Digitale Erschließung des Schematismus
Unlocking the Schematismus: A Machine Learning and Data-driven Approach Toward Mapping Habsburg Middle Class in the Long 19th Century
Wissenschaftsdisziplinen
Andere Geisteswissenschaften (34%); Geschichte, Archäologie (33%); Informatik (33%)
Keywords
-
Modern History,
Information Extraction,
Machine Learning,
Historical Research Database,
Network Analysis,
Historical Prosopography
Der habsburgische Schematismus, ein jährlich erscheinendes Verzeichnis aller Staatsbeamten der Habsburgermonarchie, stellt eine einzigartige historische Quelle dar. Zwischen 1780 und 1918 wurden darin hunderttausende Menschen verzeichnet, die im Staatsdienst tätig waren. Diese Personen bildeten das Rückgrat einer aufstrebenden Mittelschicht in Zentraleuropa. Ihre Biografien, Karrieren und Netzwerke sind bisher jedoch weitgehend unerforscht. Ein internationales Forschungsteam wird nun modernste Technologien einsetzen, um diese wertvollen historischen Daten für die Wissenschaft und Öffentlichkeit zugänglich zu machen. Mithilfe von künstlicher Intelligenz und maschinellem Lernen werden die gescannten Seiten des Schematismus automatisiert erfasst und die enthaltenen Informationen in eine durchsuchbare Datenbank überführt. Diese neue digitale Ressource wird es erstmals ermöglichen, die soziale Entwicklung der habsburgischen Mittelklasse systematisch zu erforschen. Besonders spannend sind dabei Fragen nach sozialer und räumlicher Mobilität: Wie gelang einzelnen Personen der gesellschaftliche Aufstieg? Welche Rolle spielten dabei Bildung, Heirat oder Beziehungsnetzwerke? Wie bewegten sich die Beamten im Laufe ihrer Karrieren durch das riesige Habsburgerreich? Die Analyse dieser Daten verspricht neue Einblicke in die Gesellschaft Zentraleuropas im 18. und 19. Jahrhundert. Das fünfjährige Projekt vereint Expertinnen und Experten aus den Bereichen Geschichte, Digital Humanities und Computerwissenschaften. Neben der technischen Erschließung der Quelle werden auch neue Methoden entwickelt, um große historische Datensätze automatisiert auszuwerten. Die gewonnenen Erkenntnisse und Werkzeuge werden der wissenschaftlichen Gemeinschaft und interessierten Öffentlichkeit frei zur Verfügung gestellt.
-
Konsortiumsmitglied (01.07.2025 -)
-
Konsortiumsmitglied (01.07.2025 -)
-
Konsortiumsmitglied (01.07.2025 -)
-
Konsortiumsmitglied (01.07.2025 -)
- Universität Graz
- Jana Osterkamp, Universität Augsburg - Deutschland
- Christine Lebeau, Université Paris 1 - Panthéon Sorbonne - Frankreich
- Giancarlo Ruffo, Università degli Studi del Piemonte Orientale - Italien
- Vlad Popovici, Czech Academy of Sciences - Rumänien
- Martin Grandjean, University of Lausanne - Schweiz
- Dasa Licen, Karst Research Institute ZRC SAZU - Slowenien
- Jernej Kosi, University of Ljubljana - Slowenien
- Martin Klecacky, Academy of Sciences of the Czech Republic - Tschechien
- František Darena, Mendel University Brno - Tschechien
- Viktor Karády, Central European University Private University - Ungarn
- Gabor Egry, Institute of Political History - Ungarn
- John Deak, University of Notre Dame - Vereinigte Staaten von Amerika
- Deborah Coen, Yale University - Vereinigte Staaten von Amerika