Von Vorlesungen aus dem letzten Jahrhundert, griechischer und lateinischer Dichtung bis 1588 sowie Spionageprozessen in der DDR über Hörspiele, Rezitationen vedischer Hymnen in Sanskrit bis hin zu Oral-History-Interviews – die Bandbreite von Audiomaterial im Bereich der Fachwissenschaften und der Digital Humanities ist immens. Jedes Projekt ist auf seine eigene Weise speziell, unterscheiden sich die audiovisuellen Materialien doch in ihrer Charakteristik, ihrem Inhalt, ihrer Qualität und ihrer Quantität. Fällt der Blick auf Schwierigkeiten, Herausforderungen und offene Fragen, zeigt sich jedoch, dass die Forscher*innen und Wissenschaftler*innen, trotz der Unterschiedlichkeit ihrer audiovisuellen Materialien, vielfach vor ähnlichen Problemen und Fragestellungen stehen.
An zwei Nachmittagen im Februar 2023 lud das Team DH@BUW Forscher*innen aus ganz Deutschland zu wissenschaftlichen Gesprächen über ihren jeweiligen Umgang mit Audio- und Videomaterial ein. So entstand zum einen eine kleine, aber informationsreiche Vortragsreihe, in der verschiedene Projekte vorgestellt wurden, und zum anderen ein Austausch über gemeinsame Herausforderungen und bewährte Best Practices. Im Anschluss an eine langjährige Tradition der textbasierten Erschließung geraten nun zunehmend multimodale Objekte in den Blick. Der Workshop zielte darauf ab, verschiedene Projekte und deren spezifische Arbeitsweisen mit nichttextlichen Medienformen kennenzulernen, um im besten Fall voneinander zu lernen. Inwiefern gleichen oder unterscheiden sich die Probleme der jeweiligen Projekte? Gibt es bereits Lösungen? Welche Vorgehensweisen lassen sich auf das eigene Projekt übertragen und welche Anregungen lassen sich finden?
Die DH@BUW arbeitet aktuell an mehreren Projekten, in denen Audiomaterial eine Rolle spielt. So stießen Andreas Mertgens und Enes Türkoğlu im Rahmen des Teilprojekts “The Harold Garfinkel Archive” auf Audioaufnahmen von Vorlesungen des Soziologen Harold Garfinkel (1917-2011), welche bereits transkribiert vorliegen. Die Schwierigkeit liegt hierbei darin, dass Garfinkel die Transkription schon zu seiner Zeit veranlasst hatte und in diese direkt etwa in Form von Korrekturen und Ergänzungen eingriff, sodass die Transkription als Vorlage für weitere Vorlesungsskripte dienen konnte. So stellt sich laut der Referenten zum einen die Frage nach dem Umgang mit Transkripten, die stark von der Tonspur abweichen. Zum anderen zeige sich hier der Bedarf nach einem AI-gestützten System, mit dem es sowohl möglich ist, ein genaues Audio-Transkript automatisch herzustellen als auch, das historische und das neue Transkript mit dem Audio parallel darzustellen.
Anders verhält es sich mit der von Dr. Jennifer Bunselmeier vorgestellten Digitalen Edition der griechischen und lateinischen Dichtungen von Lorenz Rhodoman (1546-1606). Bei diesem Projekt sind logischerweise keine Originalaudioaufnahmen vorhanden. Das Audiomaterial soll erst als Form der editorischen Anreicherung als Lesung des überlieferten Textes produziert werden. Da sich die Edition unter anderem an Lernende der lateinischen oder griechischen Sprache richtet, könne die Vertonung auf Vermittlungsebene dabei unterstützen, Aussprache und Metrik der Verse zu erlernen. Eine offene Frage sei hier, wie eine einfache Umsetzung realisiert werden kann, die für die Nutzer*innen eine unkomplizierte Handhabung gewährleistet, und welche technischen Modelle es dafür bereits gibt.
