Flo’s Digital History Blog #3: Daten, Daten, Daten (Historische Netzwerke)

Hallo und willkommen zurück im neuen Jahr 2020. Heute steht der dritte Teil unserer gemeinsamen Reise durch die Welt der digitalen Geschichtswissenschaften an. Heute werden wir uns mit Data Mining und Mapping beschäftigen, allen voran mit der historischen Netzwerkanalyse. Hört sich ziemlich kompliziert an – ist es auch – aber die Grundlagen sind ziemlich einfach zu erlernen. Außerdem kann ich dir ein Versprechen geben: Nach diesem Blogeintrag wirst du deinen Freundeskreis in einem Netzwerk darstellen können! Wer wollte nicht schon einmal seinen Freundeskreis visualisiert dargestellt mit allen Verbindungen sehen??? Okay, vermutlich die Meisten nicht, aber wer kann schon behaupten, er/sie hat sich seinen/ihren Freundeskreis schon einmal netzwerkanalytisch untersucht? Niemand, und das macht dich zu etwas Besonderem! 😉

Kurz zu Data Mining und Mapping: Wie du mittlerweile sicher schon erkannt hast, will ich dich natürlich nicht gleich zu Beginn mit einer gähnend langweiligen Einführung zu diesem Thema quälen. Ich verlinke dir zwei Seiten, auf denen Informationen und Übungen rund um das breite Thema Data Mining, -Mapping, -Management, Netzwerkanalysen und vieles mehr findest:

Links 1: https://www.linguamatics.com/what-text-mining-text-analytics-and-natural-language-processing

Link 2: https://programminghistorian.org/en/lessons/?topic=mapping

Kurz zusammengefasst aber, kommt es in vielen Wissenschaften, auch den Geschichtswissenschaften, irgendwann zu einem Punkt, an dem man sehr viele Daten zusammengesammelt hat. Diese Daten können zum Beispiel personenspezifische Daten wie der Name, Geburtsort, Wohnort, Beruf oder auch andere Merkmale sein. Durch die quellenkritische Auswertung von Dokumenten, Briefen, Tagebucheinträge und anderen Quellen kann sich bei HistorikerInnen schnell eine große Menge von Daten ansammeln, die dann aber oft ungenutzt bleiben. Leider wird das Potenzial solcher Daten von vielen HistorikerInnen häufig nicht erkannt. Dabei gibt es schon unzählige Programme, die entweder große Menge von Daten gut verwaltbar machen, oder die aus den Daten eine nützliche Visualisierung machen können. Wichtig für ein sinnvolles Arbeiten in diesem Zusammenhang sind einige Grundkenntnisse in Statistik, Grundwissen über Visualisierungsmöglichkeiten (Programme und wie diese funktionieren) sowie Kenntnisse über strukturierte Daten. Ohne eine richtige Arbeitsweise im Umgang mit Daten können keine nutzvollen Ergebnisse entstehen. Daten müssen nach dem Sammeln bereinigt werden, aus den unterschiedlichen Quellen in einen Datensatz integriert werden und in sinnvolle Kategorien eingeteilt werden. Nach dem die Daten analysiert wurden, können je nach Art der Daten, unterschiedliche Methoden angewendet werden. Einige Methoden die sich dazu eignen, sind zum Beispiel statistische Analysen, die Frequenz- oder Clusteranalyse oder auch die Netzwerkanalyse. Ich möchte mich in diesem Blog-Eintrag heute vor allem auf die Netzwerkanalyse und ein Programm konzentrieren, das eine Visualisierung der Daten sehr einfach ermöglicht.

Das Programm, das ich dir vorstellen will, heißt „Palladio“. Palladio ist ein webbasiertes Programm der Stanford University. Das heißt für dich, du musst keine Software herunterladen! Das Programm eignet sich vor allem zur Darstellung von Netzwerken. Bevor ich zum Programm komme, möchte ich noch ein paar Worte über die Netzwerkanalyse verlieren. Die soziale Netzwerkanalyse ist in den Sozialwissenschaften schon länger eine gängige Forschungs- und Arbeitsmethode. In den letzten Jahren hört man aber auch in den Geschichtswissenschaften immer öfters von der historischen Netzwerkanalyse als neue Methode. Aber was ist überhaupt ein Netzwerk? Ganz einfach, sobald drei Akteure im Spiel sind, wird von einem Netzwerk gesprochen. Du brauchst ein Beispiel? Alles klar!

