NLP in den Geisteswissenschaften: Sprachverarbeitung in der Textforschung

Ein Korpus von 50.000 Briefen aus dem 19. Jahrhundert. Ein Wörterbuch mit 40 verschiedenen Schreibweisen desselben Nachnamens. Drei Terabyte digitalisierter Handschriften ohne strukturierte Metadaten. Das sind reale Maßstäbe, mit denen Historiker und Literaturwissenschaftler heute in Archiven konfrontiert sind. Die manuelle Durchsicht solcher Bestände dauert Jahre. NLP-Tools können eine vorläufige Selektion, Annotation und Klassifizierung in Stunden durchführen – doch gerade in diesem Wort „vorläufig“ liegt die ganze Bedeutung dieser Technologie: Sie öffnet die Tür zum Material, geht aber nicht für den Forscher hindurch.

Was NLP tatsächlich in der geisteswissenschaftlichen Forschung leistet#

Natural Language Processing ist eine Sammlung computergestützter Techniken, die es einem Computer ermöglichen, Texte im statistischen Sinne zu „lesen“: Eigennamen zu erkennen, Sentiments zu klassifizieren, Themen zu identifizieren und Beziehungen zwischen Begriffen abzubilden.

In der geisteswissenschaftlichen Praxis kommen vor allem folgende Techniken zum Einsatz:

Named Entity Recognition (NER). Das Modell identifiziert Personen, Orte, Daten und Institutionen in Rohtexten. Für einen Historiker, der tausende Gerichtsprotokolle verarbeitet, ist dies der erste Schritt zum Aufbau eines Personen- und Ereignisindex ohne manuelle Kodierung.

Themenmodellierung. Algorithmen wie LDA oder ihre neueren computergestützten Pendants gruppieren Dokumente nach koexistierenden Wörtern. In der Literaturwissenschaft ermöglicht dies die Kartierung, wie sich Diskursthemen zwischen Jahrzehnten oder Genres in einem für Close-Reading zu großen Korpus verschieben.

Sentimentanalyse. Modelle klassifizieren die emotionale Ladung eines Textes. Nützlich beim Vergleich des Tons von Presseerzeugnissen unterschiedlicher politischer Ausrichtungen in derselben historischen Periode, aber unzuverlässig bei Ironie, Euphemismen und archaischer Sprache.

Embeddings und semantische Suche. Sprachmodelle wandeln Textpassagen in numerische Vektoren um, was das Auffinden semantisch ähnlicher Abschnitte ermöglicht – selbst ohne gemeinsame Schlüsselwörter. Besonders wertvoll bei mehrsprachigen Korpora oder Texten mit abweichender historischer Schreibweise.

Wie das in der Forschungspraxis aussieht#

Bei Cashcrown arbeiten wir mit Organisationen zusammen, die über große Textbestände verfügen und diese durchsuchbar oder quantitativ analysierbar machen möchten. Das Arbeitsmuster ist wiederholbar:

Zuerst erfolgt die Vorbereitung des Korpus: OCR digitalisierter Dokumente, Normalisierung der Kodierung, Entfernung von Scan-Artefakten. Diese Phase entscheidet über die Qualität aller folgenden Schritte. Schlechte Eingangsdaten führen zu schlechten Ergebnissen.

Dann die vorläufige Klassifizierung durch das Modell. Ein RAG-System oder Klassifikator identifiziert Kandidaten für die weitere Analyse, gruppiert Dokumente thematisch und extrahiert Entitäten. Die Ergebnisse liegen als Liste mit zugewiesenen Konfidenzgewichten vor.

Anschließend die Überprüfung durch den Experten. Der Forscher prüft eine Stichprobe der Ergebnisse, bewertet, ob die Klassifizierung inhaltlich sinnvoll ist, und korrigiert Labels, wo das Modell Fehler gemacht hat. Hier ist das Fachwissen unverzichtbar. Das Modell weiß nicht, dass das Wort „Wiktor“ in einem polnischen Text des 19. Jahrhunderts ein Vorname oder ein Titel sein kann. Der Historiker weiß das.

