Archiv der Kategorie: Forschungspraxis

Einkehr

Während die Welt um mich herum in den letzten Jahren von immer schärferen Krisen heimgesucht wird, habe ich insbesondere in den letzten zwei Jahren sehr viel berufliches Glück gehabt. Am deutlichsten zeigt sich das darin, dass ich seit dem ersten Januar dieses Jahres Professor an der Universität Passau bin und dort den Lehrstuhl für Multilinguale Computerlinguistik leite.

Meine mehr als zehnjährige Reise zur festen Professurstelle begann im Jahr 2008, als ich meine Magisterarbeit abschloss (List 2008) und mich auf die Suche nach einer Dissertationsstelle machte. Nach einer Vielzahl von Absagen fand ich Anfang 2009 schließliche eine Stelle als Mitarbeiter an der Universität Düsseldorf, wo ich dann dreieinhalb Jahre promovierte und die Grundlage legen konnte für die Arbeiten zum computergestützten Sprachvergleich, die für mein Profil als Forscher heute bedeutsam sind (List 2014).

An meine Doktorarbeit schloss sich ein etwas mehr als zweijähriger Post-Doc in Marburg an, den ich dazu nutzen konnte, ein Stipendium bei der DFG einzuwerben, mit dem ich dann zwei Jahre voller Abenteuerlust in Paris verbrachte und mit bioinformatischen Methoden zur Evolution der chinesischen Dialekte forschte (List 2015). Als ich die Bewerbung für dieses Stipendium einreichte, hatte ich das Gefühl, mit dem Rücken zur Wand zu stehen: Wenn es nicht klappen sollte, so dachte ich, würde ich mir Gedanken darum machen müssen, ob ich den Weg der Forschung weitergehen konnte und wollte, und was ich als Alternative machen sollte.

In Paris genoss ich das Gefühl, noch mal ganz von Neuem irgendwo anfangen zu können. Ich war mehrere Tage pro Woche beim Training im 104, einem Zentrum, in dem es jeden Tag freies Training für Tänzer und Artisten gab. Auch schaffte ich es, noch im Jahr 2015, meine erste Bewerbung für einen ERC-Grant einzureichen, den ich mit demselben Gefühl einreichte, wie die Bewerbung um das DFG-Stipendium, das mich nach Paris gebracht hatte. Als ich später zum Interview nach Brüssel eingeladen wurde und den Grant am Ende tatsächlich gewann und beschloss, in Jena, am Max-Planck-Institut für Menschheitsgeschichte meine eigene Forschungsgruppe aufzubauen, hatte ich für den bis dahin längsten Moment in meiner Karriere das Gefühl, dass ich es vielleicht später einmal schaffen könnte, eine feste Stelle zu bekommen.

Als die Zeit in Jena (und später Leipzig, wo ich mit der Abteilung, an der ich angesiedelt war, 2021 hinzog) auf ihr Ende zuging, weil der Grant im Jahr 2022 auslaufen würde, stand ich wieder mit dem Rücken zur Wand, als ich mich habilitierte (List 2021) und meine zweite Bewerbung für einen ERC-Grant im Jahr 2021 einreichte. Zwar hatte mir mein Chef am Max-Planck-Institut signalisiert, dass er mich gerne dauerhaft einstellen wollte, doch leider hatte er keine konkreten Ideen, wie er das — als jemand, der am Ende seiner Karriere stand und begrenzten Einfluss am Institut hatte — angesichts der tickenden Uhr des Wissenschaftszeitvertragsgesetzes bewerkstelligen sollte.

Als jemand, der immer skeptisch an die Sachen herangeht und sich nicht gerne zu schnell darauf verlässt, dass das Glück auf seiner Seite steht, hatte ich im März 2022 vorsorglich bereits die Neu-Einreichung der Bewerbung um einen ERC-Grant aufgesetzt, zu der man dann ein Recht hat, wenn man zu den Interviews eingeladen wird. Als mir im März 2022 plötzlich unser Koordinator am Institut mitteilte, dass ich mir das ersparen könnte, weil ich den Grant tatsächlich gewonnen hätte, konnte ich das erst überhaupt nicht glauben.

