• 1. Vom Wörterzählen zur Datenvernetzung
• 2. Das World Wide Web als Möglichkeitsraum digitaler Literaturanalyse
• 3. Texte im Netz
• 4. Netzstruktur und Textstruktur
• 5. Literaturwissenschaftliche Textanalyse
• 6. Literaturwissenschaftliche Analyse digitalisierter Texte
• 6.1 Vorbereitung maschinell durchgeführter Suchabfragen
• 6.2 Bearbeitung, Auswertung und Darstellung von Suchergebnissen
• 7. Literaturanalyse im Semantic Web
• 7.1 Erstellung eines vernetzten Texts
• 7.2 Literaturanalyse im Semantic Web
• 7.3 Digitale Literaturanalyse durch andere Disziplinen
• 8. Perspektiven
• 8.1 Abschied vom biblischen Zeitalter
• 8.2 Die Vernetzung des Texts
• 8.3 Alte und neue Aufgaben
• 9. Conclusio
• Bibliographische Angaben
• Weiterführende Literatur

»Il faut confronter les idées vagues avec des images claires« – Jean-Luc Godard, 1967 (»La Chinoise«)

»Alles, was Gegenstand wissenschaftlichen Denkens überhaupt sein kann, verfällt, sobald es zur Bildung einer Theorie reif ist, der axiomatischen Methode und damit mittelbar der Mathematik.« – David Hilbert, 1918

1. Vom Wörterzählen zur Datenvernetzung

Zwei Wege führen an den Punkt, wo sich die Computerphilologie heute befindet: Der eine geht auf eine Initiative des Jesuitenpaters Roberto Busa zurück, der zwischen 1940 und 1947 gemeinsam mit IBM Gründer Thomas J. Watson eine computergestützte Lemmatisierung der Werke von Thomas von Aquin vornahm und mit dem Index Thomisticus das früheste Beispiel digitaler Textanalyse vorlegte (seit 2005 online verfügbar[1]). Bis zu seinem Tod 2011 verfolgte Buso den Ansatz computergestützter Hermeneutik und Lexikographie. In Deutschland bemühte sich der Philosoph Max Bense um die Einbeziehung von Informationstheorie und Computertechnik in seine Analysen der Strukturen von Sprache.[2] In England versuchte der aus Südafrika eingewanderte Mathematiker und spätere Literaturnobelpreisträger J.M. Coetzee an die stilometrischen Analysen des deutschen Physikers Wilhelm Fucks anzuknüpfen, der in den fünfziger Jahren quantitative Methoden in Literaturwissenschaft und Linguistik eingeführt hatte.[3] In seiner Dissertation von 1969 legte Coetzee erstmals stilometrische Analysen der englischen Texte von Samuel Beckett mit mathematischen Methoden vor.[4]

Der andere Weg kommt aus der langen Geschichte der Editionsphilologie. Die ersten digitalen Editionen entstanden Anfang der neunziger Jahre mit der kommerziellen Verbreitung der CD-ROM; erstmals war ein mobiler Datenträger gefunden worden, der genug Speichervolumen für ein ganzes Buch mit Anmerkungen (oder für 74 Minuten Musik) aufwies. Eines der frühesten Projekte war die Digitalisierung der Buchausgabe der Colli/Montinari-Edition der Werke Nietzsches, die der Verlag de Gruyter 1994–1997 auf CD-ROM herausbrachte und die inzwischen online zugänglich ist.[5] Eines der jüngsten ist die ebenfalls online einsehbare 3D-Ausgabe der Ogham Stones durch das Dublin Institute of Advanced Studies; es handelt sich um ein irisches Nationaldenkmal und einmaliges Zeugnis einer frühen Stufe der irischen Sprache und ihres Alphabets, das als Inschrift auf Steinen überliefert ist.[6]

