Datenqualitätsprobleme und mögliche Lösungsansätze beim Umgang mit historischen Daten

Je nach Arbeitsumgebung und genutzten Anwendungen sollte das Projektteam möglichst schon zum Projektstart auf kontrollierte Vokabulare zurückgreifen und diese beispielsweise als feste Wertelisten in Tabellen oder Tools für das Projektmanagement hinterlegen. Bei Bedarf kann eine einfache projektinterne Liste für die einheitliche Bezeichnung von einzelnen Arbeitsschritten und -ständen schon hilfreich sein. Spätestens bei der strukturierten Erschließung, Indexierung oder Annotation von Forschungsdaten und Informationsobjekten jeder Art sollte auf kontrollierte Vokabulare zurückgegriffen werden. Um die Datenqualität im Projektverlauf zu sichern, ist es sinnvoll, verbindliche Qualitätskontrollen und entsprechende Prozesse zur Korrektur zu vereinbaren und zu etablieren.

Schlagwörter

QualitätskontrolleZusammenarbeitDokumentation

Bei der Suche nach fehlenden oder doppelten Werten in großen Datensätzen kann das Open-Source-Tool OpenRefine helfen, mit dem sich Daten z. B. in CSV- oder XLS-Dateien bereinigen, konvertieren oder anreichern lassen. Mithilfe der „Facetten“ (Filterfunktionen) in OpenRefine lassen sich leere Felder mit wenigen Klicks isolieren und auch direkt befüllen. OpenRefine ist relativ unkompliziert und lässt sich leicht selbst erlernen. Schulungen dazu finden Sie unter den weiterführenden Links.

Schlagwörter

EinzigartigkeitDuplikateOpenRefine

Weiterführende Links

• OpenRefine: https://openrefine.org/
• Step-by-Step-Anleitungen für OpenRefine einschließlich der automatischen Entfernung von Duplikaten: https://programminghistorian.org/en/lessons/cleaning-data-with-openrefine
• Toolbeschreibung bei Histofox: https://histofox.4memory-dataliteracy.de/tools/openrefine/

Vor der Zusammenführung von Datensätzen sollten alle Schreibweisen und Abkürzungen, die in den Datensätzen vorkommen, gesammelt und in einer Mapping-Tabelle festgehalten werden. Diese Tabelle dient als einfache Übersicht, die dokumentiert, welche Varianten für einen Begriff, ein Konzept oder eine Bezeichnung als gleichwertig behandelt werden. Jede Entscheidung zur Vereinheitlichung, d. h. welche Varianten zusammengeführt wurden und warum, wird schriftlich festgehalten und dem Datensatz beigefügt, sodass Dritte diese Entscheidungen nachvollziehen können. Nach der Zusammenführung und entsprechenden Bereinigung sollte der Datensatz systematisch auf verbleibende Inkonsistenzen geprüft werden, etwa durch Durchsicht aller einzigartigen Werte in einem Feld. Am besten wird entsprechenden Inkonsistenzen jedoch bereits zu Projektbeginn vorgebeugt, beispielsweise durch die Anlage fester Werte- und Bezeichnungslisten in Tabellen und projekteigenen kontrollierten Vokabularen.

Schlagwörter

HomogenitätKonsistenz

Wenn eine Vereinheitlichung unerlässlich ist, wird sie transparent gegen die Bewahrung des historischen Charakters abgewogen. Das Minimaleingriffsprinzip, d. h. die Durchführung möglichst weniger Korrekturen an der Originalschreibweise, sichert die Nachnutzbarkeit des Datensatzes auch für Fragestellungen jenseits der ursprünglichen Erschließungsabsicht. Welche Eingriffe als „minimal“ gelten, wird explizit dokumentiert und begründet. Nicht auflösbare Inkonsistenzen, wie z. B. beschädigter Text, unleserliche Passagen oder uneindeutige Sprachwechsel, werden als solche gekennzeichnet.

Schlagwörter

HomogenitätKonsistenz

Weiterführende Links

• Beispiel aus der Praxis: Vira, O. (2026). Transforming historical street names into FAIR research data. DH Lab. https://dhlab.hypotheses.org/7934.