Beim Stasi-Unterlagen-Archiv im Bundesarchiv in Berlin entwickeln Prof. Daniela Münkel, Dr. Ronald Funke und Dr. Mark Laux unter dem Titel “Töne der Repression” eine Online-Edition aufgezeichneter DDR-Spionageprozesse. Aus dem Bestand von etwa 250 vollständig oder teilweise auf Tonband überlieferten Prozessen aus den Jahren 1952 bis 1989 erfolgt eine wissenschaftliche kommentierte Auswahl, die alle Jahrzehnte der DDR abdecken wird. Das im Vordergrund der Online-Edition stehende Tonmaterial soll zudem mit korrespondierenden Quellen wie Fotografien, Prozessprotokollen und weiteren Akten präsentiert werden. Im Bezug darauf wird bei der Projektkonzeption danach gefragt, was durch das Audio transportiert wird und wie dies hinreichend sichtbar gemacht werden kann. Was wird gesagt? Wie wird etwas gesagt? Wie agieren die Akteure miteinander? Wie klingt die Verhandlung? Dem Verständnis der Projektwissenschaftler*innen folgend, sind in den Tondokumenten im Vergleich zu schriftlichen Überlieferungen zusätzliche Bedeutungsebenen enthalten. So werden Stimmungen und Emotionen, Sprechpausen, Satzabbrüche, Stühlerücken oder auch das Lachen im Publikum wiedergegeben. Als Herausforderung zeige sich in diesem Projekt der Umgang mit der großen Menge des Tonmaterials durch die teilweise bis zu 20 Stunden langen Prozesslaufzeiten. Aus diesem Grund sei auch die Realisierung einer detaillierten Suchfunktion notwendig, mit der nicht nur die sprechenden Personen und ihr Wortlaut, sondern auch parasprachliche Elemente wie die Art des Sprechens, nichtsprachliche Äußerungen oder bestimmte Hintergrundgeräusche gefunden werden können.
Schon nach den ersten drei Vorstellungen von audio- bzw. audiovisuell-basierten Projekten konnten wir feststellen: Trotz der Heterogenität der Editionsvorhaben sind die Fragestellungen und Herausforderungen hinsichtlich des Umgangs mit Audiomaterial ähnlich. Um diese Erkenntnis konstruktiv zu nutzen, wurde vorgeschlagen, konzeptionelle Festlegungen und gemeinsame Begriffe zu schaffen. Diskutiert wurde außerdem die Frage, wie präzise und feingranular Auszeichnungen in der editorischen Aufbereitung von Audiodateien sein sollten. Finde eine allzu kleinschrittige und exakte Auszeichnung statt, so könne darunter die Übersichtlichkeit im Endprodukt und die Aufwand-Nutzen-Relation leiden. Dabei entstehe auch die Frage nach der Objektivität der Auszeichnung. Wird etwa ein Lachen im Audiomaterial nochmals differenziert in beispielsweise theatralisches und herzhaftes Lachen? Konsens besteht darüber, während des Entwicklungsprozesses einer Edition kritisch zu hinterfragen, für welches Forschungsinteresse und Nutzerpublikum die Edition produziert wird, um zu verhindern, sich in der Vielzahl der Möglichkeiten zu verlieren. Stattdessen solle die Zielvorstellung im Blick behalten werden. Indem die Entwickler*innen diese Benutzerperspektive einnehmen, könne ein Mittelweg zwischen einer Vollerschließung und einer bloßen Wiedergabe von Audiomaterial gefunden werden.
