Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us
Kategorien
Artikel

Versuch und Hintergrund: Eine Selbstkorrektur in vier Medien

[Link to the English version]

Wie ein literarisches Projekt mehr oder weniger unbeabsichtigt die Textdefinition aus meiner Dissertation von 2012 herausforderte – und zu welchen Annäherungen ich dadurch gekommen bin. Darüber hinaus auch ein Erfahrungsbericht zum Einsatz von aktueller Frontier-LLM-Infrastruktur für unterschiedliche Aufgaben.

Die Zahl und Qualität meiner Ausdrucksmittel sind beschränkt. Das, was einigermaßen funktioniert, ist das Schreiben. Auch wenn das nur selten jemanden interessiert, scheint es für mich Gründe zu geben, daran festzuhalten. Über den letzten Winter war so eine Zeit, in der etwas in mir gärte und mich nicht in Ruhe ließ, bis ich nach diversen Abendschichten einigermaßen zufrieden war mit dem Text, den ich da produziert hatte. Genaueres zur Textgenese habe ich schon in meinem privaten Blog dargelegt, es soll hier nicht wiederholt werden. Der frisch entstandene Text (“Das Lied der Sirene”) war jedenfalls nicht allein, weil er eine Art Antwort auf einen älteren Text (“Odysseus. Die Sirene. Ein Versuch.”) von mir war. Oder, wie ich es in der Überschrift zu beiden Texten ausdrückte (“Figur und Hintergrund”)  – der Hintergrund für eine Figur, die ich schon früher geschaffen hatte. Oder auch eine Figur vor dem Hintergrund des älteren Textes.

Auf der Suche nach einer angemessenen Folge

Nun haben es die beiden Konzepte gestaltpsychologisch an sich, dass man sie gemeinsam wahrnimmt. Oder ggfs. auch nacheinander, je nachdem, worauf man den Fokus legt. Entscheidend aber ist, dass man diesen jederzeit wechseln kann. Für mein Textpaar bedeutete das, dass ich keine logische Reihenfolge für ihre Präsentation fand und mir etwas anderes überlegen musste, als sie einfach nacheinander als zwei Blogtexte zu veröffentlichen. Sie bloß gegenseitig zu verlinken erschien mir als nicht ausreichend.

Interessanterweise forderte dies genau die Textdefinition heraus, die ich 2012 in meiner Dissertation unter dem Titel “Textprozessierung: Design und Applikation” verwendet hatte. Dort hieß es: “Definition 1 (Text): Ein Text ist eine konkrete Instanz einer Sequenz diskreter Einheiten aus einem endlichen Alphabet.“ Die Definition ist einerseits sehr allgemein (da über Texte als Verschriftlichung natürlicher Sprache hinausging), andererseits aber auch maximal restriktiv, da sie Texte als Phänomen kennzeichnete, das lediglich eine Dimension aufweist (eine Sequenz). Mein Beweggrund, sie so anzulegen war, in meiner Dissertation eine wissenschaftsübergreifende Methodik zur Verarbeitung / Prozessierung von Texten darzulegen, welche biologische (Proteine/Genom), musikalische (Partituren), programmiersprachliche, kryptologische und eben natürlichsprachliche Texte einschließen sollte. Dazu benötigte ich eine entsprechende Definition für das Konzept Text, an deren Grenzen ich jetzt mit meinem literarischen Projekt stand. Denn nun lagen zwei eindimensionale Sequenzen vor mir, die sich zusammen aber eben nicht auf einer Dimension fassen ließen, weil ich sie als Figur / Hintergrund miteinander verweben wollte.

