Alles geliefert. Niemand kann es vollständig verarbeiten.

Bei HistoriaMP verschiebt sich die zentrale Frage.

Lange stand im Vordergrund: Wie gelangt man von einem Manuskriptbild zu einer begründeten und überprüfbaren Lesung, ohne den sichtbaren Befund sprachlich zu glätten?

Diese Frage ist nicht abschließend gelöst, aber sie ist methodisch bearbeitbar geworden. Gleichzeitig tritt eine zweite Frage hervor:

Was geschieht mit all dem, was während der Analyse entsteht?

Das Problem besteht nicht darin, dass zu wenig produziert wird. Im Gegenteil. Erst die Menge und Verschiedenartigkeit der Ergebnisse macht sichtbar, wie wenig selbstverständlich ihre Weitergabe ist.

Mehr als ein Text

Eine quellengebundene Manuskriptanalyse besteht nicht nur aus einem Bild und einer Transkription.

Zwischen der Quelle und einer akzeptierten Lesung liegen zahlreiche Ebenen: Bildfassungen, Layoutbereiche, Segmente, sichtbare Spuren, Zeichenkandidaten, Abbreviaturbefunde, alternative Lesungen, Unsicherheiten, menschliche Entscheidungen und technische Verarbeitungsschritte.

Diese Ebenen dürfen nicht miteinander vermischt werden.

Eine sichtbare Spur ist noch kein Zeichen. Ein Zeichenkandidat ist noch keine Lesung. Eine sprachlich plausible Lesung ist kein Bildbefund. Und ein technisches Protokoll ist keine wissenschaftliche Begründung.

Aus dieser Trennung entstehen Daten, die in einer klassischen Ausgabe häufig gar nicht erhalten bleiben: der tatsächlich verarbeitete Bildausschnitt, die Position eines Segments, verworfene Lesungsvorschläge, Unsicherheitsbewertungen, menschliche Prüfentscheidungen, Werkzeug- und Modellversionen oder frühere Zustände eines Analyseobjekts.

Das ist beabsichtigt. Darin liegt ein wesentlicher Teil der Nachvollziehbarkeit.

Am Ende einer Analyse steht deshalb nicht nur ein Ergebnis, sondern ein Geflecht miteinander verbundener Ergebnisse.

Die Ergebnisse vermehren sich – und können einander widersprechen

Das Ausmaß zeigt sich bereits auf einer frühen Ebene: bei der Layout-Erkennung.

Wird dieselbe Manuskriptseite mit mehreren etablierten Layout-Werkzeugen untersucht, entstehen nicht zwangsläufig übereinstimmende Ergebnisse. Ein Werkzeug erkennt möglicherweise wenige Dutzend Regionen und Zeilen, ein anderes deutlich mehr. Ein drittes zerlegt dieselbe Seite noch einmal anders.

Keines dieser Ergebnisse muss deshalb grundsätzlich falsch sein. Unterschiedliche Verfahren können dieselbe sichtbare Struktur verschieden erfassen und segmentieren.

Schon hier entsteht also kein einzelner, eindeutiger Befund. Es entstehen konkurrierende Ergebnisse, die dokumentiert, verglichen und bewertet werden müssen.

Mit jeder weiteren Analyseebene wächst dieses Geflecht. Aus einer Seite werden zahlreiche Zustände, Varianten, Abhängigkeiten und Verweise.

Entscheidend ist der Status

Die Zahl der Daten ist dabei nicht das eigentliche Problem.

Entscheidend ist, dass jede Information ihren wissenschaftlichen Status behalten muss.

Bei jeder Aussage muss erkennbar bleiben:

• Ist sie eine Beobachtung am Bild?
• Ist sie ein Kandidat unter mehreren?
• Ist sie unsicher, und worauf bezieht sich diese Unsicherheit?
• Wurde sie bereits geprüft?
• Wurde sie verworfen, und aus welchem Grund?
• Wurde sie bestätigt, von wem und auf welcher Grundlage?

Ein verworfener Kandidat ist kein fehlerhafter Datensatz, den man einfach löschen könnte. Seine Zurückweisung gehört zur dokumentierten Entscheidung. Sie zeigt, welche Möglichkeit geprüft wurde und weshalb sie nicht in die Lesung eingegangen ist.

Auch Unsicherheit ist nicht allgemein. Eine Unsicherheit über den sichtbaren Zeichenkörper unterscheidet sich von einer Unsicherheit bei der Auflösung einer Abbreviatur. Ein Sicherheitswert bleibt nahezu bedeutungslos, solange nicht bekannt ist, ob er von einem Modell, einem wissenschaftlichen Bearbeiter oder aus einem später gebildeten Konsens stammt.

Dieser Status ist ein wesentlicher Teil der wissenschaftlichen Aussage.

Er unterscheidet eine nachvollziehbare Analyse von einer geglätteten Transkription.

Und genau dieser Status droht bei der Weitergabe verloren zu gehen.

Es fehlt nicht an Standards

Man könnte annehmen, für den Austausch solcher Informationen gebe es längst etablierte Verfahren. Teilweise ist das auch der Fall.

