Geschichte im digitalen Zeitalter - Geschichte
Geschichte im digitalen Zeitalter - Geschichte
Geschichte im digitalen Zeitalter - Geschichte
Studienfach: Geschichte
Einleitung
Geschichte entsteht nicht einfach aus der Vergangenheit. Sie entsteht, wenn Menschen Quellen auswählen, prüfen, miteinander in Beziehung setzen und daraus begründete Narrationen entwickeln. Im digitalen Zeitalter verändert sich jeder Schritt dieses Prozesses: Historische Dokumente werden massenhaft digitalisiert, Archive stellen Bestände online bereit, Suchmaschinen ordnen Aufmerksamkeit, soziale Netzwerke produzieren neue Quellen, Datenbanken verknüpfen Informationen und Verfahren der Künstlichen Intelligenz unterstützen bei Transkription, Mustererkennung und Recherche.
Der aiMOOC richtet sich vor allem an Studierende des Fachs Geschichte, eignet sich aber auch für die gymnasiale Oberstufe, die Lehrkräftebildung und die Weiterbildung in Archiv, Museum, Bibliothek und Public History. Du lernst, digitale Quellen und Werkzeuge nicht nur zu bedienen, sondern ihre Voraussetzungen kritisch zu untersuchen. Entscheidend ist die Verbindung von klassischer Quellenkritik, historischem Denken, methodischer Transparenz und digitaler Kompetenz.
Leitfrage: Wie verändert die Digitalität das, was Historikerinnen und Historiker als Quelle wahrnehmen, untersuchen, darstellen und dauerhaft überliefern?
Lernziele
Nach der Bearbeitung dieses aiMOOCs kannst Du die Begriffe Digital History, Digital Humanities, Digitalisierung, Digitalität, Forschungsdaten und born-digital voneinander unterscheiden. Du kannst einen digitalen geschichtswissenschaftlichen Forschungsprozess planen, digitale und digitalisierte Quellen kritisch beurteilen, grundlegende Methoden wie OCR, HTR, Text Mining, Netzwerkanalyse, GIS und Digitale Edition erklären sowie ihre Aussagekraft und Grenzen reflektieren.
Du kannst außerdem begründen, warum Metadaten, Provenienz, Versionierung, Reproduzierbarkeit, Langzeitarchivierung, Urheberrecht, Datenschutz und Forschungsethik zur historischen Methode gehören. Schließlich entwickelst Du eigene digitale Geschichtsdarstellungen und dokumentierst, wie Auswahlentscheidungen, technische Werkzeuge und Unsicherheiten Dein Ergebnis beeinflussen.
Geschichte und Digitalität
Digital History und Digital Humanities
Digital History bezeichnet die reflektierte Anwendung digitaler Medien, Daten und Methoden auf historische Fragen. Sie ist ein Teilbereich der Digital Humanities, also jenes interdisziplinären Feldes an der Schnittstelle von Geistes- und Kulturwissenschaften, Informatik, Informationswissenschaft und Computerlinguistik. Digital History ist jedoch nicht bloß „Geschichte am Computer“. Sie untersucht auch die Folgen der Digitalität für Erkenntnis, Überlieferung, wissenschaftliche Kommunikation und öffentliche Geschichtskultur.
Digitale Methoden können neue Größenordnungen erschließen. Ein einzelner Brief lässt sich nah am Text interpretieren; ein Korpus aus hunderttausenden Zeitungsseiten kann zusätzlich mit Volltextsuche, Häufigkeitsanalyse oder maschineller Klassifikation untersucht werden. Die digitale Analyse ersetzt dabei nicht die historische Interpretation. Sie verändert vielmehr, welche Muster sichtbar werden, welche Fragen gestellt werden können und welche Verzerrungen berücksichtigt werden müssen.
Das Bild verbindet Archivmaterial mit einer Netzwerkvisualisierung. Es macht ein Grundprinzip digitaler Geschichtswissenschaft sichtbar: Quellen werden nicht nur gelesen, sondern auch als strukturierte Daten modelliert. Jede Modellierung hebt bestimmte Eigenschaften hervor und blendet andere aus.
Digitalisierung, Digitalität und Datafizierung
Digitalisierung kann die Umwandlung eines analogen Objekts in ein digitales Repräsentat bezeichnen, etwa den Scan einer Urkunde. Sie kann außerdem den umfassenden gesellschaftlichen Wandel durch digitale Technologien meinen. Um diese Bedeutungen zu unterscheiden, wird häufig von Digitalität gesprochen, wenn die kulturellen, sozialen und epistemischen Bedingungen einer vernetzten digitalen Welt gemeint sind.
Datafizierung bezeichnet den Prozess, bei dem historische Phänomene in zählbare, sortierbare und maschinenlesbare Daten übersetzt werden. Aus einer handschriftlichen Mitgliederliste wird beispielsweise eine Tabelle mit Feldern für Name, Ort, Beruf und Eintrittsdatum. Erst diese Struktur erlaubt statistische Auswertungen oder Netzwerkanalysen. Zugleich gehen bei der Übersetzung Merkmale verloren, etwa Schriftbild, Seitenanordnung, Streichungen, Materialität oder Unsicherheit der Lesung.
Kontinuität und Wandel historischer Arbeit
Klassische Kernaufgaben bleiben bestehen: eine tragfähige Forschungsfrage formulieren, Quellen kontextualisieren, Überlieferungsbedingungen untersuchen, Begriffe historisieren, Perspektiven vergleichen und Argumente nachvollziehbar belegen. Neu ist, dass technische Systeme selbst Teil der Quellen- und Methodenkritik werden. Ein Suchalgorithmus, eine Datenbankschnittstelle, ein Dateiformat oder ein Sprachmodell kann beeinflussen, was sichtbar, auffindbar und analysierbar ist.
Der digitale Wandel betrifft deshalb nicht nur Werkzeuge, sondern die Epistemologie der Geschichtswissenschaft. Historikerinnen und Historiker müssen fragen: Wer hat Daten erzeugt? Nach welchem Schema wurden sie erfasst? Welche Quellen wurden nicht digitalisiert? Welche Treffer zeigt eine Plattform zuerst? Welche Fehler produziert OCR? Welche Kategorien wurden einem historischen Gegenstand nachträglich auferlegt?
Digitale Quellen
Digitalisierte und originär digitale Quellen
Eine digitalisierte Quelle besitzt ein analoges Ausgangsobjekt. Beispiele sind gescannte Akten, fotografierte Artefakte, digitalisierte Tonbänder oder elektronische Reproduktionen historischer Karten. Das Digitalisat ermöglicht neue Zugänge, ist aber nicht mit dem Original identisch. Auflösung, Farbwiedergabe, Beschnitt, Beleuchtung, Dateikompression und fehlende Rückseiten können die Interpretation beeinflussen.