Die von mir aufwändig (!) erstellte Grafik zeigt dir die einfachste Forme eines Netzwerks. Im Prinzip also nicht so schwer. Kompliziert wird es nur, wenn das Netzwerk ein paar Hundert oder Tausend Akteure umfasst. Aber auch dafür gibt es ja Programme! Als Fachausdrücke im Zusammenhang mit Netzwerkanalysen musst du eigentlich nur die Begriffe „Knoten“ und „Kanten“ kennen. Bei den Akteuren/Personen handelt es sich um die Knoten, bei den Verbindungen um die Kanten. Im Prinzip also auch nicht wirklich kompliziert.

Bei der historischen Netzwerkanalyse wird versucht, Theorien und Methoden der sozialwissenschaftlichen Netzwerkanalyse auf historische Daten und Fragestellungen zu übertragen. Es sollen damit neue Blickwinkel und Erkenntnisse aus den Quellen gewonnen werden, die mit traditionellen Methoden der Geschichtswissenschaft nur schwer zu erzielen sind. Der Arbeitsaufwand kann aufgrund der Bearbeitung großer Datensätze aber mitunter sehr hoch sein, weshalb immer abgewogen werden muss, ob sich die Methode für die eigene Arbeit eignet oder nicht. Netzwerkanalysen können sehr schnell sehr kompliziert werden, wie dieses Beispiel eines Korrespondenznetzwerks in Europa zeigt, das mit dem Programm „Nodegoat“ erstellt wurde:

Abbildung: https://e.nodegoat.net/CMS/upload/spin_letters_social.png, eingesehen am 20.01.2020.

So kompliziert soll es bei uns natürlich nicht werden. Unser Motto lautet: „Keep it simple“. Ich möchte dir an einem Beispiel zeigen, wie du aus deinen Daten mit Hilfe von „Palladio“ Netzwerke erstellen kannst. Zunächst muss du in Excel einen Datensatz erstellen. Nehmen wir an, du willst deinen Freundeskreis als Netzwerk darstellen. Dafür musst du jede Verbindung im Excel eingeben:

Du fängst zum Beispiel bei dir an und machst für jede Zeile ein Freundschaftspaar. Das machst du dann auch bei anderen Personen. Wichtig ist noch zu erwähnen, dass du jeweils eine Kategorie für die Spalten machst, also wie bei mir beispielsweise Personen und Verbindungen, ansonsten kann man mit den Daten in Palladio nicht arbeiten. Eventuell hilft es dir, wenn du dir davor eine Mindmap mit allen Verbindungen und eine Skizze des Netzwerks zeichnest. Wenn du das gemacht hast, gehst du auf die Website von Palladio:

Abbildung: Startseite Palladio, [http://hdlab.stanford.edu/palladio/], eingesehen am 20.01.2020.

Dann drückst du auf „Start“ und kommst auf die nächste Seite:

Abbildung: Palladio, [http://hdlab.stanford.edu/palladio-app/#/upload], eingesehen am 20.01.2020.

Du kopierst dann deine Daten aus Excel und fügst sie in die Box rechts ein. Danach musst du auf „Load“ drücken. Oben in der Auswahlleiste gehst du dann auf „Graph“ und wählst in den Settings bei „Source“ und „Target“ jeweils eine Kategorie aus. Schon hast du ein kleines Netzwerk deines Freundeskreises erstellt!