Erfüllt von Euphorie, mindestens fünf Jahre weiter forschen zu können, ganz unabhängig vom Wissenschaftszeitvertragsgesetz oder irgendwelchen Vorgesetzten, ging ich in den Frühling des Jahres 2022. Ich gewann eine weitere Förderung der Max-Planck-Gesellschaft für zwei Jahre und machte mir Hoffnung, mit dem insgesamt eingeworbenen Geld vielleicht endlich ausreichende Argumente zu haben, um um eine feste Stelle bitten zu können. Diese Hoffnung zerschlug sich jedoch relativ schnell, da am Institut die Angst bestand, ich würde am Ende mehr kosten, als ich einbringen würde, insbesondere da die Abteilung, an der ich arbeitete, im Jahre 2026 geschlossen wird, und man wohl Angst hatte, ich würde dann keine weiteren Forschungsgelder mehr einwerben und den anderen Abteilungen auf der Tasche liegen.

Ich verbrachte daraufhin einen bangen Sommer, in dem ich einerseits wusste, dass es mir viel besser ging als vielen anderen in der Forschung, andererseits jedoch auch damit haderte, dass ich trotz mehr als einem Dutzend Bewerbungen um Professuren und mehreren Einladungen zum “Vorsingen” (die entscheidenden Bewerbungsgespräche von Professurbewerbungen) bisher immer leer ausgegangen war. Durch meine Zeit am Max-Planck-Institut schien es so zu sein, dass man mir Forschung zwar zutraute, aber nicht, dass ich damit auch an einer Universität unterrichten und mich in der akademischen Selbstverwaltung einbringen könnte.

Meine Forschung ist ja auch sehr spezialisiert. Ich hatte erheblich dazu beigetraten, ein neues Forschungsfeld — das des Computergestützten Sprachvergleichs (List 2016) — auf- und auszubauen, aber außer der Forschungsförderung, die ich selbst eingeworben hatte, und der von der Max-Planck-Gesellschaft sehr großzügig finanzierten Abteilung für Sprach- und Kulturevolution schien es im universitären Bereich kaum Interesse an dieser Forschung zu geben. Durch die typisch undurchsichtigen Berufungsverfahren, die auf eine Bewerbung so gut wie nie — wenn überhaupt nur unter der Hand — Feedback geben, war mir auch gar nicht klar, was ich ändern sollte, um meine Erfolgschancen zu erhöhen.

Genau zu diesem Zeitpunkt, als ich mich mit dem Gefühl plagte, mit meiner Forschung zwar inhaltlich voranzukommen und eine Vielzahl von Themen für die Zukunft zu haben, denen ich nachgehen wollte, aber beruflich immer noch nicht an einem Punkt angekommen zu sein, wo ich mich nicht von Forschungsprojekt zu Forschungsprojekt und von Antrag zu Antrag würde hangeln müssen, erreichte mich der Ruf auf die Professur für Multilinguale Computerlinguistik in Passau. Dies war natürlich der Gipfel des beruflichen Glücks, die vollkommen unerwartete Krönung eines an Erfolgen bereits sehr großzügigen Jahres.

Seit Januar leite ich nun also meinen eigenen Lehrstuhl. Ab April wird es mit der Lehre wirklich richtig losgehen, und ich habe bis dahin Zeit, mich in all die kleinen und großen Dinge einzuarbeiten, die ich in Zukunft benötigen werde, um mich an der Universität Passau aktiv einzubringen und dabei an der Curricularisierung der Lehre in der Multilingualen Computerlinguistik und im Computergestützten Sprachvergleich zu arbeiten. Ich gehe davon aus, dass ich genug Zeit zum Forschen finden werde, freue mich aber auch wirklich darauf, die nächsten fünf Jahre zu nutzen, ein bisschen Resumée zu ziehen und daran zu arbeiten, die Ergebnisse meiner Forschung so aufzubereiten, dass sie Studierenden zugute kommen.