Eine gängige Lösung bietet eine lebendige Datendokumentation, die aktiv gepflegt und im Team geteilt wird. Dazu gehören klare Eingaberichtlinien, die für jedes Feld exakt definieren, welche Inhalte einzutragen sind, wie Grenzfälle behandelt werden und wie sich einzelne Kategorien voneinander abgrenzen. Besonders komplizierte Fälle sollen im Team diskutiert werden. Ändern sich Kriterien im Projektverlauf, sorgt eine fortlaufende Änderungsdokumentation für die nötige Nachvollziehbarkeit. Abgerundet wird das Konzept durch regelmäßige Schulungen und ein strukturiertes Onboarding: So ist sichergestellt, dass alle Beteiligten – auch neue Teammitglieder – die Richtlinien kennen und einheitlich umsetzen.

Schlagwörter

KonsistenzHomogenitätStandardisierungRückverfolgbarkeitDokumentationDatenbank

Falls die Daten nicht eindeutig aus der Quelle ausgelesen werden können, kann ein Kennzeichen eingefügt werden, das auf die Ungenauigkeit der Daten hinweist (z. B. „?“ oder „uncertain“). Die Bedeutung dieses Kennzeichens muss in der Dokumentation zum Datensatz erläutert werden.

Schlagwörter

GenauigkeitVollständigkeit

Weiterführende Links

• Beispiel aus der Praxis: Jankowski, T. M. (2024). Courland Census Microdata, 1803-1804 [Datensatz]. https://emporion.gswg.info/receive/emporion_mods_00000034.

Informationen in handschriftlichen Quellen, die aufgrund von Beschädigungen, Auslassungen oder Schriftbild nur unsicher oder gar nicht aufgelöst werden können, sollten im Transkript bzw. Datensatz gekennzeichnet werden. Eine Kennzeichnung kann durch runde oder eckige Klammern erfolgen, in denen Ergänzungen stehen können. Sind Ergänzungen nicht möglich, werden dafür Punkte eingesetzt. Je nach verwendeter Richtlinie ein Punkt pro vermutetem Buchstaben oder generell drei Punkte […]. Um einen Überblick über gängige Wiedergabeformen und editorische Praktiken für eine bestimmte Quellenart zu bekommen, können auch die jeweiligen Richtlinien verfügbarer Editionen hilfreich sein.

Ergänzungen sollten immer durch Anmerkungen erläutert werden. Außerdem sollte dem Datensatz eine Dokumentation beigegeben sein, in der die verwendete Transkriptionsrichtlinie und die Zeichen erläutert werden.

Schlagwörter

GenauigkeitVollständigkeit

Weiterführende Links

• Bayerische Archivschule. (2011). Regeln für die Transkription lateinischer Texte in der Bayerischen Archivschule. https://www.gda.bayern.de/mam/typo3/user_upload/Medien_fuer_Unterseiten/bayerische_archivschule_-_transkriptionsregeln_lateinisch_-_stand_2011.pdf.
• Känzle, A., & Galle, S. (o. D.). Ad fontes, Ressourcen: Transkriptionsregeln. http://www.adfontes.uzh.ch/ressourcen/schriften-lesen/transkriptionsregeln-pdf/.

Die Schreibweisen der Personennamen können nach den entsprechend geltenden Transliterations- bzw. Transkriptionsregeln aufgelöst und unter Umständen angepasst werden. Allerdings sollten diese Eingriffe dokumentiert werden. Zusätzlich können in einer eigenen Spalte alternative Schreibweisen und frühere Namen (z. B. bei Namensänderungen durch Taufen) erfasst werden. Außerdem sind biografische Notizen zu jedem Eintrag hilfreich, die den Nutzenden erläutern, auf welcher Quellenbasis der Name erfasst wurde und welche Unsicherheiten bestehen.

Schlagwörter

GenauigkeitKonsistenzEinheitlichkeitDokumentationNamenTransliterationTranskription

Weiterführende Links

• Beispiel aus der Praxis: Bärwald, A. (2026). Menschen afrikanischer, asiatischer sowie indigen- und afrikanisch-amerikanischer Herkunft im Hamburger Raum, 1760 bis 1840 (Version 4) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.18381462.
• Bärwald, A. (2024). Minderheitengeschichten digital: Über den Versuch, prosopografische Daten zu nicht-weißen Menschen im Hamburger Raum aufzubereiten. DH Lab. https://dhlab.hypotheses.org/5756.