Nachdem ich den Gedanken ein paar Tage habe sacken lassen, schälte sich eine Vorstellung heraus, dass die Lösung für mein Problem vielleicht darin bestünde, die Texte so auf einer Seite zu arrangieren, dass sie beide ineinander verschränkt werden, Lesende aber selbst entscheiden könnten, welchen Text sie den Vorrang geben wollen. Für das Figur-Hintergrund-Spiel schwebte mir vor, dass die Farben und Hintergründe der beiden Texte miteinander vertauscht werden sollte, ein Text sollte sich dunkel auf hellem Hintergrund abzeichnen, der andere hell auf dunklem. Der Bildschirm sollte quasi zwischen Normal- und Darkmode aufgeteilt werden. Es sollte dabei aber keine strikte Trennung zwischen den linken und dem rechten Teil geben, weil das ja wieder nur zu einer vorgegebenen Reihenfolge geführt hätte. In der Mitte sollten sich die Texte also überlappen. Mit html und css sollte sich so etwas wohl darstellen lassen, aber wie viel Zeit würde mich Ungeübten das kosten? Da traf es sich gut, dass ich einmal die Funktionalitäten von Claude Cowork austesten wollte und dafür ein Austest-Projekt benötigen würde. Dafür erschien mir mein Vorhaben geeignet, weil man nur einzelne Dateien ändern und dabei keinen Code ausführen oder Bibliotheken importieren müsste, – beides hätte eher für Claude Code gesprochen. Caveat: Ja, auch wenn ich Wasser predige (Verwendung von offenen Sprachmodellen) – um das mit gutem Gewissen auch weiter zu tun, muss ich den Wein (proprietäre Modelle) schon auch probieren! Und ja, die Nutzung von Claude Cowork war schon verdammt komfortabel, auch wenn ich im Laufe der Zeit eine ganze Reihe Sessions dafür starten musste.

Tatsächlich wurde die View-Komponente auf meinen Content (die beiden Texte, in ihrer deutschen und in ihrer englischen Form) viel massiver ausgebaut, als ich mir das anfangs gedacht hatte, was vor allem daran lag, dass ich mit Cowork einen Weg gefunden hatte, meine Ideen relativ schnell und vor allem anpassungsfähig umzusetzen. Das (noch immer vorläufige) Resultat kann man hier einsehen, zugrundeliegende Daten und Code liegen auf einem Github-Verzeichnis. Insgesamt sind vier verschiedene Perspektiven auf die Texte entstanden, mit zweien bin ich schon recht zufrieden, die anderen beiden sind noch experimentell, aber schon auf der Seite abrufbar.

View 1: Verschränkte Texte (Poster-Version)

Diese Perspektive setzt meine ursprüngliche Idee von den beiden Texten als wechselseitigen Figur-Hintergrund um. Die Seite selbst hat einen Farbverlauf von hell (links) zu dunkel (rechts). Auf der linken Seite findet sich der eine Text (“Odysseus. Die Sirene. Ein Versuch.” in dunkler Schrift), auf der rechten Seite der zweite (“Das Lied der Sirene”) in heller Schrift. Der rechte Text beginnt etwas über dem linken (so dass der Vorteil des links-Stehens ein wenig aufgewogen wird), in der Mitte gibt es eine Zone, in der sich beide Texte überlappen. Um den Text dort besser lesbar zu machen, wurde der Hintergrund dort unter den einzelnen Zeilen auf mehr Kontrast gebürstet. Die Schriftgröße ist so gewählt, dass der Text ein A1-Poster gut ausfüllt und auf diesem ohne Probleme lesbar ist. Die linke Spalte ist etwas schmaler gesetzt als die rechte, weil der Text entsprechend kürzer ist und die Fläche des Posters trotzdem voll ausgenutzt wird. Jenseits der Texte, ihren Überschriften und dem Farbverlauf im Hintergrund findet sich nichts auf den Seiten, um die Ästhetik des Posters nicht zu stören. Deutsche und englische Version sind deshalb auch auf eigenen Seiten zu finden (unten werden wir sehen, dass man die Sprache bei den anderen Perspektiven umschalten kann). Für mobile Geräte gibt es eine eigene Umsetzung, da die Breite kleiner Bildschirme nicht ausreicht, beide Texte parallel darzustellen. Ich habe mich daher entschieden, nur eine der beiden Textspalten (allerdings mit Überlappungszone zur anderen) darzustellen, mit horizontalem Wischen kann man von der einen zur anderen Spalte wechseln. In der Desktop-Version ist der View statisch, ebenso wie auf einem gedruckten Poster. Es war schon eine erste Näherung an die angestrebte Parallelizität der Texte, aber ich dachte, dass man diese noch dynamischer umsetzen könnte, wenn man von einem potentiell druckbaren Poster abstrahierte.