Für digitale Editionen ist TEI der naheliegende Standard. Damit lässt sich etwa festhalten, dass ein Zeichen unklar ist, mehrere Lesarten vorliegen oder eine Transkription auf einen bestimmten Bildbereich verweist. Für die publizierte Lesung und ihre editorisch relevanten Unsicherheiten ist TEI leistungsfähig.

IIIF stellt standardisierte Strukturen bereit, um Bilder, Ausschnitte und Annotationen über Systemgrenzen hinweg zugänglich zu machen.

PAGE-XML und METS, wie sie beispielsweise im OCR-D-Umfeld verwendet werden, können Regionen, Zeilen, Dateien und Bearbeitungsstände technisch organisieren.

Für Provenienz steht mit PROV-O ein allgemeines Modell zur Verfügung. Es kann beschreiben, dass ein Artefakt durch einen bestimmten Verarbeitungsschritt aus einer konkreten Eingabe entstanden ist.

Es mangelt also nicht grundsätzlich an Standards. Jeder dieser Standards wurde für eine bestimmte Aufgabe entwickelt und ist innerhalb dieses Bereichs erprobt.

Das Problem liegt darin, dass sie unterschiedliche Ausschnitte beschreiben.

TEI repräsentiert eine Edition, aber nicht zwangsläufig den gesamten technischen Entstehungsprozess. IIIF stellt Bilder und Annotationen bereit, modelliert jedoch keine vollständige mehrstufige Analysepipeline. PAGE-XML organisiert Layout- und Erkennungsergebnisse, bildet aber keine quellenkritische Argumentation vom sichtbaren Befund bis zur menschlich verantworteten Lesung ab. PROV-O kann Ableitungen und Aktivitäten darstellen, kennt jedoch nicht ohne zusätzliche fachliche Definitionen die Bedeutung eines Glyphbefunds oder einer editorischen Zurückweisung.

Die Lücke liegt deshalb nicht innerhalb eines einzelnen Standards.

Sie liegt zwischen den Standards.

Eine Datei zu übertragen heißt noch nicht, sie zu verstehen

Das lässt sich an einem einfachen Szenario zeigen.

Angenommen, HistoriaMP gäbe seine Ergebnisse formal korrekt aus: die Edition als TEI, die Bildbezüge über IIIF, die Entstehungsgeschichte als Provenienzgraph und das Layout als PAGE-XML.

Mehrere etablierte Standards wären damit regelgerecht verwendet. Eine wissenschaftliche Institution könnte das gesamte Paket übernehmen.

Trotzdem blieben entscheidende Fragen offen.

• Erkennt die empfangende Software, ob ein Objekt eine Beobachtung, einen Kandidaten oder eine akzeptierte Lesung darstellt?
• Versteht sie, weshalb ein verworfener Vorschlag erhalten bleiben muss?
• Kann sie unterscheiden, worauf sich eine Unsicherheit bezieht?
• Erkennt sie den Unterschied zwischen einer maschinellen Bewertung, einer menschlichen Entscheidung und einem später gebildeten Konsens?
• Oder sieht sie lediglich mehrere formal miteinander verknüpfte Dateien?

Hier liegt der Unterschied zwischen syntaktischer und semantischer Anschlussfähigkeit.

Syntaktische Anschlussfähigkeit bedeutet, dass ein System ein Format technisch einlesen kann.

Semantische Anschlussfähigkeit setzt voraus, dass es auch die Bedeutung der enthaltenen Begriffe, Rollen und Beziehungen versteht.

Eine Datei kann deshalb technisch fehlerfrei übertragen werden, während ein Teil ihres wissenschaftlichen Gehalts verloren geht.

Zwei Arten von Status

Für die Weitergabe muss zudem zwischen zwei Arten von Status unterschieden werden.

Der wissenschaftliche oder epistemische Status beschreibt, welche Rolle eine Aussage im Erkenntnisprozess hat: Beobachtung, Kandidat, Unsicherheit, Bestätigung, Zurückweisung oder akzeptierte Lesung.

Der technische oder prozessuale Status beschreibt dagegen, was mit einem Artefakt im System geschehen ist: erzeugt, geprüft, versioniert, ersetzt, erneut verarbeitet oder fehlgeschlagen.

Beide Ebenen sind relevant. Sie sind aber nicht dasselbe.

Ein fehlgeschlagener Verarbeitungsschritt kann technisch bedeutsam sein, ohne selbst eine wissenschaftliche Aussage zu enthalten. Umgekehrt kann ein verworfener Lesungskandidat wissenschaftlich relevant bleiben, obwohl er im weiteren Prozess nicht übernommen wurde.

Genau diese Unterscheidung muss bei einer Übergabe erhalten bleiben.

Wo HistoriaMP gegenwärtig steht

Für HistoriaMP ist das keine abstrakte Zukunftsfrage. Es ist der Punkt, an dem das Projekt derzeit ankommt.

