So weit waren wir noch nie. Korpuslinguistische Erschließung der “Nachrichten aus der Brüdergemeine” (NBG) (1819-1894)

Alexander Lasch

Die Nachrichten aus der Brüdergemeine (NBG) sind zwischen 1819 und 1894 eines der zentralen Periodika der Brüderunität. Hier werden Missionsberichte, Überblicke über Missionsstationen, Berichte verschiedenster Art, Briefe, Reden (das meint i.d.R. gottesdienstliche Ansprachen und Predigten) und vor allem Lebensbeschreibungen einem breiten Publikum zugänglich gemacht. Sie sind ein Scharnier zwischen dem Innen der Gemeinschaft und dem Außen der Welt — eine unglaublich reiche Quelle, die für verschiedenste Fachbereiche interessante Forschungsfragen eröffnet. Zwar werden im Moment an der SLUB auch die handschriftlichen Vorläufer digitalisiert und für eine maschinelle Analyse vorbereitet, aber das bedeutet nicht zugleich, dass man dem gedruckten Periodikum keine Aufmerksamkeit widmen muss.

Die Nachrichten aus der Brüdergemeine liegen als Digitalisat mit automatischer OCR im Digitalen Archiv der Memorial University of Newfoundland (MUN), Kanada, und sind für alle interessierten Leser:innen offen zugänglich sowie rudimentär durchsuchbar. Das Ergebnis der OCR ist allerdings nicht optimal und die Zugriffsmöglichkeiten sind beschränkt, korpuslinguistisch lässt sich damit faktisch nicht arbeiten.

Jetzt sind wir einen großen Schritt weiter. Dank der SLUB wurden die ursprünglichen Scans der Nachrichten mit der Unterstützung des Archivs der MUN einer optimierten OCR unterzogen und automatisch in XML-Dateien gewandelt, die dem TEI-Standard genügen.

Damit ist es möglich, sie nicht nur mit weiteren Informationen und Auszeichnungen (etwa von Orts- oder Personennamen) anzureichern, sondern sie zu lemmatisieren und vollständig grammatisch zu annotieren (nach Wortarten und grammatischen Kategorien bspw.), um sie für korpuslinguistische Analysen vorzubereiten. Dies lässt sich mit verschiedenen Taggern realisieren; einer der bedienungsfreundlichsten ist die Korpusanalyseumgebung SketchEngine.

Eine erste Probeannotation der gesamten Nachrichten macht deutlich, welchen immensen Umfang dieses Periodikum hat. Insgesamt werden auf ca. 350.000 Lemmata (also Grundwortformen) beinahe 18 Millionen Worte (Token) ermittelt. Zählt man auch die Zeichenketten hinzu, die nicht als Worte identifiziert worden sind, werden über 22 Millionen Vorkommen ermittelt – dem geübten Blick dürfte das Type-Token-Verhältnis bereits verraten, dass die im Periodikum versammelten Texte auch seriellen Charakter haben.

Die Erschließungsmöglichkeiten sind einzigartig und in dieser Form erstmals überhaupt in diesem Umfang mit dieser Quelle möglich:

Einfache Wortliste (nach Lemmata) des gesamten Korpus.

In wie vielen Kontexten wurde schon nach der besonderen Bedeutung des Herzens für die Darstellungen der Brüdergemeine gefragt? In der (lemmatisietren) Wortliste steht das Herz auf Position 41 – es ist eines der häufigsten Nomina. In einer KWIC-Ansicht (Keyword in Context) kann man sich nicht nur alle Belege auflisten lassen (es sind über 42.000), sondern sie auch in ihrem jeweiligen Umfeld beschreiben.

Auszug der Belege für das Lemma Herz in einer KWIC-Ansicht.

Einfach zugängliche Visualisierungen (wie die direkten Kollokate von Herz nach lexikalischen wie grammatischen Merkmalen und Assoziationsstärke) helfen dabei, Lesarten zu plausibilisieren und Thesen für eine Untersuchung zu entwickeln:

Verschiedene Kollokationen und Hinweise auf spezifische Kollostruktionen mit Herz nach Assoziationsstärke.

Gleiches gilt für das Auftreten spezifischer Konstruktionen im Laufe der Zeit:

NBG 1819 im Vergleich zu NBG 1820 bis 1834: Welche Verben werden in der Konstruktion [[V][ins][Herz]] realisiert?
Diese Beobachtungen lassen sich jedoch nicht nur auf Einwortebene anstellen, sondern auch im Hinblick auf größere zusammenhängende Einheiten wie Zweiworteinheiten (Bigramme) und Dreiworteinheiten (Trigramme). Die häufigsten Dreiworteinheiten (auf Wort-, nicht auf Lemmaebene) mit Herz sind:

Die 50 häufigsten Trigramme auf Wortebene mit Herz.

Diese Zugriffsmöglichkeiten (die auch Vergleiche zwischen Subkorpora [differenziert nach Zeitscheiben (1819-1829, 1829-1839 usw.) oder nach Textsorten zulassen), können freilich auch auf alle anderen Entitäten bezogen werden, etwa Kleinwelke oder Kleinwelka, das uns in verschiedenen Kontexten im Moment besonders interessiert:

Mit 845 Treffern (entspricht etwas über 37 Nennungen auf eine Million Wortformen) liegt Kleinwelke auf Platz 1.739 der lemmatisierten Wortliste.
Verteilung des Auftretens von Kleinwelke im gesamten Korpus.

Trotz oder gerade wegen des (im Vergleich zu Herz) überschaubaren Vorkommens bildet das Auftreten des Ortsnamens im Korpuslängsschnitt über das 19. Jahrhundert die wachsende Bedeutung des Orts ab, besonders, wie wir wissen, für die Missionstätigkeit der Gemeinschaft. So ist es folgerichtig, nach der konstruktionalen Einbettung des Ortsnamens zu fragen, der viel über die Mobilität der Mitglieder der Gemeinschaft verrät:

Konstruktionale Einbettung von Kleinwelke nach Frequenz. 

Die Verfügbarkeit einer maschinenlesbaren Version der Nachrichten aus der Brüdergemeine und die Option, sie korpuslinguistisch zu erschließen, eröffnet für die Erforschung des Wissenskosmos Herrnhut ganz neue Möglichkeiten. Aber noch ist viel zu tun. Die hier vorgestellten Daten beruhen auf einer ersten, sehr viel versprechenden, Probeannotation und einer Auswertung auf Sicht. Auch wenn weitere Präzisierungen und Korrekturen des Ausgangsmaterials notwendig sind, ist dies wirklich ein großer Schritt – wir dokumentieren die Erweiterungen für Interessierte regelmäßig.

 

 

 

 


Veröffentlicht von

Alexander Lasch

Alexander Lasch lehrt an der TU Dresden germanistische Linguistik und Sprachgeschichte.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.