Seit Januar 2017 habe ich regelmäßig jeden Monat einen Blogpost geschrieben. Nachdem ich einen Moment darüber nachgedacht hatte, es nach fünf Jahren vielleicht erst mal sein zu lassen, habe ich mich dann doch entschieden, erst einmal weiterzumachen. Denn Themen, in denen Linguistik steckt, auch wenn man ein bisschen nach ihr suchen muss, die gibt es nach wie vor genug, und dadurch, dass ich sowohl meinen Twitter- als auch meinen Facebook-Account gelöscht habe, kann ich in Zukunft auch mit viel weniger Ablenkung arbeiten. Auch habe ich in der Vergangenheit immer sehr davon profitiert, mir die Zeit zu nehmen, einzelne Dinge, die mir als Linguist durch den Kopf gehen, aufzuschreiben, ohne dabei an Kolleginnen oder Kollegen aus meinem Fach als erste Addressaten zu denken. Ob es wieder fünf Jahre werden, wird sich zeigen, ich hoffe jedoch, dass ich mindestens ein weiteres Jahr monatliche Beiträge zu sprachwissenschaftlichen und verwandten Themen werde verfassen können.

Literatur

List, Johann-Mattis (2008): Rekonstruktion der Aussprache des Mittel- und Altchinesischen. Vergleich der Rekonstruktionsmethoden der indogermanischen und der chinesischen Sprachwissenschaft [Reconstruction of the pronunciation of Middle and Old Chinese. Comparison of reconstruction methods in Indo-European and Chinese linguistics]. Magister thesis. Freie Universität Berlin: Berlin. http://hprints.org/docs/00/74/25/52/PDF/list-2008-magisterarbeit.pdf

List, Johann-Mattis (2014): Sequence comparison in historical linguistics. Düsseldorf:Düsseldorf University Press. https://sequencecomparison.github.io

List, Johann-Mattis (2015): Network perspectives on Chinese dialect history. Bulletin of Chinese Linguistics 8. 42-67. https://doi.org/10.1163/2405478X-00801002

List, Johann-Mattis (2016): Computer-Assisted Language Comparison: Reconciling Computational and Classical Approaches in Historical Linguistics . Research Proposal. Max Planck Institute for the Science of Human History: Jena. https://doi.org/10.5281/zenodo.842734

List, Johann-Mattis (2021): Computer-assisted approaches to historical language comparison . Habilitation. Friedrich Schiller University: Jena. https://doi.org/10.22032/dbt.49007

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Einkehr," in Von Wörtern und Bäumen, 18/01/2023, https://wub.hypotheses.org/1794.

Organisieren, was zu tun ist

Seit ich als Wissenschaftler tätig bin, kämpfe ich damit, mich zu organisieren. Es geht weniger darum, sich an Deadlines zu halten, zu denen irgendwelche Artikel eingereicht werden müssen. Auch geht es nicht um die Vorbereitung von Seminaren, oder die Korrektur von Klausuren. Es geht um den ganzen Kleinkram, der den Alltag in der Wissenschaft meist noch viel mehr füllt als Forschung und Lehre, die Flaggschiffe wissenschaftlicher Arbeit.

Mal geht es darum, nicht zu vergessen, einen Termin zu bestätigen, mal geht es darum, die eigene Webseite auf den neuesten Stand zu bringen, und mal darum, eine Email zu beantworten, die man seit Tagen vor sich herschiebt. Dieser Kleinkram erfüllt meinen wissenschaftlichen Alltag inzwischen manchmal viel mehr als Artikel zu schreiben und Lehre vorzubereiten.

Das ist nicht mal unbedingt schlecht, und ich bin mir sicher, dass es vielen Menschen in ihren Berufen so geht, dass das Kleine das Große dominiert. Es hat allerdings eine ganze Weile gedauert, bis ich Wege gefunden habe, die vielen kleinen Dinge, die ich täglich erledigen muss, ordentlich zu organisieren.

Schon vor zehn Jahren hatte ich angefangen, mit Todo-Listen zu experimentieren. Vor allem digitale Todo-Listen hatten es mir früh angetan, es war aber schwer, Programme zu finden, die wirklich hilfreich sind. Denn wenn man wie ich auf verschiedenen Computern und oft auch mit dem Smartphone arbeitet, um mit Kolleginnen und Kollegen zu kommunizieren, dann kann man nicht einfach irgendein Programm auf einem Computer installieren und dort benutzen. Man muss das Programm, das einem sagt, was man wann tun muss, ja auf jedem Computer einsehen und bearbeiten können.