Das Dissertationsprojekt von Bastian Politycki mit dem Arbeitstitel “Paul Wühr: So eine Freiheit – Modell einer kritischen Audioedition” ist den bisher vorgestellten Projekten im Prozess der Einbindung von Audiomaterial einige Schritte voraus, indem bereits eine umfassende Datenmodellierung stattgefunden hat. In dieser digitalen Hörspieledition werden skripturale sowie audiophone Dokumente als TEI-XML Dokumente ausgearbeitet. Bei der Transkription des Hörspiels mit XML werden Schnitte, Geräusche, Musik bis hin zu einzelnen Worten kodiert. Die Webanwendung wird mit Svelte(Kit) erstellt. Hier wird der Hör- und Lesetext in Kapitel unterteilt dargestellt. Die Audiospur und deren Transkription laufen beim Abspielen parallel mit. Das Navigieren innerhalb eines Kapitels ist sowohl über das Audio als auch über die Partitur möglich. In einem “Textgenese Lab” lässt sich die Kollation anzeigen, um die Textgenese eines Kapitels darstellen zu können. Die Herausforderungen liegen in diesem Projekt bei der Frage, wie die Nachhaltigkeit der Edition gewährleistet werden kann, sodass sie zitierfähig bleibt. Außerdem gehe es in editorischer Hinsicht darum, in dem Hörspielformat, wie Paul Wühr es vorlegt, den Autor, Werk- und Textbegriff zu bestimmen.
Dr. Thomas Schmidt und Hanna Hedeland konnten den Teilnehmenden bestehende und erprobte Best Practices, Werkzeuge, Workflows und Standards im sprachwissenschaftlichen und sprachdokumentarischen Bereich vorstellen, die auch in der qualitativen Sozialforschung und den Oral History Studies angewendet werden. Neben Archiven für verschiedene Audioaufnahmen – von gesprochenem Deutsch bis hin zu gefährdeten Sprachen – wurde der bewährte Workflow vorgestellt. Bei all den im Folgenden beschriebenen Arbeitsschritten kann auf eine ausgereifte Tool-Unterstützung zurückgegriffen werden. Geprägt von Zyklen und Rückkopplungen enthält der Workflow die Datenerhebung, die Datenerschließung (EXMARaLDA Partitur-Editor), das Datenmanagement (Corpus Manager), die Datenpublikation (ZuMult) sowie die Datenanalyse (EXAKT, ein Analyse- und Konkordanztool von EXMARaLDA). Sprachwissenschaftlicher Standard ist unter anderem, dass alle Datensätze autorisiert sind und dass es eine einheitliche und konsistente Erfassung von Metadaten gibt. Darüber hinaus wurde ein ISO-Standard (ISO 24624:2016 Transcription of spoken language) festgelegt, der auf den Guidelines der TEI basiert. Aus diesem Vortrag ergaben sich die Fragen, ob die vorgestellten Tools generisch oder disziplingebunden sind und welche Potenziale zur Automatisierung noch ausgeschöpft werden können.
Am Ende des ersten Workshop-Tages ist klar: Der Austausch über audiobasierte Forschungsvorhaben und dabei entstehende Probleme ist ein Gewinn für alle Projekte. Die Problemlösungen, aber auch schon die Herausforderungen und Fragen der anderen Workshop-Teilnehmer*innen können auf das eigene Projekt bezogen werden, um passende Anregungen für spezifische Schwierigkeiten zu finden. Allen bisher vorgestellten Projekten sei gemein, dass das Parallelisieren von Handschriften und Audios und die zusätzliche Verbindung mit externen Dokumenten sowohl in technischer als auch methodischer Hinsicht die größten Hindernisse darstellen. Hinzu komme die Komplexität von Audiodateien, die zumeist nicht nur direkt gesprochene Sätze oder Wörter, sondern auch parasprachliche Ausdrucksformen wie Lachen und Husten sowie Hintergrundgeräusche (z. B. Stühlerücken) beinhaltet. Am ersten Workshoptag zeichnete sich die Frage ab, wie all diese Komponenten für die Nutzer*innen einer Edition auf einer Oberfläche modelliert werden können. Der erste Austausch ergab die Erkenntnis, dass die automatische Verbindung von Audio und Text sowie automatisches Transkribieren möglich ist. Außerdem gelte es bei der Arbeit an Projekten wie diesen neben dem Nutzen der Edition kritisch zu hinterfragen, wie ihre Offenheit gewährleistet werden kann, um eine transdisziplinäre Beschäftigung, d. h. Anschlussfähigkeit, zu ermöglichen.
