1Im Rahmen des Themenschwerpunktes »Archäologische Episteme in Entwicklung: Zu Landschaften, Objekten, Daten und ihrer Vernetzung« [1] befasst sich die RGK in einem Reflexions- und Vernetzungsprojekt zu »Ding-Editionen. Vom archäologischen (Be-)Fund übers Corpus ins Netz« mit der Produktion von Wissen im Zuge der Publikation und Rezeption von archäologischen Materialpublikationen [2]. Vor allem durch digitale Editionen und die Möglichkeit der digitalen Vernetzung von Informationen, Daten und Bildern [3] steht der Archäologie und Numismatik heute eine große Menge an Daten zur Verfügung, die es zu kuratieren gilt [4]. Gleichzeitig ergeben sich durch die Weiterentwicklung von Künstlicher Intelligenz (KI), hier sei besonders die automatische Bild- und Texterkennung hervorgehoben, neue Möglichkeiten für die Weiterverarbeitung digitaler archäologischer Daten. Unsere Erkenntnisse sollen dabei in die Nationale Forschungsdateninfrastruktur (NFDI) durch das Konsortialvorhaben NFDI4Objects integriert werden, in dem sich die RGK und das Big Data Lab als Participants insbesondere in der Task Area 2 »Collecting« engagieren.

2Innerhalb dieses thematischen Forschungsschwerpunktes widmet sich das vom Bundesministerium für Forschung und Bildung geförderte Verbundprojekt »ClaReNet – Classification and Representation for Networks« [5], in dem RGK und Big Data Lab der Goethe-Universität Frankfurt am Main zusammenarbeiten, der digitalen Edition von keltischen Münzen unter Anwendung von KI (Abb. 1). Hierzu führt das Projekt vertiefende forschungsgeschichtliche und erkenntnistheoretische Analysen durch, denn die Klassifikation von Münzen und ihre Repräsentation haben eine lange Geschichte, die durch verschiedene epistemologische Ansätze und Medienwechsel geprägt ist. Sie sind in den erweiterten Kontext des epistemologischen Streits zwischen Realismus und Konstruktivismus zu setzen, der die Wissenschaften im 19. und 20. Jahrhundert beeinflusste, bei dem die Frage nach der Art der Korrespondenz von Welt und Repräsentation/Klassifikation im Vordergrund steht. Aus ihm sind praxeologische Ansätze entstanden, die sich mit den Transformationen von Dingen in der Welt zu Objekten des Wissens sowie mit communities of practice [6] auseinandersetzen [7]. Die science and technology studies (STS) haben hierzu vor allem methodisch-reflexive Labor- und Feldstudien in den Naturwissenschaften sowie Studien zur Wissensorganisation durchgeführt [8].

3Es fehlt bislang jedoch weitgehend an Studien zu den schwieriger beobachtbaren Praktiken der sog. Schreibtischarbeit oder zu digitalen Projekten [9]. Ihre Ansätze wurden in der Archäologie bereits für die Analyse der Edition von Dingen aufgegriffen [10]. Aufgrund der Diskussionen um Postfaktizität und Authentizität der Dinge wird vielen bewusst, dass Wissensproduktion an und mit Dingen sichtbar und besser nachvollziehbar gemacht werden muss. Hier wird computergestützten Verfahren oft ein höherer Grad der Objektivierbarkeit attestiert [11]. Durch die fortschreitende Digitalisierung ergeben sich heute ferner ganz neue Möglichkeiten des Klassifizierens, z. B. durch automatisierte Clustering- und Klassifizierungsalgorithmen mit Mustererkennung, und der Repräsentation von Objekten im Netz durch linked open data (LOD). Doch will man die häufig mit dem Begriff big data positiv konnotierte Objektflut in digitaler Form z. B. mit KI bewältigen, gilt es, die Digitalisierung mit einer Reflexion über Objektepistemologien sowie Praktiken des Klassifizierens und Repräsentierens wissenschaftlich zu begleiten [12].