View 2: Vertonte Gleichzeitigkeit (Audio-Prototyp)

Im Nachdenken darüber, was für weitere Möglichkeiten der Parallelisierung es geben könnte, kam ich darauf, dass man dies mit einer Vertonung der Texte lösen könnte, die man parallel abspielt. Nun sind wir es eher nicht gewohnt, zwei Stimmen gleichzeitig zuzuhören, aber es ist nicht unmöglich. Und außerdem gibt es ja Möglichkeiten, zwischen den beiden Stimmen zu pegeln, so dass man einer leicht folgen kann, während man die andere in den Hintergrund schiebt. Dies habe ich (wieder mit Claudes Opus-4.6-Hilfe) im Audio-Prototypen mit einem Schieberegler umgesetzt. Die deutschen Texte habe ich selbst eingelesen, den Odysseus-Part habe ich etwas verlangsamt und danach wieder um die entsprechenden Halbtöne hochgesetzt, um meine Stimme zu rekonstruieren. Die eingesprochene Audiospur der Sirene an ElevenLabs übergeben, wo sie mit der Stimme von “Doris” (aber mit meiner Betonung und in meinem Tempo) vertont wurde. Dazu war der Umfang eines Probeaccounts ausreichend. Bei OpenAI hatte ich noch ein paar Freitokens offen, die ich dazu genutzt habe, die englischen Texte von einer eher männlich (Odysseus) und einer eher weiblich (Sirene) gehörten Stimme einlesen zu lassen. Ich bin mit keiner der Tonspuren wirklich zufrieden, aber der View hat ja auch noch Prototyp-Charakter. Sollte jemand eine tolle Vorlesestimme haben und Gefallen an den Texten und ihrer Umsetzung finden, würde ich mich freuen, in der Hinsicht zu kooperieren!

Im Audio-View laufen auch noch die beiden Texte in jeweils einem Band, und das weitestgehend parallel zur Audiospur. Das war ein wenig Gefrickel mit Timestamps, vor allem, weil der Odysseus-Text kürzer ist und deswegen Pausen macht. Da ich es als ästhetisch nicht schön empfand, beide von links nach rechts laufen zu lassen, läuft einer in Spiegelschrift von rechts nach links. Welchen der Texte dieses Schicksal ereilt, lässt sich über einen Schalter bestimmen, ebenso kann man zwischen den deutschen und den englischen Texten umschalten. Es gibt noch einen advanced-Mode, der sich auswählen lässt, mit mehr Funktionalität, aber weniger Chique. Wie der Name audio-prototype.html schon sagt, ist die Arbeit an keinem der beiden Modes abgeschlossen, das Potential lässt sich aber meiner Meinung nach schon abschätzen.    

View 3: Verschobene Aufmerksamkeit (Fokus-Version)

Die Idee, einen Schieberegler zu verwenden, um zwischen den Audiospuren zu wechseln, könnte man auch auf die Texte übertragen, wie ich fand. Man braucht noch nicht einmal einen Regler, sondern kann entweder die Position des Mauszeigers, oder – bei mobilen Geräten – Interaktionen mit dem Touchscreen oder gar die Daten des Gyroskopes nutzen, um Besucher der Seite in den Texten navigieren zu lassen. Ich schilderte die Idee Claude und bekam dafür übereinander gelegte, gemeinsam unlesbare Texte, die aber mit Veränderung der Fokus-Position wechselseitig entzifferbar werden: Wenn man den Mauszeiger, den Touchscreen oder das gesamte Mobilgerät auf links steuert, hellt sich der Bildschirm auf und der Odysseus-Text wird in dunkler Schrift lesbar. Auf der rechten Seite verdunkelt sich der Bildschirm und der Sirenen-Text wird lesbar. Obwohl Claudes erster Entwurf schon recht vielversprechend war, mussten noch eine Reihe von Anpassungen vorgenommen werden, bis sowohl Desktop-, als auch mobile Version einigermaßen smart steuerbar wurden. Und jetzt muss ich sagen, dass mir der Fokus-View aktuell am meisten zusagt, weil er die Texte tatsächlich wechselseitig in den Vordergrund / Hintergrund treten lässt, was dem zugrundeliegenden Gedanken schon recht nahe kommt.   

