Der erste Vortrag der diesjährigen Vortragsreihe zu aktuellen Forschungsprojekten in den Digital Humanities an der Universität zu Köln widmete sich dem allgegenwärtigen Thema der Large Language Models (LLMs). Im Fokus stand ihre Anwendung im Kontext digitaler Editionen am Beispiel der Schriften der Schule von Salamanca, einer frühneuzeitlichen Gruppe vorwiegend spanischer und portugiesischer Theologen und Juristen. Das gleichnamige Forschungsprojekt befasst sich seit 2015 mit der Erhaltung und Erforschung der Schriften dieser Bewegung. In zwei explorativen Ansätzen geht Dr. Andreas Wagner der Frage nach, wie sich die Texte der Denker dieser Schule mit den Mitteln großer Sprachmodelle vergleichbarer und zugänglicher machen lassen.
Die Schule von Salamanca
Die Schule von Salamanca war eine einflussreiche Bewegung des 16. und 17. Jahrhunderts, die sich mit Fragen der Ethik, Ökonomie, Rechtsphilosophie, Theologie und Politik auseinandersetzte. Ihre Vertreter bekleideten einflussreiche Positionen als Berater, Beichtväter und Mitglieder politischer Gremien. In diesen Rollen hinterfragten sie das mittelalterliche Rechtsverständnis wie es zu diesem Zeitpunkt existierte. Die so entstandenen Schriften bieten einen spannenden Einblick in den Ursprung der Idee von Menschenrechten und ähnlichen heutzutage als grundlegend angenommenen Ideen.
So kritisierte Francisco de Vitoria (siehe Abbildung 1) beispielsweise während des Zeitalters des Kolonialismus die spanische Eroberung Amerikas und der Philippinen und viele Denker der Schule lehnten das durch die römisch-katholische Kirche verhängte Verbot der Erhebung von Zinsen auf Darlehen ab. Ein Großteil der Forderungen der Schule von Salamanca berief sich dabei auf die Prinzipien der natürlichen Gerechtigkeit und des Rechts, die über nationale oder religiöse Grenzen hinaus gelten sollten. So ist es nicht verwunderlich, dass die Schule von Salamanca einen wichtigen Beitrag zur Reform der katholischen Lehre leistete und ihre Arbeit die Grundlage für viele heute vertretene Denkschulen legte.

Credit: Raúl Hernández González, CC BY 2.0.
Entgegen ihrer Bezeichnung war die Schule von Salamanca jedoch keineswegs eine einheitliche Denkrichtung. Vielmehr war sie von unterschiedlichen Auffassungen und intensiven Diskussionen einer Vielzahl von Gelehrten zu grundlegenden Themen geprägt. Ebenso erstreckte sich ihr Einfluss weit über die Universität von Salamanca und auch über die Grenzen Spaniens hinweg, insbesondere nach Portugal, Lima, Mexiko und die Philippinen. Trotz der historischen Relevanz der Schule von Salamanca und ihres bedeutenden Einflusses auf die Entwicklung moderner Rechts-, Wirtschafts- und Politikwissenschaften geriet sie jedoch im Laufe der Zeit etwas in Vergessenheit.
Das Projekt – Die Schule von Salamanca
Aus diesem Grund existieren heute nur wenige moderne Editionen von Schriften der Schule von Salamanca. Das gleichnamige Forschungsprojekt „Die Schule von Salamanca“ wurde im Jahr 2015 von der Akademie der Wissenschaften und der Literatur Mainz mit Arbeitsstellen an der Goethe-Universität Frankfurt und dem Max-Planck-Institut für Rechtsgeschichte und Rechtstheorie ins Leben gerufen und widmet sich seitdem der Archivierung und digitalen Aufbereitung der erhaltenen Werke. Das erfasste Korpus umfasst Stand April 2025 107 spanisch- und lateinsprachige Werke aus den Jahren 1507–1675 von knapp 100 Autoren, von denen etwas weniger als die Hälfte im Volltext vorliegen. Die Texte sind teils pragmatischer Natur, wie beispielsweise Handbücher für Priester und Kaufleute, teils akademischer Natur, wie beispielsweise eine moraltheologische Abhandlung über Recht und Gerechtigkeit.