Eine originär digitale Quelle ist von Anfang an digital entstanden. Dazu gehören E-Mails, Webseiten, Datenbanken, digitale Fotografien, Computerspiele, Chats, Social-Media-Beiträge, Quellcode und elektronische Verwaltungsakten. Solche Quellen sind oft dynamisch, vernetzt, versionsabhängig und an Softwareumgebungen gebunden. Ein einzelner Screenshot kann deshalb den funktionalen Kontext, Kommentare, Hyperlinks, Metadaten oder spätere Änderungen nur unvollständig abbilden.
Das Digitalisat als Repräsentation
Ein Scan bildet eine Quelle nicht neutral ab. Die Digitalisierung ist eine Kette von Entscheidungen: Auswahl des Objekts, Reihenfolge der Seiten, technische Aufnahme, Bildbearbeitung, Dateiformat, Benennung, Beschreibung, Rechtekennzeichnung und Bereitstellung. Für die Forschung ist deshalb wichtig, Digitalisat und Original auseinanderzuhalten.
Bei Textquellen kommt häufig OCR zum Einsatz. OCR wandelt Bildpunkte gedruckter Schrift in maschinenlesbaren Text um. Bei Handschriften wird oft HTR verwendet. Beide Verfahren erzeugen Wahrscheinlichkeiten, keine unfehlbaren Abschriften. Historische Schriften, beschädigte Seiten, ungewöhnliche Orthografie, Spaltenlayout und schlechte Scanqualität können Fehler verursachen. Deshalb musst Du bei wichtigen Zitaten immer das Seitenbild mit dem erkannten Text vergleichen.
Metadaten und Provenienz
Metadaten beschreiben digitale Objekte. Dazu gehören Titel, Datierung, Urheber, Entstehungsort, Signatur, Dateiformat, Rechteinformation, Schlagwörter, technische Aufnahmeparameter und Verknüpfungen zu anderen Objekten. Ohne Metadaten ist eine Datei zwar vorhanden, aber wissenschaftlich nur eingeschränkt auffindbar und interpretierbar.
Provenienz bezeichnet die Herkunft und Überlieferungsgeschichte eines Objekts. In digitalen Umgebungen umfasst sie auch Bearbeitungsschritte und Systemwechsel: Wer hat den Datensatz erstellt? Aus welchem Archivbestand stammt er? Wurde er normalisiert, korrigiert oder zusammengeführt? Welche Version wurde analysiert? Provenienzangaben machen aus einer Datei eine prüfbare Forschungsgrundlage.
Daten sind gemachte Quellenrepräsentationen
Historische Daten werden nicht einfach „gefunden“. Sie werden durch Auswahl, Transkription, Kategorisierung und Modellierung hergestellt. Eine Datenbank mit Berufen aus dem 18. Jahrhundert zwingt beispielsweise zu Entscheidungen: Werden historische Berufsbezeichnungen beibehalten oder vereinheitlicht? Wie werden Mehrfachberufe erfasst? Wie wird Unsicherheit markiert? Solche Entscheidungen prägen spätere Ergebnisse.
Ein guter Datensatz bewahrt deshalb möglichst sowohl die quellennahe Form als auch eine dokumentierte Normalisierung. Die Originalschreibweise „Schneidergesell“ kann beispielsweise erhalten bleiben, während ein zusätzliches Feld die standardisierte Kategorie „Textilgewerbe“ enthält. Auf diese Weise bleiben historische Besonderheiten sichtbar und vergleichende Analysen möglich.
Der digitale Forschungsprozess
Forschungsfrage und Korpusbildung
Am Anfang steht nicht das Werkzeug, sondern die historische Frage. Erst danach entscheidest Du, welche Quellen und Methoden geeignet sind. Ein Korpus ist eine begründete Sammlung von Quellen oder Daten, die gemeinsam untersucht werden. Seine Grenzen müssen offengelegt werden: Zeitraum, Raum, Sprache, Quellengattung, Institution, Überlieferungsgrad und Auswahlkriterien.
Digitale Verfügbarkeit darf nicht mit historischer Repräsentativität verwechselt werden. Leicht zugängliche Quellen werden häufiger untersucht, obwohl sie möglicherweise nur einen kleinen, institutionell privilegierten Teil der Vergangenheit abbilden. Ein digitalisiertes Korpus ist daher auch Ergebnis von Archivpolitik, Förderentscheidungen, Rechtslage, Erschließungspraxis und technischer Machbarkeit.
Recherche und Quellenbeschaffung
Digitale Recherche verbindet Bibliothekskataloge, Archivportale, Fachdatenbanken, Volltextarchive, Suchmaschinen und Normdaten. Suchbegriffe müssen historisiert werden, weil sich Sprache verändert. Für ein Thema wie Migration reichen heutige Begriffe nicht aus; historische Verwaltungsbegriffe, Fremdbezeichnungen und unterschiedliche Schreibweisen müssen einbezogen werden.
Eine nachvollziehbare Recherche dokumentiert Suchorte, Suchstrings, Filter, Datum der Abfrage und Auswahlentscheidungen. Bei dynamischen Plattformen solltest Du außerdem stabile Identifikatoren, Archivlinks oder lokale Sicherungskopien verwenden, soweit Recht und Nutzungsbedingungen dies erlauben.
Datenaufbereitung und Qualitätssicherung
Vor der Analyse werden Daten bereinigt, ohne die Quelle unsichtbar zu überschreiben. Dazu gehören Zeichenkodierung, Dublettenprüfung, Datumsnormalisierung, Ortsauflösung, Korrektur offensichtlicher Erfassungsfehler und Markierung unsicherer Werte. Jeder Eingriff muss dokumentiert werden.
Qualitätssicherung kann Stichproben, Doppeltranskriptionen, Prüfregeln und Vergleich mit Originalabbildungen umfassen. Bei OCR ist eine Fehlerrate nie nur technisch: Bestimmte Schriften, Sprachen oder beschädigte Dokumente können systematisch schlechter erkannt werden. Dadurch können Suchtreffer sozial oder regional verzerrt sein.
Analyse, Interpretation und Rückkehr zur Quelle
Digitale Analysen erzeugen Befunde wie Häufigkeiten, Cluster, Karten, Netzwerke oder automatisch erkannte Entitäten. Diese Befunde sind keine fertige Erklärung. Sie müssen in ihren historischen Kontext zurückübersetzt werden. Ein auffälliger Namensanstieg in Zeitungen kann einen realen Bedeutungszuwachs anzeigen, aber auch aus einem neuen Zeitungstitel, einer OCR-Verbesserung oder einem veränderten Korpusumfang entstehen.
