MA-Kolloquien

(Dr. Robert Litschko, Universität Stuttgart)

(Hanna Weimann, Universität Stuttgart)

Systeme zur Verarbeitung natürlicher Sprache (natural language processing, NLP) sind in den letzten Jahren immer besser geworden, wenn es um standardisierte Sprachen geht, von denen umfangreiche Datenmengen verfügbar sind, wie beispielsweise Deutsch. Allerdings sind viele NLP-Systeme nicht robust in Bezug auf sprachliche Variation und liefern schlechtere Ergebnisse für Sprachvarietäten, für die es nur wenige Daten gibt.

In diesem Vortrag beschreibe ich mehrere Herausforderungen, die mit der Verarbeitung dialektaler Sprachdaten verknüpft sind. So gibt es oftmals nur wenige qualitativ hochwertige Trainings- und Testdaten, mit denen Sprachmodelle entwickelt bzw. evaluiert werden können. Des Weiteren gibt es auch bei der Verarbeitung der Daten Probleme, z.B. wenn Inputrepräsentationen der Daten für ein Sprachmodell erstellt werden, aber die dafür verwendeten Tokenisierungstechniken nicht gut für nicht standardisierte Mundartschreibungen funktionieren. Neben der Frage, *wie* man Dialektdaten besser verarbeiten kann, ist es außerdem wichtig darüber zu reflektieren, *warum* und in welchen Kontexten man das tun sollte (oder auch nicht). Hierzu werde ich die Ergebnisse einer Umfrage zu den Meinungen von Dialektsprecher:innen vorstellen, die sich damit auseinandersetzt, inwieweit Sprachtechnologien überhaupt dialektale Eingaben verarbeiten oder Ausgaben erzeugen sollten.

(Verena Blaschke, Ludwig-Maximilians-Universität München)

Literaturverzeichnisse erzählen eine der wichtigsten Geschichten der Forschung. Welchen Ideen folgen wir? Welche interdisziplinären Ströme prägen unser Denken? Welche Arbeiten geraten in Vergessenheit? Und welche Akteure bestimmen zunehmend, was als relevant, innovativ oder zitierwürdig gilt? In diesem Vortrag zeige ich, wie Zitationen als methodisches Fenster genutzt werden können, um wissenschaftliche Felder empirisch zu analysieren. Zitationen sind dabei nicht nur Verweise auf Vorarbeiten, sondern Spuren kollektiven Einflusses. Sie geben uns Informationen darüber, woher ein Feld kommt, welche Nachbarschaften es zu anderen Feldern pflegt und in welche Richtung es sich bewegt. Ich diskutiere zentrale Beobachtungen zur (inter-)disziplinären Verortung eines Feldes, zum sogenannten Recency Bias, also der Tendenz vieler Disziplinen, zunehmend aktuelle Literatur zu zitieren und ältere Arbeiten zu vernachlässigen, zum Einfluss großer Technologieunternehmen sowie zur Innovativität von Forschungsarbeiten. Zitationsanalysen bieten einen ergiebigen Einstiegspunkt in vielfältige Projekte, da sie nicht nur eine gute Datengrundlage liefern, sondern auch klare Fragestellungen. Welche Arbeiten prägen ein Feld? Welche werden systematisch übersehen? Wie verändert die Nutzung großer Sprachmodelle die Zitierpraxis? Und wie verändern sich Einflüsse über Zeit, Disziplinen und Akteure hinweg?

(Dr. Jan Philipp Wahle, Universität Göttingen)

Heutzutage wird oft häufig erwähnt, dass große Sprachmodelle auf 'allem menschlichen Wissen' trainiert wurden. Dieser übertriebener Anspruch beschränkt sich auf 'digitalisierte Texte die mit geringem Aufwand (d.h. im Internet) gesammelt wurden'. Ich beantworte die Fragen: Warum sind verteilungs- und statistische Modelle der Semantik für die Forschung mit historischen Daten von besonderem Nutzen, und wie könnten diese mit historischen Forschungsmethoden zusammengeführt werden? Die Verwendung historischer Korpora bietet Kritik: Wie relevant sind die Texte als statistische Stichprobe für Forschungsfragen? Diese Kritik kehrt zurück zu großen Sprachmodellen und ihrer (eher modernen) Textquellen.

(Christopher Jenkins, Universität Stuttgart)

Geschlecht zeigt sich in Sprache auf verschiedenen Ebenen: grammatisch (der, die, das), referenziell (er, sie, es) oder lexikalisch (Vater, Krankenschwester, Dragqueen). Doch wie hängen solche sprachlichen Signale mit sozialem Geschlecht, also Gender, zusammen? Und können sprachtechnologische Modelle soziale Kategorien angemessen erfassen? In diesem Vortrag gebe ich einen Überblick über Forschung zu Gender in Sprachverarbeitungsaufgaben. Dabei diskutiere ich insbesondere, warum klassische Ansätze zur automatischen Vorhersage von Gendermerkmalen von Zielgruppen oder Autor*innen methodisch problematisch sind. Abschließend stelle ich aktuelle Arbeiten vor, die Gender in Sprache als wahrnehmbaren, kontextabhängigen Ausdruck sozialer Identität untersuchen.

