Gibt es elektronische / maschinenlesbare Texte?

Elektronisch sein kann nur Körperliches.

Der Text aber besteht aus sprachlichen Äußerungen, die man körperlich darstellen, wiedergeben, oder realisieren kann. Doch die Darstellung eines Dings ist nicht das Ding selbst.

Texte kann man elektronisch darstellen, sie können aber nicht im Wesen elektronisch sein.

Wie kann man in maschinenlesbarer Form Texte darstellen?

Viele meinen spontan, es genüge, den Text als Zeichenfolge nachzuschreiben: “Under der linden an der heide, dâ unser zweier bette was, dâ mugent ir vinden schône beide gebrochen bluomen unde gras. vor dem walde in einem tal, tandaradei, schône sanc diu nahtegal. Ich kam gegangen zuo der ouwe: dô was mîn friedel komen ê. dâ wart ich empfangen hêre frouwe, daz ich bin sælic iemer mê. kuster mich? wol tûsentstunt: tandaradei, seht wie rôt mir ist der munt. Dô het er gemachet alsô rîche von bluomen eine bettestat. des wirt noch gelachet inneclîche, kumt iemen an daz selbe pfat. bî den rôsen er wol mac, tandaradei, merken wâ mirz houbet lac. Daz er bî mir læge, wessez iemen (nu enwelle got!), sô schamt ich mich wes er mit mir pflæge, niemer niemen bevinde daz, wan er unt ich, und ein kleinez vogellîn: tandaradei, daz mac wol getriuwe sîn.”

Aber der Zugang zu der Maschine wird abgesperrt:

Die ersten Versuche sehen eher so aus: 'UNDER DER LINDEN AN DER HEIDE, DA= UNSER ZWEIER BETTE WAS, DA= MUGENT IR VINDEN SCHO=NE BEIDE GEBROCHEN BLUOMEN UNDE GRAS. VOR DEM WALDE IN EINEM TAL, TANDARADEI, SCHO=NE SANC DIU NAHTEGAL. ICH KAM GEGANGEN ZUO DER OUWE$.. DO= WAS MI=N FRIEDEL KOMEN E=. DA= WART ICH EMPFANGEN HE=RE FROUWE, DAZ ICH BIN SA+ELIC IEMER ME=. KUSTER MICH)+. WOL TU=SENTSTUNT$.. TANDARADEI, SEHT WIE RO=T MIR IST DER MUNT. DO= HET ER GEMACHET ALSO= RI=CHE VON BLUOMEN EINE BETTESTAT. DES WIRT NOCH GELACHET INNECLI=CHE, KUMT IEMEN AN DAZ SELBE PFAT. BI= DEN RO=SEN ER WOL MAC, TANDARADEI, MERKEN WA= MIRZ HOUBET LAC. DAZ ER BI= MIR LA+EGE, WESSEZ IEMEN (NU ENWELLE GOT'+.), SO= SCHAMT ICH MICH WES ER MIT MIR PFLA+EGE, NIEMER NIEMEN BEVINDE DAZ, WAN ER UNT ICH, UND EIN KLEINEZ VOGELLI=N$.. TANDARADEI, DAZ MAC WOL GETRIUWE SI=N.'

Wenn man die Groß- und Kleinschreibung (und die Zeilenfolge!) festhält, dann etwa: 02023911'*UNDER DER LINDEN 02023912AN DER HEIDE, 02023913DA= UNSER ZWEIER BETTE WAS, 02023914DA= MUGENT IR VINDEN 02023915SCHO=NE BEIDE 02023916GEBROCHEN BLUOMEN UNDE GRAS. 02023917VOR DEM WALDE IN EINEM TAL, 02023918TANDARADEI, 02023919SCHO=NE SANC DIU NAHTEGAL. 02023920*ICH KAM GEGANGEN 02023921ZUO DER OUWE$.. 02023922DO= WAS MI=N FRIEDEL KOMEN E=. 02023923DA= WART ICH EMPFANGEN 02023924HE=RE FROUWE, 02023925DAZ ICH BIN SA+ELIC IEMER ME=. 02023926KUSTER MICH)+. WOL TU=SENTSTUNT$.. 02023927TANDARADEI, 02023928SEHT WIE RO=T MIR IST DER MUNT. 02024001*DO= HET ER GEMACHET 02024002ALSO= RI=CHE 02024003VON BLUOMEN EINE BETTESTAT. 02024004DES WIRT NOCH GELACHET 02024005INNECLI=CHE, 02024006KUMT IEMEN AN DAZ SELBE PFAT. 02024007BI= DEN RO=SEN ER WOL MAC, 02024008TANDARADEI, 02024009MERKEN WA= MIRZ HOUBET LAC. 02024010*DAZ ER BI= MIR LA+EGE, 02024011WESSEZ IEMEN 02024012(NU ENWELLE GOT'+.), SO= SCHAMT ICH MICH 02024013WES ER MIT MIR PFLA+EGE, 02024014NIEMER NIEMEN 02024015BEVINDE DAZ, WAN ER UNT ICH, 02024016UND EIN KLEINEZ VOGELLI=N$.. 02024017TANDARADEI, 02024018DAZ MAC WOL GETRIUWE SI=N.'

