{"id":2130,"date":"2024-04-09T14:23:51","date_gmt":"2024-04-09T12:23:51","guid":{"rendered":"https:\/\/dig-hum.sjstudios.eu\/?page_id=2130"},"modified":"2025-03-10T11:53:52","modified_gmt":"2025-03-10T10:53:52","slug":"ag-graphen-netzwerke","status":"publish","type":"page","link":"https:\/\/digitalhumanities.de\/en\/ag-graphen-netzwerke\/","title":{"rendered":"AG Graphen & Netzwerke"},"content":{"rendered":"
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

AG Graphen & Netzwerke<\/h1>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

1. AG-Name<\/strong><\/h2>

AG Graphen & Netzwerke<\/p>

\u00a0<\/h3>

2. AG-Arbeitsschwerpunkte<\/strong><\/h2>

Die\u00a0Modellierung von Daten<\/strong>\u00a0in einer graphenbasierten Struktur erm\u00f6glicht es, Informationen in einer flexiblen Art und Weise in Bezug miteinander zu setzen. Modelliert werden nicht in Dokumenten zusammengesetzte Informationseinheiten (wie etwa Tabellen bei relationalen Datenbanken) sondern distinkte Entit\u00e4ten, die durch Relationen miteinander verkn\u00fcpft ein semantisches Netz bilden.<\/p>

Graphdatenbanken<\/strong>\u00a0zeigen beim Umgang mit Metadaten eine hohe Performanz und liefern qualitativ hochwertige Suchergebnisse. Die Visualisierung der Daten als Graph, oder auch semantisches Netz, bieten dem Betrachter eine intuitiv-zug\u00e4ngliche Darstellungsform und kann damit auch Ausgangspunkt f\u00fcr weitere Analyseans\u00e4tze sein.<\/p>

Graphen k\u00f6nnen zusammen mit dem\u00a0Forschungsgegenstand Text<\/strong>\u00a0als Erschlie\u00dfungs- oder Modellierungsinstrument eingesetzt werden. Sie k\u00f6nnen dabei das funktionale \u00c4quivalent von Registern oder Indizes bilden, ohne auf deren Ein- bis Zweidimensionalit\u00e4t begrenzt zu sein. Stattdessen k\u00f6nnen sie verweisende und vernetzte Erschlie\u00dfungen nativ als solche speichern. Dar\u00fcber hinaus bieten sie die M\u00f6glichkeit, die Erschlie\u00dfung zu einer Ontologie oder einem semantisch reichhaltigen Property-Graph mit attributierten Kanten auszubauen. Semantisch ist der Graph selbstverst\u00e4ndlich nicht auf wiedergebende Erschlie\u00dfung beschr\u00e4nkt, sondern kann auch interpretierende Modellierungen aufnehmen \u2013 Modellierungen etwa von Textinhalten, Aussagen oder Themen, aber auch Beziehungen zwischen Texten oder Textteilen. Die Verbindung zwischen Graph- und Textdaten kann dabei auf verschiedene Arten realisiert werden: nach dem\u00a0standoff property-Prinzip mit im Graph gespeicherten Positionsindizes; mittels IDs die zwischen Graph und Text abgeglichen werden; oder indem der Text vollst\u00e4ndig in den Graph eingebunden wird (text as a graph). Alle diese Szenarien versprechen eine effiziente Datenhaltung, einen hohen Grad semantischer Dichte, nutzungsorientierte Pr\u00e4sentationsm\u00f6glichkeiten, und M\u00f6glichkeiten zur tiefergehenden Abfrage und Analyse.<\/p>

Durch die semantische Verkn\u00fcpfung der Informationen miteinander und das sich daraus ergebende Potenzial der komplexen\u00a0Abfragem\u00f6glichkeiten<\/strong>\u00a0bieten Graphentechnologien sehr interessante Perspektiven f\u00fcr neue methodische Fragestellungen in den digitalen Geisteswissenschaften. F\u00fcr die Langzeitarchivierung lassen sich Graphdaten in andere Formate konvertieren (wie z.B. XML), f\u00fcr die bereits Workflows f\u00fcr die Langzeitarchivierung etabliert sind.<\/p>

Graphentheorie bildet zudem eine der Grundlagen geisteswissenschaftlicher\u00a0Netzwerkforschung<\/strong>. In den letzten Dekaden wurde insbesondere in den Geschichtswissenschaften, aber auch in Arch\u00e4ologie, Literaturwissenschaften, Linguistik und weiteren Disziplinen der Netzwerkbegriff zunehmend nicht mehr nur metaphorisch angewendet, sondern im Kontext der Auswertung formaler quantitativer Analysen. Dies f\u00fchrte zum Einen zur Evaluierung und \u00dcbertragung epistemologischer Paradigmen z. B. der Soziologie auf geisteswissenschaftliche Anwendungskontexte sowie zum Anderen zu einer regen Theorieentwicklung in den einzelnen Disziplinen.<\/p>

Als zentrales Merkmal der netzwerktheoretischen Perspektive steht nicht die isolierte Entit\u00e4t \u2013 seien es Personen, Quellen oder Objekte \u2013 im Mittelpunkt der Betrachtung, sondern ihre Einbettung in ein Geflecht von Beziehungen, die Strukturen, die sich aus diesen ergeben, und die Konsequenzen f\u00fcr Handlungs- und Wirkungsspielr\u00e4ume. Weitere Schwerpunkte bestehen in der Identifikation und den Dynamiken von Gruppen, der Bedeutung, den Rollen und den Positionen von Akteur:innen im Netzwerk sowie der Betrachtung dieser Ph\u00e4nomene auf der Mikro-, Meso-, Makroebene und dem Wechsel zwischen diesen Ebenen. Insbesondere in Verbindung mit der Visualisierung von Graphen sind ferner explorative Ans\u00e4tze zum Umgang mit komplexen Datens\u00e4tzen zu nennen. Themen der Netzwerkforschung in den Digitalen Geisteswissenschaften beinhalten z. B. die Analyse von Handels- und Tauschnetzwerken, von Finanz- und Unternehmensverflechtungen, Migrationsforschung, Heirats- und Verwandschaftsbeziehungen, die Diffusion von Wissen, Innovationen und Informationen, Korrespondenznetzwerke, Ko-Okkurenzen in textuellen Quellen, und viele mehr. Dabei nehmen vor allem in den historischen und arch\u00e4ologischen quellenkritische \u00dcberlegungen zur Anwendung formaler Methoden auf l\u00fcckenhaft \u00fcberlieferte Quellenkorpora einen gro\u00dfen Stellenwert ein; auch der Umgang mit den Dimensionen von Zeit und Raum in komplexen, hochstrukturierten Datens\u00e4tzen stellt eine der Herausforderungen geisteswissenschaftlicher Netzwerkforschung dar.<\/p>

\u00a0<\/h3>

3. AG-Ziele<\/strong><\/h2>

Ziel der Arbeitsgruppe Graphen & Netzwerke ist die F\u00f6rderung des\u00a0Informationsaustausches<\/strong>\u00a0und der\u00a0Diskussion\u00a0<\/strong>zu Entwicklung und Anwendung digitaler Methoden und Standards der Wissensmodellierung und der Analyse mit Graphen und Netzwerken.<\/p>

Von Interesse sind dabei unter anderem folgende Fragestellungen:<\/p>