Meine ersten Schritte nutzten ein sehr einfaches Format, welches sich todo.txt nennt und in einer einfachen Liste besteht, in der man mit Hashtags arbeitet, um Aufgaben zu kategorisieren. Dabei ist todo.txt erst mal nur ein Format, also eine Vorgabe, entsprechend derer man sich organisiert. So kann man beispielsweise folgende Aufgaben definieren, die man erfüllen möchte:

(A) Kollegin X Email schreiben wegen Einladung zur Teilnahme an Workshop Y 
(B) Kaffee fürs Büro kaufen 
(C) Artikel für den Sammelband ABC anfangen zu planen

Das Format erlaubt es, mit Hilfe des @-Symbols oder eines vorgestellten +-Symbols die Aufgaben weiter zu charakterisieren, um sie später zu filtern.

(A) Kollegin X Email schreiben wegen Einladung zur Teilnahme an Workshop Y +Workshop 
(B) Kaffee fürs Büro kaufen @Office 
(C) Artikel für den Sammelband ABC anfangen zu planen +Papers

Ich hatte jedoch gleich, als ich mit diesem Format experimentierte, angefangen, mir die Tage der Woche zu markieren, zu denen eine Aufgabe erledigt werden muss. Dazu reichte dieses einfache Format dann aus, wenn man diese entweder als Datum oder durch den Namen des Wochentages mit einem @ markierte.

(A) Kollegin X Email schreiben wegen Einladung zur Teilnahme an Workshop Y +Workshop @Mittwoch 
(B) Kaffee fürs Büro kaufen @Donnerstag 
(C) Artikel für den Sammelband ABC anfangen zu planen +Papers @2022-12-20

Ich war mit dem Format lange Zeit recht zufrieden, vor allem auch, weil es sowohl ein kleines Python-Programm als auch eine App für das Smartphone gab, mit der man die Aufgaben bearbeiten konnte. Jeden Morgen schaute ich mir zuerst an, was es zu tun gab, und hakte dann einzelne Aufgaben entweder froh ab, oder ich verschob sie auf kommende Tage. Letzteres kam meist viel häufiger vor, als man vielleicht denken mag. Noch heute verschieben ich routinemäßig Aufgaben auf Tage in der Zukunft, an denen ich hoffe, die Zeit zu haben, mich um sie zu kümmern, und es gibt dabei sicherlich Aufgaben, die ich schon so oft verschoben habe, dass sie mehrere Monate auf meiner Todo-Liste herumlungerten, ohne dass ich mich darum gekümmert hätte.

Der Vorteil der Todo-Liste ist aber, dass man die Aufgaben, die man sich einmal vornimmt, nicht vergisst. Es geht als nicht darum, Dinge sofort oder zu einem ganz bestimmten Zeitpunkt zu erledigen, sondern vielmehr darum, Dinge nicht zu vergessen. Das hat sich vor allem beim Durchsichten von Artikeln als sehr sinnvoll erwiesen. Wenn ich einen Artkel sehe und denke, dass er vielleicht interessant sein könnte, setze ich ihn auf meine Todo-Liste. Manchmal sehr weit in der Zukunft. Wenn ich dann Zeit habe, hake ich Artikel Stück für Stück von meiner Liste ab, lade die PDF herunter, oder bestelle sie per Fernleihe, pflege die Zusammenfassung in meine Bibliographie (List 2022) ein, und exzerpiere bei interessanten Studien manchmal auch größere Teile.

Während diese Vorgehensweise — das Datieren von Aufgaben, das Abhaken, und das Verschieben von Aufgaben in die Zukunft — sich als sehr hilfreich erwies, stellte sich heraus, dass das Format todo.txt selbst einige Probleme barg. Wenn man eine Liste in einer Datei hat, dann kann man diese Daten beim Verlust der Text-Datei oder bei fehlerhaftem Synchronisieren, plötzlich alle auf einen Schlag verlieren. Dies kam am Ende leider häufiger als erwünscht vor, weshalb ich am Ende dann irgendwann die Zeit nahm, einen ganzen Tag zu prokrastinieren und meine eigene webbasierte Todo-App zu programmieren. Diese benutzt eine Datenbank, man kann übers Internet auf diese zugreifen, und sie kann sowohl auf dem Handy als auch im Webbrowser aufgerufen werden.