(Prof. Dr. Michael Roth, Technische Universität Nürnberg)

Die Digitalisierung verändert Fächer wie Archäologie bereits heute grundlegend und die Einführung von Methoden der Künstlicher Intelligenz (KI) könnte den nächsten großen Wandel einleiten. Große Sprachmodelle wie ChatGPT eröffnen neue Möglichkeiten zur Analyse umfangreicher Textbestände. Gleichzeitig gelten diese Systeme als schwer kontrollierbar und nur begrenzt verlässlich, etwa da Sie Informationen erfinden oder uneinheitliche Ergebnisse liefern.

Der Vortrag beleuchtet beide Seiten dieser Entwicklung: die Chancen von KI-Anwendungen in Archäologie und den Digital Humanities ebenso wie die zentralen Herausforderungen beim Einsatz textbasierter KI als wissenschaftliches Werkzeug. Vorgestellt werden unter anderem Arbeiten zur Verarbeitung von Keilschrifttafeln, zur Digitalisierung und Analyse textueller Archive mit großen Sprachmodellen sowie Werkzeuge für datengetriebene Textanalyse. Darüber hinaus geht es um die allgemeinen Risiken, Herausforderungen und Potenziale KI-gestützter Forschung.

(Dr. Michael Hedderich, Ludwig-Maximilians-Universität München)

KI-Modelle erzielen beeindruckende Leistungen, basieren jedoch überwiegend auf englischsprachigen und westlich geprägten Daten. Zwar existieren inzwischen Ressourcen für viele Sprachen, doch der kulturelle Kontext bleibt meist unberücksichtigt. Anhand von drei Projekten zeige ich, was das in der Praxis bedeutet: (1) Multi3Hate, ein multimodaler, mehrsprachiger und multikultureller Hate-Speech-Datensatz, der zeigt, wie stark Annotationen durch kulturellen Kontext geprägt sind; (2) AmericasNLP 2026 Shared Task, die gemeinsame Erhebung kulturell verankerter Bilder und Captions mit indigenen Communities in Lateinamerika; und (3) Meenzerisch, der Aufbau eines Korpus für den Mainzer Dialekt. Der Vortrag geht dabei zwei zentralen Fragen nach: Wie lässt sich eine Pipeline zur Datenerhebung in solchen kulturellen Kontexten gestalten, von der Planung über die Annotation bis zur Veröffentlichung? Und welche ethischen Herausforderungen ergeben sich hinsichtlich Datenrepräsentation, Annotierenden und Nutzen für die beteiligten Communities, insbesondere wenn Forschende und Communities aus sehr unterschiedlichen Kontexten zusammenarbeiten?

(Minh Duc Bui, Johannes Gutenberg-Universität Mainz)

One of the difficult aspects of writing a scientific report is figuring out how to present results in a way that is both clear and meaningful. This talk will focus on how to write the results section, with a particular emphasis on data visualization. I will discuss with you how different ways of visualising the same data, using different plot types, scales, and levels of detail, allow for quite different interpretations. The aim of this presentation is to help students think critically about how they communicate results, and to show that visualizations do not just show data, but also directly affect the story we tell.

(Dr. Diego Frassinelli, Ludwig-Maximilians-Universität München)

This talk presents the Zechzettel Dataset, a collection of over 1,800 digitized 16th‑century Augsburg petitions designed for Handwritten Text Recognition (HTR) research. It combines expert transcriptions with rich document and image annotations to capture real‑world variation in handwriting, language, and document quality. The dataset enables deeper evaluation of HTR systems beyond standard metrics and supports downstream tasks such as historical information retrieval. The talk also provides an overview of ongoing work on neural modeling of discourse modes, linking document-level structure to improved analysis and retrieval of historical texts.

(Prof. Dr. Annemarie Friedrich und Dr. Fabio Mariani, Universität Augsburg)

Recent years have seen a growing interest in the use of Natural Language Processing (NLP) methods for the analysis of political communication. While many computational approaches focus on topics, sentiment, or political stance, political discourse also conveys more subtle rhetorical, pragmatic, and moral dimensions that are central to democratic communication. In this talk, I present recent work on modelling such dimensions in parliamentary debates using theory-guided NLP approaches.

The presentation focuses on three lines of research. First, I discuss computational models for detecting references to “The People” and “The Elite” as core elements of populist rhetoric. Second, I present work on speech acts in parliamentary discourse, investigating how politicians use different communicative strategies such as cooperation, confrontation, criticism, or support. Third, I introduce a new framework for analysing moral framing in political debates, combining Moral Foundations Theory with fine-grained annotations of moral narratives and actor roles.

Across all three case studies, the talk highlights how transformer-based language models and linguistically informed annotation schemes can support the large-scale analysis of political discourse while preserving interpretability and theoretical grounding. More broadly, the presentation argues for closer connections between NLP, political text analysis, and Digital Humanities research on public discourse and democratic communication.

(Prof. Dr. Simone Ponzetto, Universität Mannheim)