Datengrundlage: Der Digitale Peters und die DBpedia

Die ersten Entwürfe der eTaRDiS fußten auf der Auseinandersetzung mit einem weiteren Artefakt, dem sogenannten Digitalen Peters.¹⁰ Diese Anwendung wurde 2010 als CD-ROM zusammen mit einem Einführungsbuch veröffentlicht. Die Herausgebenden bezeichneten das Produkt selbst als „Geschichtssoftware“.¹¹ Der Digitale Peters bereitet die Daten aus der Synchronoptischen Weltgeschichte von Arno und Anneliese Peters,¹² die 1952 das erste Mal und 2001 das letzte Mal in einer erweiterten und überarbeiteten Fassung erschienen ist, auf. Arno und Anneliese Peters verfolgten mit dem Projekt die Idee, historische Ereignisse in ihrer Gleichzeitigkeit darzustellen. Zentrales Merkmal der Buchpublikation sind sogenannte Zeitkarten, die immer als Doppelseite, die erneut ausgefaltet werden kann, Ereignisse und Personen aus einem Jahrhundert zusammenstellen. Begleitet wird die Weltgeschichte von einem Indexband, der die farblich codierten Einträge bereithält. In der Mitte der Doppelseite werden die Lebensdaten von bedeutenden Personen der Geschichte aus verschiedenen Weltregionen in linearer Form auf einem Zeitstrahl eingetragen, sodass verschiedene Linien entstehen, die untereinander angeordnet sind. Somit sind auch Gleichzeitigkeiten der Lebensdaten sichtbar. Außerdem werden auf den Zeitkarten Ereignisse aufgeführt, die ober- und unterhalb der sogenannten Zeitgenossen angeordnet sind. Die Position und Ausdehnung der Ereignisse entsprechen ihrer Datierung und Dauer; zudem wurden die Ereignisse insgesamt vier Kategorien zugeordnet: Wirtschaft, Geistesleben, Politik und Kriege/Revolutionen. Diese Zuordnung wurde von den Mitarbeitenden an der analogen und digitalen Version des Peters auf der Basis hermeneutischer Forschungspraktiken vorgenommen. Im Datensatz sind zudem Verbindungen hinterlegt, die einzelne Ereignisse und Personen in Beziehung setzen. Daraus ergeben sich Verlinkungen der Einträge untereinander; die Verbindungen legen aber auch den Grundstein für die Möglichkeit weiterer Visualisierungen, die eher die Verbindung der Entitäten in den Mittelpunkt stellen, wie beispielsweise sogenannte Zeitscheiben. Bei dieser Visualisierungsform steht ein Ereignis oder eine Person in Form einer Kugel im Zentrum einer Scheibe und die Verbindungen sind als kleinere Kugeln in kreisförmigen Schichten um das Zentrum angeordnet. Die Abstände repräsentieren dabei die zeitlichen Abstände zwischen den Einträgen, während die Größe einer Kugel die semantische Nähe zum Zentrum, also die inhaltliche Verbindung der Einträge repräsentiert: je größer, desto ähnlicher. Diese grundsätzliche Form der Visualisierung hat auch die Umsetzung der eTaRDiS inspiriert. Auch hier repräsentieren Kugeln die einzelnen Wissenselemente und ist der Abstand zum Zentrum bzw. sind die Abstände der Kugeln untereinander unterschiedlich belegbar: zeitlicher und räumlicher Abstand oder semantische Nähe. In beiden Fällen repräsentieren die Farben der Kugeln die Zuordnung zu Kategorien.

Die Daten des Digitalen Peters lagen bei Projektbeginn vor und bildeten die Grundlage für den Prototyp der Visualisierung. Der Datensatz enthält Informationen zu 12.162 Ereignissen (3.025 mit Georeferenzen), 1.113 Personen sowie 9.636 Stichworten. Letztere organisieren die Verknüpfungen der Daten untereinander und liegen damit auch der Distanzberechnung für die Kugeln in der Visualisierung zugrunde. Angelegt sind 113.072 Verknüpfungen, die auf der hermeneutischen Interpretation der Mitarbeitenden in der Gruppe um Arno Peters beruhen. Außerdem gibt es 721 Bilder und 574 externe Verlinkungen. Insgesamt werden auf diese Weise 5.000 Jahre Menschheitsgeschichte beschrieben.

Datensätze und Wissensnetzwerke sind nie neutral und folgen immer einem dezidierten (Forschungs-)Interesse. Die Modellierung der Daten war daher auch bei der Entwicklung der eTaRDiS besonders entscheidend. Bei der Analyse des Datenmodells des Digitalen Peters im Rahmen der Prototypentwicklung wurde schnell deutlich, dass das gewählte Modell vor allem die interpretativen Entscheidungen der Forschungsgruppe abbildet, die die Informationen in den 1950er und 1960er Jahren zusammengestellt hatte. Für die eTaRDiS galt es daher, aktuelle Wissensnetzwerke zur Exploration aufzuarbeiten. Es wurde daher entschieden, die Daten der Wikipedia als der Enzyklopädie der Gegenwart, wie sie im Rahmen der DBpedia-Initiative¹³ bereitgestellt werden, als Datengrundlage zu wählen. Zusätzlich wurde der Datensatz mit Informationen aus Wikidata angereichert.

