.akademienunion.de/forschung/[]
  5. Ein Hinweis, dass wir die “kritische Masse” überschritten haben, war der Erfolg von http://codingdavinci.de/[]

Andreas Kuczera

1993-1998 Studium der Physik und Geschichte an der Justus-Liebig-Universität Gießen (Staatsexamen für das Lehramt an Gymnasien), 2001 Promotion »Grangie und Grundherrschaft«. Zur Wirtschaftsverfassung des Klosters Arnsburg als Stipendiat der hessischen Graduiertenförderung. 2001-2006 Mitarbeiter im DFG-Projekt Regesta Imperii Online . Von 2007-2012 leitend in der Projektverwaltung der Akademie Mainz und der Digitalen Akademie tätig. Sachverständiger der IT-Kommission der Akademie Mainz. Seit 2013 wissenschaftliche Mitarbeiter im Projekt Regesten Kaiser Friedrich III., Arbeitsstelle Gießen. Forschungsschwerpunkte: Regesta Imperii Digitale Geisteswissenschaften -- Digital Humanities Zisterzienser im hessischen Raum

More Posts - Website

You may also like...

7 Responses

  1. HiWi F. says:

    Man sollte bei aller euphorischen Datensicht der geloggten Suchanfragen auch bedenken, dass digitale Angebote sehr gerne in der Propädeutik Anwendung finden, da sie sich ohne weiteres “live” in der Benutzung an die Wand projezieren lassen. In diesem Zusammenhang ergibt auch der Suchbegriff ‘Heinrich’ Sinn, da er ja zeigt, dass die RI nicht Google sind und exakter Suchanfragen bedürfen. Der nächste Schritt findet dann in der Bibliothek statt oder privat bei Kommilitonen, die einem mal eben die Suchmaske zeigen.

  2. Christian Schwaderer says:

    Ich persönlich glaube, dass uns hinsichtlich “Big Data” noch ein schmerzhafter Lernprozess bevorsteht. Die Versuchung ist groß, gesellschaftlichen Wandel allein anhand des Vorkommens von Wörter feststellen zu wollen (berechtigte Kritik an einer solchen Studie etwa: Susanne Flach, Das Ego in der Sprache, in: Sprachlog vom 12. August 2013 http://www.sprachlog.de/2013/08/12/googleology-gets/). Die Gefahr ist groß, sich mit solchen Möglichkeiten am Ziel der Erkenntnis zu wähnen. Allerdings ist alles, was sich anhand großer Datenmengen “messen” lässt, am Ende nur ein historischer Aspekt unter vielen. Und viele andere lassen sich eben nicht quantifizieren.

    Daher ist Datenanalyse und vor allem Visualisierung für mich nur ein Zwischenschritt auf dem Weg zur Erkenntnis. Eine gute Visualisierung ist im Grunde wie Luftbildärchologie: Sie hilft, Dinge zu sehen, die man vorher nicht sah, und dort weiterzusuchen, wo sich potenziell Interessantes befinden könnte.

    Generell ist mir als Historiker, der eher im Früh- und Hochmittelalter unterwegs ist, ist mir eine Tiefenerschließung weniger Quellen lieber als ein kaum erschlossener Big-Data-Haufen. Und hier kommt wiederum detaillierte Suche ins Spiel. Ich sehe das ähnlich wie Jan Keupp: Bevor man Suchmöglichkeiten ausschöpft, muss man erst die Datenstruktur einer Datenbank kennenlernen und ausprobieren. Deshalb ist es gar nicht unbedingt ratsam, eine freie Suche in den Vordergrund zu stellen. Man ist hier eben von Google verwöhnt. Aber wenn man eine Datenbank einmal kennt, kann man mit ihr Dinge tun, die Google nicht kann. Ich habe für meine Dissertation ca. 20 000 Treffersätze der Brepolis Library of Latin Texts durchgesehen, weil ich dank Filterung und Erfahrung wusste, dass hier Perlen für mich schlummern. 20 000 Google-Ergegbnisse würde ich nie im Leben durchsehen.

    • Ihr Hinweis, “dass Datenanalyse und vor allem Visualisierung (…) nur ein Zwischenschritt auf dem Weg zur Erkenntnis” ist aus meiner Sicht zutreffend. Der mit dem Material tief vertraute Fachmann ist aus meiner Sicht daher auch das Hauptziel für Datenanalysen und Visualisierungen, da er das notwendige Insiderwissen mitbringt.

  3. Jan Keupp says:

    Die Regesta imperii sind sicher das Flagschiff der Mediävistik, wenn es um digitale Aufbereitung und ihre intuitive Nutzbarkeit geht. An dieser Stelle zunächst herzlichen Dank für die immer wieder beeindruckende Leistung.
    Das Nutzerverhalten sollte man in der Tat nicht vorschnell als uninformiert bewerten, sondern sich selbst ein wenig über die Schulter schauen. Oftmals ‘exerimentiert’ man zunächst ein wenig, um Struktur und Potential der Datenbank zu erkunden. “Heinrich” mag nicht der ideale Einstieg sein, aber wer etwa mit “Nordhausen” startet mag von der Treffermenge (301) zunächst überrascht sein. In einem solchen Fall hilft der Button “Suche modifizieren” weiter. Ob sich die 17001 “Heinrich”-Treffer sinnvoll visualisieren lassen, wäre kritisch zu prüfen.