Die DH@BUW beteiligen sich außerdem an dem Akademievorhaben “N. Luhmann – Theorie als Passion”, das Lena-Luise Stahn den Teilnehmenden des Workshops vorgestellte. In diesem Editionsvorhaben werden inbesondere der schriftliche Nachlass, daneben aber auch einige wenige Audioaufnahmen des Soziologen Niklas Luhmann (1927-998) verarbeitet. Hierbei handelt es sich um auditive Dateien, die Mitschnitte der Vorlesungen und Vorträge Luhmanns enthalten. Zum Teil existieren Manuskripte der Vorlesungen, die zukünftig mit dem Audiomaterial verknüpft, dargestellt werden sollen. Der Workflow besteht aus der automatischen Transkription der Audioaufnahmen per sonix.ai und der editorischen Glättung und Bereinigung. Darauf folgt die editorische Anreicherung, die Ergänzung von Literaturhinweisen, eine Kurzbeschreibung sowie Angaben zur Vorlesung bzw. zum Vortrag. Zuletzt werden die Daten manuell in XML/TEI übertragen. Ziel ist es, diesen Workflow zu vereinfachen und die Darstellung und Sprungmarken im Frontend auszubauen. In Frage stehe dabei, ob und ggf. wie Performativität ausgezeichnet und wie mit Abweichungen von Audio- und Manuskripttranskription umgegangen werden kann.
Das Projekt “VedaWeb 2.0. – Entwicklung einer kollaborativen Arbeitsumgebung für altindoarische Texte”, vorgestellt von DH@BUW-Kollegin Anna Fischer, beschäftigt sich mit der Weiterentwicklung einer digitalen Plattform zur Erforschung von Texten oraler Tradition in vedischem Sanskrit. Während aktuell die Bereitstellung neuer Texte und deren Übersetzung sowie die Anreicherung mit Annotationsschichten vorbereitet wird, steht in den kommenden Monaten unter anderem die Kuratierung von Audiodateien im Mittelpunkt, welche Rezitationen vedischer Hymnen enthalten. Ziel ist es im Hinblick auf die Plattform, dass Nutzer*innen angezeigte Textabschnitte (Verse) per Klick anhören können. Aktuell wird geprüft, ob eine automatisierte Kennzeichnung der Sprechpausen den manuell in ELAN erfolgenden Segmentierungsprozess sinnvoll unterstützen kann. Das besondere Forschungspotenzial des Audiomaterials in VedaWeb liegt darin, lautliche und intonatorische Muster erkennbar zu machen, die in einer rein textbasierten Edition nicht greifbar werden. Daher soll es Nutzer*innen der Plattform auch ermöglicht werden, die Audiodateien für die Weiterverarbeitung exportieren zu können. Hierzu sollen exportierbare Formate nach Praat und ELAN genutzt werden. Wünschenswert sei außerdem die Möglichkeit, Hymnen in der Plattform unabhängig von der verszentrierten Darstellung anhören zu können.