4Während der interdisziplinären Arbeit im Projekt ClaReNet werden daher im Rahmen einer STS-Fallstudie diese Forschungspraktiken und Entscheidungsprozesse bei der Klassifikation und Repräsentation von Münzen unter Berücksichtigung der angewandten Technik dokumentiert und analysiert. Dies bietet die Chance, nicht nur nachträglich die Wissensproduktion und -organisation zu analysieren – wie z. T. vereinzelt in wissenschaftsgeschichtlichen Studien zu Corpora geschehen [13] – sondern während der interdisziplinären Arbeit die Forschungspraktiken und Entscheidungsprozesse bei der Klassifikation und Repräsentation von multimodalen Objekten im Rahmen einer STS-Studie zu dokumentieren. Dadurch wird die noch weitgehend fehlende methodische und erkenntnistheoretische Reflexion zu den Veränderungen von Klassifikationen und Repräsentationen angeregt. Zudem bietet sich die Möglichkeit, wichtige Themen wie die der zirkulierenden Referenz, der Datenqualität sowie der digital agency und ethische Aspekte in Mensch-Maschine-Beziehungen in einer konkreten Fallstudie gemeinsam interdisziplinär zu untersuchen.

5Münzen sind multimodale Objekte, die in der Regel anhand der Münzbilder und des Materials sowie – falls vorhanden – anhand der Legenden klassifiziert werden. Während moderne Münzen maschinell produziert werden und daher einheitlicher sind, wurden antike Münzen mit Münzstempeln von Hand individuell geprägt. Deshalb können sich antike Münzen vom gleichen Stempel u. a. aufgrund dezentrierter Stempelung oder unterschiedlicher Intensivität des Stempelschlags stark voneinander unterscheiden.

6Die Ursprünge der antiken Numismatik liegen in der Renaissance, womit sie zu einer der ältesten Fachrichtungen der Altertumswissenschaften zählt [14]. Das Sammeln und Erfassen von Münzbeständen setzten sich ab dem 17. Jahrhundert große fürstliche Münzkabinette zum Ziel. Dementsprechend blickten die Numismatiker im 19. Jahrhundert, während der Phase der Akademisierung der Numismatik, bereits auf eine lange Forschungstradition zurück, die das Vorgehen, insbesondere beim Klassifizieren, noch heute beeinflusst.

7Im Gegensatz zu römischen und griechischen Münzen, versucht man keltische Münzen (Abb. 2) erst seit Mitte des 19. Jahrhunderts zu klassifizieren. Dabei steht man jedoch vor besonderen Herausforderungen. Die Münzen sind sehr vielgestaltig und ihre Serien sind unterschiedlich stark standardisiert und häufig über einen langen Zeitraum hinweg produziert. Ferner fehlen zumeist die für römische Münztypen definierenden Merkmale, z. B. die Legende, die – wenn sie vorkommt – für uns meist unverständlich ist. Oft werden griechische und römische Vorbilder, sog. Prototypen, postuliert und regionale Klassifikationen vor allem anhand von Stilanalysen durchgeführt. Das einzige umfassende, aber veraltete Referenzwerk für die keltische Münzwelt entstand 1892 auf Grundlage der Sammlung des Cabinet des Médailles der Bibliothèque nationale de France in Paris [15]. Die große Zahl regional differenzierter Münzprägungen wird bis heute überwiegend in Einzelpublikationen vorgelegt und ihre Klassifikationen oft sehr stark von den Fragestellungen und Wissenstraditionen der jeweiligen Bearbeitenden geprägt und nicht auf Übertragbarkeit und die Erstellung eindeutiger Typologien ausgerichtet.

8Die in der Prähistorischen Archäologie bei Klassifikationen und Korrespondenzanalysen immer häufiger praktizierte Methode der Auflösung der Objekte in Merkmale [16] hat kürzlich durch die innovative Arbeit von Eneko Hiriart auch in die keltische Numismatik Eingang gefunden [17]. Dieser Ansatz, der auch bei der als Desiderat empfundenen, übergreifenden keltischen Münztypologie helfen könnte, wird unter anderem im Projekt ClaReNet weiterverfolgt.

9Für griechische und römische Münzen wurden bereits eine Reihe von Bearbeitungen mit Methoden der Künstlichen Intelligenz unternommen [18]. Für keltische Münzen sind automatisierte Klassifikationsversuche aber ausgeblieben. Hier leistet der Verbundpartner, das Big Data Lab der Goethe-Universität Frankfurt am Main, im Projekt ClaReNet Pionierarbeit.