Ein belastbarer Workflow wechselt deshalb zwischen „distant reading“ und „close reading“: Du untersuchst große Muster und kehrst anschließend zu konkreten Quellenstellen zurück. So lässt sich prüfen, ob eine quantitative Auffälligkeit historisch sinnvoll interpretiert wurde.
Publikation und Reproduzierbarkeit
Digitale Forschungsergebnisse können als Artikel, Datenpublikation, digitale Edition, Karte, Website, Visualisierung, Podcast oder interaktive Ausstellung erscheinen. Wissenschaftliche Nachvollziehbarkeit verlangt, dass Datenbasis, Bearbeitungsschritte, Software, Parameter, Versionen und Unsicherheiten dokumentiert werden.
Reproduzierbarkeit bedeutet nicht, dass jede Person exakt dasselbe historische Argument formuliert. Sie bedeutet, dass der Weg vom Material zum Ergebnis überprüfbar ist. Dazu dienen Forschungsdatenmanagement, Versionsverwaltung, dokumentierter Code, Methodenberichte, persistente Identifikatoren und geeignete Repositorien.
Methoden der digitalen Geschichtswissenschaft
Volltextsuche, OCR und Korpusanalyse
Volltextsuche beschleunigt die Recherche in großen Beständen. Sie ist jedoch von der Qualität der Texterkennung und von der Suchlogik abhängig. Historische Schreibvarianten, Frakturschrift, Trennstriche, Ligaturen und beschädigte Seiten können Treffer verhindern. Ein fehlender Treffer beweist deshalb nicht, dass ein Begriff in den Quellen fehlt.
Korpusanalyse untersucht systematisch größere Textsammlungen. Häufigkeitslisten und N-Gramme können Sprachwandel oder Themenverschiebungen sichtbar machen. Aussagekräftig werden sie erst, wenn Korpusgröße, Textsorten, Zeiträume und Begriffsverwendungen kontrolliert werden.
Text Mining und Natural Language Processing
Text Mining umfasst computergestützte Verfahren zur Erkennung von Mustern in Texten. Natural Language Processing kann Personen, Orte und Organisationen identifizieren, Texte klassifizieren oder semantische Ähnlichkeiten berechnen. Topic Modeling schlägt statistische Wortgruppen vor, die Forschende interpretieren müssen; die berechneten „Topics“ sind keine automatisch entdeckten historischen Themen.
Sprachmodelle und Klassifikatoren sind von Trainingsdaten, Sprache, Genre und Parametern abhängig. Historische Texte unterscheiden sich häufig stark von modernen Trainingsdaten. Deshalb sind Validierung, manuelle Stichproben und die transparente Angabe von Fehlklassifikationen unverzichtbar.
Netzwerkanalyse
Die Historische Netzwerkanalyse untersucht Beziehungen zwischen Akteuren, Orten, Institutionen, Texten oder Ereignissen. Knoten stehen für Entitäten, Kanten für Beziehungen. Zentralitätsmaße können besonders stark verbundene Knoten anzeigen. Sie erklären jedoch nicht automatisch Macht, Einfluss oder Bedeutung.
Vor jeder Berechnung musst Du definieren, was als Beziehung gilt. Ein gemeinsamer Briefkontakt, eine Mitgliedschaft oder das gemeinsame Auftreten in einer Quelle sind unterschiedliche Beziehungsarten. Auch fehlende Überlieferung beeinflusst das Netzwerk. Eine scheinbar isolierte Person kann historisch gut vernetzt gewesen sein, deren Briefe aber nicht erhalten sind.
Räumliche Geschichte und GIS
GIS verbindet historische Informationen mit räumlichen Daten. Damit lassen sich Reisewege, Verwaltungsgrenzen, Epidemien, Handelsbeziehungen oder Siedlungsentwicklungen kartieren. Historische Räume sind jedoch nicht statisch. Ortsnamen, Grenzen und Raumvorstellungen verändern sich, weshalb moderne Koordinaten allein nicht genügen.
Digitale Karten besitzen eine starke Überzeugungskraft. Du musst daher Unsicherheiten sichtbar machen: ungefähre Verläufe, konkurrierende Grenzdefinitionen, fehlende Orte und unterschiedliche zeitliche Geltungsbereiche. Eine Karte ist eine Argumentation, keine neutrale Abbildung.
Visualisierung
Datenvisualisierung kann komplexe Zusammenhänge verständlich machen, aber auch täuschen. Achsenskalierung, Aggregation, Farbwahl, Kartenausschnitt und Kategorien beeinflussen die Aussage. Vor der Gestaltung solltest Du klären, welche Frage die Visualisierung beantwortet und welche Unsicherheit sichtbar bleiben muss.
Eine gute historische Visualisierung ist quellenkritisch lesbar. Sie nennt Datenbasis, Zeitraum, Einheiten und Bearbeitungsschritte. Sie ermöglicht nach Möglichkeit den Weg zurück zur einzelnen Quelle. Ästhetische Wirkung darf methodische Transparenz nicht ersetzen.
Digitale Editionen und Textkodierung
Eine Digitale Edition erschließt historische Texte wissenschaftlich und stellt sie digital bereit. Sie kann Faksimiles, Transkriptionen, Varianten, Kommentare, Register, Verlinkungen und Suchfunktionen verbinden. Mit der TEI lassen sich Textstrukturen und editorische Entscheidungen in XML auszeichnen.
Digitale Editionen sind nicht nur gedruckte Bücher auf dem Bildschirm. Sie können mehrere Textzeugen parallel anzeigen, Varianten filtern und Personen oder Orte mit Normdaten verbinden. Gleichzeitig müssen Versionen, Zitierbarkeit und Langzeitverfügbarkeit gesichert werden.
Linked Open Data und Wissensgraphen
Linked Open Data verbindet strukturierte Daten über stabile Identifikatoren. Wikidata ist ein Beispiel für einen kollaborativ gepflegten Wissensgraphen. Historische Personen können mit Orten, Ämtern, Ereignissen und Quellen verknüpft werden. Solche Verbindungen erleichtern vergleichende Forschung, erzeugen aber neue Anforderungen an Datenmodell, Belege und Mehrdeutigkeit.
Historische Identitäten sind nicht immer eindeutig. Namensgleichheit, wechselnde Schreibweisen und unsichere Datierungen müssen modelliert statt verdeckt werden. Ein Identifikator schafft technische Eindeutigkeit, aber nicht automatisch historische Gewissheit.