Die Analyse erzeugt artefaktbasierte Zwischenstände. Der Weg von der Quelle zum Befund wird dokumentiert. Unsicherheiten bleiben sichtbar. Kandidaten werden nicht stillschweigend zu Lesungen. Frühere Zustände und verworfene Möglichkeiten können erhalten werden.

Die grundlegenden Ergebnisstrukturen sind damit vorhanden.

Was fehlt, ist ein breit unterstütztes Austauschprofil, in dem diese Ergebnisse ihren Status und ihre Beziehungen behalten.

Es genügt nicht, eine große Zahl von Dateien bereitzustellen. Solange kein verbreitetes wissenschaftliches Werkzeug die vollständige Kette

Quelle
→ Bildfassung
→ Segment
→ sichtbarer Befund
→ Kandidat
→ Prüfung
→ Entscheidung
→ technische Provenienz

als zusammenhängende Analyse versteht, bleiben die Daten zwar verfügbar, aber nur eingeschränkt nachnutzbar.

Damit verändert sich auch die Frage nach Transparenz.

Bisher lautete sie:

Können wir offenlegen, wie eine Lesung entstanden ist?

Diese Frage lässt sich grundsätzlich bejahen.

Die schwierigere Frage lautet:

Kann eine andere wissenschaftliche Einrichtung mit diesen Informationen tatsächlich weiterarbeiten?

Kein Grund, weniger zu dokumentieren

Daraus sollte kein Ruf nach geringerer Dokumentation entstehen.

Das Problem besteht nicht darin, dass HistoriaMP zu viele Einzelheiten festhält. Die genaue Dokumentation legt lediglich offen, wie viele Beobachtungen, Abhängigkeiten, Unsicherheiten und Entscheidungen hinter einer scheinbar einfachen Transkription stehen.

Eine Reduktion auf die endgültige Lesung würde die Übergabe zwar vereinfachen. Sie würde aber genau jene Informationen entfernen, die eine spätere Prüfung ermöglichen.

Ebenso wenig wäre ein weiteres, alles umfassendes Projektformat automatisch eine Lösung.

Ein eigenes Schema könnte die interne Struktur von HistoriaMP vollständig beschreiben. Solange andere Institutionen jedoch keine Software besitzen, die dieses Schema versteht, entstünde lediglich eine neue projektspezifische Abhängigkeit.

Die Daten wären vollständig dokumentiert, aber weiterhin nicht ohne Anpassungen nutzbar.

Das Problem würde nicht gelöst. Es würde nur verlagert.

Transparenz braucht einen Empfänger

In Diskussionen über wissenschaftliche Transparenz richtet sich der Blick meist auf das Projekt, das Daten erzeugt.

Es soll seine Methoden offenlegen, Zwischenschritte erhalten, Unsicherheiten markieren und technische Abhängigkeiten dokumentieren.

Das ist notwendig. Es reicht aber nicht.

Transparenz funktioniert erst dann vollständig, wenn ein Empfänger die bereitgestellten Informationen auch sinnvoll nutzen kann.

Eine Datei, die nur mit erheblichem projektspezifischem Wissen interpretiert werden kann, ist formal offen und praktisch dennoch eingeschränkt zugänglich.

Dasselbe gilt für ein Datenpaket, dessen Bestandteile einzeln standardkonform sind, das aber von keiner verbreiteten wissenschaftlichen Anwendung als zusammenhängende Analyse verstanden wird.

Die Herausforderung besteht deshalb nicht nur darin, Ergebnisse offenzulegen.

Sie besteht darin, dafür zu sorgen, dass ihr wissenschaftlicher Status und ihre Beziehungen auch außerhalb des ursprünglichen Systems erhalten bleiben.

Alles geliefert – und trotzdem nicht vollständig nutzbar

HistoriaMP kann Bildfassungen, Beobachtungen, Kandidaten, Entscheidungen und technische Verarbeitungsschritte erhalten und zugänglich machen. Die Analyse muss nicht als geschlossene Blackbox enden.

Bei der Weitergabe entsteht jedoch ein zweites Problem, das durch Offenlegung allein nicht gelöst wird.

Die einzelnen Bestandteile lassen sich mit vorhandenen Standards beschreiben. Die Daten können vollständig, nachvollziehbar und formal korrekt bereitgestellt werden.

Was fehlt, ist ein breit geteiltes fachliches Modell dafür, welche Art von Aussage jeweils übertragen wird, wie die Ebenen zusammenhängen und wie ihr Status von anderer Software interpretiert werden soll.

Ebenso fehlt eine verbreitete Werkzeugumgebung, die diese Zusammenhänge ohne projektspezifische Anpassungen übernehmen kann.

HistoriaMP kann also liefern, was wissenschaftlich gefordert wird. Die externe Software kann diese Informationen jedoch nicht ohne Weiteres in ihrer gesamten Bedeutung erfassen und weiterverarbeiten.

Deshalb können Forschungsdaten vollständig verfügbar und dennoch nur begrenzt nachnutzbar sein.

Alles ist geliefert.

Vollständig verarbeitet werden kann es bislang trotzdem nicht.