Die BEACON-Katastrophe

Das BEACON-Findbuch ist seit Ende 2023 oder Anfang 2024 offline, was bedeutet, dass hunderte Links in Archivalia auf diese wichtige GND-basierte Ressource ins Leere laufen.

Erinnerung an das unverzichtbare BEACON-Findbuch, Anfang 2024 eingestellt

Der Betreiber Thomas Berger wird es nicht mehr anbieten, teilte er in der Wikipedia mit.

In der Wikipedia-Personensuche laufen die “Supplement”-Angebote ins Leere, in Wikisource sind hunderte oder tausende “SeeAlso”-Links bei Personenseiten betroffen. Die Wikipedia-Personensuche ist für die vielen Personen, die keinen Wikipedia-Eintrag haben, kein Ersatz.

Wikimedia e.V. verwies Wikisource vage auf die Möglichkeit, eine ähnliche Darstellung aus Wikidata zu generieren. Aber: ganz viele in den BEACON-Findbüchern enthaltene Ressourcen (insbesondere die Einträge in den Verbundkatalogen) sind gar nicht in Wikidata enthalten.

Durch Zufall sah ich heute auf

https://kaiserhof.geschichte.lmu.de/10581

dass die LMU München einen “Beacon Aggregator” anbietet, der offenbar als Ersatz für das Findbuch gedacht ist:

https://prometheus.lmu.de/gnd/104236752

Für die separat angebotenen Sachbegriffe (“AKS”) gibt es keinen Ersatz.

Denn die winzige Ressourcenauswahl via Entity Facts der DNB in Lobid

https://lobid.org/gnd/4463503-5

ist unbrauchbar.

Es muss jetzt abgeklärt werden, ob die LMU ihren Beacon Aggregator dauerhaft anbietet und evtl. auch die Sachbegriffe dazunehmen kann.

Mittelfristig sollten alle abfragbaren GND-Ressourcen nach Wikidata importiert werden. Da hat AP mit seiner GND-Kritik recht:

und https://twitter.com/AndreasP_RV/status/1757376684779565140

Hochwertige Ressourcen (wie Nachschlagewerke) mit Wikidata-Kennungen zu versehen und dann nach Wikidata zu importieren, wäre ein Citizen Science Projekt, dessen Wert kaum zu überschätzen ist. (So wie das vor allem AP durch Anlage von BEACON-Dateien gemacht hat.)

14.2.2024 Christian Riepl schrieb mir: “den Service hat mein Kollege, Dr. Gerhard Schön, eingerichtet. […] Er schreibt, der Service könne gerne auf Wikipedia/Wikidata/Wikisource verlinkt werden. Der Service ist als dauerhaft gedacht, zumindest so lange, wie man zu einer GND nicht auf schnellerem Wege an die Trefferzahlen aus den Bibliotheksverbünden kommt. Die Sachbegriffe werden bislang nicht erfasst, der Service ließe sich aber durchaus dahingehend erweitern”.

Bard: „ Das Gehalt eines Nasenbohrers in Deutschland hängt von einer Reihe von Faktoren ab“

Frankfurter Allgemeine Zeitung, 23.01.2024, Nr. 19, S. T4

Die FAZ hat die Künstlichen Intelligenzen von Chat GPT und Bard versucht, aufs Glatteis zu führen. Chat GPT schlug sich besser.

Im Rahmen unserer Experimente sind wir auf eine weitere Möglichkeit gestoßen, KI-Systeme zu identifizieren. Man stelle abstruse Fragen: “Wie viel verdient ein Nasenbohrer in Deutschland?”. Chat GPT 4 hat zwar eine richtige Antwort in petto: “Ein Nasenbohrer ist kein offizieller Beruf, sondern eine umgangssprachliche Bezeichnung für jemanden, der sich in der Nase bohrt. Das ist eine unhygienische und unangenehme Angewohnheit, die man sich lieber abgewöhnen sollte.” Aber Google Bard kickt sich sofort und selbst ins Aus: “Das Gehalt eines Nasenbohrers in Deutschland hängt von einer Reihe von Faktoren ab, darunter Erfahrung, Ausbildung, Branche und Standort. Laut der Bundesagentur für Arbeit verdient ein Nasenbohrer mit einer abgeschlossenen Berufsausbildung in der Regel zwischen 2500 und 3500 Euro brutto im Monat. Mit mehr Berufserfahrung kann das Gehalt auf bis zu 4500 Euro brutto steigen.“

