OpenRefine als Tool für HistorikerInnen – Mise en Place in der Tabellen-Küche

Seitdem ich mich mit dem Einsatz von digital gestützten Analysen in der Geschichtswissenschaft beschäftige, will mir ein Bild nicht mehr aus dem Kopf gehen: Der Vergleich mit dem Kochen. Sieht man die wissenschaftliche Analyse als das Kochen und das Forschungsergebnis als das Gericht, kann man die Forschungsdaten als die Zutaten begreifen. Und wie auch beim Gericht steht und fällt das Forschungsergebnis mit der Qualität der Zutaten. Es ist also nicht nur beim Kochen vorteilhaft, die Zutaten sorgfältig auszuwählen, vorzubereiten und „alles an den richtigen Platz zu stellen“.

Die Datenqualität, die einer wissenschaftlichen Analyse zugrunde liegt, ist also zentral für den Wert der Forschungsergebnisse. Die Geschichtswissenschaft arbeitet vorrangig textbasiert. Das heißt, bevor wir mit „Daten“ arbeiten können, müssen unsere „Informationen“ aus Quellen oder Literatur überhaupt erst einmal in „Daten“ umgewandelt werden. Dort ganz am Anfang wird der Grundstein für die Qualität des Analyseergebnisses gelegt, daher erfordert dieser Schritt eine erhöhte Aufmerksamkeit.

In meiner bisherigen geschichtswissenschaftlichen Arbeit habe ich vornehmlich mit qualitativen Informationen gearbeitet, die in standardisierte bzw. auswertbare Daten übersetzt werden sollten. Dabei musste ich erst lernen, dass diese Übertragungsleistung deutlich aufwendiger ist, als man auf den ersten Blick meint. Da alle Analysen auf diesem Fundament basieren, bedarf es einer gewissen Vorsicht und Vorausschau, da Ungenauigkeiten oder Fehler in der Datenbasis die anschließende Untersuchung des zusammengestellten Materials behindern können. Das meist heterogene Quellenmaterial, mit dem in der Geschichtswissenschaft gearbeitet wird, vereinfacht diese Aufgabe dabei keineswegs.

Bevor daher über die Verwendung von digitalen Werkzeugen gesprochen werden kann, muss sich daher in meinen Augen erst ein Verständnis dafür etablieren, mit welchen Daten in welcher Form gearbeitet werden soll, um welches Ergebnis zu erzielen. Abseits der weitreichenden Fragen zur Standardisierung von Metadaten und epochenübergreifenden Methoden benötigen HistorikerInnen auf der ersten Ebene die Fähigkeiten und Werkzeuge, um gute Daten für ihre Analysen auch primär erzeugen zu können. Tatsächlich gibt es auch dafür Tools.

OpenRefine: „A power tool for working with messy data“

Ein Beispiel aus meiner eigenen Arbeit: Ich habe im Rahmen meiner Masterarbeit verschiedene Zeitungsartikel zusammengetragen, die einen inhaltlichen Bezug zum Baron Adolph von Hüpsch (1730–1805) aufweisen und zu seinen Lebzeiten veröffentlicht worden sind. Das daraus entstandene Datenset ist überschaubar, und eine Überprüfung der Daten wäre auch z.B. mit einer Pivot-Abfrage zu bewerkstelligen gewesen. Trotzdem kann auch in diesem Fall ein Tool wie OpenRefine die Arbeit erleichtern. Interessant ist, dass es nicht nur mit wenigen Klicks ermöglicht, die Daten zu filtern, sondern gleichzeitig mittels dieses „Clusterns“ ähnliche Daten zu erkennen und z.B. Anpassungen bei der Kategorisierung vorzunehmen. Besonders bei der Vereinheitlichung der kurzen Inhaltsangaben der Artikel, ist das Tool eine große Hilfe gewesen.

Wer mit Tabellenkalkulationsprogrammen arbeitet, kennt vielleicht auch die Situation, dass auf den ersten Blick einheitliche Einträge nur aufgrund eines (schwer zu findenden) Leerzeichens als verschiedene Datensätze erkannt werden. Wer sich jetzt händisch auf die Jagd nach dem überflüssigen Leerzeichen machen möchte, sollte viel Geduld mitbringen. Diese Suche nach der „Nadel im Heuhaufen“ wird gerade bei größeren Datensätzen und -mengen zu einem Ding der Unmöglichkeit. OpenRefine ist in solchen Situationen ein unschätzbar wertvolles Tool. Daher lohnt es sich, ein wenig der eigenen Zeit zu investieren und sich mit den Basisfunktionen von OpenRefine zu beschäftigen. Besonders die in der ersten Zeile zu findende Funktion „Facet“, mit der die Zellen einer Tabelle anhand ihrer Inhalte kategorisiert werden können, ist Hilfe genug, um die Zeitinvestition zu rechtfertigen. Die Möglichkeit, damit Datumsangaben mit „Timeline“ auf einer Zeitleiste sortieren zu können, ist dabei eine besondere Bereicherung für die historische Arbeit! Als einfach zu installierendes OpenSource Tool, das über den Browser bedient wird und alle Daten lokal auf dem eigenen Rechner verarbeitet, gibt es wenig Argumente, die gegen seinen Einsatz sprechen. Dazu gewährleistet die Möglichkeit, die so bearbeiteten Daten in unterschiedlichen Dateiformaten (.xlsx, .csv, etc.) zu speichern, dass die Datensets an die eigenen Anforderungen angepasst werden können. Das Tool leistet damit einen wichtigen Beitrag auf dem Weg zu einer Kultur FAIRer (Findable, Accessible, Interoperable, Reusable) Daten.

Ich kann daher allen, die gerne mit Daten „kochen“, nur empfehlen, mit OpenRefine die eigenen Zutaten zu „verfeinern“. Einfach ausprobieren!

• Download OpenRefine mit Tutorial: https://openrefine.org/download.html
• Ähnliches zum Thema: Von der Literaturauswertung zu Forschungsdaten

Titelbild: Screenshot des Tools Open Refine, Alexander Goebbels.