Vortrag von Joëlle Weis: Data Disillusionment: Confessions of a Project Leader

Viele von uns kennen die Aufregung, die mit der Antragsrhetorik einhergeht, wenn plötzlich (fast) alles möglich scheint. Wir machen uns daran, gemeinsame Standards für unser Forschungsgebiet zu entwickeln, wiederverwendbare Datenmodelle zu entwerfen und nachhaltige Daten zu erstellen, um unser Fachgebiet zu revolutionieren. Sobald wir jedoch das Glück haben, eine Finanzierung zu erhalten, holt uns die Realität nur allzu oft wieder auf den Boden der Tatsachen zurück. In diesem Beitrag soll dieses Phänomen, das ich "Datendesillusionierung" nenne, analysiert werden, indem die grundlegende Frage gestellt wird: Warum sind die Dinge nicht so gelaufen wie ursprünglich geplant?

Diese Frage steht nicht im luftleeren Raum, denn in den letzten Jahren wurde dem Konzept des Scheiterns in den Digital Humanities mehr Aufmerksamkeit geschenkt. Als Gemeinschaft haben wir erkannt, dass es produktiv sein kann, über Dinge zu sprechen, die nicht geklappt haben. Die Tatsache, dass wir zunehmend Metaphern von Experimenten und Laboren verwenden, ist ein Zeichen für diesen bedeutenden epistemologischen Wandel. Aber auch wenn das Scheitern theoretisch eine produktive Qualität haben kann, wollen unsere Vorgesetzten und Geldgeber dennoch Forschungsergebnisse sehen. Das Eingestehen von Fehlern kann eine Lösung für laufende Projekte sein, um Gegenmaßnahmen zu ergreifen und dennoch die bestmöglichen Ergebnisse zu erzielen.

Dieser Beitrag ist ein Beispiel für das Erkennen und Beobachten von Fehlern und eine Aufforderung, unsere eigenen Datenpraktiken selbstkritisch zu hinterfragen. Als Beispiel stelle ich ein Projekt vor, an dem ich in den letzten zwei Jahren als Forschungsleiter gearbeitet habe und das noch drei weitere Jahre laufen wird. Gemeinsam mit einem interdisziplinären Team aus Historikern, DH-Experten, Literaturwissenschaftlern und Kunsthistorikern wollen wir neue Standards in der digitalen Sammlungsforschung setzen, sowohl durch den Aufbau von Infrastrukturen als auch durch die Erstellung von Best-Practice-Fallstudien. Mein Teilprojekt befasst sich mit der Rekonstruktion frühneuzeitlicher Bibliotheken und einer Analyse ihrer epistemischen Funktionen. Als Rahmen für meine Aussage verwende ich die drei Stufen der historischen Methode von Johann Gustav Droysen (Heuristik, Kritik, Interpretation) und stelle sie den drei Schritten der Datafizierung (Modelle, Formate, Verarbeitung) gegenüber. Ich möchte die Herausforderungen identifizieren, die die Datafizierung für jeden dieser Arbeitsschritte darstellt, indem ich die Wege unserer Entscheidungsfindung bezüglich historischer Quellen und Daten rekonstruiere. Ich werde darüber nachdenken, welche Auswirkungen diese Entscheidungen hatten, die letztendlich zu der oben erwähnten Datenenttäuschung führten. Schließlich möchte ich auf die Frage des produktiven Scheiterns zurückkommen. Ich werde die daraus gezogenen Lehren erörtern und eine Methode zur Antizipation des Scheiterns vorschlagen, mit der wir unsere Entscheidungsfindung in historischen Forschungsprojekten optimieren können.

Bibliographie:

Dombrowski, Q. (2019). Towards a Taxonomy of Failure. http://quinndombrowski.com/blog/2019/01/30/towards-taxonomy-failure Kemman, M. (2019). DH Failures vs Findings. https://www.maxkemman.nl/2019/02/dh-failures-vs-findings/

Kirby, J. S. (2019). How NOT to create a digital media scholarship platform: the history of the Sophie 2.0 project. IASSIST Quarterly, 42(4).

Pawlicka-Deger, U. (2020). The Laboratory Turn: Exploring Discourses, Landscapes, and Models of Humanities Labs. Digital Humanities Quarterly, 14(3).