10Das für das Klassifizieren notwendige Gruppieren wird in der IT ›Clustering‹ genannt. Dies ist eine besondere Herausforderung, da es für keltische Münzen keine einheitlichen Vorgaben aus der Numismatik für die Klassifizierung in Bezug auf Merkmalserhebungen und Granularität gibt. Aktuell arbeiten wir hieran sowohl mit überwachten wie auch unüberwachten Ansätzen bzw. mit Kombinationen dieser (Abb. 3). Zudem hängt viel vom Erhaltungsgrad der Münzen ab. Existieren bereits Typologien, so können automatisierte Klassifikationsverfahren

1. zur Münzbestimmung

2. zur systematischen Prüfung der Typologien auf Kohärenz und Praktikabilität und

3. auch als Vorarbeit zum automatisierten Gruppieren dienen.

11Bei derartigen deep learning-Ansätzen, also Ansätzen, welche auf mehrschichtigen, künstlichen neuronalen Netzen basieren, die das Big Data Lab für Römische Kaisermünzen bereits mit convolutional neural networks (CNN) erprobt hat, hat sich gezeigt, dass eine enge Zusammenarbeit mit Domain-Expert:innen notwendig ist.

12Für das Projekt wurden beispielhaft drei Münzserien ausgewählt, die aufgrund ihrer unterschiedlichen Prägung, Standardisierung und stilistischen Entwicklung verschiedene Problemstellungen für die klassifikatorische Einordnung und die Datenmodellierung bieten (Abb. 2. 4):

1. die Büschelquinare aus Süddeutschland, der Schweiz, Westösterreich, Tschechien und der Slowakei;

2. die monnaies à la croix aus Südwestfrankreich und

3. die sog. Statere der Coriosolitae aus der Bretagne.

13Sie alle datieren in das 3. bis 1. Jahrhundert v. Chr. und sind hauptsächlich aus Silber oder Billon (einer Legierung aus Silber und Bronze) hergestellt.

14Die Münzserie 3 bearbeiten wir aktuell mit Hilfe des DeepCluster Verfahrens, das aus dem Bereich der unüberwachten Bildklassifikation kommt. Bei diesem Ansatz werden CNNs in Kombination mit Clustering-Algorithmen verwendet, um die Möglichkeiten von CNNs auf unüberwachte Weise zu nutzen. Vielversprechend ist beim DeepCluster vor allem, dass keine Eingabe durch bzw. Interaktion mit Benutzer:innen benötigt wird. Lediglich die Clusteranzahl muss vordefiniert werden. Im Projekt ClaReNet wird dabei auch die Anwendbarkeit dieses Ansatzes an großen Objektmengen wie den Münzen der Coriosolitae des Hortfunds von Le Câtillon II von der Kanalinsel Jersey [19] getestet, der vor allem durch seinen Umfang von ca. 70.000 Münzen eine Herausforderung für die Numismatik in Bezug auf Zeit- und Arbeitsaufwand darstellt.

15Durch das semantic web erhalten Daten eine auf Partizipation und Weiternutzung angelegte Repräsentationsform, die eine immer wichtiger werdende Stellung auch in der geschichtswissenschaftlichen Forschungspraxis einnimmt. Besonders die Numismatik nutzt »digitale Objekte« (Daten und Metadaten) bereits intensiv. Dank des LOD-Projektes Nomisma sind für die Altertumsforschung große Fortschritte bei der digitalen Repräsentation griechischer und römischer Münzen gemacht worden. Für keltische Münzprägungen gibt es bisher nur für Britannien, auf Grundlage der Ancient British Coins (ABC), einen ersten Ansatz, für Kontinentaleuropa fehlt es jedoch noch an vergleichbaren Standardklassifikationen. Hier gilt es neue Lösungswege zu finden, die auch die Analyse einzelner Elemente und Merkmale keltischer Münzen berücksichtigen.

16Ein erklärtes Ziel des Projektes ClaReNet ist daher der Aufbau eines virtuellen Verbundkatalogs Online Celtic Coinage (OCC), der über das Vokabular und die Ontologie von Nomisma mit anderen Linked Open Data (LOD)-Ressourcen wie der Getty AAT, dem DARIAH-EU Backbone Thesaurus, dem Normdatenportal des Berliner Münzkabinetts sowie der iDAI.world verlinkt werden wird. Die vorrangige Aufgabe zur Vorbereitung des Katalogs ist der Aufbau einer Münzdatenbank, die mit Bildern von Münzen der zuvor genannten Münzserien und ihren Metadaten befüllt wird. Dies geschieht mit Hilfe des Datenbankmanagementsystems Dédalo, welches aufgrund seiner Flexibilität für das Projekt ausgewählt wurde. Mit Dédalo ist es vergleichsweise einfach, Hierarchien und Relationen u. a. von Münzen und Münztypen zu ändern, was aufgrund der dynamischen Forschungssituation zu keltischen Münzen unabdingbar ist. Weiterhin erlaubt Dédado das Erstellen von verschiedenen Hierarchien für verschiedene Münzserien.

