Im Rahmen der Vortragsreihe „Digital Humanities – Aktuelle Forschungsthemen 2025“ gaben Alina Ostrowski (Ruhr-Universität Bochum) und Daniel Berger (Niedersächsische Akademie der Wissenschaften) durch ihren Vortrag “Mittelalterliche Papsturkunden zwischen historischer Forschungstradition und digitaler Neuorientierung – Das Beispiel der Iberia Pontificia” am 24. April 2025 spannende Einblicke in die digitale Erschließung mittelalterlicher Papsturkunden.
Anhand der Projekte “Iberia Pontificia” (Göttingen) und “Delegierte Gerichtsbarkeit auf der Iberischen Halbinsel im 12. Jahrhundert” (Passau/Göttingen) zeigten sie, wie traditionelle Forschung mit digitalen Methoden verknüpft werden kann.
Papsturkunden – Brief vom Papst
Papsturkunden sind offizielle Schriftstücke des Papstes, die bestimmte kirchliche Angelegenheiten regeln oder bestätigen, dazu zählt jede schriftliche Äußerung des Bischofs von Rom mit rechtlicher Bedeutung. Verwendet wurden sie unter anderem zur Dokumentation von kirchlichen Ereignissen und Handlungen wie zum Beispiel der Ernennung von Bischöfen. Allgemein ist der Begriff recht dehnbar – so muss es sich bei einer Papsturkunde nicht unbedingt um eine klassisch gestaltete Urkunde handeln, da auch Briefe zu Papsturkunden zählen können. Eine typische Form der Papsturkunden ist die sogenannte Bulle, bzw. päpstliche Bulle. Der Name stammt von dem gleichnamigen kreisrunden Bleisiegel des Papstes, welches für die in vielen Sprachen übernommene Bezeichnung für das Dokument sorgte. Zentral hierbei ist außerdem, dass sich neue und ältere Urkunden kaum innerhalb ihrer inneren und äußeren Gestaltung unterscheiden.

Standardisierung der Papsturkunden
Allgemein lässt sich festhalten, dass Papsturkunden in ihrer Gattung relativ stark standardisiert und massenhaft überliefert sind. Die Standardisierung sorgt zudem dafür, dass sowohl innere als auch äußere Daten gut strukturiert sind. Ein weiterer Grund dafür ist die Masse an sich, in der Papsturkunden vorhanden sind. Insbesondere im Mittelalter übertraf die Ausstellung von Papsturkunden die Ausstellung jedes anderen Typus an Urkunden, was notwendigerweise zu Routinen innerhalb des Verfahrens führte. So sind nach heutigem Stand etwa 30 Millionen Papsturkunden ausgestellt worden, wobei es ab Mitte des 11. Jahrhunderts einen großen Anstieg an Überlieferungen gab. Dies lässt sich auf mehrere Faktoren zurückführen, wie beispielsweise der Anstieg der Kirchendichte innerhalb Europas, der wachsende Einfluss des Papstes, sowie der Wechsel des Schreibmaterials von Papyrus zu Pergament. Auch die Ausstellung päpstlicher Justizbriefe stieg rasant an, da der Papst durch kirchliche Reformen nun ortsunabhängig zum obersten Richter aller Gemeinden erklärt wurde.
Die Überlieferung von Urkunden vor dem 13. Jahrhundert fällt dagegen etwas bescheidener aus. Bis 1046 sind etwa 4000 Papsturkunden überliefert, von 1046-1198 etwa 21.000 und von 1198-1300 etwa 30.000.
Überlieferung der Papsturkunden durch Register
Der wichtigste Ort im Kontext zu Überlieferungen von Papsturkunden ist das vatikanisch-apostolische Archiv in Rom, das offizielle Korrespondenzen und Urkunden der Päpste seit dem 8. Jahrhundert bis heute enthält. Dadurch gilt es unter anderem als zentrales Gedächtnis der katholischen Kirche. Im Archiv befinden sich vor allem kirchliche Register, welche aus Abschriften der im Vatikan archivierten Papsturkunden bestehen. Dadurch sind sie heute die einzige Quelle zu Papsturkunden, wenn die ursprüngliche Urkunde verloren ging. Die Register beginnen 1198, gekennzeichnet durch den Beginn des Papstes Innozenz III. Dadurch sind Register seitdem beinahe lückenlos überliefert – im Kontrast dazu gingen vor 1198 fast alle Register verloren. Insbesondere für das 12. Jahrhundert liegt ein totaler Überlieferungsverlust vor, was vor allem an der noch nicht ausgebauten Verwaltung und Archivpflege des Papsttums zu dieser Zeit liegen könnte. Der deutsche Historiker Philipp Jaffé versucht mit seinem Hauptwerk Regesta Pontificum Romanorum diesem Problem für die Forschung entgegenzuwirken. Im 19. Jahrhundert sammelte er verstreute Quellen zu Einzelurkunden des 12. Jahrhunderts und erstellte so ein Verzeichnis kurzer Inhaltsangaben aller bekannten Papsturkunden bis 1198. Dieses Nachschlagewerk mit enthaltenen Metadaten gilt als zentraler Wegweiser für diese Epoche.
