In der letzten Woche fand bei uns ein von meinem Lehrstuhl co-organisierter Workshop zum Thema “Strings and Structures – Computational Biology and Lingustics” statt. Das Ziel war, Wissenschaftler|innen mit unterschiedlichen Ansätzen zu Problemstellungen der Sprach- und Genomanalyse zusammenzubringen. Ich selbst durfte auch einen Vortrag (zum Thema Text Mining, Präsentation gibt es hier) beisteuern und empfand den Workshop als durchaus bereicherndes Ereignis.
Der Workshop ist ein zentraler Bestandteil des Projekts “Strings and Stuctures: Codes of Sense and Function in Genomics and Linguistics” das von unserem Lehrstuhl (Prof. Rolshoven Institut für Linguistik – Sprachliche Informationsverarbeitung) in Kooperation mit der Arbeitsgruppe Bioinformatik & Populationsgenetik (Prof. Wiehe, Department für Biologie | sic!) durchgeführt und von der Exzellenzinitiative der Uni Köln gefördert wird. Ein vorrangiges Ziel dieses Projekts ist es, die schon vor langer Zeit gestellten, aber nie wirklich beantworteten Fragen zur Berechenbarkeit von Bedeutung und Funktion neu zu adressieren und potentielle Synergien zwischen den Feldern Bioinformatik und Linguistik aufzudecken bzw. auszubauen.

Wie ich hier schon mehrfach ausgeführt habe, lässt sich Text als abstraktes Konstrukt fassen, mit dem sowohl natürlichsprachliche wie auch in der Bioinformatik bearbeitete Daten repräsentiert werden können. Eine solche gemeinsame Datenstruktur bildet eine mehr oder weniger solide Grundlage, auf der man auf dieser Datenstruktur operierende Methoden zwischen unterschiedlichen Wissenschaftsbereichen (hier: Bioinformatik und Computerlinguistik) austauschen kann. Bioinformatiker waren die ersten, die effiziente Verfahren zum Aufspüren von Mustern in großen Datenmengen (wie Alignment-Verfahren und Suffixbäume) auf ihre Domäne – die Analyse von DNA bzw. Proteinen – anwendeten. Im Workshop wurde nun u.a. aufgezeigt, wie diese Verfahren inzwischen in die Analyse natürlichsprachlicher Daten einbezogen werden.
Michael Cysouw aus Marburg etwa zeigte, wie Multialignment helfen kann, automatisch unterscheidbare Bedeutungsfelder von Begriffen zu bestimmen. Grob gesagt werden dazu die Begriffe in parallelen Texte sehr vieler verschiedener Sprachen aufgespürt und geschaut, wo identische Wortformen unterschiedlich übersetzt werden. Durch die Betrachtung dieses Verhaltens über sehr viele verschiedene Sprachen können die einzelnen Vorkommen von Begriffen gruppiert werden, wodurch funktional-typologische Merkmale der Vorkommen herausgestellt werden. Klingt kompliziert, ist es auch, wurde aber sehr verständlich präsentiert. Dazu wählte Cysouw als Korpus lustigerweise die Veröffentlichungen der Zeugen Jehovas – diese werden in tatsächlich 103 Sprachen, darunter u.a. Inuktitut (die Sprache der Inuit) übersetzt.

In einer Reihe weiterer Vorträge wurden unterschiedliche Parallelen zwischen Sprache und Genen herausgearbeitet, einer der Höhepunkte war sicherlich der Vortrag der Genetik-Koryphäe Walter Dörfler zu den nicht-kodierenden Abschnitten der DNA, deren Kapazität enorm, deren Funktion aber so gut wie unbekannt ist. Zudem gab es eine Reihe von Talks, in denen Probleme und Lösungsansätze zur Verarbeitung von Texten aus unterschiedlicher Sichtweise – Genetik, Linguistik und Sprachverarbeitung – präsentiert wurden, um mögliche Synergien oder alternative Ansätze zu diskutieren, wovon auch – nicht zuletzt beim Tagungsessen mit phantastischen Panorama – reichlich Gebrauch gemacht wurde.
Ich für meinen Teil bin froh, dass ich selbst mit einem Vortrag zur Diskussion beitragen durfte und dass ich in diesem Zuge interessante Leute und Ansätze kennen lernen konnte. Im nächsten Jahr soll es einen Nachfolge- Workshop geben, wo die Arbeiten des einbettenden Projektes vorgestellt und diskutiert werden sollen. Da bin ich gerne wieder dabei.