Zur Integration von Daten aus DBpedia und Wikidata in eine Wissensgraph-Datenbank wurde von den Historiker*innen im Projektteam ein geeignetes Datenbankschema entwickelt. Die Klassen von DBpedia wurden dabei in sieben semantisch übergeordnete Kategorien überführt: Agent (Akteur), Place (Ort), Event (Ereignis), Topical Concept (thematisches Konzept), Material Object (materielles Objekt), Cultural Artifact (kulturelles Artefakt) sowie Miscellaneous (Verschiedenes). Diese Reorganisation war notwendig, da die ursprüngliche Klassifikation innerhalb von DBpedia nicht auf die Anforderungen historischer Forschung zugeschnitten ist. So ist beispielsweise die Ressource The Motherland Calls (res:The_Motherland_Calls), eine den Helden der Schlacht von Stalingrad gewidmete Statue, in DBpedia der Klasse dbo:ArtWork zugeordnet. Im entwickelten Schema wird sie jedoch als Cultural Artifact klassifiziert, während etwa die Ressource Albert Einstein (res:Albert_Einstein) der Kategorie Agent zugewiesen wird. Zur standardisierten Beschreibung der Ressourcen wurde außerdem ein Set aus 26 zentralen deskriptiven Eigenschaften definiert, das eine minimale, aber konsistente Erfassung relevanter Informationen ermöglicht (Deskriptoren). Diese Eigenschaften finden unter anderem Anwendung bei der Darstellung standardisierter Kurzbeschreibungen im Detailfenster einer Entität innerhalb des Fragmentariums während der Exploration.¹⁴

Für Albert Einstein sehen diese Deskriptoren beispielsweise so aus:

Historisches Wissen perspektivieren: Die eTaRDiS-Erfahrung

In der eTaRDiS geht es um die ‚Exploration Temporaler und Räumlicher Daten in immersiven Szenarien‘. Die Erfahrung beginnt für die Nutzenden im sogenannten Hub, einem Raum, der an ein Büro erinnern soll und in dem es möglich ist, bestimmte Teildatensätze auszuwählen, die dann für die Exploration vorbereitet werden. Diese Auswahl kann anhand einfacher Suchabfragen, regionaler oder zeitlicher Eingrenzungen, aber auch über eine Filterfunktion, über die eine Auswahl anhand der Kategorien sowie weiterer Informationen möglich ist, getroffen werden. Nutzende wählen dann innerhalb eines solchen klar definierten Netzwerks eine Kugel zum Ausgangspunkt der Exploration im Fragmentarium.

Zur Abbildung der Netzwerkstruktur des Datenmodells wurde eine Visualisierung gewählt, die der oben beschriebenen Grundstruktur der Zeitscheiben-Visualisierung entspricht. Entitäten werden als Kugeln dargestellt und gemäß ihrer Kategorisierung eingefärbt: Agent, Place, Event, Topical Concept, Material Object, Cultural Artifact und Miscellaneous. Ausgehend von einer zentralen Kugel, die von den Nutzenden im Hub oder im Rahmen eines vordefinierten Default Cases ausgewählt wird, baut sich um die Nutzenden herum ein Netzwerk aus Kugeln auf, deren Abstand zueinander entweder einer zeitlichen, räumlichen oder semantischen Distanz entspricht. Den Nutzenden stehen dann verschiedene Interaktionsmöglichkeiten zur Verfügung.¹⁵

• Exploration: Nutzende können von ihrem aktuellen Standpunkt aus eine neue Kugel (Fragment) auswählen, die dann zum neuen Hauptfragment wird. Anschließend wird die Visualisierung neu aufgebaut. Die Position der Nutzenden wird hiernach zum neuen Zentrum und die umgebenden Kugeln entsprechen den jeweiligen Entitäten, die mit ihm verbunden sind.
• Detailfenster: Für jedes Fragment zeigt ein bewegliches Detailfenster zusätzliche Informationen wie seine Merkmale (siehe Tabelle 1), ein Bild und eine Zusammenfassung (siehe Abbildung 1).
• Beziehungsdetails: Die Beziehungsdetails zeigen paarweise Informationen darüber an, wie die Anordnung der Kugeln zustande kam: räumliche, zeitliche oder semantische Distanz.
• Gewichte anpassen: Nutzende können zentrale und relative Gewichte anpassen, um die Positionierung der Kugeln im Raum weiter zu beeinflussen und ihre eigene Wissensstruktur zu wählen. Durch die Anpassung der zentralen Gewichte können Nutzende beeinflussen, nach welchen Faktoren (räumliche, zeitliche oder semantische Distanz) die zugehörigen Fragmente relativ zum Zentrum positioniert werden sollen. Die relativen Gewichte beeinflussen die Positionierung der Kugeln zueinander.
• Kompass: Sphären können markiert werden, um sie schneller wiederzufinden. Wenn eine Kugel markiert ist, erscheint eine Markierung in der Farbe ihrer Kategorie auf dem Kompass, der als Hilfslinie im oberen Sichtfeld lokalisiert ist.
• Skalierung: Nutzende können das gesamte Wissensnetzwerk erfassen und skalieren. So entsteht ein Objekt, das auch von außen betrachtet werden kann und Nutzende werden zu externen Beobachter*innen des Netzwerks.

Auf diese Weise nutzt eTaRDiS die Positionalität der Nutzenden im Raum der VR dazu, das Nachdenken über die Positionalität in der Interaktion mit historischen Informationen anzuregen. Die Exploration historischer Daten wird so zu einer Erfahrung der eigenen Positionalität.