Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Von der Datenpflege zur Schnittstellenentwicklung: Eine Evaluation des Datenkolosses MHDBDB

Karoline Döring, Screenshot der Einstiegsseite der MHDBDB

Die Mittelhochdeutsche Begriffsdatenbank (MHDBDB)[1] stellt eine wertvolle und einmalige Ressource im Bereich sprachhistorischer Datenbanken dar. Als eines der ältesten und größten Digital Humanities-Projekte hat sie über 50 Jahre an Geschichte und kontinuierlicher Entwicklung vorzuweisen.[2] Jährlich verzeichnet die MHDBDB etwa 30.000 individuelle Nutzer*innen aus aller Welt. Seit 2002 ist die Plattform als Leuchtturmprojekt im Bereich der DH an der Universität Salzburg verankert. Über die jüngsten Entwicklungsfortschritte wird nachfolgend berichtet.

Dieser Beitrag hat sich zum Ziel gesetzt, eine kritische Betrachtung der aktuellen System- und Datenarchitektur der Datenbank vorzunehmen.[3] Dabei werden nicht nur die Datenstruktur und ihre Schnittstellen betrachtet, sondern auch die Verwendung von Standards, Dokumentation und Datenpflege sowie die Qualitätssicherung. Ein weiterer Begutachtungspunkt ist die Einbindung externer Annotationen und die Community-Beteiligung. Schließlich liegt ein besonderer Fokuspunkt auf der Abfragbarkeit der Annotationen im Semantic Web.

Basierend auf direkten Erfahrungen aus der praktischen Arbeit mit der Datenbank und der externen Bewertung durch Michael Göggelmann, wissenschaftlicher Mitarbeiter an der Universität Tübingen und Experte im Bereich Computational Literary Studies und Digital Humanities, soll dargelegt werden, in welchen Bereichen die MHDBDB bereits gut aufgestellt ist und wo die derzeitigen Herausforderungen liegen.

Datenarchitektur und Schnittstellen

Zum technischen Stand ist zu betonen, dass im Dezember 2023 ein umfassender Relaunch der Plattform umgesetzt wurde, welcher unerlässliche technologische Fortschritte brachte, darunter beispielsweise die Betaversion eines modernen Frontends und die Implementierung bewährter Technologien wie TEI-XML, RDF, Tokenisierung, kontrollierte Vokabularien und die Anbindung ans Semantic Web (Linked Open Data). Die Datenarchitektur der MHDBDB fußte lange Zeit auf einer relationalen MySQL-Datenbank von ORACLE. Die Datenabfragen wurden mittels systemübergreifender Lösungen gestellt.

Die wohl größte technische Neuerung in den letzten 20 Jahren stellt die Transformation zu einer Graphdatenbank dar. Im Vergleich zum vorhergehenden System hat eine Graphdatenbank einen gänzlich anderen Ansatz der Datenorganisation und Struktur. Trotz dieser positiven Entwicklungen bestehen einige Defizite, die sich zum Großteil auf die beeindruckende Datenmenge der MHDBDB zurückführen lassen (6 Milliarden Triples!).

Um kurz auf das Korpus der Datenbank einzugehen: Es umfasst hauptsächlich mittelhochdeutsche Texte, ergänzt durch frühneuhochdeutsche Schriften und gelegentlich auch lateinische Einsprengsel. Dabei handelt es sich um ein Referenzkorpus, das eine ausgewogene Mischung verschiedener Textgattungen und geografischer Varietäten beinhaltet. Der zeitliche Rahmen erstreckt sich von 1050 bis 1600, wobei der sogenannte Mittelhochdeutsche Basis-Daten-Bestand den Kern bildet. Um die Texte linguistisch zu erschließen, erfolgt eine umfassende Tokenisierung, Lemmatisierung sowie Disambiguierung, wobei auch Annotationen hinzugefügt werden. Die Texte sind größtenteils mit part-of-speech-Tagging (POS) versehen, was spezialisierte Belegsuchen ermöglicht. Die Annotationen und Forschungsdaten werden im RDF-Format gespeichert, während die E-Texte ursprünglich in TEI-XML kodiert wurden. Sämtliche Daten sind zur weiteren Verwendung als TEI/RDF downloadbar, und wo das Urheberrecht es zulässt, stehen die E-Texte auch als PDFs zur Verfügung.

Datenarchitektur der MHDBDB

Zusammenfassend gehen die Form der Datenakquisition nach homogenen Parametern und der außerordentliche Umfang der MHDBDB weit über den Standard vergleichbarer Angebote hinaus. Die enorme Datenfülle stellt äußerst hohe Anforderungen an die Infrastruktur und erfordert kontinuierliche technische Pflege und Weiterentwicklung.