Als Erweiterung und Fortführung der Arbeit Jaffés wurde 1896 das Göttinger Papsturkundenwerk von Paul Fridolin Kehr als Unternehmen der Göttinger Akademie gegründet. Ziel des Werkes war es, alle unbekannten Papsturkunden in ganz Europa, sowie die Edition aller Papsturkunden vor 1198 zu ermitteln[1] . Der originale Plan wurde jedoch nach zehn Jahren abgeändert, sodass die Edition des Papsturkundenwerks in Editionsserien zu Papsturkunden in Italien, England, Frankreich etc. veröffentlicht wurde. Restbestände wurden zudem geographisch gegliedert.

Papsturkunden der Iberia Pontificia
Die Iberia Pontificia dokumentiert als Teilwerk des Göttinger Papsturkundenwerks alle überlieferten Papsturkunden bis 1198 für Empfänger auf der Iberischen Halbinsel, da insbesondere die iberischen Königreiche Portugal, Leon, Navarra, Kastilien und Aragón im engen Kontakt mit dem Papsttum standen. Jedoch sind viele Urkunden und Abschriften nur in lokalen Archiven Spaniens und Portugals erhalten, weshalb die Iberia Pontificia hilft, diesen verstreuten Bestand systematisch zu erschließen. Eine zentrale Figur ist in diesem Zusammenhang Papst Pius XI, der in den 1920ern diesen Forschungsbereich finanziell förderte. Die Forschung und Suche nach verlorenen Schriften wurde jedoch durch den Beginn des ersten Weltkrieges erschüttert. In den 1920ern wurden die Werke Papsturkunden in Spanien I: Katalonien (1926), Papsturkunden in Portugal (1927) und Papsturkunden in Spanien II: Navarra und Aragon (1928) veröffentlicht, 2020 folgte Papsturkunden in Spanien III: Kastilien. Alle Werke legen den Fokus auf Rechtsprechungen und wurden als Print-Editionen veröffentlicht. Die Erstellung einer online verfügbaren Datenbank in diesem Kontext war daher nur semi erfolgreich.
Digitalisierung
Um das Korpus nutzen und Forschungen mit Large Language Models (LLMs) und künstlicher Intelligenz (KI) durchführen zu können, müssen die darin enthaltenen Texte digitalisiert werden. Alina Ostrowski erläuterte ausführlich den Prozess, den wir in den nächsten Abschnitten durchgehen und die Hypothesen untersuchen werden, die sie mit dem digitalisierten Korpus erforscht haben.
Der erste Schritt war die Retrodigitalisierung des Korpus mit dem Ziel, dass jeder Papsturkunde nun eine typologische Zuordnung, eine Normdaten-ID für Aussteller, aber auch nutzbare Named-Entity Recognition (NER), wie Personen, Institutionen und Orte, und Named-entity Linking (NEL), das zur Verknüpfung von Entitäten mit dem GND oder WIAG[1] (Wissensaggregator Mittelalter und Frühe Neuzeit) dient. Um dies zu erreichen, wurde die OCR-Erkennung mit Tesseract als Teil einer iterativen, teilautomatisierten Extraktion der Texte und ihrer Strukturen eingesetzt. In dieser Iteration werden die Dokumente mit Hilfe von RegEx in Einzeldokumente aufgeteilt, die dann jeweils nach visuellen Elementen getrennt werden. Das Verfahren erkennt dann den Absatztyp und nimmt bei Bedarf eine tiefergehende Strukturierung vor. Einige der Iterationen werden zur manuellen Überprüfung ausgewählt.