Die Webanwendung des Projekts ermöglicht unter anderem eine wortformunabhängige Volltextsuche in den bereitgestellten Werken. Zum Beispiel liefert eine Suche nach „lex“ auch Ergebnisse zu „legum“ und „legibus“. Neben der Quellensammlung stellt das Webprojekt aber auch ein Wörterbuch der in den Werken verwendeten Terminologie zur Verfügung, dessen Einträge durch externe Autoren erstellt werden. Darüber hinaus bietet die Anwendung eine Reihe von weiteren „Quality-of-Life-Funktionen“ (siehe Abbildung 2). Dazu gehören beispielsweise die Verlinkung von Werken untereinander an Stellen, an denen sich Werke des Korpus aufeinander beziehen, die Verlinkung von Werkpassagen und Wörterbuchartikeln, aber auch die Möglichkeit, mittels Permalinks extern auf Werkpassagen zu verweisen. Solche Funktionen sind über an Symbolen „greifbare“ Kontextmenüs für alle Granularitätsebenen bis hin zur Absatzebene zugänglich.

Credit: Die Schule von Salamanca (Link).
Die Architektur moderner LLMs: Vom Embedding zur Texterzeugung
In einer Zeit der zunehmenden Verbreitung von Large Language Models (LLMs) liegt der Gedanke nahe, ein Textkorpus von knapp 14 Millionen Wörtern – wie im Fall des Projekts der Schule von Salamanca – mit Hilfe von LLMs zu untersuchen. Trotz der Allgegenwärtigkeit von Large Language Models möchten wir hier, ebenso wie Dr. Wagner in seinem Vortrag, zunächst eine kurze, vereinfachte Einführung in ihre Funktionsweise geben, um anschließend näher auf die von ihm getesteten Anwendungsfälle einzugehen.
Grundlage moderner LLMs ist das sogenannte Transformer-Modell, das die Textverarbeitung in den letzten Jahren revolutioniert hat. Dieses Modell besteht klassischerweise aus zwei Hauptkomponenten: einem Encoder und einem Decoder. Während der Encoder dafür zuständig ist, die Bedeutung des Inputs zu erfassen, generiert der Decoder möglichst natürlich klingende Ausgaben. Je nach Anwendungsfall nutzen heutige Systeme entweder nur den Encoder (z. B. BERT) oder nur den Decoder (z. B. GPT-4).
Ein Encoder in einem Transformer-Modell verarbeitet den Eingabetext (Input), indem er zunächst vektorisierte Repräsentationen der Token erhält – sogenannte Embeddings. Embeddings sind hochdimensionale Vektoren, die die Bedeutung von Wörtern, Sätzen oder Absätzen in einem numerischen Raum darstellen. Embeddings von Wörtern mit ähnlicher Bedeutung liegen in diesem Raum nahe beieinander, während sich Embeddings von Wörtern mit gegensätzlicher Bedeutung in entgegengesetzten Richtungen befinden. Der Encoder selbst verändert diese ursprünglichen Embeddings, indem er sie mit Kontextinformationen aus dem gesamten Input anreichert. Dadurch entstehen kontextualisierte Embeddings, die semantische Ähnlichkeiten und Unterschiede zwischen Texten erfassen können – unabhängig von Wortwahl, Wortstellung oder Sprache. Dies ist besonders hilfreich bei der Analyse von Textkorpora, die zum Beispiel in Latein verfasst sind und deklinierte oder konjugierte Wortformen enthalten.