Im Beitrag von Dr. Martha Stellmacher und André Eckardt wurden die gegenwärtigen Vorhaben der Sächsischen Landesbibliothek – Staats- und Universitätsbibliothek Dresden (SLUB) in Bezug auf Digitalisierung und Bereitstellung von audiovisuellen Materialien sowie die Weiterentwicklung von entsprechender Software vorgestellt. Im Rahmen des SAVE-Projekts digitalisiert und publiziert die Bibliothek Audio- bzw. audiovisuelles Kulturgut mit sächsischem Bezug und macht es über die Deutsche Digitale Bibliothek und die Mediathek der SLUB öffentlich zugänglich. Zudem wird fachliche Beratung angeboten, auch durch die an der SLUB angesiedelte Fachstelle Fotografie und Ton der Deutschen Digitalen Bibliothek, die deutschlandweit Institutionen dabei unterstützt, Bild- und Audio-Inhalte zu veröffentlichen. Darüber hinaus stellt die SLUB eine Infrastruktur zur Forschungsunterstützung zur Verfügung. Zum einen wird derzeit die Open-Source-Digtialisierungssoftware Kitodo weiterentwickelt, sodass sie auch als Workflow- und Präsentationstool für digitalisiertes audiovisuelles Material genutzt werden kann, in dem Timespans genau adressiert werden können. Diese Software wird zukünftig (neben der Präsentation der eigenen Sammlungen und der SAVE-Bestände) für das im Aufbau befindliche Audio-Repositorium Musiconn.audio im Rahmen des Fachinformationsdienstes Musikwissenschaft verwendet. Das Repositorium wird Wissenschaftler*innen ermöglichen, musikbezogene audio(-visuelle) Daten, die in Forschungskontexten entstehen und für weitere Forschung langzeitverfügbar sein sollen, zu publizieren. Zum anderen ist die SLUB an der Entwicklung des DFG-Viewers für musikalische Quellen beteiligt, der die kombinierte und synchronisierte Darstellung eines Musikwerks in seinen verschiedenen digitalen Repräsentationen (Notendigitalisat, maschinenlesbarer Notentext in MEI und Audio-/Videofiles) ermöglicht.
In einem letzten Vortrag stellten Herdis Kley und Dr. Cord Pagenstecher von der Freien Universität Berlin das Projekt “Oral-History.Digital“, eine Erschließungs- und Rechercheumgebung für Zeitzeugeninterviews, vor. Dabei handelt es sich um audiovisuelle Interviews als Gegenstand des erinnerungskulturellen Erbes und des kulturellen Gedächtnisses zur Würdigung von Überlebenden, deren Stimmen zu ihrer Zeit nicht an die Öffentlichkeit gelangen konnten. Charakteristisch für diese Interviews ist, dass sie narrative und performative Aspekte transportieren. Im Rahmen des Projekts wird eine Erschließungs- und Recherche-Plattform entwickelt, um diese Interviews wissenschaftlich zu sammeln. So können auch andere Institutionen und Forschungsprojekte ihre Daten archivieren, erschließen, zugänglich machen, annotieren und auswerten, was eine sammlungsübergreifende Recherche ermöglicht. In der Umsetzung wird das Audiomaterial detailliert segmentiert und verschlagwortet. Die Performativität der Interviews wird im Transkript mit aufgezeichnet, da sie aus Sicht der Projektwissenschaftler*innen für die Forschung unbedingt von Interesse sind. Dabei sei es eine Herausforderung, eine Nutzeroberfläche zu schaffen, die eine optimale Darstellung gewährleistet und zugleich Tiefenrecherche ermöglicht. Bei der Arbeit an diesem Projekt wurde festgestellt, dass die Frage danach, was aufbewahrt wird und was nicht, unter anderem von externen Bedingungen abhängig ist. Dieser Entscheidung müsse sich nicht nur die Forschung, sondern auch die Politik stellen.
Der zweite Workshop-Tag hat nochmals verdeutlicht, dass Audiomaterialen in den Digital Humanities als historische Objekte und Teile des kulturellen Erbes in ihrer Vielfältigkeit enorm spezifisch sind. Mit einem kritischen Blick auf die bisherige Erschließungs- und Editionspraxis konnte festgestellt werden, dass der Schwerpunkt bislang stark auf den Text gelegt wurde, wobei audiovisuelle Dateien und auch ein audiovisueller Fokus in einem digitalen Endprodukt weitestgehend außer Acht gelassen wurden. Durch den Workshop ist es gelungen, an die Relevanz von Audio in den Digital Humanities zu erinnern und zu erkennen, dass Tonmaterialien Forschungsräume eröffnen, die neue Forschungsfragen, -interessen und -instrumente zulassen.