Mustererkennung an Bildern und Objekten
Computer Vision kann Schrift, Gesichter, Münztypen, Wappen, Gebäudeformen oder Bildmotive erkennen. Für die Numismatik, Kunstgeschichte, Archäologie und Fotogeschichte eröffnet dies neue Vergleichsmöglichkeiten. Die Ergebnisse hängen jedoch von Bildqualität, Trainingsmaterial und Klassifikationsschema ab.
Digitale Quellenkritik
Erweiterte äußere Quellenkritik
Die äußere Quellenkritik fragt nach Echtheit, Herkunft, Datierung, Urheberschaft und Überlieferung. Bei digitalen Quellen kommen weitere Fragen hinzu: Welches Dateiformat liegt vor? Welche Metadaten wurden automatisch oder manuell erzeugt? Ist die Datei unverändert? Existieren Prüfsummen? Aus welcher Version stammt sie? Wurde sie von einer Plattform exportiert oder nur als Screenshot gespeichert?
Ein Screenshot kann einen Zustand dokumentieren, doch er enthält selten die vollständige Funktionalität oder Metadaten. Eine exportierte Datenbank kann wiederum Inhalte bewahren, aber das ursprüngliche Nutzungserlebnis verlieren. Deshalb sollte die Form der Sicherung zur Forschungsfrage passen.
Erweiterte innere Quellenkritik
Die innere Quellenkritik untersucht Aussageabsicht, Perspektive, Sprache, Adressaten, Gattung und Kontext. Bei Plattformquellen musst Du zusätzlich die Affordanzen des Mediums analysieren: Welche Handlungen ermöglicht oder begrenzt die Plattform? Wie beeinflussen Zeichenlimits, Reaktionsfunktionen, Empfehlungsalgorithmen und Moderationsregeln die Kommunikation?
Auch Sichtbarkeit ist historisch relevant. Ein viel geteilter Beitrag kann Reichweite durch öffentliche Zustimmung, koordinierte Kampagnen, Bots oder algorithmische Verstärkung erhalten haben. Zahlen der Plattform sind deshalb selbst erklärungsbedürftige Quellen.
Versionen, Bearbeitungsgeschichte und Kontext
Digitale Texte können fortlaufend verändert werden. Die Versionsgeschichte einer Wiki-Seite oder die Änderungsprotokolle eines Repositoriums zeigen, wer wann welche Änderung vorgenommen hat. Diese Daten ermöglichen neue Formen der Entstehungs- und Konfliktgeschichte.
Eine einzelne Version darf nicht ohne Zeitbezug zitiert werden. Für wissenschaftliche Belege solltest Du Abrufdatum, permanente Version oder persistenten Identifikator angeben. Bei kollaborativen Plattformen ist die Bearbeitungsgeschichte oft genauso wichtig wie der aktuelle Text.
Algorithmen als Vermittler
Suchmaschinen, Portale und soziale Netzwerke ordnen Inhalte nach algorithmischen Regeln. Diese Regeln sind häufig nur teilweise bekannt und verändern sich. Das Suchergebnis ist daher keine vollständige Karte der vorhandenen Quellen, sondern eine technisch und ökonomisch geprägte Auswahl.
Zur digitalen Quellenkritik gehört, mehrere Suchwege zu kombinieren, Filter offenzulegen, personalisierte Ergebnisse zu vermeiden, soweit dies möglich ist, und institutionelle Erschließungssysteme neben allgemeinen Suchmaschinen zu nutzen. Besonders wichtig ist die Unterscheidung zwischen „nicht gefunden“, „nicht digitalisiert“, „nicht erschlossen“, „rechtlich gesperrt“ und „nicht überliefert“.
Deepfakes, synthetische Quellen und Verifikation
Mit generativer KI lassen sich realistisch wirkende Texte, Bilder, Stimmen und Videos erzeugen. Für Historikerinnen und Historiker steigen damit die Anforderungen an Verifikation, Provenienzprüfung und Kontextanalyse. Visuelle Plausibilität ist kein Echtheitsbeweis.
Eine belastbare Prüfung kombiniert Quellenvergleich, Dateimetadaten, Rückwärtssuche, institutionelle Überlieferung, bekannte Aufnahmeumstände und technische Analysen. Auch ein technisch nicht manipuliertes Bild kann durch falsche Beschriftung, irreführenden Ausschnitt oder einen neuen Kontext täuschen.
Archive, Gedächtnis und Langzeitarchivierung
Das digitale Archiv
Ein digitales Archiv ist mehr als ein Speicherort. Es umfasst Auswahl, Bewertung, Erschließung, Rechteklärung, technische Sicherung, Zugangsregeln und institutionelle Verantwortung. Digitale Bestände benötigen aktive Pflege, weil Speichermedien ausfallen, Formate veralten und Softwareumgebungen verschwinden können.
Langzeitarchivierung arbeitet unter anderem mit Migration in neue Formate, Emulation alter Systeme, redundanter Speicherung, Prüfsummen und dokumentierten Erhaltungsmaßnahmen. Dauerhafte Verfügbarkeit bedeutet nicht, eine Datei einmal abzuspeichern, sondern ihre Lesbarkeit und Interpretierbarkeit langfristig zu erhalten.
Webarchivierung und flüchtige Quellen
Webseiten verändern sich, URLs verschwinden und eingebettete Inhalte werden nachgeladen. Webarchivierung versucht, ausgewählte Zustände des Webs zu sichern. Ein archivierter Crawl bleibt dennoch unvollständig: Zugangsbeschränkungen, dynamische Skripte, personalisierte Ansichten und externe Plattformen können fehlen.
Für die Zeitgeschichte seit den 1990er-Jahren werden Webquellen zunehmend zentral. Forschende müssen deshalb nicht nur Inhalte, sondern auch Erfassungszeitpunkt, Crawl-Tiefe, Ausschlussregeln und Lücken des Webarchivs untersuchen.
FAIR und CARE
Die FAIR-Prinzipien fordern, Forschungsdaten auffindbar, zugänglich, interoperabel und nachnutzbar zu gestalten. FAIR bedeutet nicht automatisch offen: Schutzwürdige Daten können kontrolliert zugänglich sein und dennoch gut dokumentiert werden. Lizenzen, Metadaten und persistente Identifikatoren sind zentrale Bausteine.
Die CARE-Prinzipien ergänzen die technische Perspektive durch kollektiven Nutzen, Entscheidungsbefugnis, Verantwortung und Ethik. Sie sind besonders wichtig, wenn Daten Gemeinschaften betreffen, deren kulturelles Erbe historisch ohne Zustimmung gesammelt, klassifiziert oder veröffentlicht wurde.