Noch später (Modell 029 statt 026): 02023911'*UNDER DER LINDEN 02023912AN DER HEIDE, 02023913DA¬ UNSER ZWEIER BETTE WAS, 02023914DA¬ MUGENT IR VINDEN 02023915SCHO¬NE BEIDE 02023916GEBROCHEN BLUOMEN UNDE GRAS. 02023917VOR DEM WALDE IN EINEM TAL, 02023918TANDARADEI, 02023919SCHO¬NE SANC DIU NAHTEGAL. 02023920*ICH KAM GEGANGEN 02023921ZUO DER OUWE: 02023922DO¬ WAS MI¬N FRIEDEL KOMEN E¬. 02023923DA¬ WART ICH EMPFANGEN 02023924HE¬RE FROUWE, 02023925DAZ ICH BIN S@LIC IEMER ME¬. 02023926KUSTER MICH? WOL TU¬SENTSTUNT: 02023927TANDARADEI, 02023928SEHT WIE RO¬T MIR IST DER MUNT. 02024001*DO¬ HET ER GEMACHET 02024002ALSO¬ RI¬CHE 02024003VON BLUOMEN EINE BETTESTAT. 02024004DES WIRT NOCH GELACHET 02024005INNECLI¬CHE, 02024006KUMT IEMEN AN DAZ SELBE PFAT. 02024007BI¬ DEN RO¬SEN ER WOL MAC, 02024008TANDARADEI, 02024009MERKEN WA¬ MIRZ HOUBET LAC. 02024010*DAZ ER BI¬ MIR L@GE, 02024011WESSEZ IEMEN 02024012(NU ENWELLE GOT!), SO¬ SCHAMT ICH MICH 02024013WES ER MIT MIR PFL@GE, 02024014NIEMER NIEMEN 02024015BEVINDE DAZ, WAN ER UNT ICH, 02024016UND EIN KLEINEZ VOGELLI¬N: 02024017TANDARADEI, 02024018DAZ MAC WOL GETRIUWE SI¬N.'

Was kann man mit solchen Texten unternehmen? lesen drucken* speichern, verteilen suchen*, verarbeiten

Grundbestandteile: Zeichen, Karten / Zeilen.

020239110 ' INPNK 020239111 *UNDER PRAEP 020239112 DER BESTA 020239113 LINDEN SUBST 020239121 AN PRAEP 020239122 DER BESTA 020239123 HEIDE SUBST 020239124 , INPNK 020239131 DA¬ ADVLO 020239132 UNSER POSPN 020239133 ZWEIER NUMGN 020239134 BETTE SUBST 020239135 WAS VIPRT 020239135 , INPNK 020239141 DA¬ ADVLO 020239142 MUGENT VX2PL 020239143 IR PN2PL 020239144 VINDEN VTINF 020239151 SCHO¬NE ADVTM 020239152 BEIDE ADVXX 020239161 GEBROCHEN PRTPR 020239162 BLUOMEN SUBST 020239163 UNDE KONJK 020239164 GRAS SUBST 020239164 . INPNK ...

Die Zusatzinformationen erlauben uns, besser zu suchen und raffinierter mit dem Text zu arbeiten.

Dafür ist der Text etwas schwieriger zu lesen.

