Grundlagenvorlesung: Digitale Methoden

Tobias Paul

Digitale Pionierarbeit in der AKNOA

• da sonst nicht in der Lehre tätig: Tobias Paul, Studium AKNOA 2014–2019
• Seit 2024 wissenschaftlicher Mitarbeiter im Sonderforschungsbereich „Register“ - Großprojekt, in dem Wissenschaftler*innen unterschiedlicher Fachbereich das linguistische Phänomen der Registervariation erforschen
• Register = systematische Muster sprachlichen Handelns in bestimmten Situationen
• Beispiel: Ich begrüße Sie zur heutigen Grundlagenvorlesung zu digitalen Methoden in der Archäologie und Kulturgeschichte Nordostafrikas oder. Okay Leute, ick rede heut n bisschen über Computerkram in AKNOA
• hierfür benutzt man korpuslinguistische Verfahren: automatisierte Analyse von Textmengen, die für Menschen nicht mehr überschaubar sind, um statistische Muster sichtbar zu machen -> mein Zugang zum Thema digitale Methoden

Archäologie vs. Philologie

• mein Zugang sprachwissenschaftlich, AKNOA aber ebenso Archäologie
• Ausdifferenzierung im Vgl. zu Kl. Archäologie hier u. Gräzistik/Latinistik dort
• digitale Methoden betreffen beide Bereiche

Digitale Methoden Feldarchäologie

• Fachidiotentum; digitale Methoden der Feldarchäologie daher nur grober Überblick
• verschiedene Stufen und Arten des archäologischen Arbeitens
• seit der Jahrhunderwende in fast allen Bereichen digitale Revolution
• jetzt einige Beispiele

Eingesetzt bei:

• Surveys
• Testgrabungen
• Ausgrabungen
• Epigraphischen Aufnahmen
• Architekturaufnahmen
• Landschaftsaufnahmen
• Nachbearbeitung

Surveys: Konventionell

• Ziel: Überblick über ein Gebiet gewinnen, vermutete oder verborgene Strukturen lokalisieren
• Konventioneller: Fläche zu Fuß abgehen, Oberflächenfunde und Strukturen dokumentieren, Flächen in Segmente einteilen

Geophysikalische Prospektion

• Digitale Hilfsmittel: Geophysikalische Prospektion

• Magnetometrie und Bodenradar: Messung von Störungen im Untergrund, Ausgabe als Graustufenbilder/Reflexionsprofile

Magnetometrie / Bodenradar

Fernerkundung (Remote Sensing)

• Analyse von Satelliten- und Luftbildern zur Identifikation archäologischer Anomalien
• mit diesen Satellitenbildern wurden bspw. tausende unbekannte Strukturen von Tanis entdeckt, Hauptstadt 21. Dynastie

Analyse von Satelliten- und Luftbildern

SfM (Structure from Motion)

• bei Grabungsdokumentation heutzutage: SfM

Grundprinzip
• SfM = computerbasiertes Verfahren zur 3D-Rekonstruktion aus 2D-Fotos
• Bilder müssen sich stark überlappen (60–80 %)
• Erkennung gleicher Bildpunkte
• Algorithmus berechnet:
– Kamerapositionen
– relative Orientierung der Bilder
– 3D-Struktur

Vorteile ggü. älteren Photogrammetrie-Verfahren
• Keine Messkamera nötig, normale Digitalkamera reicht
• Keine vorgelagerten Kalibrierungen mithilfe festgelegter Standpunkte
• Hohe Detailgenauigkeit (Millimeterbereich je nach Material)
• Günstig, schnell, portabel

• daneben auch andere verwandte Verfahren, z. B. Modell der Pyramide in El-Kurru: Terrestrischer Laserscanner, vom Gerät losgesandter Laserstrahl trifft auf ein Objekt, Distanz wird gemessen, aus den gemessenen Punkten entsteht eine 3D-Punktwolke

Viele überlappende Fotos > 3D-Modell eines Befundes

Structure from Motion = Kulturerhalt

• el-Kurru wurde dokumentiert kurz bevor in Sudan der Bürgerkrieg ausbrauch

• davon betroffen Nationalmuseum, größte Sammlung von Antiken weltweit

• Computer keine Backups, unbekannt was verloren, versteigert in Hotel in Juba

Epigraphie: Klassisch

Abzeichnungen, Rubbings/Abpausen, Abklatsche

• Epigraphie: Möglichst genaue Wiedergabe von Inschriften, Reliefs und Felsbildern im Originalzustand

  • Sichtbarmachen von Details, die auf Fotos schlecht erkennbar sind

  • Techniken: Folie auf den Befund legen, per Hand abzeichnen

  • Rubbing/Abpausen: Papier auflegen, durch Reiben mit Kreide/Graphit Relief sichtbar machen

  • Abklatsche mit Latex

• Vorteile

  • Unmittelbare Kontrolle durch den Menschen

  • Möglichkeit, interpretative Hinweise einzutragen (Beschädigungen etc.)