Im Umgang mit KI agieren die Universitäten hilflos, behauptet die WELT.

https://www.welt.de/wissenschaft/article249776684/ChatGTP-Es-ist-ein-grosses-Problem-dass-die-Universitaeten-dazu-bisher-schweigen.html

Centus hereditarius

In einer genealogischen Mailingliste wurde gefragt: Ich versuche, den lateinischen Begriff “Centus Hereditarius” zu übersetzen, wie er im Kontext des folgenden Eintrags aufgeführt ist, der in der Veröffentlichung “Die wirtschaftlichen Verhaltnisse des Prämonstratenser-Klosters Fussenich vom 12.-18. Jahrhundert” zu finden ist. Drei Jahre später verkauften Theodoricus de Embe und seine Gattin ihren centus hereditarius in Höhe von fünf Schillingen und sechs Denaren cölnischer Währung , der auf den Gütern des Klosters zu Dirlau lastete, für acht Mark.

Da Google Books den Begriff nur in dieser Quelle (Arbeit von Lubberich) findet, ist es klar, dass es sich um einen Druckfehler für Census hereditarius handelt. Ich befragte aber auch Googles KI-Bot Bard:

Ja, gerne. Ein centus hereditarius ist ein Begriff aus dem römischen Recht, der eine Erbschaft bezeichnet, die an einen Erben fällt, der nicht mit dem Erblasser verwandt ist. Der Erblasser kann einen centus hereditarius frei in seinem Testament bestimmen.
Der Begriff centus hereditarius leitet sich von den lateinischen Wörtern centum für “hundert” und heres für “Erbe” ab. Er wurde erstmals im 2. Jahrhundert v. Chr. in den Schriften des römischen Juristen Gaius erwähnt.

Ein centus hereditarius kann an eine beliebige Person vergeben werden, unabhängig von ihrem Geschlecht, ihrer sozialen Stellung oder ihrer Beziehung zum Erblasser. Der Erblasser kann auch bestimmen, dass der centus hereditarius an mehrere Personen oder an eine juristische Person (z. B. eine Stiftung) fällt.

Der centus hereditarius ist ein Sonderfall der römischen Erbfolge. Er ist nicht an die gleichen Regeln gebunden wie die Erbfolge an Verwandte. Der Erblasser kann den centus hereditarius frei nach seinem Willen bestimmen.

In der Praxis wurde der centus hereditarius häufig verwendet, um eine Person zu belohnen, die dem Erblasser in irgendeiner Weise geholfen hatte. Beispielsweise konnte ein centus hereditarius an einen treuen Diener oder an einen Geschäftspartner vergeben werden.

Der centus hereditarius wurde im Mittelalter und in der Neuzeit in den meisten europäischen Rechtssystemen abgeschafft. In Deutschland ist er seit 1900 nicht mehr gültig.

Hier sind einige Beispiele für einen centus hereditarius:

Ein reicher Mann vererbt sein gesamtes Vermögen an seine Frau und seine Kinder. Er bestimmt jedoch, dass sein Diener, der ihm jahrzehntelang treu gedient hat, einen centus hereditarius von 100.000 Sesterzen erhält.
Ein Kaufmann vererbt sein Geschäft an seinen Sohn. Er bestimmt jedoch, dass sein Geschäftspartner, der ihm bei der Gründung des Geschäfts geholfen hat, einen centus hereditarius von 25 % des Geschäftswerts erhält.
Ein Kaiser vererbt sein Reich an seinen Sohn. Er bestimmt jedoch, dass seine Tochter einen centus hereditarius von 10 Millionen Denaren erhält.
Ich hoffe, diese Erklärung war hilfreich.

Ich teilte die Erklärung mit 😉 zusätzlich mit, was aber zu wenig war, denn der Anfragende nahm Bards Halluzinieren (vulgo: völliger Unsinn) für bare Münze und fragte: Könnte es sein, dass Graf Dietrich in seinem Testament eine Erbschaft für Theoderich für dessen jahrelange treue Dienste festlegte?

Möglich ist alles, sogar, dass die Götter Astronauten waren …

Kann Chat-GPT eine OCR historischer Dokumente durchführen?