Public History und digitale Geschichtskultur
Öffentliche Geschichte im Netz
Public History untersucht und gestaltet Geschichte in Museen, Gedenkstätten, Medien, Vereinen, Stadtgesellschaften und digitalen Öffentlichkeiten. Podcasts, Online-Ausstellungen, Wikipedia, Videos, Computerspiele und Social Media erreichen große Zielgruppen. Sie ermöglichen Beteiligung, verkürzen aber häufig komplexe Argumente.
Historische Inhalte im Netz konkurrieren um Aufmerksamkeit. Plattformlogik kann Zuspitzung, Emotionalisierung und Gegenwartsbezug belohnen. Gute digitale Geschichtsvermittlung macht Quellen, Kontroversen und Unsicherheiten sichtbar, statt nur ein geschlossenes Narrativ zu präsentieren.
Wikipedia als Gegenstand und Praxisfeld
Wikipedia ist zugleich Nachschlagewerk, kollaborative Plattform, öffentliches Geschichtsmedium und Quelle für die Wissensgeschichte des digitalen Zeitalters. Versionsgeschichten und Diskussionsseiten erlauben es, Aushandlungsprozesse über Relevanz, Sprache und Deutung zu untersuchen.
Für wissenschaftliche Arbeiten ist Wikipedia ein sinnvoller Ausgangspunkt zur Orientierung, aber kein Ersatz für die Prüfung von Fachliteratur und Quellen. Im Studium kann das Bearbeiten eines Artikels zeigen, wie Belege, Neutralitätsanspruch, kollaborative Regeln und öffentliches Schreiben zusammenwirken.
Crowdsourcing und Citizen Science
Bei Crowdsourcing beteiligen sich viele Menschen an Transkription, Verschlagwortung, Georeferenzierung oder Sammlung historischer Materialien. Dadurch können große Bestände erschlossen und lokales Wissen einbezogen werden. Die Qualität hängt von Aufgabenentwurf, Anleitung, Prüfung und Rückmeldung ab.
Beteiligung ist nicht nur kostenlose Arbeitsleistung. Ethisch gute Projekte machen Ziele, Rechte und Verwendung transparent, würdigen Beiträge und ermöglichen möglichst auch den Beteiligten Zugang zu Ergebnissen und Daten.
Virtuelle Rekonstruktion und historische Simulation
Virtuelle Realität, 3D-Modelle und Computerspiele können historische Räume erfahrbar machen. Jede Rekonstruktion enthält jedoch Annahmen. Fehlende Gebäudeteile, Farben, Geräusche oder Handlungsabläufe werden ergänzt. Wissenschaftlich verantwortliche Projekte unterscheiden belegte, plausible und spekulative Elemente.
Eine Simulation zeigt nicht „wie es wirklich war“, sondern erprobt ein Modell. Gerade deshalb kann sie historisches Denken fördern, wenn Entscheidungsregeln, Quellenbasis und Alternativen offengelegt werden.
Künstliche Intelligenz in der Geschichtswissenschaft
Chancen
Künstliche Intelligenz kann Handschriften erkennen, Bilder klassifizieren, Entitäten markieren, Übersetzungsvorschläge erzeugen, Ähnlichkeiten finden und große Korpora vorsortieren. Dadurch werden Quellen zugänglich, die zuvor nur mit sehr hohem Zeitaufwand bearbeitet werden konnten.
Besonders nützlich ist KI als Assistenz in klar definierten Arbeitsschritten. Ein Modell kann Kandidaten markieren, während Forschende überprüfen, korrigieren und historisch interpretieren. Dieses Vorgehen wird häufig als Human in the Loop bezeichnet.
Risiken und Grenzen
Generative Sprachmodelle berechnen wahrscheinliche Ausgaben. Sie besitzen keinen eingebauten Wahrheitsanspruch und können Quellen, Zitate oder Literatur erfinden. Ein flüssiger Text ist deshalb kein Beleg. Historische Aussagen müssen an überprüfbaren Quellen und Fachliteratur kontrolliert werden.
Modelle können außerdem Verzerrungen ihrer Trainingsdaten reproduzieren. Minderheitensprachen, historische Orthografie und marginalisierte Perspektiven sind oft schwächer repräsentiert. Proprietäre Systeme erschweren zusätzlich die Nachvollziehbarkeit, weil Trainingsdaten, Modellversionen oder Filter unbekannt bleiben.
Regeln für verantwortliche Nutzung
Verwende KI nur für Aufgaben, deren Ergebnis Du fachlich prüfen kannst. Dokumentiere Werkzeug, Version, Datum, Eingabeart und Bearbeitungsschritte. Übertrage keine vertraulichen oder personenbezogenen Quellen in Systeme, deren Datenverarbeitung ungeklärt ist. Prüfe alle Zitate, Namen, Daten und Literaturangaben unabhängig.
KI kann bei Ideensammlung, Strukturierung oder technischer Unterstützung helfen. Die Verantwortung für Forschungsfrage, Quellenkritik, Interpretation, Argumentation und wissenschaftliche Redlichkeit bleibt bei Dir.
Recht und Ethik
Urheberrecht und Lizenzen
Digital zugänglich bedeutet nicht automatisch frei nutzbar. Urheberrecht, Leistungsschutzrechte, Datenbankrechte und Vertragsbedingungen können die Verwendung einschränken. Prüfe bei jedem Objekt Rechtehinweis, Lizenz, Schutzfrist und erlaubte Nutzungsart.
Creative-Commons-Lizenzen erleichtern Nachnutzung, unterscheiden sich aber in ihren Bedingungen. Gemeinfreie Werke können ohne urheberrechtliche Erlaubnis genutzt werden; dennoch bleiben korrekte Quellenangabe, wissenschaftliche Sorgfalt und mögliche Persönlichkeitsrechte relevant.
Datenschutz und Persönlichkeitsrechte
Zeitgeschichtliche Quellen können sensible personenbezogene Daten enthalten. Digitale Suchbarkeit erhöht das Risiko, Personen oder Familien neu zu exponieren. Rechtlich erlaubte Veröffentlichung ist nicht automatisch ethisch unproblematisch.
Bei Oral History, privaten Briefen, Krankenakten, Gerichtsakten oder Social-Media-Daten musst Du Einwilligung, Zweckbindung, Schutzinteressen und mögliche Schäden abwägen. Anonymisierung kann helfen, verändert aber ebenfalls die Quelle und muss dokumentiert werden.