Digitale literaturwissenschaftliche Projekte sind mehrheitlich Editionen, die sich nun in den, wie oft betont wird, »schier unbegrenzten« Speicherraum des World Wide Web ausdehnen. Neben exklusiven, aufwendig erstellten kritischen digitalen Ausgaben repräsentativer Werke[7] werden heute in großem Umfang Digitalisierungen ganzer Bibliotheken durchgeführt, um wertvolle Altbestände zu erhalten oder um große Korpora für die Öffentlichkeit zugänglich zu machen.[8] Motivation, Organisation, technische Durchführung und Nutzungskonzepte können dabei stark variieren.[9] Wichtige Korpora wurden und werden von nationalen Institutionen in Auftrag gegeben und verwaltet;[10] daneben gibt es die digitale Texterfassung durch Freiwillige[11] oder durch Firmen. So hat Google einen immensen und teilweise frei zugänglichen Datenbestand mit Unterstützung zahlreicher Universitätsbibliotheken aufgebaut.[12] Datenerhalt und Archivierung großer Textmengen sowie leichtere Zugänglichkeit, Durchsuchbarkeit und bessere Auffindbarkeit von Textstellen sind die Vorzüge der Anwendung digitaler Methoden in diesem Bereich.

Obwohl schon vor mehr als einem halben Jahrhundert vielfältige Ansätze dazu gemacht wurden,[13] hat sich die Literaturwissenschaft im Gegensatz zur statistischen Sprachanalyse, wie sie in der Computerlinguistik weit fortgeschritten ist, in der Anwendung von Informationstechnologie bei der Textanalyse, geschweige denn bei der Institutionalisierung einer ›Computerliteraturwissenschaft‹ bisher eher zurückhaltend gezeigt.[14] Bei der digitalen Edition ist die Verankerung in einer traditionellen textphilologischen Teildisziplin unübersehbar. Hier kann die digitale Technologie nicht nur jene Prozesse unterstützen und vereinfachen, die zuvor in mühsamer Handarbeit durchgeführt werden mussten. Sie kann auch dazu beitragen, neue Formate für die Erfassung, Darstellung und Analyse der Mehrschichtigkeit textueller Strukturen zu erarbeiten. Dementsprechend präsent, gefördert und anerkannt sind die einschlägigen Projekte im Feld der Digital Humanities.[15]

Wie wäre weiter vorzugehen? Der Beitrag schlägt einen Weg vor, der die digitale Texterfassung mit den Methoden korpusbasierter Analyse enger zusammenführt. Dabei gehe ich vor allem auf die mit dem World Wide Web gegebenen Möglichkeiten ein. Mit dem Internet liegt ein potentielles Medium der Erkenntnisgewinnung vor: erstens ist es ein immenser, weithin zugänglicher Datenspeicher, und zweitens bietet es mit der Verknüpfbarkeit von Dokumenten die Möglichkeit, die Verweisstruktur von Texten auf neue Weise sichtbar zu machen. Es erlaubt mittels Datenvernetzung eine Darstellung der von Derrida fokussierten »differentiellen Verweisung von einer [Text]Spur auf die andere«[16] im mehrdimensionalen Raum und bietet damit weitreichende Möglichkeiten für eine Literaturanalyse, die außer von der Literaturwissenschaft auch von anderen Disziplinen effektiv genutzt werden könnten.

2. Das World Wide Web als Möglichkeitsraum digitaler Literaturanalyse

Dem vor etwas mehr als 25 Jahren geschaffenen und stetig erweiterten digitalen Datenraum des World Wide Web (Netzes)[17] werden unter anderem folgende Eigenschaften zugeschrieben:

• unbegrenzte Kapazität für langfristige Speicherung von Daten;
• unbegrenzte Verfügbarkeit der Daten in Raum und Zeit; im Prinzip ist es technisch möglich jederzeit von jedem Ort der Erde auf jedes Dokument zuzugreifen;
• freie Zugänglichkeit (open access) für eine große Menge von Daten, Tendenz steigend.

Das Netz stellt kein statisches Archiv dar, sondern einen virtuellen Speicherraum, der permanent neu organisiert wird. Die dabei vorgenommenen Operationen bewirken

• die anhaltende Evolution des World Wide Web durch beständige Erweiterung respektive Veränderung der schon vorhandenen Daten; jeder kann Daten eingeben oder, sofern diese zugänglich sind, bestehende Daten verändern;
• die Generierung separat evaluierbarer Metadaten;
• die Bildung der Netzstruktur durch Verknüpfung der Daten untereinander.

