Wenn Predigten zu Datensätzen werden: Auf den Spuren des Litauischen mit der Postil Time Machine

Was haben lutherische Predigten aus dem 16. Jahrhundert mit neuronalen Sprachmodellen zu tun? Warum lohnt es sich, scheinbar „alte“ Texte in mühevoller Kleinarbeit zu transkribieren und linguistisch zu analysieren? Und wie lassen sich historische Bibelzitate automatisch erkennen – auf Litauisch, Latein und Frühneuhochdeutsch? Der Vortrag von Dr. Loïc Boizou im Rahmen des Digital Humanities Kolloquiums an der Universität zu Köln am 8. Mai 2025 zeigte eindrucksvoll, wie historische Sprach- und Kulturdaten mit digitalen Methoden neu erschlossen werden können.

Im Zentrum stand das Projekt The Postil Time Machine (PosTiMe), das  gemeinschaftlich vom Institut für Digital Humanities der Universität zu Köln und dem Institut für Empirische Sprachwissenschaft der Goethe-Universität Frankfurt a.M. bearbeitet wurde. PosTiMe hat sich zum Ziel gesetzt, zwei der frühesten litauischen Predigtsammlungen umfassend zu digitalisieren, analysieren und editieren: die Wolfenbütteler Postille von 1573 (131 000 Wörter) und die Postille von Jonas Bretkūnas aus dem Jahr 1591 (134 000 Wörter). Beide Werke sind sprach- und kulturhistorisch bedeutend – nicht nur, weil sie zu den ältesten umfangreichen Texten in litauischer Sprache zählen, sondern auch, weil sie als Grundsteine für die Standardisierung des Litauischen gelten.

Sprachgeschichte trifft Annotationstiefe

Litauisch war zur Zeit der Reformation im späten 16. Jahrhundert keineswegs eine etablierte Schriftsprache – nicht einmal eine besonders geförderte. Im Großfürstentum Litauen, das ab 1569 Teil der Polnisch-Litauischen Union war, dominierten Latein, das Kanzleiruthenische und später Polnisch als Verwaltungs- und Kultursprache. Litauisch wurde zwar gesprochen, aber kaum geschrieben. Erst im Herzogtum Preußen, einem Vasallenstaat der polnischen Krone, entstanden erste systematische Versuche, Litauisch als Schriftsprache zu etablieren – insbesondere im Zusammenhang mit der Ausbreitung der lutherischen Lehre.

Denn nachdem sich der Protestantismus ab 1517 durch Martin Luthers 95 Thesen rasch ausbreitete, ging mit der Reformation und der Gründung des Herzogtums Preußen 1525 (aus dem säkularisierten Deutschen Orden) die Einführung des Luthertums als offizielle Religion einher. Die neue Konfession legte großen Wert auf Verkündigung in der Volkssprache. In diesem Kontext entstand ein ganzer Kanon frühneuzeitlicher religiöser Texte auf Litauisch, darunter Katechismen, Gebetbücher, Liederbücher – und eben auch die beiden zentralen Postillen, also Predigtsammlungen: die Wolfenbütteler Postille (WP1573) und die Postille von Jonas Bretkūnas (BP1591). Diese Texte gehören nicht nur zu den ältesten erhaltenen Dokumenten in litauischer Sprache, sondern bilden auch die ersten umfangreichen nicht-übersetzten religiösen Prosa-Werke und stellen ein umfassendes Korpus dar. Nicht zu vernachlässigen ist darüber hinaus ihre kulturelle Bedeutung als Zeugnisse einer ansonsten nur spärlich dokumentierten früh-litauischen Tradition und primärer Zugang zu theologischen Ideen für das litauische Laienvolk. Sie sind Zeugen der Praktiken von Predigten während der Zeit der Konfessionalisierung und bilden den zeitgenössischen politischen, wissenschaftlichen und theologischen Diskurs ab, weswegen ihre historische Signifikanz nicht zu vernachlässigen ist.

Das PosTiMe-Projekt hatte sich zum Ziel gesetzt, diese beiden Postillen digital aufzubereiten – als vollständige, annotierte, durchsuchbare Ressourcen. Dabei wurden die Texte sowohl in originaler als auch in modernisierter Orthographie transkribiert. In einem aufwändigen Prozess, der manuell durchgeführt werden musste, erfolgte eine linguistische Annotation, bei der jedes Wort mit Lemma (Grundform), Wortart, morphologischen Eigenschaften wie Kasus, Genus, Numerus oder Tempus sowie mit paradigmatischen Informationen versehen wurde. Diese Tiefe der Annotation ist keine akademische Spielerei, sondern die Grundlage für linguistischeals Zeugnisse einer ansonsten nur spärlich dokumentierten früh-litauischen Tradition. Analysen – von der grammatischen Struktur über semantische Muster bis hin zu historischen Sprachvergleichen.