Abbildung: Palladio, [http://hdlab.stanford.edu/palladio-app/#/visualization], eingesehen am 20.01.2020

Je dicker die Knoten sind, umso mehr Freundschaften hat die Person in diesem Netzwerk. Da der Knoten „Flo“ (nur der Knoten!) hier am dicksten ist, kann man von einem sogenannten ego-zentrierten Netzwerk ausgehen. Darunter versteht man die Beziehungen eines zentralen Akteurs (also mich) zu anderen Akteuren der direkten Netzwerkumgebung. In der Realität bewegen sich vermutlich Randakteure wie „Steffi“ oder „Julia“ in einem weitaus größeren Netzwerk und sind dort dickere Knoten als „Flo“ es in diesem Netzwerk ist. Bei Netzwerkanalysen handelt es sich aber immer um Konstruktionen, die meist aus einem gewissen Blickwinkel entstehen. In den Geschichtswissenschaften liefern die Quellen diesen Blickwinkel, weshalb solche Analysen und Visualisierungen von HistoikerInnen noch kritischer untersucht werden müssen. Nichts desto trotz kann eine solche Visualisierung einen guten Überblick liefern, vor allem wenn man mit Netzwerken arbeitet, die viele Akteure beinhalten.

Hat man noch weitere Daten, wie den Wohnort, könnte eine Visualisierung so aussehen:

Abbildung: Palladio, [http://hdlab.stanford.edu/palladio-app/#/visualization], eingesehen am 20.01.2020.

Von einem netzwerkanalytischen Ansatz als Methode kann dann gesprochen werden, wenn fundierte Aussagen anhand der gesammelten Daten und Visualisierungen getroffen werden können. Es könnte sich anhand des von mir erfundenen Beispiels herausstellen, dass Personen, die nicht in Bregenz leben, eher am Rand dieses ego-zentrierten Netzwerkes stehen.

So ist es wohl kein Zufall, dass die Netzwerkanalyse in den letzten Jahren immer mehr Anklang in den Geschichtswissenschaften fand. HistorikerInnen untersuchten mittlerweile Hilfsnetzwerke von verfolgten Juden im Dritten Reich, das Netzwerk der Medici in Florenz oder auch Korrespondenz- und Zitationsnetzwerke. Der Vorteil der Netzwerkanalyse liegt vor allem darin, dass aus bereits bearbeiteten Quellen neue Erkenntnisse gewonnen werden können, die mit klassischen Methoden gar nicht gefunden werden könnten. Beispielsweise können Personen, die in Quellen nur eine untergeordnete Rolle spielen und nebenbei erwähnt werden, in netzwerkanalytischen Visualisierungen plötzlich eine größere Rolle einnehmen. Es entsteht somit eine neue Perspektive, die miteinbezogen werden muss und bisherige Ergebnisse relativieren könnte. Ein weiterer Vorteil liegt in der Darstellung von komplexeren Strukturen eines Netzwerks mit mehreren Akteuren. In einem schriftlichen Text wird man sich sehr schwertun, ein Netzwerk von 25 Personen mit all den vorhandenen Verbindungen zu erklären. Die Visualisierung ermöglicht meist einen relativ leicht zu verstehenden Überblick, der dann mit einem zusätzlichen Text kontextualisiert werden kann. Solche Visualisierungen können natürlich nie für sich alleine stehen und benötigen immer eine Beschreibung und Kontextualisierung des Autors. Die Nachteile der Netzwerkanalyse müssen vor allem im großen Zeitaufwand gesehen werden, der mit dieser Methode einhergeht. Das Sammeln, Auswerten und Interpretieren von vielen Daten, um diese dann schlussendlich in einen Datensatz zusammenzuführen, kann sehr schnell den Rahmen einer schriftlichen Arbeit sprengen. In einer solchen Situation muss sich dann die Frage gestellt werden, ob der mögliche Mehrwert einer solchen Methode den zeitlichen Aufwand rechtfertigt. Nur weil eine Netzwerkanalyse betrieben wird, bedeutet das nicht automatisch, dass am Ende brauchbare Ergebnisse herausschauen. Außerdem sind bei komplexeren Netzwerken, die bestimmte Programme erfordern, Kenntnisse im Programmieren notwendig. Du musst also im Vorfeld wirklich gut abwägen, ob für deine schriftliche Arbeit die historische Netzwerkanalyse die richtige Methode ist!