Ein Decoder hingegen erzeugt neue Wörter oder Sätze. In sogenannten Sequence-to-Sequence-Modellen geschieht das auf Basis von aus dem Input mittels eines Encoders erzeugten Embeddings. Fehlt die Encoder-Komponente jedoch, so kann der Decoder auch „autoregressiv“ arbeiten: Das heißt, er generiert jedes neue Wort allein basierend auf dem bisher ausgegebenen Text und bezieht sich dabei auf die Teile, die gerade besonders wichtig sind. Dafür verwendet das Modell sogenannte Attention-Heads, die gewichten, welche Textstellen für welche Ausgaben besonders relevant sind. Auf diese Weise entsteht ein Text, der nicht nur sprachlich passend, sondern auch inhaltlich stimmig weitergeführt wird.
LLMs als Werkzeug zur Untersuchung digitaler Editionen – Zwei experimentelle Funktionen
Im Vortrag wurden zwei experimentelle Funktionen auf Basis von LLMs für die digitale Edition „Die Schule von Salamanca“ vorgestellt. Diese Funktionen sollen die Arbeit mit dem umfangreichen Textkorpus erleichtern. Auch wenn produktionsseitige KI-Anwendungen wie automatische Texterkennung oder Annotationshilfen hier nicht im Fokus stehen, wurden Sie dennoch im Produktionsprozess der digitalen Edition eingesetzt.
Vergleich und Zusammenfassung mittels Textgenerierung
In einem ersten getesteten Anwendungsfall wird angenommen, dass die Nutzenden der digitalen Editionsplattform bei sorgfältigem Lesen auf eine interessante Textpassage gestoßen sind. Die Plattform bietet über das Kontextmenü dieser Passage nun an, ähnliche Stellen zu finden, indem die Embeddings dieser Passage mit den Embeddings aller anderen Texte im Korpus verglichen werden (siehe Abbildung 3). Diese ähnlichen Textpassagen können anschließend entweder an Ort und Stelle nebeneinander konsultiert, in der komfortableren Leseansicht einzeln geöffnet oder sogar durch ein generatives LLM automatisiert verglichen werden (sogenannte Retrieval-Augmented Generation). Den Nutzen dieses Ansatzes sieht Dr. Wagner vor allem darin, ähnliche Argumente für einen bestimmten Standpunkt in den Werken der Schule von Salamanca zu finden und leicht vergleichen zu können.
Seine ersten Tests dieses Ansatzes zeigen, dass selbst sprachübergreifend ähnliche Textpassagen tatsächlich gefunden werden können. Dies ist darauf zurückzuführen, dass semantische Ähnlichkeiten durch gute Embedding-Modelle auch sprachübergreifend gut abgebildet werden. Er weist jedoch darauf hin, dass die von LLMs generierten Zusammenfassungen der Ähnlichkeiten und Unterschiede recht oberflächlich bleiben. So beziehen sich die generierten Vergleiche eher auf historische Fakten oder Standpunkte, die dem Zielpublikum der digitalen Edition größtenteils ohnehin schon bekannt sein dürften. Sie gehen jedoch weniger in die Tiefe der eigentlichen Inhalte der einzelnen Textpassagen.

Credit: Die Schule von Salamanca (Link).
Projektion
Die zweite vorgestellte Funktion ermöglicht es, ausgehend von einer Sammlung an Textpassagen, zum Beispiel Suchergebnisse, eine Projektion dieser in einem 3D-Raum anzuzeigen. Dabei werden die Embeddings der Textausschnitte mithilfe der Dimensionsreduktionstechnik Uniform Manifold Approximation and Projection (UMAP) auf drei Dimensionen projiziert, um sie visuell darstellbar zu machen. Mögliche Anwendungsbereiche für dieses Feature sind das Erkennen und Analysieren von Mustern oder Clustern innerhalb der Passagen. Zur besseren Übersicht erlaubt das Feature (siehe Abbildung 4), in den projizierten Raum hineinzuzoomen sowie den Raum in alle Richtungen zu drehen.
