Digitale Diplomatik – Text Mining und Netzwerkanalyse mit iberischen Papsturkunden des 12. Jahrhunderts

Alina Ostrowski

Das DFG-Projekt „Delegierte Gerichtsbarkeit auf der Iberischen Halbinsel im 12. Jahrhundert“ verknüpft die Edition spanischer Papsturkunden mit Fallstudien zur Entwicklung der päpstlichen delegierten Gerichtsbarkeit in der Region. Dabei wird nicht nur ein digitales Korpus von über 1000 Papsturkunden erstellt, sondern es kommen auch computergestützte Methoden aus dem Bereich des Text Mining und der Netzwerkanalyse zum Einsatz. Der Beitrag stellt die verwendeten Methoden sowie die Ziele des Projekts vor und diskutiert Herausforderungen, die mit dem Einsatz der digitalen Methoden verbunden sind.

Im Oktober 2022 startete das DFG-Projekt „Delegierte Gerichtsbarkeit auf der Iberischen Halbinsel im 12. Jahrhundert. Struktur und computergestützte Analyse eines urkundlichen Massenkorpus“ (im Folgenden „DelGe“), welches in Kooperation zwischen dem Lehrstuhl für Digital Humanities der Universität Passau (Projektleiter: Malte Rehbein) und der Niedersächsischen Akademie der Wissenschaften zu Göttingen (Projektleiter: Klaus Herbers) durchgeführt wird. Es verknüpft die Edition von Papsturkunden im Rahmen der Vorarbeiten zu den Regestenbänden der Iberia Pontificia¹ mit Fallstudien zur Entwicklung der päpstlichen delegierten Gerichtsbarkeit im 12. Jahrhundert.² Dabei werden zugleich Methoden aus der Computerlinguistik und der historischen Netzwerkforschung angewendet und ihr Nutzen für die ‚Digital History‘ evaluiert.

Die Forschungsgrundlage bilden rund 1250 Papsturkunden, von denen ca. 200 im Rahmen des Projekts als hybride Neuedition, d.h. online und im Druck, publiziert werden (Papsturkunden in Spanien IV). Anhand dieses Korpus’ kann die delegierte Gerichtspraxis in einen breiten räumlichen und zeitlichen Kontext eingeordnet werden. Dazu werden alle Urkunden mit Metadaten annotiert, die später sowohl für einen statistischen Überblick als auch für vertiefende Analysen genutzt werden können. Ein besonderer Fokus liegt auf der computergestützten Untersuchung der Beziehungen zwischen diversen juristischen Akteuren sowie der Entwicklung spezifischer formelhafter Wendungen in den Justizbriefen, die den Verbreitungsprozess der neuen Rechtsform widerspiegeln.³

Digitale Edition und Datengrundlage

Voraussetzung für die digitale Edition und auch die spätere Auswertung ist die Kodierung der Urkunden in maschinenlesbarer Form. Hierfür nutzt das Projekt den an TEI⁴ angelehnten XML-Standard CEI. CEI wurde von der Charters Encoding Initiative entworfen und stellt spezielle Tags für mittelalterliche und frühneuzeitliche europäische Urkunden bereit.⁵ Seine Entwicklung war eng verknüpft mit der Entstehung des digitalen Urkundenrepositoriums Monasterium, welches den Standard in der digitalen Diplomatik bekannt machte.⁶ CEI enthält zum Beispiel Tags für die unterschiedlichen Urkundenabschnitte wie intitulatio oder dispositio sowie für die diplomatische Beschreibung der Quelle.

CEI orientiert sich zwar an TEI, ist aber nicht direkt damit kompatibel. Die Arbeit an dem Standard für Urkunden ging darum 2018 in die zweite Runde: Unter der Leitung von Georg Vogeler (Universität Graz) wurde ein Entwurf für die Integration von Elementen aus der Diplomatik in den TEI-Standard erarbeitet.⁷ Dieser abstrahiert die ursprünglich explizit auf europäische vormoderne Urkunden ausgerichteten Konzepte, um die Interoperabilität zwischen urkundlichen Dokumenten aus verschiedenen Epochen und Regionen zu verbessern.⁸ Außerdem erlaubt er die Verwendung zahlreicher verbreiteter TEI-Elemente, die zuvor nicht im CEI-Standard enthalten waren. Der Entwurf wurde mittlerweile dem TEI-Consortium präsentiert und wartet noch auf eine Entscheidung über die Aufnahme in den Standard.