Digitale Diplomatik
Eine weitere Frage, die sich bei der Digitalisierung der Urkunden stellte, war: „Können die Urkunden in XML gut abgebildet werden?“ CEI (Charters Encoding Initiative) gilt zwar als Standard für die Arbeit mit solchen Urkunden (und wird von monasterium.net, einem Archiv für virtuelle Urkunden, verwendet), und CEI basiert weitgehend auf TEI, aber die beiden sind nicht ganz gleich, so dass TEI nicht für alles verwendet werden kann. Um dieses Problem zu lösen, schlugen die Entwickler*innen von CEI vor, den CEI als zweite Version in TEI zu integrieren. Dies beinhaltete Änderungen auf vielen Ebenen, wie z.B.: bessere Beschreibungen von Urkunden als spezifischer Texttyp nach externen Merkmalen (disploDesc, issued, copyStatus, legalActor), die Annotation von formalisierten Textkomponenten (diploPart, plica, note) und eine bessere Abbildung von Authentifizierungsmitteln (authen, authDesc legend), die dann für verschiedene Urkunden aus verschiedenen Regionen und Epochen verwendet werden können.

Dies führt zur Möglichkeit der Forschung in anderen Bereichen, wie der Layoutanalyse, Text- und Symbolerkennung, aber auch der Zuordnung von Datierung, Verortung und Authentizität auf der Basis von Sprache, es erlaubt die Extraktion von Informationen (wer, wo, was, wie?), erlaubt die Strukturierung von Texten auf der Basis von Formeln und die Durchführung von Netzwerkanalysen und Text Mining, wo es schon früh Projekte und Datenbanken gab (Monasterium, Regesta Imperii usw..).
Formelhafte Sprache
Ziel des uns vorgestellten Projekts war es nicht nur, die Papsturkunden zu digitalisieren, um sie in TEI für zukünftige Arbeiten zugänglich zu machen, sondern auch eine eigene Fragestellung zu beantworten. Ziel dieser Forschung war es, die folgende Hypothese zu untersuchen: „Wenn sich Formeln ändern, dann ändert sich auch das dahinter stehende Gerichtsverfahren.“ Diese Hypothese ist von Interesse, um die Entwicklung der Formeln sprachlich und quantitativ in den Papsturkunden zu analysieren, um herauszufinden, welche Formel in welchen Dokumenten vorkommt, und um zu versuchen, ein definitives Muster in der offiziellen Sprache zu finden, die bei der Erstellung von Papsturkunden verwendet wird, aber auch um alle im Korpus vorhandenen Formelfälle zu dokumentieren.
Also, was ist formelhafte Sprache? Es handelt sich um feste Wendungen wie Paarformeln (Hab und Gut), Phrasen (meine Damen und Herren einen schönen Tag noch), Sprichwörter (Das ist vier auf einen Streich!), Fachspezifische Ausdrücke (Der Rechtsweg ist ausgeschlossen. (jur.)) oder auch unvollständige Phrasen (that the).
Vorgehen
Der erste Schritt bei dieser Art von Projekten besteht darin, eine geeignete Goldannotation für die gewünschte Aufgabe zu erstellen. Anschließend kann die automatische Erkennung an den Texten des Korpus vorgenommen und mit verschiedenen Methoden bewertet werden. Alle diese Schritte werden in den nächsten Abschnitten erläutert.
Die Annotation ist ein iterativer Prozess. Sie erfordert zunächst die manuelle Annotation durch Experten (unter Verwendung von INCEpTION) und dann die Berechnung des Inter-Annotator Agreements (IAA). Wenn es in einigen Fällen zu Differenzen kommt, werden diese diskutiert und gelöst, bevor die Annotationsrichtlinien aktualisiert werden. Unter Verwendung des relevanten Kriteriums Signifikanz/Funktion wurde das Golddatenset erstellt. Es enthielt 35 Urkunden, ca. 9000 Token, 401 Formelinstanzen und 45 verschiedene Label.
Dann findet der Erkennungsprozess statt. Es gibt mehrere Möglichkeiten, aber jede bringt Probleme mit sich, die bei der Arbeit für diesen speziellen Forschungsfall angegangen oder berücksichtigt werden müssen. Die erste Möglichkeit wäre die „nGram-Zählung“, bei der die Wahrscheinlichkeit, dass es sich um eine Formel handelt, um so größer ist, je häufiger ein nGram gezählt wird. Einige Bigramme bedeuten jedoch möglicherweise gar nichts, und da das Projekt nur wenige Trainingsdaten hat und Formeln unbekannte Grenzen haben, wie kann man sagen, wann eine Formel beginnt und wann sie endet? Bei der zweiten Methode handelt es sich um eine probabilistische Methode, die einen Token-Klassifikator und Einbettungen verwendet, aber auch hier gibt es Probleme, wie z. B. wenig Trainingsdaten, unbekannte Span-Grenzen, makroskopische Eigenschaften und zu wenig Ressourcen für das Natural Language Processing (NLP) für Mittellatein. Die dritte Methode, die “DomSpec-Methode” (für domain specific), wurde im DFG-Projekt “Delegierte Gerichtsbarkeit” entwickelt. Sie besteht darin, zwei Korpora/Phänomene miteinander zu vergleichen. In diesem Fall ist bekannt, dass Formeln speziell in Justizurkunden vorkommen, so dass die Formulierungen, die in einem Justizkorpus häufiger vorkommen als in einem normalen, höchstwahrscheinlich Formeln sind. Wenn dann ein bestimmter relevanter Begriff in einer Span gefunden wird, wird er als mögliche Formel gekennzeichnet.