View 4: Verborgene Schichten (Palimpsest-Prototyp)

Nach der Erstellung der drei Views, auf die ich mehr oder weniger selbstständig gekommen war, fragte ich Claude, ob man das Figur-Hintergrund-Paradigma noch auf andere Weise angemessen umsetzen könnte. Claude kam mit einer Reihe von Vorschlägen, deren Zauber ich nicht so recht zu erkennen vermochte – die meisten Ideen wechselten automatisiert zwischen den Texten, ohne dass man als Leser:in eingreifen konnte, was ich mir für diese als recht nervig vorstellte. Einen der Vorschläge fand ich aber doch interessant: Claude nannte es selbst “Palimpsest”: Man sieht auf der Seite nur einen Text, hat aber recht großen Kreis als Cursor. Wenn man diesen über den Text bewegt, wird noch ein weiterer Text zwischen dem anderen sichtbar, so ähnlich wie bei der näheren Untersuchung alter Pergamente, wo man noch evtl. Spuren früherer Beschriftungen finden kann. Wir mussten erst ein wenig mit Farbverläufen des Hintergrundes, der Schrift und der Kreisfläche experimentieren, bis der zweite Text einigermaßen lesbar wurde, was bisher so richtig auch nur für die Desktop-Version gelang. Man kann hier wieder zwischen den Sprachen switchen und außerdem zwischen den Texten, womit man bestimmt, welcher im Vordergrund steht und welchen man erst durch den Cursor sichtbar machen muss. U. a. aufgrund der noch schlecht lesbaren Mobilversion ist der Palimpsest-View auch noch Work in Progress. 

Tech: Stack it simple

Technisch bewegen sich die Umsetzungen bewusst auf niedrigem Niveau – sie bauen auf  statischem HTML, CSS und etwas JavaScript auf – keine Frameworks, kein Build-Prozess, keine Abhängigkeiten jenseits einer eingebundenen Schriftart. Die Texte (Odysseus, Sirene, jeweils zweisprachig) liegen in einer JSON-Datei vor und werden beim Laden der einzelnen Seiten eingelesen; der Rest ist Gestaltung im Browser. Das hat den Vorteil, dass alles in einem schlichten Github-Repository liegen kann und über Github Pages ohne weitere Infrastruktur ausgeliefert wird. HTML und CSS tragen die gesamte visuelle Gestaltung — Farbverläufe, Transparenzen, Maskierungen und Typographie erledigen erstaunlich viel von dem, was auf den ersten Blick nach aufwendiger Grafik aussieht. JavaScript kommt nur dort zum Einsatz, wo tatsächlich Interaktionen oder Audiowiedergabe stattfinden: bei der Steuerung von Fokus und Sichtbarkeit durch Maus oder Gyroskop, bei der dynamischen Freilegung von verborgenen Texten, beim Crossfading zwischen zwei Audiospuren. Es ist kein Zufall, dass das genau die Stellen sind, an denen die Eindimensionalität der Texte aufgebrochen werden soll – die statische Poster-Ansicht, die dem klassischen Textbegriff am nächsten steht, kommt fast ohne JavaScript aus – dort müssen nur die Texte importiert werden. Darauf wollte ich bewusst nicht verzichten, weil ich Änderungen des Textmaterials nur an genau einer Stelle vornehmen möchte. Dass insgesamt vier recht unterschiedliche Zugänge zu denselben Texten entstanden sind, lag weniger an technischer Raffinesse als daran, dass die geringe Komplexität des Techstacks schnelles Experimentieren erlaubte – eine Eigenschaft, die sich gut mit der iterativen Arbeitsweise in Claude Cowork vertrug.

Ich muss zugeben, dass ich ohne die Nutzung von der Infrastruktur von Claude Cowork und dem Modell Opus 4.6 wohl niemals die Zeit gefunden hätte, die vier verschiedenen Views umzusetzen. Auf den Palimpsest-View wäre ich selbst wahrscheinlich gar nicht gekommen. Wie oben schon erwähnt, brauchte ich eine ganze Reihe von Sessions (ich würde sagen um die 20), weil das mir zur Verfügung stehende Tokenlimit (ich habe Claude Pro für 214,20 € für ein Jahr abgeschlossen) oft ausgeschöpft war und ich mehrere Stunden auf die Zurücksetzung warten musste. Da es sich um ein privates Projekt handelte, für das ich meist die Abendstunden nutzte, war das manchmal aber auch eine willkommene Gelegenheit Feierabend zu machen. Oder eben eine Einladung, selbstständig etwas weiter zu kommen, die ich bisweilen auch gerne annahm. Der meiste Code ist aber definitiv von Claude geschrieben worden und in Interaktion mit mir weiter verfeinert, bis ich mit dem Ergebnis (mindestens vorerst) leben konnte.