Das DelGe-Projekt verwendet als eines der ersten Projekte im Bereich der digitalen Diplomatik den neuen TEI-CEI-Entwurf, um eine bessere Kompatibilität der Urkundendaten mit für TEI entwickelten Tools zu erreichen. Bei der Erstellung des Datenmodells⁹ ergeben sich trotz der Nutzung des vordefinierten XML-Standards einige Herausforderungen. Einerseits ist der TEI-CEI-Standard noch jung und bisher nicht ausgiebig in der Praxis erprobt worden, wodurch die konkrete Anwendung oft noch mit Unklarheiten verbunden ist.. Andererseits müssen die Spezifika des Projekts berücksichtigt werden, d.h. es müssen sowohl verschiedene Arten von Papsturkunden abgebildet als auch spezifische, ggf. noch nicht in CEI oder TEI berücksichtigte Informationen für die geplanten Fallstudien zu personellen Netzwerken und formelhafter Sprache aufgenommen werden. Das Datenmodell soll zudem nicht nur für die digitale Neuedition der Papsturkunden geeignet sein, sondern auch die Aufnahme der bereits im Druck erschienenen Editionen sowie die Übertragung der neu edierten Stücke in eine Druckversion ermöglichen. Bei all diesen Überlegungen muss stets die Balance gehalten werden zwischen dem Anspruch, durch eine sorgfältige und breite Annotation ein für verschiedene Forschungsfragen nachnutzbares und mit digitalen Methoden auswertbares Korpus zu erarbeiten, und dem Hauptanliegen des Projekts, in begrenzter Projektlaufzeit eine historisch-kritische Edition mittelalterlicher Papsturkunden zu erstellen und diese für die Untersuchung zweier konkreter Fragestellungen zu nutzen.

Lokale und rombezogene Netzwerke delegierter Gerichtsbarkeit

Für die Untersuchung der „an den Gerichtsverfahren beteiligten Personen (Streitparteien und Richter) in ihren Beziehungen untereinander und zum Papsttum“ werden Methoden der Historischen Netzwerkforschung angewendet. So können nicht nur Personencluster aufgedeckt, sondern es kann auch „danach gefragt werden, ob sich für bestimmte Personen(gruppen) eine Vorreiterrolle abzeichnet oder ob gemeinsame Merkmale hervortreten, die es erlauben, die Verbreitung“ der delegierten Gerichtsbarkeit „mit bestimmten klerikalen Gruppen oder Milieus in Verbindung zu bringen.“³

Die Historische Netzwerkforschung nutzt Methoden, die ursprünglich zuerst in der Soziologie verwendet worden sind. Der Grundgedanke einer Netzwerkanalyse ist dabei, (nicht zwangsläufig aber meistens: soziale) Beziehungen in Form von Graphen zu modellieren und anhand der Graphen genauer zu untersuchen. Solche Graphen bestehen aus Knoten (die Personen) und den sie verbindenden Kanten (die Beziehungen). Beziehungen können dabei stärker oder weniger stark ausgeprägt sein (z.B. Liebe vs. Freundschaft) und Personen können nicht nur in Paaren, sondern in Gruppen, sogenannten Clustern, miteinander verbunden sein. So werden Muster und besonders wichtige Verbindungen sichtbar. Die Methode wurde in den letzten Jahren für diverse historische Fragestellungen angewendet und in ihren spezifischen geschichtswissenschaftlichen Herausforderungen epistemologisch eingeordnet.¹⁰

Die Netzwerkgraphen können zu zweidimensionalen Bildern transformiert werden. Ein Beispiel ist diese Darstellung der Beziehung zwischen Päpsten und diversen Amtsträgern, die einen ersten Überblick darüber gibt, welche Ämter über mehrere Pontifikate hinweg besonders häufig in den Urkunden genannt werden. Netzwerkvisualisierungen wie diese können dabei komplexe Beziehungsgefüge verständlich darstellen. Sie sind jedoch nur ein Teil – und genau genommen nicht einmal der wichtigste – der Historischen Netzwerkanalyse als Methode. Um bei der späteren Arbeit mit dem aktuell in Vorbereitung befindlichen Volltext-Urkunden-Korpus einen analytischen Mehrwert und belastbare, historisch interpretierbare Ergebnisse zu erreichen, ist ein genaues Verständnis davon nötig, wie die historischen Informationen in Graphen übertragen werden können und was der Graph aussagt.