Forschungsethik und Macht
Archive und Datenmodelle spiegeln Machtverhältnisse. Koloniale Sammlungen, Polizeidaten oder Verwaltungsakten kategorisieren Menschen aus der Perspektive ihrer Erzeuger. Eine digitale Edition darf diese Kategorien nicht unkritisch naturalisieren.
Reflexive Forschung fragt, wer sprechen kann, wer beschrieben wird, wer über Zugänge entscheidet und wer von der Veröffentlichung profitiert. Ethische Verantwortung beginnt bei der Korpusbildung und endet nicht mit einer juristischen Freigabe.
Studium: Geschichte im digitalen Zeitalter
Kompetenzen für Historikerinnen und Historiker
Im Geschichtsstudium brauchst Du weiterhin gründliche Lektüre, Sprachkenntnisse, Quellenkritik, Theorieverständnis und wissenschaftliches Schreiben. Hinzu kommen Datenkompetenz, Grundverständnis von Dateiformaten, Tabellen, Suchlogik, Metadaten, Visualisierung und Forschungsdatenmanagement.
Programmieren kann je nach Projekt sehr hilfreich sein, ist aber kein Selbstzweck. Wichtiger ist, technische Entscheidungen fachlich beurteilen und mit Spezialistinnen und Spezialisten aus Informatik, Archivwesen, Bibliothekswissenschaft, Design und Statistik zusammenarbeiten zu können.
Wissenschaftlicher Workflow
Ein guter digitaler Workflow trennt Rohdaten, bearbeitete Daten und Ergebnisse. Dateinamen folgen einem konsistenten Schema. Änderungen werden versioniert. Ein README erklärt Ordnerstruktur, Datenfelder, Abkürzungen, Lizenzen und Arbeitsschritte. Regelmäßige Backups schützen vor Verlust.
Für Seminararbeiten solltest Du digitale Quellen genauso präzise zitieren wie gedruckte. Nenne Urheber oder Institution, Titel, Signatur oder Identifikator, Version, URL beziehungsweise persistenten Identifikator und Abrufdatum. Bei Datensätzen gehören zusätzlich Version und verwendete Teilmenge in den Nachweis.
Interdisziplinäre Zusammenarbeit
Digitale Projekte sind häufig Teamarbeit. Historische Expertise, Softwareentwicklung, Datenmodellierung, Gestaltung und Archivierung müssen aufeinander abgestimmt werden. Dabei entstehen neue Formen von Autorschaft. Beiträge zu Daten, Code, Dokumentation und Infrastruktur sollten sichtbar anerkannt werden.
Ein methodisch starkes Projekt formuliert gemeinsame Begriffe, Zuständigkeiten und Qualitätskriterien. Es plant Wartung und Archivierung von Beginn an und nicht erst nach Abschluss der inhaltlichen Analyse.
Fallbeispiel: Historische Zeitungen digital untersuchen
Angenommen, Du untersuchst, wie in deutschsprachigen Zeitungen zwischen 1914 und 1918 über „Heimat“ gesprochen wurde. Zuerst formulierst Du eine präzise Frage: Geht es um Häufigkeit, Bedeutungswandel, regionale Unterschiede oder politische Instrumentalisierung? Danach definierst Du ein Korpus nach Zeitungstiteln, Regionen, Zeiträumen und politischer Ausrichtung.
Im zweiten Schritt prüfst Du die Digitalisate. Welche Jahrgänge sind vorhanden? Wie vollständig sind die Ausgaben? Wie gut ist die OCR? Der Suchbegriff „Heimat“ kann in Frakturschrift fehlerhaft erkannt worden sein. Du testest daher Varianten, untersuchst Stichproben und vergleichst Treffer mit Seitenbildern.
Im dritten Schritt kombinierst Du quantitative und qualitative Verfahren. Eine Zeitreihe kann Häufigkeitsspitzen zeigen. Anschließend analysierst Du konkrete Artikel, Textsorten und Kontexte. Du prüfst, ob das Wort in Leitartikeln, Anzeigen, Gedichten oder Verlustmeldungen vorkommt. Erst aus dieser Verbindung entsteht eine historische Interpretation.
Im vierten Schritt dokumentierst Du Korpus, Suchstrings, OCR-Probleme, Ausschlüsse und Auswertung. Eine Visualisierung erhält Quellenhinweis und Unsicherheitsangabe. So wird aus einer attraktiven Grafik eine überprüfbare geschichtswissenschaftliche Aussage.
Digitale Forschungsumgebungen und offene Ressourcen
- Deutsche Digitale Bibliothek: Digitalisierte Kultur- und Wissensobjekte aus deutschen Einrichtungen
- Deutsches Zeitungsportal: Historische Zeitungen mit Seitenbildern und Volltextsuche
- Archivportal-D: Archivübergreifende Recherche in Beständen und digitalisiertem Archivgut
- Europeana: Digitale Kulturerbe-Sammlungen aus Europa
- NFDI4Memory: Forschungsdateninfrastruktur für historisch arbeitende Wissenschaften
- Wikisource: Kollaborativ erschlossene gemeinfreie Texte und Quellen
- Wikidata: Freier, kollaborativer Wissensgraph
- Text Encoding Initiative: Standards und Richtlinien für digitale Textauszeichnung
Grenzen und offene Debatten
Digitale Methoden erweitern historische Forschung, lösen aber Grundprobleme nicht automatisch. Mehr Daten bedeuten nicht automatisch bessere Erklärung. Ein großes Korpus kann systematisch verzerrt sein; ein präziser Algorithmus kann die falsche Frage beantworten; eine eindrucksvolle Visualisierung kann Unsicherheit verdecken.
Zentrale Debatten betreffen die Abhängigkeit von Plattformen, ökologische Kosten digitaler Infrastruktur, ungleiche Ressourcen zwischen Institutionen, die Nachhaltigkeit projektförmiger Software und die Anerkennung technischer Arbeit. Auch die Frage, welche Quellen digitalisiert werden, ist politisch: Sichtbarkeit im Netz beeinflusst zukünftige Forschung und öffentliche Erinnerung.
Historische Datenvisualisierung ist älter als das digitale Zeitalter. Digitale Werkzeuge beschleunigen und erweitern sie, doch die methodische Aufgabe bleibt: Kategorien, Raum, Zeit und Unsicherheit kritisch zu prüfen.
Zusammenfassung
Geschichte im digitalen Zeitalter verbindet klassische Geschichtswissenschaft mit neuen Quellen, Methoden und Publikationsformen. Digitalisierte Quellen sind Repräsentationen analoger Objekte; born-digital Quellen entstehen in technischen Systemen und müssen mit ihrem Plattform- und Versionskontext untersucht werden. Daten, Metadaten und Modelle sind Ergebnisse von Entscheidungen.