Grundsätzlich ist es wichtig, Unsicherheiten – z. B. bei Fragen des Standes oder der konfessionellen Zugehörigkeit – im Datensatz (z. B. einer Tabelle) nachvollziehbar zu machen: So könnten im genannten Beispiel in einer zusätzlichen Spalte alle Entwicklungsvarianten aufgeführt und so die Ambivalenz mit den Optionen „versklavt“, „nicht versklavt“, „unbekannt“, „wahrscheinlich“ und „vormals versklavt“ abgebildet werden. Je nach Quellenlage werden Aussagen z. B. über den Personenstand aus dem Kontext abgeleitet (wie dem Wohnort oder dem Eigennamen). Da es sich hier um einen interpretativen Schritt handelt, sollte das unbedingt in der Datendokumentation deutlich gemacht werden.

Schlagwörter

GenauigkeitStrukturierungstrukturierte Daten

Weiterführende Links

• Beispiel aus der Praxis: Bärwald, A. (2026). Menschen afrikanischer, asiatischer sowie indigen- und afrikanisch-amerikanischer Herkunft im Hamburger Raum, 1760 bis 1840 (Version 4) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.18381462.
• Bärwald, A. (2024). Minderheitengeschichten digital: Über den Versuch, prosopografische Daten zu nicht-weißen Menschen im Hamburger Raum aufzubereiten. DH Lab. https://dhlab.hypotheses.org/5756.

Wenn Informationen unauffindbar sind und dadurch Felder leer bleiben, sollten diese mit einem speziellen Zeichen befüllt werden (z. B. „N/A“, „unknown“, „missing“ oder einem einfachen Punkt „.“). Das ist u. a. wichtig für die maschinelle Datenverarbeitung: So können Tools zur Weiterverarbeitung der Daten erkennen, dass Daten bewusst fehlen und nicht versehentlich vergessen wurden.

Schlagwörter

MaschinenlesbarkeitInteroperabilitätleere Felder

Solche Werte werden als Boolesche Werte bezeichnet. Bei ihnen ist es ratsam, im gesamten Datensatz eindeutige und einheitliche Bezeichnungen zu verwenden, damit sie später bei der maschinellen Datenverarbeitung berücksichtigt werden können (z. B. JA/NEIN, TRUE/FALSE).

Schlagwörter

MaschinenlesbarkeitInteroperabilitätBoolesche Werte

Weiterführende Links

• Beispiel aus der Praxis: Jarošová, E., Körfer, A.-L., & Pravdyuk, A. (2026). Database of Prague Funerary Monuments 1500-1650 (Version 1) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.18519018.

Auf die Verwendung spezieller Zeichen sollte man möglichst verzichten, da sie das maschinelle Auslesen und Verarbeiten der Daten erschweren können. Es empfiehlt sich, sie durch eine Alternative zu ersetzen. Zum Beispiel:

Titel „AmigaCS #1“ wird zu „AmigaCS No. 1“.

Schlagwörter

MaschinenlesbarkeitInteroperabilität

Weiterführende Links

• Beispiel aus der Praxis: Shtohryn, T. (2024). Diskettenmagazine im Ostmitteleuropäischen Raum (1.0) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.12819914.

Unterschiedliche Informationen (z. B. Sterbedatum und Datum der Aufstellung des Grabsteins) gehören in separate Spalten. Als Faustregel gilt: Höhere Struktur bedeutet bessere Daten. Das steigert die maschinelle Lesbarkeit, sichert eine reibungslose Verarbeitung und ermöglicht ein präzises Filtern der Daten.

Schlagwörter

Strukturierungstrukturierte DatenInteroperabilitätMaschinenlesbarkeit

Weiterführende Links

• Beispiel aus der Praxis: Jarošová, E., Körfer, A.-L., & Pravdyuk, A. (2026). Database of Prague Funerary Monuments 1500-1650 (Version 1) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.18519018.