Einerseits muss definiert werden, was eine Beziehung überhaupt kennzeichnet. Denn die bloße gemeinsame Nennung in einer Urkunde reicht nicht aus, um sinnvolle Schlüsse über komplexe Beziehungen zwischen zwei Personen zu ziehen. Verbindungen müssen zudem nicht ausschließlich zwischen Personen bestehen, sondern können in multimodalen Netzwerken auch zwischen Personen und Institutionen oder – besonders relevant für das Vorhaben des DelGe-Projekts – zwischen Personen und den von ihnen verwendeten Urkundenformeln bestehen, wodurch auf einer abstrakteren Ebene wiederum Gruppen erkennbar werden, die eine ähnliche rechtssprachliche Prägung aufweisen. Andererseits muss der auf Basis der ausgewählten Daten modellierte Netzwerk-Graph nicht nur augenscheinlich, sondern auch mathematisch-statistisch auf seine Besonderheiten hin getestet werden. Zentralitätsmaße¹² können zum Beispiel Aufschluss darüber geben, welche Teilgruppen besonders eng verbunden sind, und welche Personen aus rechnerischer Sicht besonders zentrale Positionen in einer Gruppe oder gar Schlüsselpositionen als Brücke zwischen zwei Gruppen innehaben. Die finale Interpretation der solchermaßen gemachten Beobachtungen muss unter Berücksichtigung sowohl des historischen Kontextes als auch der Funktionsweise der verwendeten Algorithmen geschehen.

Urkundenformeln im Wandel

Neben den in den Urkunden zum Vorschein kommenden Akteursgeflechten „untersucht das Projekt die Urkundensprache, speziell die Verbreitung formelhafter Elemente in den päpstlichen Justizbriefen. Hier stellt sich unter anderem die Frage, inwieweit sich Genese und Verfestigung solcher Formeln an konkrete Streitverläufe rückkoppeln lassen und ob sich bei deren Verbreitung ebenfalls Cluster abzeichnen, die zu den personalen Verflechtungen in Beziehung gesetzt werden könnten.“³ Für das Aufspüren der in den Urkunden vorkommenden formelhaften Wendungen sollen u.a. Methoden aus der computergestützten Text Reuse Detection (TRD) angewendet werden.

TRD ist für moderne Texte schon länger im Einsatz, unter anderem zur Plagiatserkennung. Für die Anwendung im geschichtswissenschaftlichen Kontext wird es seit circa zehn Jahren genauer erprobt.¹³ Das Ziel ist hier meist die Erkennung ungekennzeichneter Zitate und Anspielungen oder die Zuordnung von Vorlagen bzw. Quellen zu später entstandenen Texten. Im mediävistischen Bereich legten jüngst Hiltmann, Keupp, Althage und Schneider eine Studie am Beispiel von Kreuzzugsberichten vor, in der sie auch eine differenzierte epistemologische Einschätzung der Methode für geschichtswissenschaftliche Fragestellungen vornehmen.¹⁴ Im DelGe-Projekt soll TRD, welches auf der Berechnung von sprachlicher Ähnlichkeit zwischen Textstellen beruht, zur Erkennung von häufig vorkommenden Formulierungen in den Urkunden eingesetzt werden. Die grundlegende Idee ist, einen Quervergleich zwischen allen Urkunden des Korpus durchzuführen, bei dem jede Urkunde für den TRD-Algorithmus sowohl ein mögliches Quell- als auch mögliches Zieldokument darstellt, um ‚wiederverwendete‘ Passagen zu finden, die wiederum ein Indiz dafür darstellen können, dass ein formelhafter Ausdruck benutzt wurde.¹⁵