Die derzeitige Datenarchitektur ermöglicht den Zugriff auf die Datenbank primär über eine Webseite. Dies ist bestens geeignet, um einzelnen Rechercheanfragen gerecht zu werden, allerdings gerät diese Zugriffsform schnell an ihre Grenzen, wenn automatisiert und systematisch größere Datenmengen abgefragt werden müssen. Ein Großteil der Datenarchitektur sowie die der MHDBDB zugrunde liegenden Ontologien werden über die Open Source Software GitHub zur Verfügung gestellt. Allerdings bietet GitHub nicht die Möglichkeit der direkten Einbindung in die Plattform. Das Fehlen von direkten technischen Schnittstellen wie einer API oder SPARQL-Endpunkten begrenzt die Nutzbarkeit der Datenbank durch umfangreichere Projekte und weitere DH-Angebote auf ein Minimum. Weiterführend ist dadurch die Nachnutzung für potenzielle Kooperationen jenseits der Einzelnutzung beinahe unmöglich. Kooperationspartner*innen der MHDBDB würden sehr von einer offenen API profitieren, neben wissenschaftlichen Projekten auch z.B. für LLMs, die im schulischen Kontext eingesetzt werden (vgl. ParzivAI)[4]. Dies ist besonders bedauerlich, da sich die MHDBDB dadurch einem breiten Spektrum an Anwendungsmöglichkeiten verschließt und ihr volles Potenzial als einzigartige Ressource, das noch über ihren ohnehin bereits hohen Stellenwert hinausgehen könnte, so zwangsläufig ungenutzt bleiben muss.

Vor allen Dingen die Implementierung einer offenen API würde einen unmittelbaren Zugriff, im Unterschied zu GitHub, auf die Daten schaffen und deren Integration in externe Projekte begünstigen. Dadurch stiege nicht nur die Attraktivität der Datenbank für Forschung, die auf automatisierten Datenaustausch angewiesen ist, auch die MHDBDB würde als Datenbankangebot von diesen neuen Kooperationsmöglichkeiten stark profitieren.

Verwendung von Standards und Formaten

Ein essenzieller Bestandteil von Datenbankprojekten ist die (Nach-)Nutzung von etablierten Standards wie SKOS (Simple Knowledge Organization System), OWL (Web Ontology Language) und RDF (Resource Description Framework). Diese Standards ermöglichen die strukturierte Darstellung von Informationen, eine semantische Vernetzung auch mit anderen Datensätzen und stellen damit die zentrale Grundlage für die Interoperabilität und maschinelle Lesbarkeit der Daten im Kontext des Semantic Webs dar. Die MHDBDB nutzt diese Formate bereits bestmöglich und in vollem Umfang.

Datenpflege und Qualitätssicherung

Im tiefergehenden Umgang mit einzelnen Dateien der MHDBDB konnten hin und wieder kleinere Fehler wie Zirkelverweise in der Ontologie identifiziert werden. Während dies schlicht einen (unvermeidbaren) Teil der Arbeit mit riesigen Datenbanken darstellt, sollte dennoch die Frage aufgeworfen werden, inwiefern eine Etablierung regelmäßiger Prozesse zur Datenpflege und Qualitätssicherung notwendig sein könnten, sodass die langfristige Integrität des Datensatzes garantiert werden kann. Die Einführung von Datenpflegeprozessen kostet Zeit und Ressourcen, könnte jedoch – auch mit Hilfe von (teil-)automatisierten Validierungen – entscheidend zur langfristigen Stabilität und Zuverlässigkeit der Daten beitragen und sicherstellen, dass die Datenbank auch weiterhin eine wertvolle Ressource für ihre Nutzer*innen bleibt.

Dokumentation

Die MHDBDB beeindruckt aufgrund ihrer enormen Größe und Komplexität, deshalb wird sie intern oft als „Datenkoloss“ oder „Datenschlachtschiff“ bezeichnet. Auf der Plattform finden sich eine Reihe von Hilfestellungen und Informationen beispielsweise zur Nutzung der Datenbank, den verwendeten Technologien und dem Grundgerüst der Ontologien uvm. Die extraordinären Dimensionen der vorhandenen Datensätze machen es äußerst schwierig, die Datenbank in ihrer Gesamtheit zu überblicken. Obwohl viele Teilbereiche auf GitHub zugänglich sind, ist es ohne klare Leitfäden kaum möglich, ein umfassendes Verständnis des gesamten Systems und seines Zusammenspiels in der Abfrage der Daten zu erlangen. Daher ist es essenziell, über geeignete Visualisierungsmöglichkeiten nachzudenken, um die innere Logik der Datenbank sowie ihre verschiedenen Komponenten wie Ontologien und Systeme für externe Nutzer*innen verständlich darzustellen. Dies betrifft insbesondere die Nutzung technischer Schnittstellen: Ohne eine detaillierte Dokumentation der technischen Strukturen und Datenverknüpfungen bleibt deren Nutzung schwer zugänglich. Auch gilt dies aber für Forschende, die sich umfassende inhaltliche Fragen zur Datenbank stellen, die sich über die Webseite nicht beantworten lassen. Einen Teil einer solchen Dokumentation stellt sicherlich auch der Entstehungsprozess der Daten bzw. Annotationen dar. Dies erhöht die Transparenz, steigert die Datenqualität und fördert das Vertrauen innerhalb der wissenschaftlichen Community. Ein öffentliches Wiki ist in Planung und würde hierfür eine sinnvolle Anwendung darstellen.