Wenn Werte sich separieren lassen, dann sollten sie auch separat erfasst werden. Ist dies jedoch nicht möglich, dann empfiehlt es sich, die Werte voneinander mit einem Semikolon („;“) zu trennen, um das maschinelle Lesen und Verarbeiten der Daten zu vereinfachen. Ein Beispiel hierfür ist, dass eine Zeitschrift von mehreren Personen redigiert wurde, für diese Daten jedoch nur eine Spalte („editor“) vorgesehen ist: „Pouet; Elysium; Sunga“.

Schlagwörter

MaschinenlesbarkeitStrukturierungstrukturierte DatenInteroperabilität

Weiterführende Links

• Beispiel aus der Praxis: Shtohryn, T. (2024). Diskettenmagazine im Ostmitteleuropäischen Raum (1.0) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.12819914.

Um Personennamen zu vereinheitlichen, können Normdaten wie die GND oder VIAF herangezogen werden. Dadurch wird die Auffindbarkeit einer Person trotz unterschiedlicher Schreibweise im Datensatz erheblich erhöht. Zusätzlich zur in der Normdatei angegebenen Schreibweise des Namens (Hauptansetzungsform) sollten der entsprechende Identifikator (GND- oder VIAF-ID) und der Permalink angegeben werden. Falls es für die Person keinen Eintrag in einer Normdatei geben sollte, dann sollten die Namen nach einem Transliterationsstandard übertragen werden.

Schlagwörter

StandardisierungAuffindbarkeitInteroperabilitätKonsistenzHomogenitätNamenVIAFGNDNormdateienkontrollierte Vokabulare

Weiterführende Links

• Beispiel aus der Praxis: Levchenko, M. (2024). Literary Events in Saint Petersburg (1999-2019) from SPbLitGuide Newsletters [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.13753154.
• VIAF: https://viaf.org/en
• Gemeinsame Normdatei (GND): https://www.dnb.de/DE/Professionell/Standardisierung/GND/gnd_node.html

Zur Vereinheitlichung der Datumsschreibweise empfiehlt es sich, sich an den Standard ISO 8601 zu halten. Dieser hilft dabei, die Schreibweise von Daten zu vereinheitlichen, bei denen der Monat und/oder der Tag bekannt sind. Zusätzlich können auch Zeiträume sowie ungenaue oder unsichere Datumsangaben mithilfe der Norm und ihrer Erweiterungen standardbasiert angegeben werden.

Datum: YYYY-MM-DD (z. B. 2026-03-20)

Jahr/Monat: YYYY-MM (z. B. 2026-03)

Schlagwörter

KonsistenzDateneingabeStandardisierung

Weiterführende Links

• Beispiel aus der Praxis: Levchenko, M. (2024). Literary Events in Saint Petersburg (1999-2019) from SPbLitGuide Newsletters [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.13753154.
• ISO 8601 Date and Time Format: https://www.iso.org/iso-8601-date-and-time-format.html

Die Lösung dieses Problems basiert auf vielfältigen unterschiedlichen Gazetteers und Ortsverzeichnissen, die alle ihre eigenen Stärken und Schwächen haben. Allgemein (international) anerkannt sind GeoNames und Wikidata. Bzgl. der Abdeckung von IDs zu Orten und wenn es um die reine Identifizierung via ID geht, hat das Geschichtliche Orts-Verzeichnis (GOV) die bei Weitem höchste Datenqualität insbesondere bei einigen bei spezifischen geografischen Schwerpunkten.

Schlagwörter

AuffindbarkeitInteroperabilitätKonsistenzHomogenitätOrteKoordinaten

Weiterführende Links

• Das geschichtliche Orts-Verzeichnis (GOV): https://gov.genealogy.net/
• GeoNames: https://www.geonames.org/
• Wikidata: https://www.wikidata.org/wiki/Wikidata:Main_Page

Um die historischen Veranstaltungsorte zurückverfolgen zu können, sollten neben der zur Erhebungszeit aktuellen Adresse des Veranstaltungsortes auch die geografischen Koordinaten (Breiten- und Längengrad) aufgenommen werden. Verbreitet und dazu allgemein empfohlen ist das World Geodetic System 1984 (WGS 84).

