Machine Learning for Digital Scholarly Editions

CLARIAH-AT Summer School 2025

Wann: Montag, 8. September - Freitag, 12. September 2025

Wo: Institut für Digitale Geisteswissenschaften (Universität Graz)
Elisabethstraße 59/III, 8010 Graz, Österreich

Anmeldung: Die Frist für Einreichungen ist bereits verstrichen (31. März 2025).

Organisation: Martina Scholger, Sarah Lang, Bernhard Geiger, und Roman Bleier (Universität Graz), in Kooperation mit dem Know Center Graz, TU Graz und CLARIAH-AT.

Im Zuge dessen, dass in den vergangenen Jahren digitale Methoden immer mehr an Bedeutung gewinnen und neue Horizonte für die Forschung eröffnen, findet die CLARIAH-AT Summer School 2025 von 8. bis 12. September 2025 in Graz statt:

Die Summer School 2025 wird gemeinsam von Institut für digitale Geisteswissenschaften (Universität Graz), dem Know Center, der TU Graz und CLARIAH-AT organisiert.

Maschinelles Lernen prägt zunehmend die Forschung in den Digital Humanities und bietet leistungsstarke Werkzeuge zur Analyse und Anreicherung von Textdaten. Mithilfe der Python-Bibliothek BERTopic werden die Teilnehmer:innen verschiedene Schritte des Topic Modelling erkunden. Aufbauend auf der modularen Architektur von BERTopic werden die Teilnehmer:innen in verschiedene wesentliche Methoden des maschinellen Lernens eingeführt, wie z.B. Einbettung (embedding), Dimensionsreduktion (dimensionality reduction) und Clustering. Durch praktische Übungen lernen die Teilnehmer:innen diese Techniken auf historische Texte anzuwenden. Ziel ist es, Nicht-Expert:innen einen praktischen Überblick über die Verwendung der BERTopic-Bibliothek und die grundlegende Theorie hinter ihren Modulen zu vermitteln.

Das Seminar richtet sich sowohl an Studierende als auch an Forschende, die sich für die Schnittstelle zwischen digitaler wissenschaftlicher Edition und maschinellem Lernen interessieren. Nach dem Besuch des Kurses werden die Teilnehmer:innen über ein grundlegendes Verständnis von Algorithmen des maschinellen Lernens verfügen und in der Lage sein, ihre Anwendungsmöglichkeiten sowie ihre Stärken und Grenzen einzuschätzen. Die Teilnehmer:innen werden in der Lage sein, BERTopic praktisch auf ihre eigenen Daten anzuwenden.

Für weitere Informationen beachten Sie bitte den Call for Participation.

Keynotes

Keynote 1: Dienstag, 9. September 2025, 18:00 (CEST), Elisabethstraße 50b (SR 19.02)

Clemens Neudecker:
Context matters. Opportunities and challenges when working with artificial intelligence and cultural heritage data

Die Fortschritte im Bereich des maschinellen Lernens bzw. der Künstlichen Intelligenz (ML/AI) eröffnen vielfältige Chancen für Bibliotheken und die digitale Wissenschaft. In Projekten wie Mensch.Maschine.Kultur entwickelt die Staatsbibliothek zu Berlin – Preußischer Kulturbesitz (SBB) ML-Technologien für ein breites Spektrum an Anwendungen: von der Text- und Layout-Erkennung über die Bildanalyse und Informationsextraktion bis hin zur maschinengestützten Sacherschließung sowie – nicht zuletzt – zur Bereitstellung von Sammlungen als Daten und deren digitaler Kuratierung.

Gleichzeitig müssen bei der Nutzung von ML-Technologien im Zusammenspiel mit historischen Quellen und Kulturerbe-Materialien stets deren historische und kulturelle Kontexte berücksichtigt werden. Von Bibliotheken digitalisierte Sammlungen sind in Bezug auf abgedeckte Zeiträume, Perspektiven, Orte oder Regionen sowie die jeweiligen kulturellen Kontexte äußerst heterogen. Historische Dokumente enthalten häufig Verzerrungen, die nicht mehr den heutigen ethischen Werten entsprechen. Während Historiker:innen darin geschult sind, Quellen kritisch einzuordnen und Quellenkritik als methodisches Werkzeug anzuwenden, werden KI-Systeme der Industrie überwiegend mit modernen Texten aus dem Internet trainiert und sind hierzu nicht in der Lage.