Prinzipielle Offenheit und unvergleichliche Kapazität des World Wide Web einerseits, die permanent weiter entwickelte Vielfalt und Variabilität der darauf bezogenen Operationen andererseits, legen es nahe zu überlegen, ob und inwieweit die Daten im World Wide Web einen neuartigen Möglichkeitsraum für die Literaturanalyse bilden, in dem sich die mehrdimensionale Vernetzung literarischer Texte anders als bisher aufzeigen, darstellen und erforschen lässt. Ansätze zur Visualisierung literaturwissenschaftlich relevanter Daten im Netz sind schon partiell erprobt worden und werden zunehmend weiter entwickelt.[18] Eine Evaluierung der mit dem World Wide Web verbundenen Möglichkeiten wissenschaftlicher Analyse literarischer Texte hingegen steht noch aus. Im folgenden sollen bereits erprobte Verfahren wie auch absehbare Perspektiven einer durch die digitale Textverarbeitung unterstützten, netzbasierten Literaturwissenschaft skizziert werden, wobei der Schwerpunkt meiner Überlegungen auf der Verknüpfung von Daten liegt.

3. Texte im Netz

Ein – überraschend kleiner – Teil der im Netz mittels Informationstechnologie erzeugten und verwalteten Daten stammt aus Texten in natürlichen Sprachen. Literaturwissenschaftlich im engeren Sinne relevant sind

• Digitalisate, d.h. (literarische) Texte, die ursprünglich in anderen Formaten ediert wurden und weiter existieren, die nun zusätzlich im Netz verfügbar gemacht werden (DTA, Gutenberg, Google Books u.a.); nicht alle dieser Digitalisate sind schon maschinenlesbar, vielfach handelt es sich um Textscans;
• Digitale Literatur, d.h. (literarische) Texte, die ursprünglich in digitaler Form verfasst und ins Netz gestellt wurden; das Spektrum reicht von Weblogs über Netzliteratur(-magazine) bis zu hochgradig verlinkten Formen wie Hyperfiktion;[19]
• Texte und weitere Daten (Bilder, Sounddateien u.a.), die literaturwissenschaftlich relevante Informationen enthalten; traditionelle Hilfsmittel wie Wörterbücher, biographische Lexika, Bibliographien, Enzyklopädien und andere Nachschlagewerke finden sich heute zunehmend durch Internetdatenbanken wie Wikipedia ersetzt.

Die Anzahl der im Netz verfügbaren und literaturwissenschaftlich evaluierbaren Texte nimmt rapide zu. Texte, die bisher mangels Zugänglichkeit kaum wissenschaftliche Berücksichtigung gefunden haben, wie zum Beispiel nicht-kanonisierte Texte, Literaturen in ›kleinen‹ Sprachen, Texte in entlegenen, vergriffenen oder vergessenen Ausgaben etc., werden zunehmend greifbar und sollten in einschlägige Untersuchungen einbezogen werden. Damit entsteht ein enormer Druck auf die Philologien, die an der Textbasis veränderte Ausgangslage ihrer Forschungen zur Kenntnis zu nehmen und ihr methodisch zu entsprechen.

Untersuchungen, die allgemeine Aussagen beispielsweise zu einer Epoche, zu einer Gattung, oder zur Literatur einer Sprache machen wollen (als Standardbeispiel: »Der englische Roman des 19. Jahrhunderts«) müssen sich heute nicht mehr nur auf die schon bekannten respektive kanonisierten Texte beschränken, sondern können die bisherigen Erkenntnisse an großen Korpora überprüfen und weiter ausdifferenzieren. Trotz der zunehmenden Verfügbarkeit von Texten im Netz repräsentieren die vorhandenen Daten allerdings noch lange nicht das gesamte Spektrum der in der Literaturwissenschaft zu untersuchenden Literaturen. Restringiert bleibt weiterhin der Zugang insbesondere zu urheberrechtlich geschützten Werken und damit zum größten Teil der Literatur des 20. und 21. Jahrhunderts. Digitale Literaturanalysen stützen sich deshalb bisher mehrheitlich auf vor 1900 erschienene Texte.

Gleichwohl werden Untersuchungen zur Gegenwartsliteratur die Webpräsenz zeitgenössischer Texte nicht ignorieren können. Dies betrifft Autoren und Autorinnen wie Elfriede Jelinek, die ihre Texte primär im Netz veröffentlichen,[20] ebenso wie mit digitalen Technologien entwickelte Textformate, welche sich im Druck gar nicht oder nicht mehr genre-adäquat darstellen lassen wie Hyperfiktion oder Twitterature.[21] Sie verlangen ebenso nach neuen Methoden der literaturwissenschaftlichen Evaluierung wie die digitalisierten Texte.

