Historische Quellen liegen meist in digitalisierter oder semi-strukturierter Form vor. Ihre Aufbereitung für digitale Analysen ist methodisch anspruchsvoll und erfolgte bislang überwiegend durch regelbasierte oder spezialisierte maschinelle Lernverfahren. Mit der Verbreitung von Large Language Models (LLMs) eröffnen sich neue Möglichkeiten für die Verarbeitung historischer Daten, deren Potenziale in den digitalen Geschichtswissenschaften zunehmend erkannt werden.
Datenbereinigung und –aufbereitung als zentrale Tätigkeit in der Digital History
Wenn wir digitale Datensätze (wieder-)verwenden, sind wir zunächst mit der grundsätzlichen Modellierung von Daten konfrontiert. Das bedeutet, dass die Daten, die wir nutzen, nie ohne Theorie oder Modell erstellt worden sind. Sie sind demnach eine Teildarstellung und abhängig von den ihnen zugrunde liegenden Annahmen. Jeder Datensatz wird für einen bestimmten Zweck erstellt, und seine Übernahme für ein anderes Projekt erfordert immer eine Bereinigung oder Umstrukturierung der Daten. Im Laufe der Erstellung einer Tool Registry und eines Field Surveys zur Digital Humanities und Digital History in Deutschland, Österreich und der Schweiz im Rahmen des NFDI4Memory habe ich mit unterschiedlichen z.T. großen (wenn auch noch relativ übersichtlichen) Datensätzen gearbeitet. Die dabei gemachten Erfahrungen in der Bereinigung und Aufbereitung von Daten teile ich in diesem Blogbeitrag.
„Datenbereinigung und –aufbereitung als zentrale Tätigkeit in der Digital History“ weiterlesen