Das Prinzip, dass ich relativ schnell für jede Woche alle meine Aufgaben aufstellen und auch leicht sortieren und umändern kann, hat sich jedoch nicht verändert. Ich nutze die Todo-Liste nun nicht nur für meine Arbeit, sondern auch für private Tasks, die ich aber immer voneinander trenne. Eine Weile hatte ich individuelle Instanzen sogar für meine Mitarbeiterinnen und Mitarbeiter aufgesetzt, aber das hat sich als weniger hilfreich erwiesen, da nicht jeder mit dem drohenden Druck von Aufgaben, die noch nicht erledigt worden sind, umgehen konnte. Ich habe daraus gelernt und entschieden, dass die Selbstorganisation — ähnlich der Gestaltung der Bibliographie in der Wissenschaft — etwas ist, was jeder für sich selbst erledigen muss.

Ein schöner Aspekt an der neuen Datenbank ist, dass ich die Aufgaben, die erledigt wurden, ebenfalls speichern kann. Wenn ich jetzt, wo das Jahr sich dem Ende nähert, darauf zurückblicke, was ich alles erledigt habe, dann sehe ich eine Riesengroße Liste mit kleinteiligen Tasks, die ich Tag für Tag im letzten Jahr abgearbeitet habe. Diese Liste erfüllt mich weniger mit Stolz, als vielmehr mit Verwunderung, weil ich im ganzen Aufgabenabarbeiten oft auch sehr schnell wieder vergesse, was ich da eigentlich erledigt hatte, zumal es zuweilen auch einfach nur kleinere Banalitäten sind, die auf der Liste stehen.

Manchmal denke ich, ich sollte mir vielleicht Gedanken machen, warum ich mich lieber auf eine Liste verlasse, als darauf, das, was ich tun muss, einfach in meinem Kopf zu speichern. Vielleicht ist die Liste ja einfach nur der Ausdruck meiner Faulheit, mir Dinge zu merken? Aber andererseits bin ich froh, dass ich mir diese ganzen oft kleinteiligen Dinge, die ich Tag für Tag erledigen muss, eben nicht einzeln merken muss. Genauso, wie ich froh bin, wenn ich einen Taschenrechner benutzen kann, anstatt Dinge im Kopf auszurechnen. Denn je mehr ich meinen Kopf von diesen Alltäglichkeiten freihalten kann, desto mehr Zeit bleibt mir, das anstrengende Denken für interessante Dinge aufzuheben.

Literatur

List, Johann-Mattis (2022): EvoBib: A bibliographic database and quote collection for historical linguistics [Dataset, Version 1.6]. Jena: Max Planck Institute for the Science of Human History. https://digling.org/evobib/

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Organisieren, was zu tun ist," in Von Wörtern und Bäumen, 12/12/2022, https://wub.hypotheses.org/1713.

Zwei und Vierzig

Ich war vor Kurzem eingeladen, auf einer jährlich stattfindenden Linguistikkonferenz in Posen, dem Poznań Linguistic Meeting, an einer Podiumsdiskussion zum Thema “What can linguistics contribute to artificial intelligence” teilzunehmen. Während ich keine Antwort auf die Frage, was die Linguistik denn spezifisch zur Forschung zur künstlichen Intelligenz beitragen könnte, geben kann, hat mich das Spannungsfeld, in dem sich die Sprachforschung als Mittlerin zwischen modernen Computermethoden, maschinellem Lernen, und spektakulärer Forschung zur künstlichen Intelligenz auf der einen Seite und den klassischen philologischen und künstlerisch ausgerichteten Disziplinen auf der anderen Seite befindet, schon immer sehr interessiert. So stand auch die gesamte Konferenz mit ihrem Leitmotiv in diesem Spannungsfeld, wie man besonders auch an den vielfältigen Vorträgen sehen konnte, die immer wieder zur Frage zurückkehrten, was die Linguistik in Zeiten sprechender und selbstfahrender polyglotter Autos eigentlich noch zu sagen habe. Antworten waren vielfältig. Die einen beharrten trotzig auf dem Vorrang der “reinen Sprachforschung”, die primär in der Feldforschung und der Auseinandersetzung mit bisher unerforschten Sprachen bestehe, und als einzige erlauben würde, Maschinen Sprache wirklich beizubringen. Die anderen spannen wild anmutende, aber vielleicht gar nicht so unrealistische, Visionen einer Zukunft, in der Suchmaschinen nicht nur auf Schlagworte reagieren, sondern Sätze in “natürlicher Sprache” aufnehmen und dann versuchen, individuell zu beantworten.