Schlagwörter

AuffindbarkeitOrteKoordinaten

Weiterführende Links

• Beispiel aus der Praxis: Levchenko, M. (2024). Literary Events in Saint Petersburg (1999-2019) from SPbLitGuide Newsletters [Datensatz]. Zenodo. https://zenodo.org/records/13753154.
• DMA WGS 84 Development Committee. (1991). Department of Defense World Geodetic System 1984, Its Definition and Relationships with Local Geodetic Systems (DMA TR 8350.2, Second Edition). Defense Mapping Agency Systems Center. https://apps.dtic.mil/sti/pdfs/ADA280358.pdf.
• Wikipedia. (2023). World Geodetic System 1984. https://de.wikipedia.org/wiki/World_Geodetic_System_1984.

Das Extended Date/Time Format (EDTF) Standard (integriert in ISO 8601-2) wurde entwickelt, um Unschärfen in der Datierung strukturiert darzustellen, sodass Maschinen sie verstehen. Auch auf das Regelwerk des Marburger Informations-, Dokumentations- und Administrations-Systems (MIDAS) kann für eine maschinenlesbare Erfassung historischer Zeiträume und Unschärfen zurückgegriffen werden. Die sogenannte „Granularität“ und das Regelwerk, nach dem vage Angaben aufgelöst werden, sollten immer dokumentiert werden, damit der Datensatz nachgenutzt werden kann.

Schlagwörter

GenauigkeitInteroperabilitätStandardisierungMaschinenlesbarkeitMIDAS

Weiterführende Links

• Bove, J., Heusinger, L., & Kailus, A. (2001). Marburger Informations-, Dokumentations- und Administrations-System (MIDAS): Handbuch und CD (Literatur und Archiv 4; 4., überarbeitete Auflage, S. 37–46). München: K. G. Saur. https://doi.org/10.11588/artdok.00003770. Volltext: https://d-nb.info/1212592956/34.
• Extended Date/Time Format (EDTF) Specification (Library of Congress): https://www.loc.gov/standards/datetime/edtf.html

Ja, diese Werte sollten standardisiert erfasst werden. Als Orientierung kann die ISO-Norm 639:2023 für die Sprachangaben dienen.

Schlagwörter

KonsistenzHomogenitätDateneingabeStandardisierungSprachen

Weiterführende Links

• ISO 639:2023. Code for individual languages and language groups: https://www.iso.org/obp/ui/en/?__cf_chl_f_tk=huUNvLP5gBtgg53R8kA1HjotPoB92fmXI4Xb1wvKeCU-1783425357-1.0.1.1-_luwD_J0Dq9lq6IUAu_9vh83EJZRMp3eOGtAro6HU4U#iso:std:iso:639:ed-2:v1:en
• Wikipedia. (2026). List of ISO 639 language codes. https://en.wikipedia.org/wiki/List_of_ISO_639_language_codes.

Um die maschinelle Lesbarkeit der Daten zu verbessern und den Datensatz zu vereinheitlichen, sollten alle Daten in einheitlichen Schriftzeichen dargestellt werden. Die Transliteration der Daten erfolgt am besten gemäß einem internationalen Standard, in diesem Fall der Norm ISO 9:1995, die eine sprachunabhängige, zeichengenaue und damit auch reversible Umschrift ermöglicht. Aussprachebasierte Transkriptionen, beispielsweise gemäß den Duden-Konventionen, sollten im Fall strukturierter Daten vermieden werden. Die Daten in der Originalsprache können in einer separaten Spalte belassen werden.

Schlagwörter

KonsistenzHomogenitätTransliterationStandardisierungMaschinenlesbarkeit

Weiterführende Links

• ISO 9:1995. Information and documentation – Transliteration of Cyrillic characters into Latin characters – Slavic and non-Slavic languages: https://www.iso.org/standard/3589.html.
• Wikipedia. (2006). ISO 9. https://de.wikipedia.org/wiki/ISO_9.