Zum Schluss Iteration und quantitative Analyse: Das korrigierte Modell verarbeitet den Rest des Korpus, und der Forscher analysiert die aggregierten statistischen Ergebnisse. Die Interpretation obliegt dem Menschen.

Wo das Modell regelmäßig scheitert#

Dieser Abschnitt ist wichtiger als die Liste der Möglichkeiten, denn er entscheidet darüber, wann man den Ergebnissen vertrauen kann und wann nicht.

Ironie und Negation. Die Sentimentanalyse versagt bei Texten, die das Gegenteil ihrer Oberfläche aussagen. Eine Predigt, die die „Lobpreisung“ unehrlicher Händler zum Zweck der Bloßstellung enthält, wird vom Modell als positiv gegenüber Unehrlichkeit klassifiziert.

Historischer Kontext und lexikalische Verschiebungen. Wörter ändern ihre Bedeutung im Laufe der Zeit. „Liberal“ bedeutete 1850 etwas anderes als 2020. Ein auf zeitgenössischen Texten trainiertes Modell überträgt moderne Konnotationen auf historische Verwendungen, was die Ergebnisse der Themenmodellierung oder Sentimentklassifizierung verzerren kann.

Halluzinationen bei der Faktenextraktion. Wenn man ein LLM bittet, eine Zusammenfassung oder Datenextraktion aus einem historischen Text zu erstellen, kann das Modell Lücken mit eigenem „Wissen“ füllen, statt einzugestehen, dass die Information fehlt. In der geisteswissenschaftlichen Forschung muss jede Aussage durch einen Verweis auf die Quelle überprüfbar sein. Automatische Extraktion ohne menschliche Verifizierung ist hier unzulässig.

Sprachen und Dialekte mit geringer Repräsentation. Modelle, die hauptsächlich auf Englisch trainiert wurden, liefern deutlich schlechtere Ergebnisse für Texte in Regionalsprachen, Dialekten und historischer Schrift. Ein Forscher, der mit Altpolnisch oder gotischer Schrift arbeitet, muss die Qualität des Modells an einer eigenen Stichprobe überprüfen, bevor er es skaliert.

Ethik und wissenschaftliche Integrität#

Der Einsatz von NLP in den Geisteswissenschaften wirft Fragen auf, mit denen sich die Methodologie direkt auseinandersetzen muss.

Verzerrung der Repräsentation. Digitalisierte Archive sind unvollständig. Texte von Frauen, Personen aus unteren Schichten, sprachlichen oder religiösen Minderheiten sind historisch unterrepräsentiert. Ein Modell, das auf einem solchen Korpus trainiert oder angewendet wird, reproduziert diese verzerrte Repräsentation als Ergebnis. Der Forscher muss dies verstehen und quantitative Ergebnisse mit diesem Bewusstsein interpretieren.

Methodologische Transparenz. Immer mehr wissenschaftliche Zeitschriften verlangen die Angabe, welche Analyseschritte durch KI-Systeme unterstützt wurden und welche Tools eingesetzt wurden. Das Verschweigen dieser Tatsache verstößt gegen die Standards der Reproduzierbarkeit. Eine gute Praxis ist es, die Logs der Prompts und Modellergebnisse als Teil der methodologischen Dokumentation zu behandeln.

Human-Oversight als Prinzip, nicht als Ausnahme. Das Ergebnis eines Modells ist eine Hypothese zur Überprüfung, kein zitierfähiger Schluss. Jede Aussage, die in eine Publikation einfließt, muss durch einen Experten auf Basis von Primärquellen bestätigt werden. Diese Anforderung ist kein bürokratisches Hindernis. Sie ist die Garantie dafür, dass Wissenschaft falsifizierbar bleibt.

Praktischer Einstiegspunkt#

Der häufigste Fehler bei der ersten Implementierung von NLP-Tools in einem Forschungsprojekt: die Anwendung des Modells auf den gesamten Korpus ohne Validierung an einer Stichprobe.