Einbindung externer Annotationen und Community-Beteiligung

Die MHDBDB kooperiert regelmäßig und teilweise dauerhaft mit einer Vielzahl von Projekten und Institutionen, die alle auf Datenexporte angewiesen sind. Immer wieder wird von Projekten die Nutzung des Begriffssystems gewünscht. Diese Projekte wiederum reichern die Daten bspw. mit Annotationen an, die die MHDBDB sehr gerne übernehmen und dadurch der Öffentlichkeit zur Verfügung stellen würde. Dennoch braucht eine Einbindung externer Annotationen einen technischen Rahmen, den es leider (noch) nicht gibt. Somit ist die Einbindung externer Annotationen derzeit nur in begrenztem Umfang möglich. Darunter fällt ebenso die Integration von Editionsdaten und -texten aus anderen Projekten. Eine stärkere Beteiligung der Community wird angestrebt und könnte nicht nur den Datensatz selbst bereichern, sondern auch den Wissensaustausch fördern. Eine weitere Voraussetzung hierfür ist die Entwicklung klarer Richtlinien und Prozesse für die Einbindung externer Annotationen – nur so kann die Qualität und Konsistenz der Daten gewährleistet werden.

Ausblick auf zukünftige Entwicklungsleistungen

Um die Zukunftsfähigkeit der MHDBDB und ihren Status als zentrale Ressource der Germanistischen Mediävistik langfristig zu gewährleisten, ist eine kontinuierliche technische Betreuung unverzichtbar. Diese muss gezielte Maßnahmen ergreifen, um die Qualität und Stabilität der Daten dauerhaft sicherzustellen. Insbesondere für den internationalen wissenschaftlichen Austausch ist es essenziell, die Daten über eine direkte und offene Schnittstelle zugänglich zu machen.

Die Evaluation hat zudem Schwächen in der Dokumentation der Datenarchitektur und der Möglichkeiten zur Nachnutzung gezeigt, die zeitnah behoben werden müssen. Vor allem die Pflege der umfangreichen Datenbestände – eine Aufgabe von fast schon sprichwörtlicher Sisyphos-Dimension – wurde aufgrund anderer dringender Entwicklungen und dem überschaubaren Personal von zwei (!) festen Mitarbeiter*innen vernachlässigt. Es ist schlicht nicht möglich, alle Herausforderungen gleichzeitig zu bewältigen.

Als konkrete Empfehlungen, die aus der vorliegenden Evaluation hervorgehen, sind neben der Verbesserung der technischen und inhaltlichen Dokumentation vor allem der Aufbau zusätzlicher Schnittstellen (API, SPARQL-Endpunkte), welche über die bisherige Bereitstellung auf GitHub hinausgehen. Auf diese Weise kann ein umfassender und nachhaltiger Zugang zum Datenkoloss der MHDBDB gewährleistet werden.

 


[1] mhdbdb.plus.ac.at

[2] Vgl. Katharina Zeppezauer-Wachauer: 50 Jahre Mittelhochdeutsche Begriffsdatenbank (MHDBDB). Eine Jubiläums-Zeitreise Zwischen Lochkarten, Pixel-Drachen, Relationaler Datenbank Und Graphdaten, in: Beiträge zur mediävistischen Erzählforschung, Digitale Mediävistik. Perspektiven der Digital Humanities für die Altgermanistik, no. Themenheft 12 (2022), S. 161–186. https://ojs.uni-oldenburg.de/ojs/index.php/bme/article/view/203

[3] Die Evaluation der MHDBDB wurde im Rahmen des Projektes Digitale Transformation der Österreichischen Geisteswissenschaften (DiTAH), bei dem die Paris Lodron Universität Salzburg als Partnerinstitution agiert, umgesetzt.

[4] Vgl. Mattia Celisi: KI Showcase: Der Chatbot „ParzivAI“. DH in HD. 24. September 2024. https://doi.org/10.58079/12cdl.


 

 

<img src=”http://vg01.met.vgwort.de/na/ba3e2635aeb0450b97900a3159612967″ width=”1″ height=”1″ alt=””>


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Julia Hintersteiner, Michael Göggelmann, Alan van Beek, Katharina Zeppezauer-Wachauer (18. November 2024). Von der Datenpflege zur Schnittstellenentwicklung: Eine Evaluation des Datenkolosses MHDBDB. Digital Humanities an der Universität Salzburg. Abgerufen am 6. Februar 2026 von https://doi.org/10.58079/12p9n


Das könnte dich auch interessieren …

Schreibe einen Kommentar

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

This site uses Akismet to reduce spam. Learn how your comment data is processed.