17Das erste Jahr des Forschungsprojektes war vor allem der Reflexion über die bisherigen Theorien und Methoden der Klassifikation und Repräsentation in der Archäologie, der Numismatik, insbesondere der keltischen, dem Aufbau des Datenkorpus, der Anpassung der KI-Verfahren auf die keltische Numismatik sowie der Entwicklung einer auf das Projekt gerichteten STS gewidmet. Die Forschungs- und Methodengeschichte sowie der aktuelle Kenntnisstand zu allen drei untersuchten Münzserien wurden, ebenso wie die Forschungsgeschichte der keltischen Numismatik und der Klassifikationsverfahren in Archäologie und Numismatik, recherchiert und zusammengefasst.

18Es wurden digitale Fotos von circa 80.000 keltischen Münzen zusammengetragen. Viele stammen von den Partnern des Projektes im In- und Ausland. Andere Münzen wurden hingegen mit der sog. Danneranlage, einer mobilen Fotostation, in verschiedenen Museen und Sammlungen von den Projektmitarbeiter:innen neu fotografiert. Auch wurde damit begonnen, Einträge zu Münzen (Abb. 5) und Münztypen (Abb. 6) in Dédalo anzulegen. Zum Stand vom Juni 2022 wurden Einträge zu 553 Typen und 3199 Münzen der Serien 1 und 2 in der Datenbank angelegt, von denen ein Großteil zunächst anhand der traditionellen Forschungsliteratur bestimmt wurden.

19Da die Bilder der Serien 1 und 2 erst zusammengetragen werden mussten, hat sich das Big Data Lab auf die Münzserie 3 konzentriert, da hier die Bilder bereits zu Projektbeginn vom Guernsey Museum and Art Gallery (UK) übermittelt wurden und durch Philip de Jersey, einem unserer Projektpartner, und seine Mitarbeiter:innen den in der Numismatik anerkannten Klassen zugewiesen worden waren (Abb. 4). Das von DeepCluster erzeugte Ergebnis wurde mit der vom Projektpartner erstellten Zuordnung verglichen. Durch die Auswahl der Cluster, die sich mit der Zuordnung überschneiden, lässt sich ein Datensatz erstellen, der quasi im Vier-Augen-Prinzip geprüft wurde. Dieser Datensatz soll Grundlage für einen überwachten Ansatz werden, mit dessen Hilfe die anderen Münzen überprüft werden können. Der Prozess erfolgt semi-automatisiert, wobei die Problemfälle in enger Zusammenarbeit mit Philip de Jersey diskutiert werden (Abb. 7).

20Nach einer ersten Orientierungsphase hat die STS ihre Fragestellung konkretisiert. Sie untersucht den Einfluss von Automatisierung und Digitalisierung auf die Praxis des Klassifizierens und Repräsentierens keltischer Münzen. Unter dem Begriff der Pfadabhängigkeit analysiert sie die Einflüsse vergangener Forschungen auf heutige und zukünftige Entscheidungen. Mit dem Ansatz der Akteur-Netzwerk-Theorie betrachtet sie die Interaktion von Mensch und Maschine. Hierbei fokussiert sie unter dem Stichwort digital Agency auf Formen der Praxisbeteiligung von Technik, Geräten und Software, inkl. CNN. Zusammengefasst wird diese Fragestellung unter dem Titel »Pfadabhängigkeiten, Akteur-Netzwerke, Digital Agency« (PANDA). Die Beobachtungsschwerpunkte lagen zunächst bei der Digitalisierung der Münzen mit Hilfe der Fotoanlage, bei der Einrichtung und Erstellung von Einträgen in Dédalo für die Münzserien 1 und 2 sowie bei den ersten unsupervised Ansätzen der IT bei der Münzserie 3 und deren Vorbereitung mittels Bildbearbeitung durch Algorithmen. In einem Workshop zu Klassifikationsverfahren wurde nach dem fachspezifischen Vorgehen der Projektmitarbeiter:innen und der Verwendung von Begrifflichkeiten hierbei gefragt. Besonders deutlich ist dabei geworden, dass in der keltischen Numismatik teils sehr unterschiedliche Begrifflichkeiten benutzt werden. So werden Typ, Klasse, Serie, Gruppe oder Variante oft synonym verwendet. Insbesondere beim Erstellen einer Katalogstruktur stellt sich dies als Herausforderung dar. Daher werden die im Projekt verwendeten Begriffe und Methoden fortlaufend definiert und in einem Wiki auf dem Projektblog publiziert. Im Rahmen des VARM-Theorie-Lesezirkels wurden ferner mit interessierten Studierenden und Kolleg:innen Grundlagentexte zu den Themen Akteur-Netzwerke und agency diskutiert und dabei Fragestellungen der STS sowie des Projektes ClaReNet thematisiert.