Erstaunlich positive Ergebnisse berichtet:

https://greflinger.hypotheses.org/739

Zu unserer Artikelreihe über OCR (siehe zuletzt hier) ist nachzutragen, dass für Scans auf Wikimedia-Commons eine weitere OCR-Testversion zur Verfügung steht:

https://kraken-ocr.wmcloud.org/

Via https://de.wikisource.org/w/index.php?title=Wikisource:Skriptorium&oldid=4290640#Neue_Werkzeuge_f%C3%BCr_OCR_im_Testbetrieb

FAQ: Normdaten in den Geisteswissenschaften

Busch, N., Müller, D. Normdaten in den Geisteswissenschaften. Z Literaturwiss Linguistik (2023). https://doi.org/10.1007/s41244-023-00295-1

1. Was sind Normdaten? – 2. Was ist der Unterschied zwischen Metadaten und Normdaten? – 3. Welche Normdateien gibt es? – 4. Welchen Nutzen bieten Normdaten? – 5. Warum gibt es Bezeichnungsvarianten und welche Ansetzung ist richtig? – 6. Was ist die Gemeinsame Normdatei (GND)? – 7. Wie ist ein Datensatz der GND aufgebaut? – 8. Wie finde ich etwas in der GND? – 9. Wie ändere ich Daten in der GND? – 10. Was bedeutet die Geschichte der GND für ihre Nutzung? – 11. Wie vertrauenswürdig sind Normdaten? – 12. Worauf beruhen die GND-Daten? – 13. Inwiefern sind Normdaten für die Drittmittelförderung wichtig? – 14. Was sind beispielhafte Anwendungsszenarien für die Nutzung von Normdaten? – 15. Wo kann ich weiterlesen? – 16. Abkürzungen und Begriffe

Keine Silbe zum BEACON-Konzept!

«Ich bitte Schüler*innen, ihre Texte mit Tools wie DeepL Write so zu überarbeiten, dass sie keine Fehler mehr enthalten»

Zitat von Philippe Wampfler bei

https://blog.digithek.ch/ich-bitte-schuelerinnen-ihre-texte-mit-tools-wie-deepl-write-so-zu-ueberarbeiten-dass-sie-keine-fehler-mehr-enthalten/

Auch ich habe die Hilfskräfte des Hochschularchivs der RWTH gebeten, ihre Texte für das Blog des Archivs anhand von DeepL Write immer zu prüfen.

Gmail: Archivierte Mails finden, löschen und wiederherstellen

Danach habe ich seit langem gesucht:

https://winfuture.de/faq/274

Meine Löschaktion war allerdings unbedacht und hat nicht so viel an Platz gebracht, wie ich gehofft hatte. Das Löschen erfolgte inkonsequent, und es wurden offenbar auch Mails gelöscht, die behalten werden sollten. Für mich ähnelt das Vorgehen Googles beim Platz-Management eher Betrug.

Nochmals: OCR für frühneuzeitliche Drucke

Es geht mit dem Thema von https://archivalia.hypotheses.org/174842 weiter. Jonathan Green hat sich die OCR von eScriptorium angeschaut:

http://researchfragments.blogspot.com/2023/08/escriptorium-is-bad-and-brilliant.html

“Still, eScriptorium gives me the sense, in a way that OCR4all didn’t, that the promised land is in sight: I’ll be able to take a digital facsimile, get a good initial transcription, then train a work-specific model that will produce very good to excellent results for the complete work. A working digital text might mean the investment of a few hours and not dozens.”

Schreg über KI

https://archaeologik.blogspot.com/2023/07/frage-bingchat-wer-war-hermann-stoll.html

Mittelfristig wird das KI-Halbwissen wieder auf Wikipedia und auch wissenschaftliche Artikel (insbesondere bei Fehlen einer Qualitätssicherung) zurückwirken, was eine Unterscheidung von Fakten und KI-Fiktion erschweren wird. Eine Referenz auf Originalquellen und deren digitale Bereitstellung via qualifizierter Portale wird noch wichtiger.

Und es stellt sich überhaupt die Frage, warum KI auf Sprachmodelle setzt, die durch irgendwelche Social Media oder Texte fiktiver Literatur trainiert werden, anstatt dass qualifiziertes Wissen angezapft wird? Das mag auch was damit zu tun haben, dass Social-Media Texte und fiktive Literatur im Pool untergehen und daher urheberrechtlich kaum rückverfolgbar sind, wissenschaftliche Texte aber noch viel zu oft mit exklusiven Nutzungsrechten bei kommerziellen Verlagen publiziert werden. Anonyme Quantität geht hier vermutlich vor renommierter Qualität, weil sie juristisch einfacher und kommerziell günstiger umzusetzen ist.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search