Übersicht Testkorpus

Für die Tests mit den Texten wurden insgesamt vier Anwendungsfälle definiert, jeweils in einer Variante in Griechisch und in Latein.

1. Texte mit nachgewiesener, unzweifelhafter Urheberschaft desselben Ursprungs.
2. Texte mit wissenschaftlich nachgewiesener Pseudo-Autorenschaft in Kombination mit Texten der Autoren, von dem sie angeblich stammen.
3. Texte, die im wissenschaftlichen Diskurs einst als Pseudo-Texte galten und später widerlegt wurden, und deren Urheberschaft wir sicher sein können.
4. Texte von verschiedenen Autoren mit ähnlichen Themen.

Der Thesaurus Linguae Graecae® (TLG®) ist ein 1972 ins Leben gerufene Forschungsprogramm an der Universität von Kalifornien, Irvine, in welchem die meisten literarischen Texte in griechischer Sprache von Homer bis zum Fall von Byzanz 1453 n. Chr. gesammelt und digitalisiert werden. Es existieren mehrere, historisch voneinander abgrenzbare Varianten der Textsammlung:

• TLG Online: http://stephanus.tlg.uci.edu. Für die Benutzung ist eine Lizenz obligatorisch, es handelt sich um die aktuelle Textsammlung.
• TLG als CD-Rom: Die Textsammlungen wurden in altgriechischem Betacode per CD-ROM verliehen. Nach Ablauf der Lizenz mussten die CD-ROMs wieder zurückgegeben werden. Für den Gebrauch waren noch zusätzliche Software (z.B. Diogenes: https://d.iogen.es/) notwendig. Die letzte Version der auf CD-ROM vertriebenen Sammlung war TLG-E (2000). Davor gab es die Varianten A (1985), C (1988), D (1992).

Für die Nutzung des TLG-E als Korpusgrundlage für die griechischen Werke ergeben sich aus den 2018 mit dem UrhWissG neu eingeführten Bestimmungen nachfolgend skizzierte Szenarien.

In § 87a UrhG ist eine Begriffsbestimmung „Datenbank“ gegeben. Die per CD-Rom vertriebenen Texte des TLG-E sind nach dieser Definition eine Datenbank, da es sich handelt um:

• eine Sammlung von Werken,
• die systematisch angeordnet sind,
• einzeln mit Hilfe elektronischer Mittel zugänglich sind und
• deren Beschaffung, Überprüfung oder Darstellung eine nach Art oder Umfang wesentliche Investition erfordert.

Für die Nutzung von Datenbanken hat der Gesetzgeber Schranken des Rechts des Datenbankherstellers in § 87c UrhG definiert. So ist die Vervielfältigung eines nach Art oder Umfang wesentlichen Teils einer Datenbank zulässig zu Zwecken des Text und Data Mining für Zwecke der wissenschaftlichen Forschung gemäß § 60d UrhG, vgl. auch § 87e UrhG.

Bei der Umwandlung in andere Dateiformate handelt es sich nicht um eine Bearbeitung im Sinne des § 23 Absatz 1 UrhG, da der 2018 mit dem UrhWissG neu eingeführte § 23 Absatz 3 UrhG klarstellt, dass die technisch bedingte Änderungen eines Werkes bei Nutzungen für die Fälle des § 60d UrhG nicht gilt. Mit anderen Worten: Eine Umformatierung ist in diesen Fällen gleichbedeutend mit einer Vervielfältigung.

Nach § 60d Absatz 5 UrhG ist es gestattet, die Vervielfältigungen mit angemessenen Sicherheitsvorkehrungen gegen unbefugte Benutzung aufzubewahren, solange sie zur Überprüfung wissenschaftlicher Erkenntnisse erforderlich sind. Eine zeitliche Einschränkung ist nicht gegeben. Da davon auszugehen sein muss, dass die Überprüfung wissenschaftlicher Erkenntnisse im Sinne der Replizierbarkeit von Forschung niemals abgeschlossen ist, müssen, nein dürfen die Vervielfältigungen nicht gelöscht werden nach Abschluss des Forschungsprojektes.

Einem abgegrenzten Kreis von Personen der gemeinsamen wissenschaftlichen Forschung oder einzelnen Dritten zur Überprüfung der Qualität wissenschaftlicher Forschung dürfen die Vervielfältigungen nach § 60d Absatz 4 UrhG öffentlich zugänglich gemacht werden. Es sind keine zeitlichen Fristen festgelegt, wie lange nach Beendigung eines Forschungsprojektes die Vervielfältigungen einzelnen Dritten öffentlich zugänglich gemacht werden dürfen. Mit anderen Worten: Die dem Korpus zugrunde liegenden Werke dürfen langzeitarchiviert werden, sofern keine unbefugte Benutzung sichergestellt ist.

Gemäß § 87d UrhG sind die Rechte des Datenbankherstellers nach fünfzehn Jahren nach der Veröffentlichung erloschen. Die TLG-E-CD-Rom wurde 2000 veröffentlicht, die Daten darauf sind bis heute unverändert.