Es gibt verschiedene Algorithmen und Programme für TRD. Das DelGe-Projekt nutzt das Programm TRACER, welches spezifisch für die Arbeit mit historischen Texten entwickelt wurde und zahlreiche Algorithmen und Workflows zur Erkennung von Textwiederverwendung in sich vereint. Dabei entbindet die Verwendung eines Tools nicht von der Notwendigkeit, zahlreiche Entscheidungen bezüglich des genauen Vorgehens bei der Text Reuse-Erkennung selbst zu treffen und unter Berücksichtigung der sprachlichen wie inhaltlichen Gegebenheiten der Urkundendaten wissenschaftlich zu evaluieren. Nur so können die mittels des Programms gewonnenen Ergebnisse aussagekräftig und wissenschaftlich belastbar sein. Diese Entscheidungen betreffen zum Beispiel die Vorbereitung und Vereinheitlichung der Texte oder die Frage, ob nur nach wörtlichen Ähnlichkeiten, oder auch nach semantischen Ähnlichkeiten (z.B. Synonymen) gesucht werden soll. Angesichts der Tatsache, dass gerade junge, noch im Entstehen befindliche formelhafte Wendungen möglicherweise synonyme Wörter austauschen, könnte die Berücksichtigung von semantischer Ähnlichkeit durchaus entscheidend dafür sein, wie erfolgreich der Einsatz von TRD für das Projekt sein wird.

Das Projekt befindet sich noch in der Anfangsphase, doch schon jetzt gehen der konkreten Umsetzung der computergestützten Analysen lange Prozesse der Abstimmung und wissenschaftlichen Aushandlung zwischen den Projektmitgliedern untereinander, aber auch mit der Forschungsgemeinschaft auf Tagungen und Workshops voraus. Es muss immer wieder geklärt werden, wie die historischen Zeugnisse und Zusammenhänge in formalisierte Repräsentationen übertragen werden können, so dass einerseits die Quellen für den Computer lesbar gemacht werden, und andererseits die für die Forschungsfrage relevanten Informationen nicht verloren gehen. Jede Entscheidung bezüglich des Datenmodells stellt eine interpretative Vereinfachung der analogen Quelle und somit einen Informationsverlust dar. Jeder verwendete Algorithmus stellt eine Hypothese über die Zusammenhänge zwischen informationstechnischer Analyse und geschichtlicher ‚Realität‘ dar. Darum darf nie der Fehler begangen werden, die Ergebnisse dieser Analysen wegen ihrer mathematisch-logischen Berechnungen für ein objektives Abbild der Realität zu halten. Sie sind ebenso interpretativ und diskutabel wie jede andere historische Untersuchung. Die getroffenen Entscheidungen, die verwendeten Algorithmen sowie die Eingabe- und Ausgabedaten müssen dokumentiert werden, um die Forschungsergebnisse überprüfbar zu machen. Nur durch die Verknüpfung der computergestützten Analysen mit historischer Quellenkritik kann der Einsatz der Netzwerkanalyse und der Text Reuse Detection sowohl neue Erkenntnisse zur delegierten Gerichtsbarkeit auf der Iberischen Halbinsel erbringen als auch helfen, die Methoden im Kontext der Geschichtswissenschaft zu evaluieren und praktisch weiterzuentwickeln.

Alina Ostrowski schreibt aktuell ihre Masterarbeit in den Fächern Mittelalterliche Geschichte und Informationsverarbeitung an der Universität zu Köln und ist Wissenschaftliche Mitarbeiterin am Lehrstuhl für Digital Humanities der Universität Passau. [https://github.com/AlinaOs]