21In den kommenden eineinhalb Jahren ist geplant, über den Verbundkatalog OCC sowie »Antike Fundmünzen in Europa« (afe.dainst.org) Normdaten für die keltischen Münzen öffentlich zugänglich zu machen. Wir erstellen zudem Best-Practice-Leitfäden zur Verwirklichung von LOD-Projekten für multimodale Objekte unterschiedlicher Standardisierungsgrade und zu Kombinationen von computergestützten Clustering- und Klassifizierungsverfahren. Über den weiteren Verlauf des Projektes berichtet regelmäßig unser Blog. Dort finden sich auch weitere Informationen zu den angewandten Methoden und in einem kleinen Wiki Erklärungen zu den zentralen Begriffen.

Akademie der Wissenschaften und der Literatur Mainz, Digitale Akademie; Archäologische Staatssammlung München (B. Ziegaus); ARIADNE; Berlin-Brandenburgische Akademie der Wissenschaften, Corpus Nummorum (U. Peter); Bibliothèque nationale de France, Département des Monnaies, médailles et antiques (F. Duyrat); Georg-August-Universität Göttingen, Institut für Digital Humanities; Goethe-Universität Frankfurt am Main, Institut für Archäologische Wissenschaften, Abteilung II: Archäologie von Münze, Geld und von Wirtschaft in der Antike (F. Kemmers); Inventar der Fundmünzen der Schweiz (M. Nick); Konsortialvorhaben NFDI4Objects; Nomisma.org; Römisch-Germanisches Zentralmuseum Mainz; SEADDA; States of Guernsey, Culture and Heritage (P. de Jersey); Technische Universität Darmstadt, Fachgebiet Klassische Archäologie (F. Lang); Université Bordeaux Montaigne (E. Hiriart); University of Oxford, Institute of Archaeology, Celtic Coin Index.

D. Wigg-Wolf.

Das vom Bundesministerium für Bildung und Forschung finanzierte Verbundprojekt ClaReNet testet anhand dreier, jeweils für bestimmte Forschungsfragen und Problemstellungen exemplarisch ausgewählter keltischer Münzprägungen die Möglichkeiten und Grenzen neuer Klassifikations- und Repräsentationsverfahren. Dazu werden traditionelle Ansätze der Klassifikation in Numismatik und Archäologie mit informationstechnischen Klassifikationsverfahren, inkl. deep learning, verglichen. Es wird ein erweiterbarer virtueller Verbundkatalog, celticcoinage.org, nach FAIR-Prinzipien für die von uns untersuchten Münzserien eingerichtet. Der Arbeitsprozess wird durch eine science and technology-Studie begleitet, die zu einer Reflexion über die Veränderungen der Erkenntnisprozesse durch den Einsatz digitaler Werkzeuge und Algorithmen beiträgt. Ziel ist es, im interdisziplinären Dialog systematisch Automatisierungspotentiale und -grenzen für Klassifikations- und Repräsentationsverfahren in der Numismatik und Archäologie auszuloten.

The joint project ClaReNet, funded by the Federal Ministry of Education and Research, is testing the possibilities and the limits of new methods of classification and representation on the basis of three Celtic coinages, each selected as an example for specific research questions and problems. Traditional approaches to classification in numismatics and archaeology are compared with classification methods from information technology, including deep learning. An extendable virtual union catalogue, celticcoinage.org, complying with the FAIR principles, will be implemented for the coin series that we are investigating. The work process will be accompanied by a science and technology study, which will contribute to a reflection on the changes in knowledge processes that result from the use of digital tools and algorithms. The aim is to systematically assess in an interdisciplinary dialogue the potential and limits of automation for processes of classification and representation in numismatics and archaeology.