• Nachteile:

  • Zeitaufwendig, körperlich anspruchsvoll

  • Subjektive Entscheidungen (z. B. was ist Linie, was ist Beschädigung?)

  • Teilweise invasiv (Kontakt mit dem Objekt kann problematisch sein) > Abklatschsammlung

Reflectance Transformation Imaging

• RTI: Hochauflösende, digitale Oberflächendokumentation
• Lesbarmachen feinster Ritzungen, verwitterter Zeichen und Bearbeitungsspuren
• Viele Fotos desselben Objekts aus gleicher Kameraposition, aber unterschiedlicher Beleuchtung (verschiedene Winkel)
• Software errechnet ein interaktives Lichtmodell, das der/die Betrachter*in bewegen kann

Reflectance Transformation Imaging

• Enthüllt Details, die selbst vor Ort kaum zu erkennen sind
• Nicht-invasiv und ermöglicht Forschung ohne direkten Objektkontakt

Digitale Nachhaltigkeit

• ‘under develpoment’ seit 2014, in Wirklichkeit Funding eingestellt

Digitale Nachhaltigkeit

• “In der Datenbank sind nach einem festgelegten Schema alle Ritualszenen der Tempel der griechisch-römischen Zeit erfasst, zur Zeit etwa 10.000 Szenen aus ca. 130 selbständigen Tempeln. In diesem Schema wird festgehalten, wo die Szene ist, in welchem Zusammenhang sie steht, welche Personen (Götter, König) darin vorkommen, was in der Szene passiert, wie sie datiert ist und schließlich noch Angaben über Publikationen usw.”
• Veröffentlichung auf CD, Haltbarkeit von CDs, Vergleichbarkeit Disketten (Witz Speichersymbol)

Digitale Nachhaltigkeit

• Grabung in Musawwarat wurde damals auf solchen Karten dokumentiert, weiß jemand was das ist?

• Randlochkarte, eine Idee wie das funktioniert?

Digitale Nachhaltigkeit

• Datenbanktechnik: Randlöcher = Merkmale (z. B. Fundort, Motiv, Material), zutreffende Merkmale werden geschlitzt
• Karten kamen in ein mechanisches Lesegerät, Metallstifte durch gewählte Merkmale → Karten mit passendem Schlitz fallen heraus
• Merkmale: Löwentempel, Relief, Apedemak, Kopf: zeige Relief aus dem Löwentempel mit Apedemak-Kopf
• als meine Frau vor 20 Jahren anfing AKNOA zu studieren noch existent, Verbleib des Gerätes unbekannt, Dokumentation fraglich

Digitale Nachhaltigkeit

1. Trennung von Daten und Software (zentrales Prinzip!)

• Daten niemals untrennbar mit einer bestimmten Software ausliefern

• Speicherung der Daten in offenen, langfristig lesbaren Formaten

• Software darf veralten – die Daten bleiben trotzdem benutzbar

• Verhindert, dass ein Forschungsprojekt „stirbt“, wenn die Anwendung nicht mehr läuft

• Erlaubt spätere Migration in neue Datenbanken oder Tools

2. Offene Formate statt proprietäre Abhängigkeiten

• CSV, JSON, TEI, XML, UTF-8 sind darauf ausgelegt, auch in Jahrzehnten problemlos lesbar zu sein

3. Veröffentlichung auf nachhaltigen Plattformen

• GitHub/GitLab für Code + Daten

• Zenodo mit DOI als Archivversion

• Verhindert, dass Daten nach Projektende verschwinden

• Macht wissenschaftliche Arbeit öffentlich nachvollziehbar und zitierbar

4. Dokumentation

README mit: Beschreibung, Struktur der Dateien, Zitierweise, Lizenz

5. Offene Lizenzen

• CC-BY

• Rechtssicherheit: Was darf mit den Daten passieren?