Digitale Methoden können große Textmengen, Beziehungsnetze, Räume und Bilder erschließen. Ihre Ergebnisse bleiben abhängig von Korpusbildung, Datenqualität, Software und Interpretation. Digitale Quellenkritik untersucht deshalb nicht nur Inhalt und Urheberschaft, sondern auch Dateiformat, Provenienz, Algorithmus, Oberfläche, Version und Überlieferungsprozess.
Verantwortliche digitale Geschichtswissenschaft arbeitet transparent, reproduzierbar, rechtlich informiert und ethisch reflektiert. Sie nutzt KI als prüfbare Assistenz, schützt sensible Daten, dokumentiert Unsicherheit und plant Langzeitarchivierung. Ihr Ziel ist nicht die Automatisierung historischen Denkens, sondern dessen Erweiterung durch kritisch verstandene digitale Möglichkeiten.
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was kennzeichnet eine originär digitale Quelle? (Sie ist von Anfang an in einem digitalen System entstanden) (!Sie besitzt immer ein analoges Original) (!Sie ist automatisch gemeinfrei) (!Sie enthält keine Metadaten)
Warum ist ein Digitalisat nicht mit dem analogen Original identisch? (Technische und kuratorische Entscheidungen prägen seine digitale Repräsentation) (!Weil Digitalisate grundsätzlich gefälscht sind) (!Weil analoge Quellen keine Informationen enthalten) (!Weil nur gedruckte Editionen wissenschaftlich nutzbar sind)
Welche Aufgabe erfüllt OCR? (Sie wandelt Bilder gedruckter Schrift in maschinenlesbaren Text um) (!Sie beweist die Echtheit einer Quelle) (!Sie archiviert Webseiten vollständig) (!Sie erzeugt automatisch historische Erklärungen)
Was beschreibt Provenienz in einem digitalen Forschungsprojekt? (Die Herkunft und Bearbeitungsgeschichte eines Objekts oder Datensatzes) (!Die farbliche Gestaltung einer Visualisierung) (!Die Geschwindigkeit einer Suchmaschine) (!Die Zahl der Wörter in einem Dokument)
Warum muss ein digitales Korpus kritisch geprüft werden? (Weil digitale Verfügbarkeit keine historische Repräsentativität garantiert) (!Weil große Korpora grundsätzlich wertlos sind) (!Weil quantitative Methoden keine Quellen benötigen) (!Weil Online-Archive immer vollständig sind)
Welche Aussage zur Netzwerkanalyse ist richtig? (Die Bedeutung von Knoten und Kanten muss historisch definiert werden) (!Ein zentraler Knoten beweist automatisch politische Macht) (!Fehlende Quellen beeinflussen ein Netzwerk nicht) (!Jede Beziehung kann ohne Kontext gleich behandelt werden)
Was verlangen die FAIR-Prinzipien? (Forschungsdaten sollen auffindbar zugänglich interoperabel und nachnutzbar sein) (!Alle Forschungsdaten müssen ohne Einschränkung öffentlich sein) (!Nur gedruckte Quellen dürfen dauerhaft archiviert werden) (!Metadaten sind für digitale Daten entbehrlich)
Welche Funktion hat die Versionsgeschichte einer Wiki-Seite? (Sie macht zeitliche Änderungen und Bearbeitungen nachvollziehbar) (!Sie löscht ältere Textstände endgültig) (!Sie ersetzt die Prüfung von Fachliteratur) (!Sie garantiert die Wahrheit jeder Aussage)
Wie sollte generative KI in einer historischen Arbeit genutzt werden? (Als dokumentierte und fachlich überprüfte Assistenz) (!Als alleinige Quelle für Zitate und Literatur) (!Ohne Angabe des verwendeten Systems) (!Mit vertraulichen Daten unabhängig von den Nutzungsbedingungen)
Was bedeutet Reproduzierbarkeit in digitaler Geschichtsforschung? (Der Weg von Daten und Methoden zum Ergebnis ist nachvollziehbar dokumentiert) (!Alle Forschenden müssen dieselbe Interpretation vertreten) (!Nur das Endergebnis wird veröffentlicht) (!Softwareversionen und Parameter bleiben geheim)
Memory
| Digitalisierung | Umwandlung eines analogen Objekts in eine digitale Repräsentation |
| Born-digital | Von Anfang an digital entstandene Quelle |
| OCR | Maschinelle Erkennung gedruckter Schrift |
| Metadaten | Beschreibende Informationen zu einem digitalen Objekt |
| Provenienz | Herkunft und Überlieferungsgeschichte |
| GIS | Verbindung historischer Daten mit räumlichen Informationen |
| Netzwerkanalyse | Untersuchung von Knoten und Beziehungen |
| Versionierung | Dokumentation aufeinanderfolgender Bearbeitungsstände |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Digitaler Forschungsprozess |
|---|---|
| Forschungsfrage | Legt das historische Erkenntnisinteresse fest |
| Korpusbildung | Begründet die Auswahl der zu untersuchenden Quellen |
| Datenaufbereitung | Bereinigt und strukturiert Material nachvollziehbar |
| Analyse | Ermittelt Muster und überprüft Zusammenhänge |
| Interpretation | Deutet Befunde im historischen Kontext |
| Dokumentation | Macht Entscheidungen und Arbeitsschritte überprüfbar |
Kreuzworträtsel
| Metadaten | Wie heißen beschreibende Informationen zu einer digitalen Quelle? |
| Provenienz | Welcher Begriff bezeichnet Herkunft und Überlieferungsweg? |
| Korpus | Wie heißt eine begründete Sammlung untersuchter Quellen? |
| Geodaten | Welche Daten verbinden Informationen mit räumlichen Koordinaten? |
| Archivierung | Wie heißt die planvolle dauerhafte Sicherung von Unterlagen? |
| Versionierung | Welches Verfahren dokumentiert aufeinanderfolgende Bearbeitungsstände? |
LearningApps
Lückentext
Offene Aufgaben
Leicht
- Digitales Quellenprofil: Wähle ein Digitalisat aus einem seriösen Archivportal und erstelle ein Quellenprofil mit Herkunft, Datierung, Signatur, Dateiformat, Rechten, sichtbaren Bearbeitungsspuren und offenen Fragen.
- OCR-Fehler finden: Vergleiche eine digitalisierte Zeitungsseite mit ihrem OCR-Text, markiere mindestens zehn Fehler und ordne sie nach möglichen Ursachen wie Schriftart, Layout oder Scanqualität.