1. Zuletzt erschienen: Daniel Berger, Klaus Herbers, Thorsten Schlauwitz (Hgg.): Papsturkunden in Spanien. Vorarbeiten zur Hispania (Iberia) Pontificia. III. Kastilien, Berlin/Boston 2020, DOI. [↩]
2. Im Fokus des Blogposts stehen die verwendeten digitalen Methoden, darum soll zum Thema der delegierten Gerichtsbarkeit nur allgemein verwiesen werden auf Harald Müller: The Omnipresent Pope. Legates and Judges Delegate, in: A companion to the medieval papacy. Growth of an ideology and institution, hg. von Keith Sisson und Atria A. Larson, Boston 2016, S. 199–219, DOI. [↩]
3. Vgl. die Projektwebsite. [↩] [↩] [↩]
4. TEI, benannt nach der herausgebenden Körperschaft, der Text Encoding Initiative, bietet vordefinierte XML-Tags und -Attribute für die Auszeichnung von Textdokumenten und hat sich in den nun mehr als drei Jahrzehnten seit der Gründung der Initiative als eine Best Practice für Digitale Editionen und die Erstellung von Textkorpora in den Digital Humanities etabliert. [↩]
5. Vgl. Georg Vogeler: Towards a Standard of Encoding Medieval Charters with XML, in: Literary and Linguistic Computing 20.3 (2005), S. 269–280, DOI. [↩]
6. Neben Monasterium verwenden z.B. auch die Regesta Imperii Online sowie die Vorab-Edition der Urkunden Karls IV. in der MGH-Constitutiones-Reihe CEI für ihre Urkunden bzw. Regesten. [↩]
7. Vgl. Sean M. Winslow: Modelling charters in TEI P5. The TEI_CEI ODD, in: TEI 2019 Book of Abstracts, 2019, Link. [↩]
8. Zum regionalen Aspekt siehe Georg Vogeler: Digital Diplomatics. The Evolution of a European Tradition or a Generic Concept? In: Studies in Historical Documents from Nepal and India, hg. von Simon Cubelic, Axel Michaels u. Astrid Zotter, S. 85–109, Heidelberg 2018, DOI. [↩]
9. Der Begriff Datenmodell bezeichnet in der Informationstechnologie im weitesten Sinne ein Regelwerk bzw. eine formalisierte Beschreibung zur Repräsentation von analogen Objekten oder Daten bzw. Informationen in einer digitalen Struktur. In diesem Fall sind damit also die Regeln gemeint, die vorgeben, welche Informationen aus der historischen Urkunde in das XML-Dokument übernommen werden, unberücksichtigt bleiben oder ergänzt werden sowie die Art, wie diese Informationen in XML annotiert werden. [↩]
10. Allgemein: The Power of Networks. Prospects of Historical Network Research, hg. von Marten Düring, Florian Kerschbaumer, Linda von Keyserlingk-Rehbein, Martin Stark, Abingdon/New York 2020, DOI; speziell zu Mittelalter und Früher Neuzeit Robert Gramsch-Stehfest: Von der Metapher zur Methode. Netzwerkanalyse als Instrument zur Erforschung vormoderner Gesellschaften, in: Zeitschrift für Historische Forschung 47.1 (2020), S. 1–40, DOI. [↩]
11. Abbildung aus: Marlene Ernst, Alina Ostrowski, Malte Rehbein: Delegated Jurisdiction in the Iberian Peninsula of the 12th Century. Considerations on a Digital Approach to Personal Networks and Formulaic Language, in Vorbereitung. [↩]
12. Vgl. Peter Mutschke: Zentralitäts- und Prestigemaße, in: Handbuch Netzwerkforschung, hg. von Christian Stegbauer u. Roger Häußling, Wiesbaden 2010, S. 365–378, DOI. [↩]
13. Grundlegend: Marco Büchler: Informationstechnische Aspekte des Historical Text Re-use, rer. nat. Diss., Leipzig 2013, Link. [↩]
14. Torsten Hiltmann, Jan Keupp, Melanie Althage, Philipp Schneider: Digital Methods in Practice. The Epistemological Implications of Applying Text Re-Use Analysis to the Bloody Accounts of the Conquest of Jerusalem (1099), in: Geschichte und Gesellschaft 47 (2021), S. 122–156, DOI. [↩]
15. Ähnlich gingen kürzlich auch Eveline Leclercq und Mike Kestemont: Advances in Distant Diplomatics. A Stylometric Approach to Medieval Charters, in: Interfaces 8 (2021), DOI, für die stilometrische Untersuchung von Urkunden der Bischöfe von Cambrai vor. [↩]

---

---