• Verhindert unnötige Einschränkungen nach Projektende

Daten ≠ Software, offene Formate & Lizenzen, Dokumentation

Digitale Nachhaltigkeit

• Schenkel (89): 400.000 Textwörter Sargtexte, Wolf-Peter Funk 2.000.000

TEI/XML

• Best Practice: XML, eines der stabilsten und langlebigsten Datenformate in den Geisteswissenschaften

• frei zugänglicher W3C-Standard (das Gremium zur Standardisierung des Internet), seit den späten 1990ern praktisch unverändert

• Klartextformat, daher sowohl maschinen- als auch menschenlesbar, auch ohne spezielle Software bleibt der Inhalt interpretierbar

• Ermöglicht differenzierte Beschreibung von Text und Metadaten, auf XML aufbauende Standard wie TEI und EpiDoc sichern Einheitlichkeit

• Lässt sich problemlos in andere Formate transformieren, praktisch alle Programmiersprachen können XML lesen

• durchklicken zum Bild des Steins, alter TLA (Flickenteppich, in absehbarer Zeit abgeschaltet) > ID auch gültig im Neuen TLA > Wikidata

Unicode

• alter Rosetta Stone online: Hieroglyphen = Bilder

• Werning-Grammatik öffnen und im TLA Hieroglyphensuche zeigen

• Hieroglyphen werden als Schrift codiert, nicht als Grafiken. Plattformunabhängig: funktioniert in PDFs, Browsern, Datenbanken, Word, Programmiersprachen

• Maschinenlesbar & durchsuchbar: Volltextsuchen, KI

• Suchmaschinen hingegen finden bisher nichts, wenn man etwas zu einer Hieroglyphe sucht, OEB: keine Suche nach Hieroglyphen im Titel möglich

Unicode

• OEB öffnen
• Suche nach 𓋴
• Ogdon reflections logogram

TLA

• TLA zeigen

  • Hilfe: Suche

  • Auflistungen: Hieroglyphen

  • Text-Corpus>Pyramidentexte

  • Textsuche: Unas > Objektsuche

  • Textsuche Bauer B2

  • Kollokation Seth und Isis

  • Sätze mit Elefant aus dem Alten bis Mittleren Reich

  • Lemma jubelnder Mann, alles durchgehen, zuletzt Sätze

  • zuletzt Hinweis Ermantag

Korpuslinguistik

• mit Know-How kann man mit dem TLA aber noch viel mehr machen, Beispiel MA zu Resultativschreibungen in den Pyramidentexten

• für die Ägyptologie noch ziemliches Neuland: Korpuslinguistik

• Eine Einleitung zu einem Handbuch: Methodensatz zur Untersuchung sprachlicher Variation und Sprachgebrauch anhand großer, systematisch aufgebauter Textsammlungen. Moderne Korpuslinguistik stützt sich auf digitale Werkzeuge, Programmierung und datengetriebene Statistik und ist heute eine der zentralen Methoden in den Geistes- und Sozialwissenschaften

• wesentlicher Punkt: Methoden mit der man Sprache nicht anhand einzelner Beispiele, sondern anhand größerer Textmengen untersucht

• Texte als systematisch ausgewertete Daten – nicht als Einzelfall, sondern als Teil eines Musters

• Ziel: strukturelle Eigenschaften einer Sprache erkennen, die man durch klassisches „Lesen“ allein nicht sieht

• Grundlage sind digitalisierte Texte wie im TLA: jedes Wort, jede Form, jedes Lemma ist im TLA maschinenlesbar

• Schlagwort Distant Reading – Gegenmodell zum Close Reading

  • Close Reading: Einzeltexte lesen, interpretieren, philologisch analysieren

  • Distant Reading: Texte nicht lesen, sondern als Daten behandeln

  • Wörter = zählbare Einheiten; grammatische Merkmale = numerische Variablen

  • Ziel: in großen Textkorpora statistische Muster, Trends, Häufungen und systematische Zusammenhänge finden

  Beispiele für Muster im Distant Reading

  • Formhäufigkeiten (Welche Formen kommen wo vor?)