- Versionsgeschichte untersuchen: Analysiere die Versionsgeschichte eines Wikipedia-Artikels zu einem historischen Thema und beschreibe drei inhaltlich bedeutsame Änderungen.
- Medienvergleich Geschichte: Vergleiche die Darstellung desselben historischen Ereignisses in einem Lexikonartikel, einem Podcast und einem kurzen Social-Media-Beitrag.
Standard
- Historische Karte digital: Erstelle eine digitale Karte zu einem lokalen historischen Thema, dokumentiere Quellen, Ortszuordnungen und räumliche Unsicherheiten.
- Zeitungskorpus analysieren: Untersuche einen historischen Begriff in mehreren Zeitungen, prüfe OCR-Probleme und verbinde Häufigkeitsbefunde mit einer qualitativen Analyse ausgewählter Artikel.
- Oral-History-Projekt: Plane und führe ein Zeitzeugeninterview durch, sichere Einwilligung, Metadaten und Transkript und reflektiere Auswahl, Gesprächssituation und Datenschutz.
- Digitale Ausstellung: Gestalte eine kleine Online-Ausstellung mit fünf bis acht Objekten, einem klaren Narrativ, Quellenangaben, Rechtehinweisen und einer Kennzeichnung unsicherer Rekonstruktionen.
Schwer
- Historische Netzwerkanalyse: Entwickle aus Briefen, Vereinslisten oder Parlamentsprotokollen ein kleines Netzwerk, begründe Knoten und Kanten und interpretiere Zentralitätswerte quellenkritisch.
- Born-digital-Quellenarchiv: Konzipiere die Archivierung einer Website oder Social-Media-Kampagne und erläutere, welche technischen Funktionen, Metadaten und Kontexte bei einer Sicherung verloren gehen könnten.
- KI-Validierungsstudie: Teste ein KI-Verfahren zur Transkription, Entitätserkennung oder Klassifikation an einem historischen Korpus und evaluiere systematisch Fehler, Verzerrungen und fachliche Nutzbarkeit.
- Reproduzierbares Forschungsprojekt: Veröffentliche für eine selbst gewählte historische Frage einen kleinen Datensatz, eine Dokumentation, einen Analyseworkflow und eine kritische Interpretation unter Beachtung von Recht und Ethik.
|
|
Lernkontrolle
- Korpus und Repräsentativität: Zwei Forschungsgruppen untersuchen politische Sprache im 19. Jahrhundert. Gruppe A nutzt tausend digitalisierte Zeitungen aus Großstädten, Gruppe B fünfzig vollständig erschlossene Regionalzeitungen. Entwickle Kriterien, mit denen Du die Aussagekraft beider Korpora vergleichst.
- Algorithmische Sichtbarkeit: Ein Studierender behauptet, die ersten zehn Suchmaschinentreffer zeigten die wichtigsten Quellen zu einem Thema. Widerlege die Behauptung und entwirf eine bessere Recherchestrategie.
- OCR und historische Interpretation: In einer Häufigkeitskurve bricht ein Begriff in einem bestimmten Jahr stark ein. Zeige, wie Du prüfst, ob es sich um historischen Wandel, Korpusveränderung oder OCR-Fehler handelt.
- Digitale Karte als Argument: Eine Karte zeigt klare Grenzen eines historischen Herrschaftsgebiets, obwohl die Quellen widersprüchlich sind. Entwickle eine alternative Darstellung, die räumliche und zeitliche Unsicherheit sichtbar macht.
- KI und Quellenkritik: Ein Sprachmodell liefert ein plausibles Zitat samt Literaturangabe. Formuliere einen Prüfworkflow und begründe, warum sprachliche Plausibilität keine Evidenz ist.
- Ethische Veröffentlichung: Ein Archiv besitzt digitalisierte Briefe mit sensiblen Angaben über noch lebende Personen. Entwickle eine begründete Zugangsregelung, die Forschung, Datenschutz und mögliche Schäden abwägt.
- Netzwerkanalyse und Überlieferung: Eine Person erscheint am Rand eines rekonstruierten Briefnetzwerks. Erkläre mindestens drei Gründe, warum daraus nicht auf geringe historische Bedeutung geschlossen werden darf.
- Nachhaltigkeit: Ein digitales Editionsprojekt endet nach drei Förderjahren. Entwirf einen Plan für Zitierbarkeit, Datenübergabe, Softwaredokumentation, Rechteklärung und Langzeitarchivierung.
Lernnachweis
Für einen Lernnachweis zu Geschichte im digitalen Zeitalter sind folgende Leistungen wichtig:
- Begriffsverständnis: Du unterscheidest Digitalisierung, Digitalität, Digital History, Digital Humanities, Forschungsdaten und born-digital Quellen präzise.
- Quellenkritik: Du prüfst Inhalt, Herkunft, Metadaten, Version, Plattformkontext, technische Bearbeitung und Überlieferung digitaler Quellen.
- Methodenkompetenz: Du wählst digitale Methoden passend zur Forschungsfrage und erklärst ihre Voraussetzungen, Möglichkeiten und Grenzen.
- Datenkompetenz: Du dokumentierst Korpusbildung, Datenbereinigung, Unsicherheiten, Dateiformate und Bearbeitungsschritte.
- Historische Interpretation: Du verbindest quantitative oder computergestützte Befunde mit genauer Quellenlektüre und Kontextwissen.
- Reproduzierbarkeit: Du machst Datenbasis, Werkzeuge, Versionen, Parameter und Auswertung nachvollziehbar.
- Recht und Ethik: Du beachtest Urheberrecht, Lizenzen, Datenschutz, Persönlichkeitsrechte und mögliche gesellschaftliche Folgen.
- Wissenschaftliche Kommunikation: Du präsentierst Ergebnisse adressatengerecht, belegt und ohne technische Scheinobjektivität.
- Reflexion: Du kannst erläutern, wie digitale Infrastruktur, Plattformen und Modelle historische Erkenntnis beeinflussen.
Ein überzeugender Lernnachweis kann als Portfolio aus Quellenprofil, Methodenprotokoll, kleiner Datenanalyse, reflektierter Visualisierung und schriftlicher Interpretation gestaltet werden. Entscheidend ist nicht die technische Komplexität, sondern die geschichtswissenschaftliche Qualität und Transparenz.
OERs zum Thema
Verknüpfte Lernbereiche
aiMOOC-Projekte
Schulfach+
|
|
aiMOOCs
aiMOOC Projekte
|
|
THE MONKEY DANCE
|
|
|