Ich selbst hatte in meinem vor der Diskussion gehaltenen Vortrag argumentiert, dass wir nicht das maschinelle Lernen verbessern müssen, sondern eher an das maschinelle Trainieren, oder — vielleicht genauer — das Trainieren von Maschinen denken sollten. Denn in meinem Forschungsfeld ist es in vielen Fragen zwar Gang und Gäbe, Lösungen anzubieten und zu testen, die mit Hilfe moderner Forschung zum maschinellen Lernen und zur künstlichen Intelligenz zustande kommen, dabei wird jedoch oft ein relativ naiver Ansatz verfolgt, der mit der praktischen Forschung im Bereich des computergestützten Sprachvergleichs kaum was zu tun hat. Mal sind Ansätze von normalen Menschen nicht durchführbar, weil sehr komplexe Workflows verwendet werden, die enorme Rechenresourcen benötigen und nur begrenzt von anderen Menschen repliziert werden können, mal sind Lösungen so spezifisch, dass sie lediglich auf einem Datensatz funktionieren, und somit kaum auf ähnliche Probleme übertragen werden können.

Meine Idee war es, zu betonen, dass wir mehr darüber nachdenken sollten, wie wir wirklich Gutes aus den ganzen neuen Ansätzen herausholen, anstatt uns zu fragen, wie wir die Forschung zur künstlichen Intelligenz noch mehr verbessern. Dazu brauchen wir auf der einen Seite mehr Forscherinnen und Forscher, die nicht nur in den geisteswissenschaftlichen Aspekten des historischen Sprachvergleichs ausgebildet sind, sondern auch in Bezug auf Programmierung, Algorithmen und quantitative Ansätze. Gleichtzeitig sollten Menschen, die Computerlinguistik betreiben, besser in Bezug auf die konkreten Problemen im historischen Sprachvergleich geschult werden. Meiner Erfahrung nach stößt diese Position, welche versucht, beide Lager — das Lager der klassischen Linguistinnen und Linguisten und das Lager der Computerlinguistikbetreibenden — in die Pflicht zu nehmen, entweder beiden Lagern auf, oder sie gefällt beiden Lagern.

So war es auch in dieser Podiumsdiskussion. Neben nicht vollständig verständlicher Kritik an konkreten Forschungsergebnissen, die auf unserem Repositorium standardisierter lexikalischer Daten beruhen (List et al. 2022), und vor allem die Unvollständigkeit dieser Daten betonen, an der wir unsererseits nie gezweifelt haben, gab es — zumindest schien mir das so — recht viel Zuspruch in Bezug auf die Idee, dass wir den Umgang mit Systemen des maschinellen Lernens in der Linguistik verbessern müssen.

Als es um die Schlussbetrachtung ging, war schon sehr viel von vielen Seiten gesagt worden, und ich sah mich selbst ein bisschen unter dem Druck, nicht zu lange zu reden und mich nicht zu sehr zu wiederholen. Ein Punkt, den die Diskussion für mich noch mal deutlich gemacht hatte, war, dass es wichtig ist zu, unterscheiden zwischen wissenschaftlichen und wirtschaftlichen Interessen. Zu oft wird nicht zwischen beiden unterschieden, was dann im Nachhinein zu Verstimmungen in beiden Lagern führen kann. Denn wenn eine wirtschaftlich, an praktischer Anwendung orientierte Person eine Methode zur automatischen Entdeckung von Lehnwörtern erstellt, oder eine Person, die primär an wissenschaftlichen Fragestellungen interessiert ist, so unterscheiden sich die Ansätze zumeist sehr stark. Während die wirtschaftlich denkende Person primär am Funktionieren der Methode interessiert ist, interessiert sich die wissenschaftlich denkende Person, wie das Funktionieren sich auszeichnet, also warum beispielsweise eine Methode besser funktioniert als eine andere, und was das mit Sprache im Allgemeinen und mit Prozessen der Entlehnung und des Sprachkontakts im Besonderen zu tun haben mag.