Diese Methode bietet Vorteile, da sie keine Trainingsdaten benötigt, Formeln erkennen kann, die bisher unbekannt waren, und für verschiedene Arten von Quellen verwendet werden kann. Sie hat jedoch auch einige negative Aspekte: Sie ist fehleranfällig, wenn die Datenqualität schlecht ist, sie ist weniger leistungsfähig als gängige Ansätze des Machine Learning (ML), sofern sie mit genügend Daten trainiert werden, und sie ist schwer zu parametrisieren.
Der letzte Schritt des Prozesses ist die Bewertung der Ergebnisse. Bei der Bewertung werden die Goldstandard-Labels mit den erkannten Labels verglichen und ihnen ein Wert zugewiesen, entweder true oder false positive oder true oder false negative. Anhand dieser Kennzeichnungen lassen sich die Precision, der Recall und die Accuracy des trainierten Modells berechnen.
Das Problem, das bei der Anwendung dieser Methode auftritt, ist in der folgenden Abbildung gut dargestellt:

Wie man sehen kann, wurden einige Token zwar richtig als Formeln markiert, aber falsch als zugehörig zu einem Satz, wobei sie zwar einen hohen Recall- und Precision-Wert erhielten, aber dennoch als irgendwie falsch angesehen wurden. Um dies zu umgehen, wurde eine span-basierte Auswertung durchgeführt. Dies bringt einige Schwierigkeiten bei der Gesamtbewertung mit sich: Wann stimmt ein Match-Span mit einem Gold-Span überein (True positive/False positive)? Es gibt keine definierte Anzahl von False-Negative und True-Positive, was wiederum die Berechnung der Accuracy und Precision nicht zulässt. Wie kann schließlich die Precision einzelner Spans (zu kurz, zu lang, genau) berechnet werden? Um mit diesen Einschränkungen umzugehen, wurden die folgenden Metriken verwendet: Es handelt sich um eine Token-weise Recall-, Precision- und Accuracy-Berechnung. Die formelmäßige Precision berücksichtigt die Anzahl der True Positive Token in der Match-Span im Verhältnis zur Anzahl der Token in der Gold-Span. Der formelmäßige Recall wird anhand von „Trefferbedingungen“ berechnet: Für einen min muss mindestens ein Gold-Token in der Match-Span vorhanden sein. Bei einem par überschneiden sich die Gold-Span und der Match-Span um mindestens 50 % und der Match-Span ist höchstens 50 % zu lang. Wenn die Übereinstimmung xct ist, wird schließlich die erwähnte exakte Übereinstimmung angegeben. In der folgenden Tabelle werden die verschiedenen Erkennungsverfahren und Bewertungsmethoden verglichen, um die wichtigsten Unterschiede zu verdeutlichen:

Zu den beiden Autor:innen:
Pascale Boisvert hat Bachelor Medienkulturwissenschaft und Medieninformatik an der Universität zu Köln studiert. Aktuell studiert sie Informationsverarbeitung im 4. Mastersemester. Sie ist momentan als Werkstudentin beim IDH im Bereich Front-End Entwicklung tätig.
Julia Victoria Haschke studierte im Verbundbachelor Medieninformatik an der Universität zu Köln. Anschließend absolviert sie nun ihr Masterstudium im Fach Informationsverarbeitung, ebenfalls an der Universität zu Köln. Darüber hinaus ist sie als Werkstudentin am Institut für Digital Humanities tätig und ist dort Mitarbeitende des Projekts “Virtueller Campus”.
[1] https://wiag-vocab.adw-goe.de/query/ibe
(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 (30. Juli 2025). Formeln, Forschung, Fortschritt – Briefe vom Papst unter der digitalen Lupe. Digital Humanities Cologne. Abgerufen am 14. Februar 2026 von https://doi.org/10.58079/14g4w