Schlagwort-Archive: TEI

Standardisierungsstrategien: Digitale Textverarbeitung mit TEI in der Altgermanistik

TEI ist seit vielen Jahren das Standardformat für digitale Editionen in den Geisteswissenschaften. Dieses Verdienst kommt dem Format wegen seiner großen und flexiblen Ausdrucksmöglichkeiten zu. Wie so oft, hat auch diese Medaille zwei Seiten: Aufgrund der Flexibilität des Formats ist es schwer, Standardisierungen  für das Kodieren mit TEI einzuführen. Dieses Problem wurde auf einem Workshop diskutiert, den der SFB 933 und die Universitätsbibliothek (UB) Heidelberg gemeinsam ausrichteten.

Vom 16. bis 17. März traf sich eine große Expertenrunde aus dem Bereich der Digital Humanities, um über die Textverarbeitung im TEI-Format zu diskutieren. Anwesend waren Mitarbeiter des Parzival-Projekts, des Projekts zur Deutschen Lyrik des Mittelalters, des Global Medieval Sourcebook (noch nicht veröffentlichtes Projekt der Stanford University), des Heidelberger Projekts Welscher Gast digital sowie Karin Zimmermann und Leonhard Maylein von der UB Heidelberg.

Die vertretenen digitalen Editionsprojekte sind darauf ausgerichtet, vorwiegend mittelhochdeutsche Texte zu Studien- und Forschungszwecken frei zugänglich zu machen. Dafür ist  Lesefreundlichkeit des edierten Textes ebenso wichtig wie die Überlieferungsnähe. Die digitale Edition soll neben einem kritisch edierten Text samt Kommentar und Variantenapparat auch eine buchstabengenaue Transkription sowie die digitalisierte Handschrift zum Abgleich erhalten.

Vier Ebenen der Texterfassung im Parzival-Projekt

Sonja Glauch sprach am Beispiel des Lyrik-Projekts von einem Schichtenmodell, an dessen unterster Ebene das Digitalisat steht. Dann folgen die buchstabengenaue Transkription und die Auflösung von Abbreviaturen. Erst dann der Editionstext sowie die Normalisierung zum Standard-Mittelhochdeutschen Lesetext. Für all diese Ebenen muss es Kodierungsverfahren geben, die sie ausdrücken. Das genutzte Datenformat definiert, welche Merkmale des Textes überhaupt kodiert und damit als wesentlich für den Text in die Darstellung aufgenommen werden. Der datentechnische Ausdruck muss daher in der gewünschten Detailgenauigkeit möglich sein – Reimschemata, Lemmata, Korrekturen, aber auch Layoutmerkmale wie Umbrüche, Korrekturen oder Glossierungen.

Das Dokumentenformat TEI – seit Ende der 1980er Jahre von der Text Encoding Initiative entwickelt und gepflegt – bietet diese Ausdrucksmöglichkeiten. Es ist daher das Standardformat für digitale Textverarbeitung in den Literaturwissenschaften. Technisch gesehen beruht TEI auf dem sehr weit verbreiteten Datenformat XML (Extensible Markup Language). Nachnutzbarkeit und Maschinenlesbarkeit sind daher grundsätzlich gesichert.1

Allerdings – und dies war der Anlass des Treffens – gibt es zu viele Möglichkeiten, ein und dasselbe Phänomen mit TEI zu kodieren. Wegen dieser Ausdrucksvielfalt bezeichneten einige Teilnehmer TEI zu Beginn des Workshops als „XML für Hippies“. Insbesondere wurde diskutiert, wie Korrekturen, Abbreviaturen und Initialen kodiert werden sollen. Die Projektvertreter wussten durchgängig von unterschiedlichen Code-Lösungen zu berichten.

Durch diese Vielfalt in Projekten, die mit ähnlichen Textcorpora arbeiten, sind die Editionen nicht untereinander kompatibel. Auch die künftig geplante Publikation aller TEI-Editionsdaten würde nach derzeitigem Stand gar nicht viel Nutzen bringen. Für die Verbindung der Editionsprojekte untereinander sowie die Nachnutzbarkeit und Erweiterbarkeit der Projekte selbst wäre eine Standardisierung der TEI-Kodierung ein echter Fortschritt.

Am Grunde der Standardisierungsfragen liegt das Problem, wie einig man über das Phänomen ist, das kodiert werden soll. Eine Datenphilosophie müsste zum Beispiel definieren, welche vier Fälle von des Phänomens ‚Korrektur‘ es gibt und wie diese vier standardmäßig kodiert werden. Das erkenntnistheoretische Interpretationsproblem des „Was ist das, was wir hier sehen?“ löst sich damit zwar nicht. Es wird aber durch den Abgleich mit dem eingebetteten Digitalisat in Schach gehalten. Dafür würde eine Kodierungsstrategie einen einheitlichen Umgang mit der datentechnischen Verarbeitung des definierten Phänomens ermöglichen. Dies wäre eine unerlässliche Vereinheitlichung für Anschlusseditionen und spätere Forschungen, deren Fragen wir heute nicht einmal kennen.

Die Runde beschloss daher, eine Plattform einzurichten, auf der TEI-Kodierungsfragen diskutiert und einheitlich beantwortet werden können. Sie wird voraussichtlich an der Berlin-Brandenburgischen Akademie der Wissenschaften (BBAW) angesiedelt sein.

Weitere – und ausführlichere – Berichte über diesen Workshop wird es auf H-Soz-Kult sowie in dem Internet-Periodicum Perspicuitas geben.

 

1      Vgl. zu diesen Überlegungen Schöch, Ein digitales Textformat für die Literaturwissenschaft: Die Richtlinien der Text Encoding Initiative und ihr Einsatz bei Textkonstitution und Textanalyse, in: Romanische Studien 4 (2016), S. 325-364, http://romanischestudien.de/index.php/rst/article/view/58).