Generative KI habe ich in dem Projekt nicht nur zum Coden eingesetzt, oben erwähnte ich schon, dass für die Erstellung der Audio-Dateien ElevenLabs und OpenAI zum Einsatz kamen – mit nicht ganz zufriedenstellenden, aber zumindest übergangsweise verwendbaren Ergebnissen. Beim Schreiben des Sirenen-Textes habe ich generative KI öfter mal nach Synonymen gefragt, wenn ich bei Openthesaurus nicht fündig geworden bin, manchmal half sie auch bei Wortfindungsstörungen. Interessehalber habe ich auch versucht, verschiedene Modelle von Anthropic, OpenAI und Google dazu zu bringen, meinen literarischen Sirenen-Text anhand relativ detaillierter Vorgaben weiterzuschreiben, was allerdings zu vollends unbrauchbaren Ergebnissen führte – was bei ChatGPT jetzt nicht unbedingt überraschend ist, wenn man die entsprechende Recherche von Christoph Heilig dazu kennt. Immerhin stimmten mir alle Modelle bereitwillig zu, als ich sie lausige Dichter nannte. Sehr hilfreich waren für mich allerdings Diskussionen, die ich mit Claude und ChatGPT zur Übertragung meiner original deutschen Texte ins Englische führte. Ich hatte gewisse Vorstellungen, wie diese aussehen sollten und die Modelle hatten eine solche auch. Wir haben relativ lange und oft wiederholt über fast alle Passagen diskutiert (gestritten kann man ja nicht sagen, weil man ja – Sycophancy – eigentlich immer Recht bekommt, wenn man falsch fragt). Es war letztlich ein Ringen, meine Vorstellungen mit einem einigermaßen akzeptierten englischen Sprachduktus in Übereinstimmung zu bringen. Es wäre wahrscheinlich schwer geworden, jemanden zu finden, der bereit gewesen wäre, diese langwierige Aufgabe mit mir zu übernehmen. Ich bin nun nicht derjenige, der das Resultat gut beurteilen könnte, aber es hat mich und letztlich auch die LLMs zufrieden gestellt. Und ich bin definitiv sehr offen für Rückmeldungen aller Art, was das Ergebnis betrifft!

Inzwischen bin ich selbst überrascht davon, wie viel Arbeit ich in den letzten Monaten in dieses Projekt gesteckt habe. Irgendwie kamen die richtigen Dinge zusammen – das Bedürfnis, einen Text zu verfassen, daraus resultierend das Problem, zwei nicht in eine Sequenz zu bringende Texte auf eine akzeptable Art zu veröffentlichen, dazu meine Freude daran, Dinge softwaretechnologisch umzusetzen und der durch meinen Job bedingte Anspruch, die Vorzüge und Grenzen neuer Sprachmodelle und der Umgebungen, in die sie eingebettet sind, auszutesten. Was den Textbegriff aus meiner Dissertation angeht, war mir ja schon vorher klar, dass er nicht alle literaturwissenschaftlichen / editionsphilologischen Variationen würde auffangen können – es gibt ja durchaus graphische Formen von Texten, dazu solche, die eine Entwicklung in der Zeit nahmen und jetzt eben noch welche mit Figur-Hintergrund-Struktur, die in einer einzigen Dimension eben nicht fassbar sind. Ich denke, dass er trotzdem seine Berechtigung hat, weil er in einer Hinsicht eben vermag, eine gemeinsame Grundlage für unterschiedliche Forschungsbereiche zu legen.

Eine Frage, die sich mir dabei stellt, ist die, ob die vier verschiedenen Views, die nun vorliegen, den Blick auf den Inhalt der beiden Texte, die ich so lange mit mir herumgetragen habe, verstellen. Oder ob sie doch eher ein integraler Bestandteil des Ausdrucks sind, an dem ich nun schon so lange gefeilt habe. Sollte tatsächlich jemand “Das Lied der Sirene” gelesen haben, wäre bekannt, dass ich nicht davon ausgehe, groß Resonanz auf derartige Projekte zu bekommen. Wenn mir aber doch jemand etwas rückmelden möchte, würde mich das natürlich sehr freuen!

 


Nur der Text ist unter der Lizenz Creative Commons Namensnennung 4.0 International nutzbar. Alle anderen Elemente (Abbildungen, importierte Anhänge) sind „Alle Rechte vorbehalten“, sofern nicht anders angegeben.


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Jürgen Hermes (14. April 2026). Versuch und Hintergrund: Eine Selbstkorrektur in vier Medien. TEXperimenTales. Abgerufen am 10. Mai 2026 von https://doi.org/10.58079/1628e


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

This site uses Akismet to reduce spam. Learn how your comment data is processed.