Beim Hovern über einen der Datenpunkte (in Rot) werden die ID der Textpassage sowie der Autor und das Erscheinungsjahr des Werkes angezeigt. Über das Aktivieren einer Checkbox lassen sich zusätzlich zu den Passagen der aktuellen Sammlung von Textstellen auch alle weiteren Dokumente des Korpus (in Grau) einblenden, um Muster in der aktuellen Sammlung mit der Verteilung aller Dokumente im semantischen Raum zu vergleichen.
In der dreidimensionalen Darstellung fällt zum Beispiel auf, dass sich die Punkte in zwei weit auseinanderliegende Gruppen aufteilen. Die Bedeutung dieser Gruppen wurde bislang nicht näher untersucht und ist daher offen für Interpretation.

Credit: Die Schule von Salamanca (Link).
Fazit
Das Forschungsprojekt „Die Schule von Salamanca“ zeigt anschaulich, wie sich Large Language Models mit und ohne generative KI sinnvoll zur Analyse digitaler Editionen nutzen lassen. Besonders die Möglichkeiten, (a) mithilfe von Embeddings semantisch ähnliche Textpassagen zu finden und (b) diese mittels generativer Sprachmodelle inhaltlich vergleichen zu lassen, verdeutlichen das Potenzial von LLMs, die Analyse umfangreicher Textkorpora deutlich zu erleichtern. Diese Funktion erlaubt bereits spannende Einblicke in das Textkorpus und eröffnet neue Wege, thematische Zusammenhänge schneller zu erkennen. So können Forschende gezielter arbeiten und effizienter einen Überblick über bestimmte Fragestellungen gewinnen. Auch die 3D-Projektion zeigt interessante Strukturen innerhalb des Korpus, deren Interpretation jedoch noch offen ist.
Grundsätzlich müssen die Ergebnisse der beiden Funktionen noch systematisch evaluiert werden. Es wäre beispielsweise spannend zu untersuchen, ob Embeddings aus anderen Embedding-Modellen zu besseren Ergebnissen oder abweichenden Mustern in der Projektion führen. Auch die Qualität der automatisch erzeugten Zusammenfassungen ist derzeit noch zweifelhaft. Generierte Zusammenfassungen sollten deshalb stets hinsichtlich ihrer inhaltlichen Richtigkeit überprüft werden. Für beide Mechanismen – Ähnlichkeitssuche und automatische Zusammenfassung – muss außerdem überprüft werden, ob sie nicht einschlägige Textpassagen oder wichtige inhaltliche Argumente übersehen. Weitere offene Fragen betreffen die potenziellen Zielgruppen: Wer nutzt diese Tools überhaupt – und über welche Kompetenzen im Umgang mit KI verfügen diese Nutzer:innen?
Der Einsatz von LLMs in der Analyse digitaler Editionen befindet sich zwar noch in einem frühen Stadium, doch schon jetzt wird deutlich, welches Potenzial diese Technologie birgt – insbesondere dann, wenn ihr Einsatz forschungsnah entwickelt und kritisch reflektiert wird. Projekte wie „Die Schule von Salamanca“ können dabei als wichtige Impulsgeber dienen, um neue digitale Methoden mit geisteswissenschaftlichen Fragestellungen zu verknüpfen. Es bleibt spannend, welche Entwicklungen die getesteten Ansätze künftig nehmen werden – und welche neuen Perspektiven für die computergestützte Analyse digitaler Editionen sich daraus eröffnen.
Über die Autor:innen: Tom Hunze und Tilmann Diepenbruck studieren derzeit beide im Master Informatik an der Universität zu Köln. Tilmann Diepenbruck absolvierte zuvor einen Bachelor im Bereich Wirtschaftsinformatik, ebenfalls an der Universität zu Köln.
(Wir bitten, den unten stehenden automatisch generierten Zitierhinweis von OpenEdition zu ignorieren und die Beitragsautor:innen bei Bezugnahme korrekt anzugeben.)
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
dhstudi (27. Juni 2025). Mit KI durch 14 Millionen Wörter: LLMs in der digitalen Edition. Digital Humanities Cologne. Abgerufen am 17. Juli 2025 von https://doi.org/10.58079/1483b