  • Textsortenunterschiede (Briefe vs. Inschriften vs. literarische Texte)

  • Sprachwandel (z. B. mein Diss-Thema: Auftreten neuägyptischer Formen)

  • Hypothese: in Grabinschriften: viele Titel und Zahlen der Opfergaben

Korpuslinguistik

• sie werden lernen, dass im Laufe der Sprachgeschichte eine Satzform, der periphrastische Verbalsatz, häufiger wird, aber ich habe dazu nie eine statistische Auswertung gesehen

Korpuslinguistik

• klassische These: die periphrastischen Verbalsätze, traditionell auch Pseudoverbalsätze, sind typisch für Sprache, die nah an gesprochener Sprache ist

Korpuslinguistik

• hatten Sie schon direkten und indirekten Genitiv?
• Code zeigen

Korpuslinguistik

• ein Projekt für meine Dissertation

• ägyptische literarische Text nach ihrer Ähnlichkeit geclustert sind

• mit Hilfe von Code in der Programmiersprache Python, den Avital Romach von der Yale University geschrieben hat, erstellt

  • Farben sind Sprachstufen

  • Formen sind Textgenres

  • Nähe in der Fläche bedeutet Ähnlichkeit der Texte

• Was ist jetzt aber die Grundlage für Ähnlichkeit? Was heißt Ähnlichkeit? Das möchte ich an einem Beispiel verdeutlichen, das ChatGPTvorgeschlagen hat. Die Methode, die für den Plot benutzt wurde, heißt:

TF-IDF: Term Frequency Inverse Document Frequency oder “Wie wichtig ist ein Wort?”

Stellt euch vor, ihr habt eine Bibliothek mit vielen Büchern und wollt herausfinden, worum es in jedem Buch geht, ohne sie alle zu lesen.

1. Häufigkeit im Buch (TF – Term Frequency):

o Wenn ein Wort oft in einem Buch vorkommt, könnte es wichtig sein. Zum Beispiel: Das Wort “Magie” taucht in einem Fantasy-Roman 50-mal auf. Klingt relevant, oder?

2. Häufigkeit in der gesamten Bibliothek (IDF – Inverse Document Frequency):

o Aber: Wörter wie “und”, “der” oder “ein” kommen in jedem Buch vor. Sie sind überall und deshalb nicht besonders aussagekräftig.

o TF-IDF sagt: Je seltener ein Wort in der gesamten Bibliothek ist, desto wichtiger ist es, wenn es in einem Buch häufig vorkommt.

Beispiel:

• “Magie” ist in einem Buch häufig, aber in anderen Büchern selten → wichtig.

• “und” ist überall häufig → unwichtig.

Vector Space Model: “Texte in Zahlen verwandeln”

Jetzt wollen wir die Bücher miteinander vergleichen. Aber wie kann der Computer Texte verstehen? Wir machen Folgendes:

1. Wörter als Dimensionen:

o Stellt euch vor, jedes Wort ist eine Achse in einem riesigen Raum (z. B. eine Achse für “Magie”, eine für “Zauberer”, eine für “Drache”).

o Jeder Text wird zu einem Punkt in diesem Raum, je nachdem, wie oft bestimmte Wörter darin vorkommen.

2. Abstände im Raum:

o Wenn zwei Texte ähnliche Wörter benutzen, sind sie als Punkte im Raum nah beieinander.

o Wenn sie ganz unterschiedliche Wörter verwenden, sind sie weit voneinander entfernt.

Beispiel:

• Ein Fantasy-Buch (“Magie”, “Zauberer”, “Drache”) und ein Märchenbuch (“Fee”, “Prinzessin”, “Magie”) sind sich ähnlicher als ein Fantasy-Buch und ein Kochbuch

• Das Vector Space Model hilft, Texte in einem großen Raum zu vergleichen, indem es sie als Punkte darstellt.

Data Literacy

• Wie kann ich sowas auch? Digitale Kompetenz aneignen!
• Daten lesen und bearbeiten können: Datenstrukturen und -formate, z.B. xml, json; und Programme wie Excel > Elieses Data Literacy-Kurs
• Daten modellieren können: Datensätze mit Aufbauen helfen, z.B. Texte transkribieren oder annotieren (Praktikum beim Thesaurus Linguae Aegyptiae
• Daten verarbeiten können: Coden lernen, z.B. Python oder R > Python-Kurs und Ancient Language Processing
• besuche jetzt als Promotionsstudent aktuell den zweiten Statistikkurs am Lehrstuhl für Korpuslinguistik ggü. DOR

‘Hausaufgabe’