Grundbestandteile: Karten / Zeilen = Rekord

Zeichenfolge = Feld, Angabe.

Um den Text in gewohnter Weise drucken zu können, bedarf es der Formatierungsanweisungen. Z.B. .ce .bd 14 .la .ro .fo no 'Under der linden an der heide, d&acirc unser zweier bette was, d&acirc mugent ir vinden sch&ocirc.ne beide gebrochen bluomen unde gras. vor dem walde in einem tal, tandaradei, .in 10;sch&ocirc.ne sanc diu nahtegal. .in 5;Ich kam gegangen zuo der ouwe: d&ocirc was m&icirc.n friedel komen &ecirc.. d&acirc wart ich empfangen h&ecirc.re frouwe, daz ich bin s&aelig.lic iemer m&ecirc.. kuster mich? wol t&ucirc.sentstunt: tandaradei, .in 10;seht wie r&ocirc.t mir ist der munt. .in 5;D&ocirc het er gemachet als&ocirc. r&icirc.che von bluomen eine bettestat. des wirt noch gelachet innecl&icirc.che, kumt iemen an daz selbe pfat. b&icirc den r&ocirc.sen er wol mac, tandaradei, .in 10;merken w&acirc mirz houbet lac. .in 5;Daz er b&icirc. mir l&aelig.ge, wessez iemen (nu enwelle got!), s&ocirc schamt ich mich wes er mit mir pfl&aelig.ge, niemer niemen bevinde daz, wan er unt ich, und ein kleinez vogell&icirc.n: tandaradei, .in 10;daz mac wol getriuwe s&icirc.n.'

Hier sind die wesentlichen Eigenschaften des Textes hauptsächlich (bzw. rein) typographische: Schriftfamilie Schriftgröße Seitenbild (Oder: Text und Formatierungskommando ...)

Das kann den Text (auch für Verlage!) weniger brauchbar machen.

V.a. bei der Herstellung von technischen Dokumenten will man die Typographie systematisch ändern / revidieren können. Konsistenz bequeme Verwaltung des typographischen Stils

Alles, was immer gleich aussehen soll, soll gleich ausgezeichnet / markiert sein.

Alles, was gelegentich (je nach Buchentwurf / Design) verschieden aussehen kann, soll verschieden ausgezeichnet / markiert sein.

Wie kann man wissen, was immer gleich aussehen soll, und was verschieden gestaltet werden darf?

Zwei Stellen sollen (bei einer konsequenten, konsistenten) Gestaltung immer gleich aussehen, wenn sie sich gleichen, wenn es sich um zwei Erscheinungen desselben Sachverhalts handelt.

Zwei Stellen dürfen (bei derselben Voraussetzung einer konsequenten, konsistenten Gestaltung) verschieden gestaltet werden, wenn sie sich voneinander unterscheiden lassen.

D.h. man wird zwangsläufig zur Ontologie hingeführt.

Die sachliche Textauszeichnung führt man mehrfach ein:

Doch die Dokumente bieten meist nur makaronische Texte an, ohne Anwendungsunabhängigkeit.

Keine dieser Methoden vermittelt den ganzen Eindruck der Handschriften:

Man kann aber die Hss einfach abbilden:

Oder die Ausgaben:

Was kann man mit solchen Texten unternehmen? lesen drucken* speichern, verteilen suchen*, textuell verarbeiten mit Bildverbesserungssoftware verarbeiten

Grundbestandteile: Pixel, Farbe.

In den 60er u. 70er Jahren, arbeitet man dem generic coding (GenCode) zu. Ziele:

1986 wird die Standard Generalized Markup Language (SGML) zu ISO-Norm ISO 8879. Ziele*:

Also: keine Textauszeichnungssprache, sondern eine Metasprache (Flucht auf die Meta-Ebene).

Eine Revolution: ein Dokument mit mehreren Softwares verarbeiten.

Alle Macht den Informationsherstellern! bzw. Informationseigentümern

Technisch gesehen:

Praktisch gesehen:

Wer einmal SGML im Ernst angewendet hat, ...

