Mit der FinderApp durch Goethes Faust: Treffer im Faksimile visuell hervorgehoben und multimediale Ausgabe in Videoaufführung und Hörbuch.

Einleitung
In unserem Poster möchten wir unsere neueste FinderApp GoetheFind vorstellen, die mit
computerlinguistischen Methoden die Originalausgabe von Goethes Faust
durchsucht. GoetheFind hat einen neuen browser-basierten Faksimile-Viewer, der
die Schaltstelle der multimedialen Ausgabe der Suchtreffer darstellt: Die
Treffer werden im Faksimile der Originalausgaben gehighlighted dargestellt und
mit einer gesprochenen Faust-Hörbuchausgabe verlinkt. Bei Faust I werden die
Treffer mit der entsprechenden Szene des Videos der Bühnenaufführung vom
Hamburger Schauspielhaus mit Gustav Gründgens (1960) verlinkt. GoetheFind
entstand aus unserer FinderApp WiTTFind (Hadersbeck / Pichler; Hadersbeck et al. 2014), die den
öffentlich zugänglichen Teil des Nachlasses von Ludwig Wittgenstein durchsucht
und mit der wir im Sommer 2014 den EU-AWARD des EU-Projekt Digitised Manuscripts to Europeana (cf.
Ploeger 2014) gewannen.
In unserer neuen FinderApp GoetheFind, setzen wir Ideen des „Standoff-Markups“ um, damit „overtagged“-XML vermieden wird. Wir entwickelten eine reduzierte „XML-TEI-P5 anchor-key“ Edition und speichern die Metainformatione in einer „NoSQL-mongo“-Datenbank. Alle relevanten Editions-, OCR- und Transkriptionsinformationen zur multimedialen Trefferausgabe sind in der Datenbank gespeichert.

Modellierung der Editionsdaten

Anstatt „overtagged“ XML ein reduziertes „anchor-key“ XML-TEI-P5 mit „NoSQL“-Database
Grundlage unserer FinderApp GoetheFind ist die XML-TEI-P5 Textedition im
DTABf Format vom Deutschen Textarchiv (DTA) der Berlin-Brandenburgischen
Akademie der Wissenschaften (BBAW 2013; Haaf et al. 2015), dazu die
Bilddigitalisate der Staatsbibliothek zu Berlin (BBAW 2013) und dem freiem
Hochstift Frankfurt des Frankfurter Goethe-Hauses (Signatur: III B / 23).
Da wir zur multimedialen Ausgabe der Suchtreffer zahlreiche
Metainformationen benötigen und "overtagged" XML des Editionstexts vermeiden
wollten, verwenden wir Ideen des „Standoff-Markups“ und lagern alle
notwendigen Meta-Informationen in der „NoSQL“ mongo-Datenbank GoetheDB aus.
Eine eindeutige Referenz der Datenbankeinträge zum Editionstext lösen wir
über den XML-TEI-P5 Tag , der an Seitenanfängen in die
Edition eingefügt ist. Die Trefferpositionen werden über ein
XML-Attributtrippel (Seite, Zeile, Token) genau spezifiziert.

Vorverarbeitung der Edition, Faksimile, Videoaufführung und Audioaufnahme
Da unsere FinderApp die Suchanfragen regelbasiert mit Hilfe von lokalen
Grammatiken im Kontext eines Satzes realisiert, verwenden wir als wichtigste
Strukturierungsebene Sätze. Goethes Faustdrama bettet Sätze in Rede und
Gegenrede, sogenannte Repliken ein, die die zweite Strukturierungsebene
darstellt. Zur visuellen Hervorhebung und multimedialen Ausgabe der
gefundenen Textstellen im Faksimile ermitteln wir für die Replike
geometrische Informationen mit Hilfe eines von uns entwickelten
semiautomatischem OCR-Correction Tools. Die Bühnen- und Audioaufnahme werden
mit Hilfe des Clarin-Tools: „Munich Automatic Segmentation System WebMAUS“
(CLARIN) semiautomatisch transkribiert.

Computerlinguistische Methoden zur Textinterpretation
Mit Hilfe unseres Speziallexikons GoetheLEX, angereichert um historische Sprachvarianten, Part of Speech Tagging und lokalen Grammatiken implementierten wir eine Partikelverb- und Semantische Suche. Bei der Eingabe von Suchanfragen verwenden wir eine symmetrische Autovervollständigung mit Informationen zur Häufigkeit des Auftretens im Text.