    Interessieren würde mich, inwieweit es Bestrebungen gibt, die big-data und usefull information umzuwandeln. Ich möchte nicht im Sinne von Chris Anderson das “Ende der Theorie” beschwören. Die Hoffnung auf überwältigenden Erkenntnisgewinn durch “EDV-Einsatz” reichen in der Mediävistik in die 1970er zurück und haben sich bislang nicht erfüllt. Dennoch lohnt sich ein Nachdenken darüber, ob sich im Datenbestand signifikante Strukturen abzeichnen, die bislang in der Geschichtsforschung nicht berücksichtigt wurden – und sei es auch nur, dass das 11. Jh. mehr “Heinriche” kennt als das 15. Es wäre durchaus spannend, einmal ein experimentelles Projekt zur “Daten-Astrologie” einzurichten, das den Sternenhimmel der RI nach auffälligen Konstellationen durchkämmt.

    • Vielen Dank für den Kommentar.
      Momentan arbeiten wir an der Bereitstellung einer
      REST-Schnittstelle unter einer CC-BY-Lizenz für die RI. Damit wird neben dem Zugang über unsere Suchmaske der direkte Zugriff auf die Regesten möglich.
      Alles in allem bleibt aber immer noch das Problem der Usability zu
      lösen: Wie erstelle ich mit vertretbarem Aufwand gute User-Interfaces,
      die zum einen leicht zu benutzen aber gleichzeitig auch ausreichend
      mächtig für die Bändigung von Big-Data sind.
      Bei interessanten Projektideen stehe ich jederzeit gerne für ein Gespräch zur Verfügung.

      • Jan Keupp says:

        Sie benennen die technische Seite eines potentiellen Vorhabens, nicht aber die inhaltliche. Ist denn tatsächlich zu erwarten, dass die Anfrage zur Big-Data-Analyse von außen kommt. Intuitiv würde ich sagen: Man muss einen Datenbestand schon sehr gut kennen, um substantielle Fragen an ihn zu richten. Insofern halte ich die technische Seite als Operationalisierungsproblem für sekundär. Die Kompetenz für ein Big-Data-Experiment liegt eindeutig bei den RI und sollte auch von dieser Seite vorangetrieben werden.

        Spontan fiele mir ein, an klassische Itinerarstudien anzuknüpfen oder die Wirkung einzelner Herrscher in den Raum hinein zu visualisieren. Oder (vorausgesetzt die Datensätze gäben das her): Interaktionsmuster mit weltlichen/geistlichen Fürsten, Ministerialen, Bürgern; Fluktuation der Hofklientel. Oder: Häufigkeit und geographische Verteilung von expliziter Bitte, Hofgerichtsurteil, Intervention, Schenkung/Stiftung/Verpfändung etc.

        Das sind eher konservative Suchvorgaben aber vielleicht ein erster Anfang. Wie wäre es: jeden Monat eine animierte Karte mit anderen Parametern? Ich würde immer schon gespannt darauf warten.

  1. 4. April 2017

    […] In den digitalen Geschichtswissenschaften werden Forschungsdaten in den verschiedensten Formaten wie Word-Tabellen, Excel, XML oder relationalen Datenbanken gespeichert. In relationalen Datenbanken wie z.B. MYSQL werden die Informationen in Tabellenform abgespeichert und die verschiedenen Tabellen verknüpft. In der Regel wird das zu Grunde liegende Datenschema normalisiert, um Abfragen und allgemeine Performance der Datenbank zu optimieren. Das Resultat ist aber oft, dass die gespeicherten Daten und Datenstrukturen für Menschen nur schwer les- bzw. strukturierbar sind. Zum anderen kommt hinzu, dass sich im relationalen Datenbankmodell in Bezug auf bestimmte Abfragetypen (wie z.B. traversale Abfragen, Friend-of-a-Friend-Abfragen) Performanceprobleme ergeben, die sich momentan nicht lösen lassen1. Seit dem Aufkommen der sozialen Netzwerke und des Internets fallen sehr große Mengen an vernetzten Daten an, die von Forschern und Unternehmen in vielfältiger Weise genutzt werden. Von Firmen werden sie bspw. zur Analyse des Kundenverhaltens oder zur Weiterentwicklung der eigenen Produkte, zur Angebotsoptimierung oder für Werbezwecke verwendet. Auch in den Digitalen Geschichtswissenschaften nimmt die Menge der verfügbaren Forschungsdaten stetig zu, während die Entwicklung der zu ihrer Handhabung notwendigen Techniken und Methoden eher schleppend verläuft.2 […]

Leave a Reply

Your email address will not be published. Required fields are marked *