4. Netzstruktur und Textstruktur

Wenn digitalisierte, d.h. in maschinenlesbare Formate gebrachte, Texte ›ins Netz gestellt‹ werden, können sie dort mit anderen Daten verknüpft werden. Eben durch diese Verknüpfung wird die Netzstruktur des World Wide Web ermöglicht.

Hierbei erscheint bemerkenswert, dass der Aufbau des Netzes wie der Umgang mit dem Netz Parallelen zum Aufbau von und dem Umgang mit (literarischen) Texten aufweist, d.h. das Netz hat eine Reihe strukturell relevanter Eigenschaften, die sich mit denjenigen von in natürlichen Sprachen abgefassten Texten vergleichen lassen.

Ein verständiger Leser bezieht das Gelesene während der Lektüre unaufhörlich auf seinen Wissens- respektive Erfahrungshorizont inklusive früherer Lektüren; nur so kann er sich den Sinn des Textes erschließen.[22] Während des Lesens ›vernetzt‹ er das Gelesene also unaufhörlich ›in seinem Kopf‹ mit einzelnen Elementen aus diesem Vorwissen: Er verknüpft den Text in einem Netz, dessen Konstellation durch jede neu aufgenommene Information wieder verändert wird.[23] Dieses Netz ist virtuell oder (im Sinne von Benedict Anderson) imaginär,[24] da es eine Menge von Informationen enthält, die vielen Menschen gemeinsam oder gleichzeitig zugänglich sind. Von jedem einzelnen Menschen wird aber nur ein für ihn spezifischer, einmaliger Teil davon erfasst. Ähnlich verhält es sich auch mit dem World Wide Web.

Gewöhnlich verstehen wir das World Wide Web als Akkumulation großer Mengen an digitalen Daten, die in unterschiedlicher Dichte miteinander verknüpft und weltweit zugänglich sind. Das Verhältnis der im World Wide Web verwalteten Daten zu dem, was wir als ›Welt‹ auffassen, ist mindestens zweifach strukturiert:

• semiotisch/symbolisch: im Netz werden Informationen, die sich auf etwas außerhalb davon Liegendes beziehen, in Daten übersetzt und verwaltet; der ›Entortung‹ der in Daten umgewandelten Informationen im geopolitischen Raum korrespondiert deren neue Verortung im global zugänglichen Webkontext (URI); die ›Entzifferung‹ der Informationen bedarf der Zuordnung zu Systemen, innerhalb derer der semiotische/symbolische Code Gültigkeit hat und Bedeutung entfalten kann;
• operationell: die Daten werden durch Operationen natürlicher oder künstlicher Intelligenz erzeugt und verwaltet; diese Operationen auszuführen ist technisch im Prinzip jedem Nutzer möglich.

Texte lassen sich desgleichen als weitreichend verknüpfte Akkumulationen von Informationen verstehen, die in natürlichen Sprachen repräsentiert sind und die als Daten erfasst werden können. Auch hier ist der ›Weltbezug‹ semiotisch/symbolisch; die jeweilige Entzifferung der Informationen aus den ihm vorliegenden Daten obliegt dem Leser, der dafür ebenfalls eine Reihe von Operationen ausführen muss, durch welche die Zeichen des Textes in Sinn übersetzt werden (vgl. Abschnitt 7).

Wesentlich in diesem Zusammenhang ist das für beide, Netz wie Text, konstitutive System der Verweisung bzw. der Verknüpfung: (Natürliche) Sprachen und darin formulierte Texte können nur dann Bedeutung generieren und kommunizieren, wenn sie auf Außersprachliches verweisen (d.h. sie repräsentieren dieses zeichenhaft), und wenn sie sich mit anderen sprachlichen Aussagen respektive Texten operationell verknüpfen lassen und in dem imaginären Netz identifizierbar werden. Texte sind autorisierte Knotenpunkte (nodes) im Netz sprachlicher Kommunikation. Sie generieren Bedeutung, indem sie sich sprachlich auf vereinbarte Zeichen- und Wertsysteme beziehen. Diese Bedeutung ist nie einsträngig; die Verknüpfungen müssen auf mehreren Ebenen des Textes vom Leser aktualisiert und weiter verfolgt werden (können).