Treffer im Faksimile-Viewer und multimediale Ausgabe
Ähnlich wie bei Google-Docs entwickelten wir einen Browser basierter Faksimile-Viewer mit dem man in einem doppelseitigen Buchlesemodus durch das Dokument blättern kann und die gefundenen Textstellen farblich hervorgehoben werden. GoetheFind vernetzt alle Treffer mit der entsprechenden Replik in der Bühnenaufführung und der Hörbuchausgabe. Sobald der Nutzer auf die Mulitmediabuttons des Treffers drückt, startet im Browser ein Videoviewer oder eine Ausdioausgabe ab dieser Stelle.

Danksagung
Wir danken dem Deutschen Textarchiv für die gute Zusammenarbeit und die
freundliche Verfügungsstellung der Editionsdaten von Goethes Faust (BBAW 2013).
Der Staatsbibliothek zu Berlin – Preußischer Kulturbesitz und dem Freien
Deutschen Hochstift, in Frankfurt danken wir für die Wiedergaberechte der
Bilddigitalisate der Originalausgabe Goethes Faust.

Bibliographie

BBAW (2013): Das DTA-Basisformat
DTABf. Berlin-Brandenburgische Akademie der Wissenschaften (BBAW)
http://www.deutschestextarchiv.de/doku/basisformat [letzter
Zugriff 09. Januar 2016].

CLARIN (o. J.): CLARIN-D
WebMAUS. Automatic Segmentation of Speech. https://www.clarin.eu/movies/clarin-d-webmaus-automatic-segmentation-speech
[letzter Zugriff 08. September 2015].

Haaf, Susanne / Geyken, Alexander / Wiegand, Frank
(2015): "The DTA 'Base Format': A TEI Subset for the Compilation of a Large
Reference Corpus of Printed Text from Multiple Sources", in: Journal of the Text Encoding Initiative 8 https://jtei.revues.org/1114
[letzter Zugriff 09. Januar 2016].

Hadersbeck, Max / Bruder, Daniel / Capsamun, Roman / Conforti, Costanza /
Eder, Elisabeth / Eichfeldt, Nora / Fink, Florian / Herteis, Simeon / Höps, Raphael /
Lindinger, Matthias / Ling, Jennifer / Mittelhammer, Katharina / Schmidt, Katharina /
Schweter, Stefan
FinderApp GoetheFind.
Centrum für Informations- und Sprachverarbeitung (CIS), Ludwig Maximilians Universität
München
http://goethefind.cis.uni-muenchen.de/
[18.02.2016].

Hadersbeck, Max / Pichler, Alois (eds.) (o. J.) FinderApp WiTTFind. Centrum für Informations- und
Sprachverarbeitung (CIS), Ludwig Maximilians Universität München &
Wittgenstein Archives, University of Bergen http://wittfind.cis.uni-muenchen.de/ [letzter Zugriff 09. Januar
2016].

Hadersbeck, Max, Pichler, Alois, Fink, Florian , Gjesdal,
Øyvind Liland (2014): "Wittgenstein's Nachlass. WiTTFind and
Wittgenstein advanced search tools (WAST)", in: Digital
Access to Textual Cultural Heritage (DaTeCH 2014), Madrid 91-96
http://dblp.uni-trier.de/db/conf/datech/datech2014.html#HadersbeckPFG14
[letzter Zugriff 09. Januar 2016].

Hadersbeck, Max / Pichler, Alois / Fink, Florian / Bruder,
Daniel / Arends, Ina / Baiter, Johannes (2015): "Wittgensteins
Nachlass. Erkenntnisse und Weiterentwicklung der FinderApp WiTTFind", in:
2. Tagung der Digital Humanities im deutschsprachigen
Raum 23.-27.2.2015, Graz.

Ploeger, Lieke (2014): "Open Humanities Awards round 2
– Winners announced", in: DM2E. Digitised Manuscripts to
Europeana
http://dm2e.eu/open-humanities-awards-round-2-winners-announced/
[letzter Zugriff 09. Januar 2016].

TEI (2015): "Stand-off Markup", in: TEI Guidelines for Electronic Text Encoding and Interchange,
Version 2.9.1, 16.9 http://www.tei-c.org/release/doc/tei-p5-doc/en/html/SA.html#SASO
[letzter Zugriff 09. Januar 2016].