Abbildung 1: Historische Karte von 1768: Die farbliche Abgrenzung zeigt das multiethnische Großfürstentum Litauen (rosa), das stark von lateinischer und polnischer Schriftkultur geprägt war, sowie das protestantische Herzogtum Preußen (grün schraffiert), in dem die ersten systematischen Versuche zur Etablierung des Litauischen als Schriftsprache unternommen wurden. (Quelle: https://lietuvoskartografija.lt/lithuanianmaps/index.php/2023/01/23/poland-lithuania-and-prussia-1768/)

Im Ergebnis entstand ein mehrschichtig annotiertes Korpus, das gleichermaßen für Sprachwissenschaft, Editionsphilologie und Theologie neue Perspektiven eröffnet. Denn in diesen Texten verbinden sich Sprache, Glaube und Macht – und das Projekt bringt sie in eine Form, die die heutige Forschung aktiv nutzen kann.

Wie funktioniert die Annotation historischer Texte praktisch?

Bei einem so komplexen Projekt kommt es echt auf eine saubere und durchgängige Datenverarbeitung an – und genau da hat das PosTiMe-Team mit einem cleveren, vielschichtigen Annotationssystem angesetzt. Herzstück der Arbeit war das Programm Toolbox, ein ursprünglich für Feldlinguistik entwickeltes Tool, das sich ideal für historische Sprachdaten anpassen lässt. Jede Zeile wird dabei in verschiedenen Annotationsebenen erfasst.

Diese Annotation erfolgt zeilenbasiert, was der Struktur der Postillen entgegenkommt. Dabei werden u. a. die Ebenen in Abb. 2 verarbeitet.

Abbildung 2: Ausschnitt aus einer Toolbox-Annotation im PosTiMe-Projekt: Dargestellt ist die zeilenweise linguistische Annotation eines Predigttextes mit verschiedenen Ebenen: Originalorthographie (\tx), standardisierte (\sf) und modernisierte Form (\nf), Lemmata (\lm), Wortarten (\psL / \psF) sowie morphologische Paradigmen (\pdL / \pdF). Die Annotation erfolgt strukturiert pro Textzeile und ermöglicht damit sowohl philologische Genauigkeit als auch maschinelle Weiterverarbeitung.

Diese Struktur bildet die Basis für die linguistische Analyse, erlaubt aber auch maschinelle Weiterverarbeitung, z. B. beim automatischen Matching von Bibelzitaten oder zur Suche nach spezifischen grammatischen Konstruktionen.

Die litauische Morphologie erwies sich dabei als besonders reich: In nur wenigen Minuten zeigte Boizou in seiner Präsentation rund 15 Kasusformen, dazu Singular/Plural sowie verschiedene Genusformen – ein komplexes Paradigma, das weit über heutige Standardsprachen hinausgeht. Diese Komplexität erschwerte automatische Tagging-Versuche erheblich, sodass zwei entwickelte Prototypen letztlich ungenutzt blieben.

Stattdessen setzte man auf manuelle Annotation gestützt durch Lexika und Glossare, die ebenfalls im Projekt erstellt wurden: etwa zweisprachige Wortlisten (Litauisch/Englisch), Normalisierungslisten (zwei Ebenen: Transliteration und Orthographieangleichung) sowie vollständige Lemma-/Paradigmentabellen. Für externe Quellen kamen spezialisierte Tools wie Deucalion (Latein) und RNNTagger (Frühneuhochdeutsch) zum Einsatz, um Morphologie zu extrahieren und zu modernisieren.

Abbildung 3: Streudiagramm zur Bewertung von Ähnlichkeitsscores zwischen litauischen Textpassagen und lateinischen Bibelquellen: Auf der X-Achse ist die Länge der Textabschnitte (in Tokens), auf der Y-Achse der Ähnlichkeitsscore dargestellt. Die Dichte im oberen Bereich zeigt, dass kürzere Passagen im Durchschnitt höhere Scores erzielen – ein typischer Effekt bei semantischen Embedding-Modellen wie LaBSE. (Quelle: die Präsentation von Loïc Boizou)

 Automatisch zur Quelle: Bibelzitate erkennen mit LaBSE

Ein zentrales Anliegen des Projekts war die Verlinkung der unzähligen Bibelzitate, die sich in den Predigten finden. Diese Zitate sind oft nur lose Übersetzungen oder Paraphrasen ihrer lateinischen Originale, was eine direkte Zuordnung erschwert. Dennoch gelang es dem PosTiMe-Team, zwei Verfahren zu etablieren:

  1. Lexikonbasierte Methode: Ein manuelles, wortbasiertes Matching auf Basis eines zweisprachigen litauisch–lateinischen Bibelverskorpus. Diese Methode funktioniert gut bei wörtlichen Übersetzungen, scheitert jedoch bei freier Wiedergabe.