Literaturwissenschaftliche Untersuchungen zielen auf Erkenntnis solcher Verknüpfungsstrukturen, die in literarischen Texten hochgradig elaboriert sind. D.h. es geht hier um den Nachweis der Mehrdimensionalität, die literarische Texte in ihren vielfältigen Verknüpfungen mit anderen Texten und Systemen herstellen und die sie als ein Qualitätsmerkmal auszeichnet.

Daraus ergibt sich die Frage, inwiefern die Verfügbarkeit digitalisierter Texte im Netz für den Nachweis, die Darstellung und die Analyse ihrer Mehrdimensionalität genutzt werden kann, d.h. inwiefern das World Wide Web nicht allein als Datenspeicher, sondern auch als Medium literaturwissenschaftlicher Erkenntnis fungieren kann.

5. Literaturwissenschaftliche Textanalyse

Um die Mehrdimensionalität von (literarischen) Texten aufzuzeigen, versuchen literaturwissenschaftliche Textanalysen

• Texte strukturell zu erfassen, d.h. ihre Eigenschaften und deren Relationen zueinander zu bestimmen, zu kategorisieren, und die Texte diesen Eigenschaften entsprechend zu klassifizieren;
• Texte hermeneutisch zu verstehen, d.h. den ›mehrfachen Schriftsinn‹, die Bedeutung von Inhalt und Aussage in Abhängigkeit von der gewählten sprachlichen Ausdrucksform, zu bestimmen;
• Texte kontextuell zu verorten, d.h. ihre Eigenschaften auf sprachlich und kulturell bedingte Ordnungen (Systeme) und deren historische Verläufe zu beziehen und einzuschätzen.

Die literaturwissenschaftliche Analyse besteht demnach (i) aus der Isolierung, Beschreibung und Klassifizierung ausgewählter Eigenschaften von Texten, und (ii) aus der differenzierenden Zuordnung dieser Merkmale zu bedeutungstragenden Systemen. Die Zuordnung (Verknüpfung) ist für das Verstehen eines Textes unabdinglich; sie kann nur dann erfolgen, wenn die Bezugsgrößen (richtig) identifiziert werden. Die Mehrdimensionalität eines (literarischen) Textes – darin liegt ein Teil seines Reizes – impliziert aber durchaus auch multiple Möglichkeiten der Zuordnung. Diese mögliche Vielfalt muss in der Analyse mit erfasst werden. Sie zielt somit auf die komplexe Erfassung dessen, was ich im Folgenden das »Referenzprofil« eines Textes nennen möchte.[25]

6. Literaturwissenschaftliche Analyse digitalisierter Texte

Literarische Texte mit Unterstützung von Informationstechnologie zu bearbeiten heißt, literaturwissenschaftliche Methoden teilweise Computerprogrammen zu übertragen in der Erwartung, das Erreichen fachspezifischer Arbeitsziele mit deren Unterstützung zu erleichtern oder zu verbessern. Dies betrifft insbesondere mehr oder weniger mechanische, systematisch durchzuführende Vorgänge wie zum Beispiel das Zählen und Sortieren festgelegter Einheiten, wo über die Anwendung von Programmen eine größere Vollständigkeit und geringere Fehlerrate erzielt werden können. Ein gutes Beispiel dafür sind die digitalen Editionen, die die Textaufzeichnung und -speicherung wie die Darstellungs- und Zugriffsmöglichkeiten gerade bei Werkausgaben erheblich verbessert haben.

Für die computergestützte literaturwissenschaftliche Textanalyse wird der Analysevorgang, den der wissenschaftliche Leser vollzieht, in einzelne Schritte zerlegt, von denen einige durch Computerprogramme ausgeführt werden können. Gegenwärtig geht es vor allem darum, Texte von Programmen lesen und nach bestimmten Wörtern oder Textstellen durchsuchen zu lassen. In einem zweiten Schritt geht es darum, Programme zu entwickeln, die die Verknüpfungen innerhalb eines Textes und zwischen Texten erkennen und annotieren können.