Empfohlenes Vorgehen:

1. Zufällige Auswahl von 100–200 Dokumenten aus dem Korpus zur manuellen Annotation durch einen Experten.
2. Ausführung des Modells auf derselben Stichprobe und Vergleich der Ergebnisse.
3. Messung von Präzision und Sensitivität für die projektrelevanten Kategorien.
4. Entscheidung des Forschers: Ist die Qualität ausreichend für die Anwendung auf den gesamten Korpus? Wenn nicht, was muss korrigiert werden (Fine-Tuning, Modellwechsel, Präzisierung der Anweisungen)?

Erst nach dieser Kalibrierung ist eine Skalierung sinnvoll. Das Überspringen dieses Schritts führt dazu, dass nach Monaten festgestellt wird, dass das Modell systematische Fehler begangen hat, die einen erheblichen Teil der Ergebnisse ungültig machen.

FAQ#

Kann NLP auf historische polnische Texte, z. B. aus dem 16.–18. Jahrhundert, angewendet werden?#

Ja, aber mit Vorsicht. Modelle, die auf modernem Polnisch trainiert wurden, haben erhebliche Einschränkungen bei archaischen Texten: unterschiedliche Flexionsformen, lateinische Einschübe, fehlende orthografische Normierung und phonetische statt moderner Schreibweise. Ein praktischer Ansatz ist die Verwendung mehrsprachiger Modelle mit manueller Überprüfung an einer Stichprobe sowie, wo möglich, die Nutzung historischer Korpora als Feinabstimmungsdaten. Die Ergebnisse sollten als vorläufige Hinweise, nicht als sichere Daten behandelt werden.

Wie groß muss ein Korpus sein, damit NLP sinnvoll ist?#

Es gibt keine feste Grenze. Bei einigen Dutzend Dokumenten ist die manuelle Analyse schneller und genauer. NLP wird rentabel, wenn der Korpus Hunderte oder Tausende von Texten umfasst und die Forschungsfrage sich auf wiederholbare Muster in großem Maßstab bezieht. Für kleine Bestände ist der Einsatz eines Modells zur Unterstützung des Close-Reading wertvoller als für quantitative Analysen.

Können die Ergebnisse der NLP-Analyse direkt in einem wissenschaftlichen Artikel zitiert werden?#

Nein, nicht als eigenständige Aussagen. Das Ergebnis eines Modells ist eine statistische Beobachtung, die der Interpretation und Verifizierung durch einen Experten auf Basis von Quellen bedarf. Im Methodenteil kann beschrieben werden, dass das Modell zur vorläufigen Klassifizierung oder Extraktion eingesetzt wurde, inklusive Parameter und Tools. Die wissenschaftliche Aussage selbst muss auf überprüfbaren Belegen, nicht auf dem Ergebnis eines Algorithmus beruhen.

Welche Risiken birgt der Einsatz allgemeiner Sprachmodelle statt spezialisierter?#

Allgemeine Modelle (trainiert auf einem breiten Internetkorpus) kennen kein fachspezifisches Vokabular, gattungsspezifische Konventionen oder historischen Kontext. Sie können semantisch sinnvolle, aber inhaltlich unangemessene Labels zuweisen. Spezialisierte Modelle oder Modelle mit zusätzlichem Fachkontext (durch RAG-Architektur) liefern bessere Ergebnisse bei Fachtexten. Die Kalibrierung an einer eigenen Stichprobe ist die einzige Methode, um zu prüfen, welches Modell für ein konkretes Projekt gut genug ist.

Verletzt NLP die Privatsphäre, wenn es Texte mit personenbezogenen Daten analysiert?#

Das hängt von der Art der Texte und der Verarbeitungsweise ab. Die Analyse veröffentlichter historischer Materialien wirft selten rechtliche Probleme auf. Die Verarbeitung von Dokumenten mit personenbezogenen Daten lebender Personen unterliegt der DSGVO und erfordert eine Prüfung der Rechtsgrundlage, oft auch eine Pseudonymisierung vor der Weitergabe an externe KI-Systeme. Vertrauliche Daten sollten ausschließlich über lokale Systeme oder mit vollständiger Auftragsverarbeitungsvereinbarung verarbeitet werden.

Verwandte Themen: Wissenschaftler mit KI erreichen mehr, Grenzen der Autonomie von KI in der Wissenschaft, Die Rolle des Menschen im Loop, Wie man Halluzinationen begrenzt, Das Black-Box-Problem.