Entlang der wirtschaftlich-wissenschaftlichen Achse finden wir eine neue Spaltung in Lager vor, nicht nur in der vergleichenden Sprachforschung, sondern in der Forschung zur künstlichen Intelligenz im Allgemeinen. Auf der einen Seite haben wir die Ingenieurinnen und Ingenieure, die sich freuen, wenn sie menschliche Leistungen mit Maschinen modellieren können, auf der anderen Seite haben wir Wissenschaftlerinnen und Wissenschaftler, die verstehen wollen, wodurch sich menschliche Leistungen und maschinelle Leistungen auszeichnen. Diesen Zwiespalt zwischen anwendungsorientierter Forschung und Grundlagenforschung spüre ich als jemand, der primär an Grundlagen forschen will, meist noch mehr als den Zwiespalt zwischen qualitativer und quantitativer Forschung, da meine Arbeiten zum computergestützten Sprachvergleich häufig von anwendungsorientierten Forscherinnen und Forschern evaluiert und harsch kritisiert werden.

Während ich noch überlegte, wie ich diesen Punkt in zwei Sätzen als Fazit meiner Diskussion unterbringen sollte, fiel mir plötzlich Douglas Adams’ 42 ein (Adams 1979). 42 ist die berühmte Antwort aus dem Roman Per Anhalter durch die Galaxis, die von einem Supercomputer innerhalb von 7,5 Millionen Jahren errechnet wurde, der nach der Antwort auf die Frage aller Fragen gefragt worden war. Da die Frage aller Fragen jedoch selbst viel zu schwammig gestellt worden war, konnte niemand etwas mit der Antwort anfangen, und man erwog deshalb, einen weiteren Supercomputer zu bauen, der die Frage auf die Antwort finden sollte.

In Bezug auf das Spannungsfeld von Anwendung und Erkenntnis, könnte man sagen, dass die anwendungsorientierte Forschung sich mit der 42 zufrieden geben würde, während die wissenschaftsorientierte Forschung auf der Suche nach der Frage beharren würde. Damit waren meine Schlusspunkte für die Diskussion gefunden, und ich schraffierte eine große 4 und eine große 2 in mein Notizbuch und hielt es in die Höhe, während ich zu meinem Fazit ansetzte.

Erst später wurde mir klar, dass dieser Vergleich mit Douglas Adams’ 42 vielleicht doch weit weniger treffend war, als ich ursprünglich gedacht hatte. Denn eigentlich geht es der anwendungsbezogenen Forschung ja eben nicht darum, die Antwort auf eine Frage zu kennen, sondern darum, eine Möglichkeit zu haben, rasch sehr viele Lösungen für Probleme zu finden, ohne Anspruch auf das Wissen um die Lösungswege zu erheben. Wenn man also einen Supercomputer hätte, der alle Fragen beantwortet, dann würde die Wissenschaft fordern, dass der Computer bitte auch die Lösungswege ausspuckt.

Ich habe jedoch beschlossen, mir die schiefe Analogie zu verzeihen. Mein Hauptanliegen war es ja, auf die Trennung zwischen Anwendungs- und Erkenntnisinteresse hinzuweisen. Hierfür hatte mir die 42 von Douglas Adams eine schöne Eselsbrücke geliefert, wodurch ich mein Schlussstatement tatsächlich kurzhalten konnte. Wenn ich noch mal in eine ähnliche Situation kommen sollte, würde ich allerdings versuchen, eine andere Analogie zu finden.

Literatur

Adams, Douglas (1979): The hitch hiker’s guide to the galaxy. Pan Books: London.

List, Johann-Mattis and Forkel, Robert and Greenhill, Simon J. and Rzymski, Christoph and Englisch, Johannes and Gray, Russell D. (2022): Lexibank, A public repository of standardized wordlists with computed phonological and lexical features. Scientific Data 9.316. 1-31.

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Zwei und Vierzig," in Von Wörtern und Bäumen, 26/09/2022, https://wub.hypotheses.org/1622.