Anfang der Digital Humanities: der Index Thomisticus

Wie ich in einem früheren Blog geschrieben habe, ist der umfangreichste lateinische Autor Thomas von Aquin. Vielleicht nicht ganz zufällig ist eins der frühesten digitalen geisteswissenschaftlichen Projekte der Index Thomisticus. Dies ist eine Konkordanz von 179 Werken die unter dem Namen Thomas von Aquin überliefert sind. Es geht insgesamt um 10.631.980 Wörter, mehr als laut LLT von Brepols unter seinem Namen überliefert sind (8.650.122), aber es gibt Werke, die von anderen unter seinem Namen geschrieben worden sind und im LLT nicht mitgezählt werden. Nun kann man bei Brepols leicht automatisch eine Konkordanz zu Thomas von Aquin erstellen lassen, aber dies ist erst seit relativ kurzer Zeit möglich. Jahrhunderte lang hatten Gelehrte kaum eine Möglichkeit herauszufinden, ob ein bestimmtes Wort auch an einer anderen Stelle seiner Werke vorkommt. Dies muss sehr frustrierend gewesen sein, weil man nur so die Gedanken eines Gelehrten wie Thomas von Aquin richtig verstehen kann. Und seine Werke sind so umfangreich, dass kaum jemand sie überblicken kann. Allerdings sind in Brepols die Konkordanzen nicht lemmatisiert. Man sieht z.B. in der Liste zwar alle Wortformen von puer, wie das Plural pueri oder dat. sing. puero, aber vermischt unter z.B. pueritia.

Bereits 1946 wurde eine digitale Konkordanz seiner Werke begonnen, seit 1949 unterstützt von IBM. Begründer dieses Projekt war der Jesuitenpater Roberto Busa, unterstützt von Thomas J. Watson von IBM. Alle Texte wurden auf Lochkarten übertragen, die Lemmatisierung erfolgt semi-automatisch. Schlussendlich lagen 56 gedruckte Bände mit 70.000 Seiten vor. Sie enthalten zehn Bände mit Indices, gefolgt von einunddreißig Bänden mit Konkordanzen der Werke von Thomas von Aquin, acht Bänden mit Konkordanzen verwandter Autoren und sieben Bände mit Nachdrucken der Quellentexte. Der erste Band wurde 1974 herausgegeben, 1980 der letzte. Die Indices sammeln verschiedene Phänomene, wie der Lemmata und Formen in den verschiedenen Werken von Thomas von Aquin und bringen Frequenzlisten. Die Konkordanzen geben unter einem bestimmten Lemma alle Formen mit Kontext. Nur bei den häufigen Lemmata, wie sum ‘ich bin’, wurde der Kontext stark beschränkt.

Arbeit am Index Thomisticus Creative Commons CC-BY-NC license by permission of CIRCSE Research Centre, Università Cattolica del Sacro Cuore, Milan, Italy

Die Lochkarten gibt es mittlerweile nicht mehr, die Daten wurden erst auf Magnetbänder übertragen, 1992 auf CD-Rom, und sind seit 2005 online zugänglich. Mittlerweile sind die Daten auch in ein umfangreicheres Projekt aufgenommen worden: Den Index Thomisticus Treebank unter Leitung von Marco Passarotti. Das Ziel dieses Projekts ist es, die Texte syntaktisch und später auch semantisch und pragmatisch zu adnotieren.

Lemmatisierung

Für die Lemmatisierung mussten Busa und sein Team erst einmal wissen, welche Lemmata es im Latein überhaupt gibt. Hierfür könnte man ein beliebiges Lateinwörterbuch nehmen, aber es wird sich herausstellen, dass je nach benutztem Corpus nicht alle gewünschte Lemmata vertreten sind. So mag Thomas von Aquin sich zwar sehr an den Stil Ciceros anlehnen, aber er hat sicher einen etwas anderen Wortschatz gebraucht. Für den Index Thomisticus wurde erst eine Lemmaliste erstellt, das Lexicon Electronicum Latinum. Dieses basiert auf dem Lateinwörterbuch von Forcellini, das Totius Latinitatis Lexicon, das ca. 90.000 Lemmata ergab. Ca. 3.500 Lemmata mussten hinzugefügt werden. Probleme ergaben sich bei Schreibvarianten, da verschiedene Editionen verschiedene Varianten bevorzugt haben, sowie vor allem bei Homonymen: So kann die Form caro sowohl die erste Person singulär von carere ‘krempeln’ sein, oder der Nominativ sing. von caro ‘Fleisch’, oder der Dativ oder Ablativ sing. vom Adjektiv carus ‘teuer; geschätzt’. Und es gibt noch das Adverb caro ‘teuer’. Einige häufige Verbindungen wurden als ein Lemma behandelt, wie Iesus Christus und liberum arbitrium (‘der freie Wille’). Nicht nur aus diesen Gründen musste viel zusätzliche menschliche Arbeit aufgewendet werden. Die Lochkarten wurden vor allem von Frauen erstellt, dazu gibt es einige schöne Bilder, von denen ich hier zwei übernommen habe.

Arbeit am Index Thomisticus Creative Commons CC-BY-NC license by permission of CIRCSE Research Centre, Università Cattolica del Sacro Cuore, Milan, Italy

Nun ist ein lemmatisierte Konkordanz zwar ein sehr praktisches Arbeitsinstrument, aber man weiß jetzt immer noch nicht, was ein bestimmtes Wort in einem bestimmten Kontext eigentlich bedeutet. In gewisser Weise ist diese Arbeit die Basis für das Erstellen eines Wörterbuchs. Dies entspricht auch genau was für den Thesaurus linguae Latinae passiert ist: Erst wurde eine lemmatisierte Datenbank geschaffen, danach begann die eigentliche Arbeit. Diese Datenbank ist zwar nur auf Zetteln vorhanden, aber in einem erstaunlich kurzen Zeitraum erstanden: Nach ca. fünf Jahren stand die Basis und konnte die Arbeit beginnen.

Das Wichtige des Index Thomisticus für die Digital Humanities sind vor allem die Erfahrungen, die gesammelt wurden. Im Nachhinein würde man wohl manches anders machen, aber diese Kenntnisse konnten für Nachfolgeprojekten verwendet werden.

Siehe: Nico Sprokel, THE “INDEX THOMISTICUS”, Gregorianum, 1978, Vol. 59, No. 4, pp. 739-750


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

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