Passende Vokabulare und Thesauri findet man in verschiedenen Registern wie z. B. R:hovono und BARTOC. Die von der Deutschen Nationalbibliothek kuratierte Gemeinsame Normdatei (GND) ist für Personen, Körperschaften und Schlagworte die am häufigsten verwendete Normdatei in Deutschland. Um die eigenen Daten mit Normdaten und Vokabularen abzugleichen und anzureichern, empfiehlt es sich, eine Software wie OpenRefine zu verwenden, die einen automatisierten Abgleich und Korrekturen der Daten ermöglicht.

Schlagwörter

AuffindbarkeitInteroperabilitätKonsistenzHomogenitätStandardisierungNormdateienkontrollierte Vokabulare

Weiterführende Links

• R:hovono – Register historischer und objektbezogener Vokabulare und Normdaten: https://vokabulare.geschichte.uni-halle.de/
• BARTOC: https://bartoc.org/
• OpenRefine: https://openrefine.org/
• Moeller, K., Purschwitz, A., & Köther, F. (2025). Kontrollierte Vokabulare und Normdaten der historisch arbeitenden Disziplinen. Zenodo. https://doi.org/10.5281/zenodo.17708554.

Aus Quellen extrahierte Datenwerte (z. B. zu Personen, historischen Ereignissen etc.) lassen sich beispielsweise in Tabellenform organisieren. Je nach gewählter Datenstruktur lassen sich diese Tabellen später ggf. sogar in Anwendungen importieren. Für die Arbeit mit Tabellen kann man auf folgende Programme zurückgreifen: LibreOffice Calc, Microsoft Excel. Für die Bereinigung und Umwandlung vorhandener Daten eignet sich OpenRefine.

Schlagwörter

Strukturierungstrukturierte DatenTabellenSoftwareTools

Weiterführende Links

• LibreOffice Calc: https://www.libreoffice.org/discover/calc/
• Microsoft Excel: https://excel.cloud.microsoft/de-de/
• OpenRefine: https://openrefine.org/

OCR (Optical Character Recognition) bzw. ATR (Automatic Text Recognition) sind Verfahren, die gedruckte und handschriftliche Texte in digitalen Bildern automatisch erkennen und in maschinenlesbaren Text umwandeln.

Auch KI-gestützte Tools beherrschen inzwischen Texterkennung, die vor allem bei gedruckten Texten sehr gute Ergebnisse liefert. Als datenschutzkonformes Angebot wäre z. B. Mistral OCR zu nennen. Über entsprechende Prompts ist auch ein Output in strukturierte Dateiformate (XML, JSON) möglich. KI-Tools sind in der Regel für die meisten Nutzenden zugänglicher als Fachtools.

Transkribus (eingeschränkt kostenfrei nutzbar) ist spezialisiert auf historische Handschriften (Handwritten Text Recognition, HTR) und nutzt dafür mittlerweile KI-gestützte Verfahren.

Open-Source-Tools wie eScriptorium und OCR4all sind komplizierter in der Installation und Anwendung, benötigen zudem vertiefte technische Kenntnisse sowie eigene Hardware für den lokalen Betrieb.

Insbesondere bei historischen Handschriften können Ergebnisse sehr stark variieren. Eine Nachbearbeitung und Überprüfung der Daten bleibt notwendig, bzw. Modelle müssen für die jeweiligen Schriften und Dokumente (nach)trainiert werden.

Schlagwörter

Maschinenlesbarkeitunstrukturierte Datenstrukturierte DatenTabellenOCR/ATR

Weiterführende Links

• Mistral OCR: https://mistral.ai/fr/news/ocr-4/
• Transkribus: https://www.transkribus.org/
• eScriptorium: https://sofer.info/
• OCR4all: https://www.ocr4all.org/
• OCR-D: https://ocr-d.de/
• Academic Cloud: https://academiccloud.de/de/ – KI-Dienste der Academic Cloud: https://kb.el.uni-leipzig.de/books/generative-ki-in-der-hochschullehre/page/ki-dienste-der-academic-cloud
• Kiessling, B., Tissot, R., Stokes, P., & Stökl Ben Ezra, D. (2019). eScriptorium: An open source platform for historical document analysis. In 2019 International Conference on Document Analysis and Recognition Workshops (ICDARW) (Bd. 2, S. 19–24). IEEE. https://doi.org/10.1109/ICDARW.2019.10032.
• Reul, C., Christ, D., Hartelt, A., Balbach, N., Wehner, M., Springmann, U., Wick, C., Grundig, C., Büttner, A., & Puppe, F. (2019). OCR4all – An open-source tool providing a (semi-)automatic OCR workflow for historical printings. Applied Sciences, 9(22), 4853. https://doi.org/10.3390/app9224853.