Ziel der SGML on the Web Working Group war:

Technisch gesehen:

Alles wird abgegrenzt:

<Kanzone> <Strophe> <Aufgesang> <Stollen> <Z>“Unter den linden</Z> <Z>an der heide,</Z> <Z>dâ unser zweier bette was,</Z> </Stollen> <Stollen> <Z>dâ mugt ir vinden</Z> <Z>schone beide</Z> <Z>gebrochen bluomen unde gras.</Z> </Stollen> </Aufgesang> <Abgesang> <Z>vor dem walde in einem tal,</Z> <Z>tandaradei</Z> <Z>schône sanc diu nahtegal.</Z> </Abgesang> </Strophe> <Strophe> <Aufgesang> <Stollen> <Z>Ich kam gegangen</Z> <Z>zuo der ouwe:</Z> <Z>dô was mîn friedel komen ê.</Z> </Stollen> <Stollen> <Z>dâ wart ich empfangen</Z> <Z>hêre frouwe,</Z> <Z>daz ich bin sælic iemer mê.</Z> </Stollen> </Aufgesang> <Abgesang> <Z>kuster mich? wol tûsentstunt:</Z> <Z>tandaradei,</Z> <Z>seht wie rôt mir ist der munt.</Z> </Abgesang> </Strophe> </Kanzone>

XML hat mehrere Datenmodelle:

Elemente nisten ineinander und ergeben eine Baumstruktur:

Für ein Vokabular kann man eine Grammatik bereitstellen, in der man die vorgesehenen Strukturen / Vernistung der Elemente und Attribute festlegt. Z.B. ]]>

N.B. unvollständige Wiedergabe der Kanzonenform!

D.h. " Strophenfolge "" Strophenfolge ::= "Strophe Strophenfolge Strophe ::= "" Aufgesang Abgesang "" Aufgesang ::= "" Stollen Stollen "" Stollen ::= "" Zeilenfolge "" Abgesang ::= "" Zeilenfolge "" Zeilenfolge ::= Z Zeilenfolge Z ::= ::= "" Zeichenfolge "" Zeichenfolge ::= /* nichts */ | Zeichen Zeichenfolge Zeichen ::= "A" | "a" | "B" | ... ]]>

Vgl. Chomsky, BNF, EBNF, ...

Was bedeutet ein XML-Dokument?

Wie definiert man die Bedeutung (der Sätze) einer Sprache?

Aber XML schreibt keine semantische Metasprache, keine Grundbegriffe vor. (Wieder die Flucht auf die Meta-Ebene.)

Jedes Datenformat verlangt nach: Aufbereitung / Editieren (Editoren) Ausgabe / Ausdruck (XSL-FO, CSS, XSLT, ...) Verlinkung (XLink, XPointer) Verarbeitung (XSLT, XQuery, DOM, SAX, ...) Abfragen / Indizierung (XQuery)

Die Zukunft scheint bereits da zu sein.

Ist XML inzwischen überholt? veraltet? aus der Mode gekommen?

Nein.

Nicht besonders.

Durchaus*. Jetzt sind JSON und HTML5 “in”, XML ist “out”.

Ob das wichtig ist?

Viele Technologien bringen desto mehr Vorteile, je breiter sie aufgegriffen werden.

Manche Technologien bringen nur dann Vorteile, wenn sie allgegenwärtig sind.

Die einheitliche Syntax von XML ...

Die Grundbegriffe der sachlichen Textauszeichnung, der Gültigkeit, der Informationsstruktur ...

These: XML ist für die Wissenschaft nicht von Interesse.

Sie soll interessante Arbeit erst ermöglichen / erleichtern, ist aber kein Selbstzweck.

Denkwerkzeuge sollen uns erlauben, gezielt zu denken.

D.h. Ihr Zweck ist nur dann erfüllt, wenn wir nicht mehr an sie denken.

Gegenthese: XML ist für die Wissenschaft von höchstem Interesse.

Schreibweise ist Werkzeug.

Das Werkzeug formt den Benutzer.

Das Denkwerkzeug formt unsere Denkweise. Verdinglichung schließt Kritik aus.

Offene Probleme:

Die Infrastruktur rechtfertigt sich durch den Überbau, den sie ermöglicht.

Die Zukunft bestimmen nicht die, die vor 25 und 15 Jahre SGML und XML gemacht haben, sondern Sie.

Bauen Sie weiter!