Also, nach dieser Warnung möchte ich dir aber trotzdem zeigen, wie so ein netzwerkanalytischer Ansatz in einer Arbeit verwendet werden kann. Ganz bestimmt erinnerst du dich noch an die Widerstandsgruppe „AKO“, über die ich in meiner MA-Arbeit schreiben werde. Im Zuge eines Seminars mit dem Thema „Netzwerkanalyse“ habe ich mir Prozessakten und andere Quellen wie Briefe, Postkarten und Interviews angesehen/angehört, und nach allen möglichen Verbindungen von Personen gesucht, die in irgendeiner Form im Zusammenhang mit dieser Gruppe erwähnt wurden. Das ist dabei dann rausgekommen:

Abbildung: erstellt mit Palladio.

Bei den rot eingekreisten Knoten handelt es sich um Mitglieder oder verurteile Mitglieder der „AKO“. Bei den grünen Knoten handelt es sich um Personen, die wegen „Nichtanzeigen verräterischer Umtriebe“ verurteilt wurden. Alle anderen sind Personen, die entweder gegen die verurteilten Mitglieder der „AKO“ ausgesagt haben, oder auch die Ehefrauen beteiligter Personen. Es handelt sich hier natürlich nur um einen Konstruktionsversuch anhand der vorhandenen Quellen. Wie genau das Netzwerk in Wirklichkeit aussah, wird nicht herausgefunden werden können. Dennoch liefert die Visualisierung aus meiner Sicht einen guten Überblick über die Personen, die mit ziemlicher Sicherheit mit diesem Netzwerk in Berührung kamen.

Als Resümee würde ich sagen, eignet sich ein Programm wie Palladio ausgezeichnet für Anfänger wie mich, um kompliziertere Netzwerke mit mehreren Akteuren überblicksmäßig darzustellen. Über das Design lässt sich natürlich streiten. Falls es dir überhaupt nicht gefällt, kann ich dir noch „nodegoat“ oder „Gephi“ empfehlen, die laut einer Historikerin der Uni Innsbruck ebenfalls sehr benutzerfreundlich sein sollten.

Heute bekommst du am Schluss noch ein kleines Zuckerl von mir. Nehmen wir an, du beschäftigst dich mit einer Person, die im Laufe der Zeit immer wieder (freiwillig oder gezwungenermaßen) ihren Standort wechselte. Mit Google Maps kannst du unter „Meine Orte“ beim Unterpunkt „Karten“ relativ einfach Karten erstellen. Du kannst dort auch Daten aus Excel einspeisen, um Standorte von Personen darzustellen. Als Beispiel möchte ich dir zeigen, wie ich die Aufenthaltsorte einer der verurteilten Personen der „AKO“ von 1940 bis 1944 nachzeichnete:

Abbildung: erstellt mit Google Maps.

Diese Person wurde am 06.01.1940 in Dornbirn (A) verhaftet, kam dann in die Haftanstalt nach Feldkirch (B) bis etwa um 1941/1942 herum. Dann wurde sie in die Innsbrucker Haftanstalt (C) verlegt, weil dort im März 1942 der Hauptprozess gegen die Gruppe stattfand. Nachdem die Person zu lebenslanger Haft verurteilt wurde, kam sie zunächst ins Zuchthaus Kaisheim (D), ehe sie dann zu Beginn des Jahres 1944 ins KZ Mauthausen (E) kam, und kurze Zeit später ins Außenlager Ebensee (F), wo sie im März 1944 schlussendlich Opfer der brutalen „Lagerbehandlung“ wurde.

Du siehst also, mit einfachen Tricks kannst du ohne großen Aufwand Geschichte modern und lebendig darstellen. Ich hoffe, ich konnte dir ein paar nützliche Einblicke und Hinweise zum Thema „historische Netzwerkanalyse“ geben und freue mich von deinen Erfahrungen mit Palladio zu hören. Über dein Feedback würde ich mich wie immer sehr freuen und ich hoffe du bist beim nächsten Mal wieder dabei, wenn ich dich mit dem Thema „deskriptive Statistik“ näher vertraut machen werde.

As always, stay tuned! FG


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search