Am Beispiel der Erfahrungen der SBB mit maschinellem Lernen und Künstlicher Intelligenz möchte dieser Vortrag Einblicke in praktische Anwendungen geben und gleichzeitig für einen bewussten und verantwortungsvollen Umgang mit ML und Kulturerbe-Daten sensibilisieren.

Keynote 2: Freitag, 12. September 2025, 12:30 (CEST) (online)

Ulrike Henny-Krahmer:
Machine learning and scholarly editing - a contradiction or an exciting partnership?

Traditionell zielen wissenschaftliche Editionen darauf ab, auf der Grundlage historischer Dokumente einen verlässlichen Text zu erstellen, der als Basis für weiterführende Forschung in den jeweiligen Fachgebieten dienen kann. Abhängig von der Art der Quelle erfordert dies methodisch einen präzisen Textvergleich sowie eine detaillierte Untersuchung der Beschaffenheit der zugrunde liegenden Dokumente und ihrer textuellen Inhalte.

Wie passt dies zu Methoden des maschinellen Lernens, die Muster auf der Grundlage großer Datenmengen erkennen, um Modelle zu erzeugen, mit denen sich probabilistische Vorhersagen für weitere Daten treffen lassen? Sind diese Ansätze überhaupt miteinander vereinbar, und wie lassen sich methodische Widersprüche auflösen oder Verbindungen zwischen den Methoden herstellen?

Der Vortrag wird diese Fragen am konkreten Beispiel von Briefen aus der Edition der Werke des deutschen Schriftstellers Uwe Johnson (1934–1984) diskutieren, für die Topic-Modelle erstellt wurden. Dabei geht es auch darum, in welchem Maße Geisteswissenschaftler:innen, Digital Humanists und Informatiker:innen in das jeweils andere Fachgebiet eintauchen können, um die jeweiligen Methoden zu verstehen. Dieses Verständnis eröffnet nicht nur spannende Möglichkeiten, sondern stellt auch eine zentrale Voraussetzung für den erfolgreichen Einsatz von Methoden des maschinellen Lernens in den Geisteswissenschaften dar.

Schedule

Zeit	Montag (8.9.)	Dienstag (9.9.)	Mittwoch (10.9.)	Donnerstag (11.9.)	Freitag (12.9.)
8:30 - 9:00	Registration
9:00 - 10:30	Welcome and setup (Georg Vogeler, Walter Scholger) (Roman Bleier, Martina Scholger)	Embeddings (Michael Jantscher)	Clustering (Max Toller)	Tokenization and weighting (Klara Venglarova)	Experiments
10:30 - 11:00	Coffee break	Coffee break	Coffee break	Coffee break	Coffee break
11:00 - 12:30	BERTopic: overview and example (Selina Galka)	Embeddings (Michael Jantscher)	Clustering (Max Toller)	Topic finetuning (Lucija Brozić)	Machine learning and DSE wrap up (Sarah Lang)
12:30 - 13:30	Lunch	Lunch	Poster Session	Lunch	Lunch
13:30 - 15:00	Introduction to Python	Dimensionality reduction (Bernhard Geiger)	Exkursion:	Built your BERTopic pipeline (Roman Bleier, Martina Scholger)	Keynote Ulrike Henny-Krahmer (online)
15:00 - 15:30	Coffee break	Coffee break	“Buschenschank“	Coffee break	Goodbye coffee
15:30 - 17:00	Prepare a dataset (Roman Bleier, Martina Scholger)	Dimensionality reduction (Bernhard Geiger)		Experiments (Michael Otto)
18:00		Keynote	zurück in Graz um ca. 21:30

Weitere Informationen, Anmeldung, Details zu den Tutoren und Keynote-Sprecher*innen finden sich auf der dezidierten Website der Summer School:

Summer School: ML for DSE