Datenethische Überlegungen gewinnen in der Forschungspraxis zunehmend an Bedeutung. Für den Umgang mit diskriminierenden Begriffen in Quellen oder Thesauri existieren verschiedene methodische Ansätze. Die Reflexion über eine möglichst neutrale Sprache sowie die bewusste Wahl einer Methode zur Handhabung sensibler Begrifflichkeiten sind feste Bestandteile der guten wissenschaftlichen Praxis. Im konkreten Fall wurde entschieden, historische Bezeichnungen im publizierten Datensatz beizubehalten, diese jedoch in eine separate Spalte („rassifizierende Bezeichnung“) auszulagern. Dieses Vorgehen sichert die Quellenkritik und Nachvollziehbarkeit, verhindert jedoch eine unkritische Reproduktion der Quellensprache, da der analytische Fokus der Untersuchung auf anderen Kategorien liegt.

Schlagwörter

ethische HerausforderungenFremdzuschreibungenDokumentation

Weiterführende Links

• Beispiel aus der Praxis: Bärwald, A. (2026). Menschen afrikanischer, asiatischer sowie indigen- und afrikanisch-amerikanischer Herkunft im Hamburger Raum, 1760 bis 1840 (Version 4) [Datensatz]. Zenodo. https://doi.org/10.5281/zenodo.18381462.
• Bärwald, A. (2024). Minderheitengeschichten digital: Über den Versuch, prosopografische Daten zu nicht-weißen Menschen im Hamburger Raum aufzubereiten. DH Lab. https://dhlab.hypotheses.org/5756.
• Chlesberg, G., Pravdyuk, A., Körfer, A.-L., & Kliewer, M. (2025). Große Anforderungen an kleine Textfelder. In 4memory Working Paper Series (Version 1-0, Nr. 10). Zenodo. https://doi.org/10.5281/zenodo.17829167.
• Mähr, M., & Schnegg, N. (2025). Handbuch zur Erstellung diskriminierungsfreier Metadaten für historische Quellen und Forschungsdaten (Version 1.0.1). Zenodo. https://doi.org/10.5281/zenodo.17073511.

Da auch die Aufbereitung von Forschungsdaten und die mit ihr verbundenen Entscheidungswege nicht objektiv erfolgen, sondern von der Person der oder des Forschenden und dem jeweiligen Forschungsdesign abhängig sind, liegt die Lösung hier in Transparenz. Entscheidungen werden so dokumentiert, dass sie für Dritte nachvollziehbar sind: mit Begründung, mit Verweis auf verwendete Standards oder Referenzwerke und hinterlegt an einem zugänglichen Ort, der eine spätere Einsichtnahme ermöglicht.

Schlagwörter

TransparenzObjektivitätRückverfolgbarkeitStandardisierungDokumentationMapping

Datensätze, die personenbezogene Daten enthalten, können in der Regel nicht ohne weiteres publiziert werden. Informationen, die eine Person identifizieren könnten, müssen anonymisiert oder pseudonymisiert werden. Zur Anonymisierung und Pseudonymisierung gibt es verschiedene Leitfäden und Handreichungen. Als Beispiel könnte die Handreichung des Dienstes „Qualiservice“ dienen. Dieser Leitfaden dient zur ersten Orientierung, jeder Einzelfall muss gesondert geprüft werden.

Schlagwörter

AnonymisierungPseudonymisierungDatenschutz

Weiterführende Links

• Mozygemba, K., & Hollstein, B. (2023). Anonymisierung und Pseudonymisierung qualitativer textbasierter Forschungsdaten: Eine Handreichung. Qualiservice Working Papers 5-2023, Bremen. https://doi.org/10.26092/elib/2525.