    Neuronale Sprachmodelle: Mit dem LaBSE-Modell (Language-agnostic BERT Sentence Embedding) wurde ein maschinelles Verfahren etabliert, das die semantische Ähnlichkeit zwischen Versen verschiedener Sprachen analysiert. Trainiert auf über 28.000 Verspaaren, lieferte das Modell eine erstaunliche Erfolgsquote von 40 % korrekt erkannter Querverweise – insbesondere bei nicht-wörtlichen Zitaten ein starkes Ergebnis.

Digitale Edition als Forschungsinfrastruktur

Die digitale Edition von PosTiMe ist viel mehr als einfach nur ein Text online. Sie bringt historische, sprachliche und visuelle Informationen auf einer gemeinsamen Plattform zusammen – und das richtig durchdacht.

Man kann bequem zwischen der Originalorthographie, einer standardisierten und einer modernisierten Version hin- und herschalten. Das macht nicht nur den Vergleich von Sprachstufen spannend, sondern verbessert auch die Lesbarkeit enorm.

Dazu kommen fein granulierte morphologische Infos wie Lemmata, Wortarten oder Flexionsformen, mit denen gezielt im gesamten Korpus recherchiert werden kann. Ein echtes Highlight: Hochaufgelöste Scans der Originalseiten machen den Abgleich mit dem historischen Material jederzeit möglich. Und um den größeren Kontext nicht aus dem Blick zu verlieren, ist auch eine Zeitleiste geplant – damit Entwicklungen in Sprache, Religion und Kultur nachvollziehbar werden.

Kleine Sprache, große Wirkung: Warum Litauisch zählt

Ein besonders schöner Aspekt des Vortrags war Boizous Reflexion über „kleine Sprachen“ in den Digital Humanities. Litauisch, oft randständig in der europäischen Wissenschaft, ist eine Sprache mit hochkomplexer Grammatik, alter indogermanischer Struktur und tiefem kulturellen Erbe. Durch digitale Projekte wie PosTiMe erhalten solche Sprachen nicht nur Sichtbarkeit, sondern auch strukturelle Wertschätzung: Sie werden analysiert, verlinkt, erfahrbar gemacht.

In einer Zeit, in der große Sprachmodelle vor allem auf Englisch trainiert werden, setzen Projekte wie dieses ein wichtiges Zeichen: Digitalisierung darf keine Einbahnstraße der Mehrheitssprache sein. Jede annotierte Predigt auf Litauisch ist auch ein Beitrag zur digitalen Mehrsprachigkeit Europas.

Fazit: Was von der Kanzel bleibt

Was also bleibt von diesem Vortrag? Vielleicht vor allem dies: Dass historische Texte durch digitale Methoden mehr als nur lesbar gemacht werden – sie werden anschlussfähig. Die Postillen von 1573 und 1591 sprechen in einer neuen Sprache: als strukturierte, verlinkte, annotierte Datenkörper. Und diese Sprache wiederum spricht mit heutigen Tools – von NLP über XML bis hin zu neuronalen Netzen.

Die Predigt als theologischer Akt wird damit zum Rohstoff für historisch-linguistische Analysen; die Kanzel wird zur Datenquelle, die Edition zum Portal in einen Ausschnitt litauisch-europäischer Geistesgeschichte, digital aufgeschlossen und neu zugänglich.

Zu den Autor:innen: Xiao Yang hat von 2020 bis 2023 an der LMU München Germanistik im Hauptfach und Digital Humanities im Nebenfach studiert und befindet sich derzeit im im dritten Semester des Masterstudiengangs Informationsverarbeitung an der Universität zu Köln.
Jan Jacek Jackowski studierte ab 2020 Informationsverarbeitung und Romanistik mit dem Schwerpunkt Französisch im Zweifach-Bachelor an der Universität zu Köln. Das Bachelorstudium schloss er 2024 ab und studiert nun Informationsverarbeitung im 1. Mastersemester.

 (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 (2. Juli 2025). Wenn Predigten zu Datensätzen werden: Auf den Spuren des Litauischen mit der Postil Time Machine. Digital Humanities Cologne. Abgerufen am 17. Juli 2025 von https://doi.org/10.58079/1497f


Schreibe einen Kommentar

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

This site uses Akismet to reduce spam. Learn how your comment data is processed.