7. Literaturanalyse im Semantic Web

Die digitale Literaturanalyse stützt sich in der Regel auf digitalisierte Texte oder Textkorpora, die von einzelnen Arbeitsgruppen oder Institutionen erarbeitet wurden. Diese Texte sind aber meist nicht frei zugänglich, und sie sind vor allem nicht mit externen Daten verknüpfbar. Digitalisierte, d.h. maschinenlesbare Texte, auf die im Netz zugegriffen werden kann, erlauben weitere Analysemöglichkeiten durch Datenvernetzung im Semantic Web. Diese Vorgehensweise geht auf Sir Tim Berners-Lee zurück, der 2001 vorgeschlagen hat, die Möglichkeiten des World Wide Web mit semantischen Annotationen zu ergänzen, um die in allen Dokument-Texten implizit enthaltenen (für menschliche Leser verständlichen) Informationen explizit (d.h. für Programme auswertbar) zu machen.[30]

Das Semantic Web beruht darauf, dass bestimmte Informationen in digitalen Dokumenten mit einer URI identifizierbar gemacht werden. Über diese Identifikatoren kann in anderen Dokumenten auf sie verwiesen werden, und zwar in beliebiger Abfolge. Damit entsteht wiederum ein Netz (hier besser: ein Graph) von Verweisen, die ihrerseits wieder annotiert und abgefragt werden können.[31] Der dafür zur Verfügung stehende Standard RDF[32] ist ein nicht spezifisch für die Computerphilologie entwickeltes Auszeichnungsformat,[33] das in der Literaturanalyse aber vor allem deshalb mit Erfolg eingesetzt werden kann, weil es über die Erfassung der sprachlich-textuellen Merkmale hinaus die vollständige Erfassung der Struktur und der Kontexte eines Texts sein Referenzprofil ermöglicht. Die ebenfalls standardisierte Abfragesprache SPARQL erlaubt dann beliebige Suchen nach Mustern in mit RDF strukturierten Dokumenten.

8. Perspektiven

9. Conclusio

Für die Entwicklung digital gestützter Literaturanalysen scheint es sinnvoll, an bereits bewährte Methoden und Ansätze der Computerlinguistik respektive der Korpuslinguistik anzuknüpfen. Wie viele andere Bereiche der Computerwissenschaften wird auch die digitale Literaturwissenschaft in Zukunft in hohem Maße auf Erkenntnisse und Methoden des Natural Language Processing angewiesen sein.

Vorerst erscheint die Entwicklung komplexer Annotationsverfahren respektive zugehöriger Abfragen als ein begehbarer Weg, um systematische und nachprüfbare Literaturanalysen anhand großer Textkorpora zu ermöglichen. Diese Analysen können insbesondere bei großräumig angelegten Untersuchungen unter anderem dazu beitragen, basale Einschätzungen der Disziplin zum Beispiel in Bezug auf Formierung und Ausbreitung bestimmter literarischer Genres, Strömungen oder Gruppierungen, oder aber im Hinblick auf die Untersuchung von literarischem und Wissenstransfer zu überprüfen und zu differenzieren. Andererseits zeichnet sich ab, dass diese Verfahren auch im Bereich von Einzeltextanalysen fruchtbar genutzt werden können, wenn es darum geht, die Spezifika eines Werks vergleichend zu evaluieren.

Wenn Textkorpora im World Wide Web gespeichert werden, so fördert dies nicht allein deren allgemeine ubiquitäre Zugänglichkeit. Eine Integration der Texte ins Semantic Web eröffnet darüber hinaus weitere Optionen: sie ermöglicht die Darstellung der Mehrdimensionalität literarischer Texte durch Datenverknüpfung und fungiert damit sowohl als Speichermedium wie als Medium wissenschaftlicher Erkenntnisgewinnung. Eine solche Textdarstellung wird das Spektrum literaturwissenschaftlicher Erkenntnismöglichkeiten zweifellos erweitern. Nicht zuletzt aber ermöglicht die Verknüpfung von literarischen Texten mit dem Semantic Web auch anderen an der Entwicklung des Menschen und den von ihm geschaffenen Systemen interessierten Disziplinen Zugang zu dem in literarischen Texten enthaltenen Wissen, das von diesen bisher kaum evaluiert werden konnte.[40]