Die PHI-Datenbank ist die vom Packard Humanities Institute zur Verfügung gestellte CD ROM 5.3 (hrsg. 1991), welche im Wesentlichen alle lateinischen literarischen Texte, die vor 200 n. Chr. geschrieben wurden, sowie einige ausgewählte Texte aus der Spätantike enthält. Sie ist im Betacode verfasst und kann z. B. mit Diogenes ausgelesen werden. Die Texte sind seit 2015 alle auch online verfüg- und durchsuchbar, und zwar nach den "Fair Use"-Prinzipien:

• Zweck und Art der Nutzung, einschließlich der Angabe, ob es sich um eine kommerzielle Nutzung oder um eine Nutzung für nicht gewinnorientierte Bildungszwecke handelt,
• Art des urheberrechtlich geschützten Werks,
• Umfang und Wesentlichkeit des verwendeten Teils im Verhältnis zum urheberrechtlich geschützten Werk als Ganzes,
• Auswirkungen der Nutzung auf den potenziellen Markt für das urheberrechtlich geschützte Werk oder dessen Wert.

Für die Nutzung des PHI-5-Datenbank als Korpusgrundlage für die griechischen Werke ergeben sich aus den 2018 mit dem UrhWissG neu eingeführten Bestimmungen nachfolgend skizzierte Szenarien.

In § 87a UrhG ist eine Begriffsbestimmung „Datenbank“ gegeben. Die per CD-Rom vertriebenen Texte der PHI-5 sind nach dieser Definition eine Datenbank, da es sich handelt um:

• eine Sammlung von Werken,
• die systematisch angeordnet sind,
• einzeln mit Hilfe elektronischer Mittel zugänglich sind und
• deren Beschaffung, Überprüfung oder Darstellung eine nach Art oder Umfang wesentliche Investition erfordert.

Für die Nutzung von Datenbanken hat der Gesetzgeber Schranken des Rechts des Datenbankherstellers in § 87c UrhG definiert. So ist die Vervielfältigung eines nach Art oder Umfang wesentlichen Teils einer Datenbank zulässig zu Zwecken des Text und Data Mining für Zwecke der wissenschaftlichen Forschung gemäß § 60d UrhG, vgl. auch § 87e UrhG.

Bei der Umwandlung in andere Dateiformate handelt es sich nicht um eine Bearbeitung im Sinne des § 23 Absatz 1 UrhG, da der 2018 mit dem UrhWissG neu eingeführte § 23 Absatz 3 UrhG klarstellt, dass die technisch bedingte Änderungen eines Werkes bei Nutzungen für die Fälle des § 60d UrhG nicht gilt. Mit anderen Worten: Eine Umformatierung ist in diesen Fällen gleichbedeutend mit einer Vervielfältigung.

Nach § 60d Absatz 5 UrhG ist es gestattet, die Vervielfältigungen mit angemessenen Sicherheitsvorkehrungen gegen unbefugte Benutzung aufzubewahren, solange sie zur Überprüfung wissenschaftlicher Erkenntnisse erforderlich sind. Eine zeitliche Einschränkung ist nicht gegeben. Da davon auszugehen sein muss, dass die Überprüfung wissenschaftlicher Erkenntnisse im Sinne der Replizierbarkeit von Forschung niemals abgeschlossen ist, müssen, nein dürfen die Vervielfältigungen nicht gelöscht werden nach Abschluss des Forschungsprojektes.

Einem abgegrenzten Kreis von Personen der gemeinsamen wissenschaftlichen Forschung oder einzelnen Dritten zur Überprüfung der Qualität wissenschaftlicher Forschung dürfen die Vervielfältigungen nach § 60d Absatz 4 UrhG öffentlich zugänglich gemacht werden. Es sind keine zeitlichen Fristen festgelegt, wie lange nach Beendigung eines Forschungsprojektes die Vervielfältigungen einzelnen Dritten öffentlich zugänglich gemacht werden dürfen. Mit anderen Worten: Die dem Korpus zugrunde liegenden Werke dürfen langzeitarchiviert werden, sofern keine unbefugte Benutzung sichergestellt ist.

Gemäß § 87d UrhG sind die Rechte des Datenbankherstellers nach fünfzehn Jahren nach der Veröffentlichung erloschen. Die PHI-5.3-CD-ROM wurde 1991 veröffentlicht, die 2015 online zur Verfügung gestellte Version ist diejenige von 1991.

Das Testtextcorpus, d.h. auch dessen Herkunft, muss für Nachfolgeforschung transparent gemacht werden. Anderenfalls ist die Replikationsmöglichkeit nicht mehr gegeben. Jegliche willkürliche Veränderungen am Text, um dessen Herkunft zu verschleiern, verbieten sich daher. Veränderungen am Text bzw. in der dazugehörigen XML-Datei sind nur zulässig, wenn sie für die Untersuchung nützlich sind und transparent gemacht werden.