In den Digital Humanities fehlen bislang integrierte Lösungen für einen geschlossenen Forschungsdatenzyklus. HisQu entwickelt eine integrierte Plattform, um den Forschungsprozess mit Quellen digital zu unterstützen.
Scroll to explore
In den digitalen Geisteswissenschaften dominieren bislang digitale Editionen und punktuelle "Insel-Lösungen" – Tools und Skripte, die nur für ein spezifisches Forschungsproblem entwickelt wurden.
Historische Daten sind über verschiedene Systeme verstreut und schwer zugänglich.
Manuelle Prozesse verlangsamen die Forschung und führen zu Datenverlusten.
Forschungsergebnisse sind schwer nachvollziehbar und nicht FAIR-konform, was auch die Wiederverwendbarkeit der Daten einschränkt.
Aktuelle Tools können nicht mit der wachsenden Datenmenge mithalten und sind nicht für die Zukunft gerüstet.
← ziehen zum Vergleichen →
6 integrierte Schritte führen von der Quellendigitalisierung bis zur wissenschaftlichen Nachnutzung – ohne Medienbrüche, vollständig dokumentiert und reproduzierbar.
Nahtlose Integration aller Forschungsschritte von der Digitalisierung bis zur Nachnutzung.
Large Language Models optimieren Annotation, Extraktion und Qualitätskontrolle.
Findable, Accessible, Interoperable und Reusable – für maximale Nachnutzbarkeit.
Benutzerfreundliche Tools für komplexe geisteswissenschaftliche Forschungsprozesse.
HisQu zielt darauf ab, die Digitalisierung gedruckter historischer Quellen mit anspruchsvollen Layouts – etwa Frakturschriften oder komplexen Spaltenstrukturen – deutlich zu verbessern.
Digitalisierung historischer Ressourcen
Die konsequente Digitalisierung geschichtswissenschaftlicher Forschungsprozesse erfordert domänenspezifische Vokabulare für semantische Erfassung und Interoperabilität.
Zentrales Element: Die Ontologie
Für die Datenverarbeitung entwickelt HisQu innovative Tools auf Basis von LLMs für Grammatikentwicklung und semantische Modellierung.
Einbindung von Large Language Models
Um den Zugang zu komplexen SPARQL-Abfragen zu erleichtern, entwickelt HisQu einen grafischen Query-Builder mit integrierter LLM-Unterstützung.
KI-unterstütztes SPARQL-Endpoint
Für die Speicherung nutzt HisQu FactGrid, eine speziell auf die Geschichtswissenschaft zugeschnittene Wikibase-Instanz für kollaboratives Arbeiten.
Linked Open Data mit FactGrid/Wikibase
HisQu entwickelt ein interaktives Labortagebuch, das historische Forschungsprozesse transparent und reproduzierbar macht.
Dokumentationsframework für den Forschungsprozess
HisQu wird von führenden Einrichtungen der Digital Humanities und Geschichtswissenschaft getragen.
Prof. Dr. Clemens Beckstein · Apl. Prof. Dr. Robert Gramsch-Stehfest
Prof. Dr. Hedwig Röckelein · M.A. Bärbel Kröger · Dr. Christian Popp
Prof. Dr. Martin Baumeister · Dr. Jörg Hörnschemeyer
Prof. Dr. Martin Mulsow · Dr. Olaf Simons
Aktuelle Entwicklungen, Forschungsergebnisse und Einblicke in die Welt der digitalen Geisteswissenschaften.
Das Repertorium Germanicum steckt voller strukturierten Wissens -- nur ist dieses Wissen nirgends explizit gemacht. Unser Datamodel-Workflow überführt das implizite Modellwissen der Historiker:innen Schritt für Schritt in eine formale Ontologie. Sprachmodelle übernehmen dabei die Formalisierung, die semantische Kontrolle bleibt in der Hand der Fachwissenschaft.
Weiterlesen
Der CQ-Manager ist eine Web-App zur katalogisierten Erfassung, Konsolidierung, Klassifizierung, Indizierung, Bearbeitung, Versionierung und Diskussion von Competency Questions. CQs spielen eine zentrale Rolle in der Ontologieentwicklung. Sie spiegeln die Anforderungen der Anwender an die Ontologie wieder und legen den Rahmen der Ontologie fest. Insbesondere bei Projekten mit vielen Stakeholdern ist ein koordiniertes Vorgehen unabdingbar.
Lesen
Wissensgraphen sind eine vielsversprechende Technologie zur Aggregation diverser Datenquellen, unter anderme in den Geschichtswissenschaften. Die Syntax der Abfragesprache SPARQL ist jedoch komplex. Unser Ansatz, Query by Graph, ermöglicht das Entwerfen einfacher SPARQL-Abfragen über eine graphische Benutzeroberfläche. Mit Mausklicks und einer Suchfunktion können Abfragen erstellt werden, ohne eine Zeile "Code" zu schreiben.
Lesen
Reguläre Ausdrücke sind das non plus ultra zur automatischen Extraktion aus Texten. Sie bieten aber auch eine Hürde: komplexe Syntax und unerwartete Fehler. Zur korrekten Anwendung bedarf es gewissen Versiertheit, wobei selbst Erfahrene gelegentlich nicht erklären können, wieso ein Ausdruck nicht passt. Paredros erklärt den Parsingprozess visuell und unterstützt das Debugging.
Lesen
Ein Projekt zur modellhaften Erfassung historischer Daten in einer offenen Wissensdatenbank.
Lesen
Die manuelle Annotation von Regesten dient als Grundlage für das Validieren und Entwickeln automatischer Extraktionsverfahren. Sie ist ein wichtiger Baustein unseres Forschungsprojekts, der die Qualität der nachfolgenden Pipelineschritte maßgeblich beeinflusst.
Lesen
Projekt HisQu entwickelt digitale Forschungsdateninfrastruktur für historische Quellen.
Lesen
