Arbeitet als Wissenschaftler und Geschäftsführer am Institut für Digital Humanities an der Universität zu Köln.
Was mich sehr gefreut hat, vor allem, weil @tibub zehnmal mehr Follower hat als ich:
Definitiv unser #DigitalHumanities-Blog-Tipp der Woche, ach was, des Monats: TEXperimenTales von @spinfoCL jhermes.posterous.com
— TIB/UB Hannover (@tibub) Februar 23, 2012
Setzt mich natürlich auch ein bisschen unter Zugzwang. Ich breche zwar nicht in Hektik aus, werde mich aber bemühen, in meinem Ehrenmonat dem Lob gerecht zu werden! Auch auf diesem Wege nochmal: Vielen Dank nach Hannover!
Es folgt die Fortsetzung dieses Posts, den fertig zu schreiben mir vor dem Wochenende nicht gelungen war. Ich habe darin kurz, aber länger, als ich dies geplant hatte, in das erste kryptographische Werk des Johannes Trithemius, die Steganographia von 1499/1500, eingeführt. Die Rezeption des dreiteiligen Buches verläuft für Trithemius alles andere als günstig, denn der eigentlich fromme Kirchenmann wird in der Folge als gotteslästerlicher Magier verunglimpft. Als das Buch mit mehr als 100jähriger Verspätung gedruckt wird, landet es bald danach auf dem Index der katholischen Kirche – dennoch erscheinen im 17. Jahrhundert noch mehrere Auflagen: Katholisch indizierte Bücher waren damals ein willkommenes Druckerzeugnis protestantischer Drucker.
Kein Held der Kryptoanalyse, aber einer der Kryptographie im weiteren Sinne: Johannes Trithemius.
In den ersten beiden Teilen der Steganographia führt Trithemius mehrere Dutzend Chiffren ein, denen eigentlich ein simples steganographisches Prinzip zugrundeliegt. Das bedeutet, dass die Zeichen des Klartextes nicht durch Zeichen eines Geheimtextalphabets ausgetauscht, sondern dass sie lediglich versteckt wurden. Eine bekanntes derartiges Versteck sind die Anfangsbuchstaben von Wörtern, Sätzen oder Zeilen, die nach ihrer Zusammensetzung zusätzliche Information tragen (dies entspricht der literarischen Figur des Akrostichons). Die Chiffren des ersten Teils der Steganographia funktionieren allesamt auf diese Weise, allerdings sind nicht sämtliche Anfangsbuchstaben relevant. Vielmehr wird in arkanen Beschwörungsformeln, die Naturgeistern zugeordnet sind, codiert (daraus ergab sich auch Trithemius’ Magierproblem), welche der Anfangsbuchstaben des folgenden Textes zum Klartext zusammengesetzt werden müssen. Hört sich kompliziert an, ist es auch – und fehleranfällig dazu (Ein ausführliches Beispiel findet sich in meiner Dissertation in Kapitel 5.3.2). Die Chiffren im zweiten Teil der Steganographia funktionieren prinzipiell auf die gleiche Weise, allerdings wird das steganographische Prinzip mit einem kryptographischen kombiniert (die versteckten Zeichen werden vorher zusätzlich substituiert).
Wie schon erwähnt, klärt Trithemius selbst darüber auf, wie mit den Chiffren aus Buch I und II der Steganographia zu verfahren ist. Für den dritten Teil dagegen hinterlässt er keine Anleitung. 1674, Trithemius weilt schon mehr als 150 Jahre nicht mehr unter den Lebenden, behauptet Wolfgang Ernst Heidel (ein Berater des Mainzer Erzbischofs), dass er die Chiffre der Steganographia III geknackt hat. Eine nachvollziehbare Erläuterung des Verschlüsselungsprinzip bleibt er allerdings schuldig. Den Klartext, an den er gelangt sein will, macht er nur durch eine eigene Chiffre verschlüsselt zugänglich, deren Funktionsweise kein Mensch versteht. Dies seltsame Gebahren lässt Zeitgenossen und Nachwelt daran zweifeln, dass Heidels Behauptungen der Wahrheit entsprachen.
Wieder vergehen mehr als 300 Jahre; wir schreiben inzwischen das Jahr 1998. Das Geheimnis der Steganographia ist nun schon fast 500 Jahre offenbar ungelöst und der Mathematiker Jim Reeds, angestellt bei der Firma AT&T macht sich daran, nochmal einen intensiven Blick auf die Tabellen zu werfen, die einen Großteil der Steganographia III ausmachen. Tatsächlich gelingt es ihm, hinter den Zahlenkolonnen eine Abfolge mehrerer verschiedener monoalphabetischer Ersetzungen zu entdecken, die dechiffriert und zusammengesetzt einen relativ unspektakulären Klartext ergeben:
branger dis brieff ist ein boser schalg und ein dieb. huet dich for eme. er wirt dich anderst bedringen und schedigen.
Es ist nicht der einzige verschlüsselte Text von Trithemius, der sich negativ über das zustellende Gewerbe äußert, möglicherweise wollte der Abt so unterstreichen, dass der Bote selbst keine Ahnung davon hatte, welche Information er da zustellte.
Reeds hatte Sensationelles geleistet. Dies sollte mit einer Veröffentlichung in der Cryptologia, dem Zentralorgan für Kryptologische Studien, gewürdigt werden. Der bedauernswerte Reeds selbst war es, der im Zuge intensiverer Recherchen im Vorfeld seiner Veröffentlichung auf einen Beitrag des Germanisten Thomas Ernst von 1996 stieß (im deutschsprachigen Zentralorgan für Mittlere Deutsche Literatur und Kultur der Frühen Neuzeit, der Zeitschrift Daphnis), in der dieser – weitgehend unbemerkt von der kryptologischen Öffentlichkeit – auf 200 Seiten darlegte, was Reeds auch, aber zu spät herausgefunden hatte. Nebenbei knackte Ernst auch Heidels verschlüsselte Entschlüsselung und wies damit nach, dass nicht ihm selbst der erste erfolgreiche Angriff auf Steganographia III gelungen war.
Reeds aber ließ sich nicht lumpen und veröffentlichte statt seiner Entschlüsselung voller Bewunderung eine Rezension zu Ernsts Text. Nicht zur Sprache brachte er dabei, dass seine eigene Darlegung (die eines Mathematikers) im Draft auf 28 Seiten Platz fand, während Ernst (der Germanist) für seine derer 200 benötigte. Aber ebenso wie Reeds kann ich diese 200 Seiten aus vollem Herzen zur Lektüre empfehlen, denn viel unterhaltsamer als Ernst kann man seine Gelehrsamkeit nicht zu Papier bringen.
Ein Grund, weshalb ich die Geschichte hier im Blog erzählt habe, ist der, dass ich Heldensagen mag. Reeds, Ernst und Heidel ist etwas gelungen, an dem sich so viele andere die Zähne ausgebissen haben. Die drei legen außerdem ein so beeindruckendes, in seiner Konsequenz krudes, Maß an Understatement an den Tag, dass es mir eine wahre Freude ist, darüber zu berichten. In einem Interview mit der New York Times wird Ernst gefragt, weshalb um Himmels willen Heidel seine Entschlüsselung wiederum chiffrierte. “It was cryptological vanity” ist seine Antwort. Er selbst ist davon ja auch nicht frei – er wählte eben ein steganographisches Prinzip, indem er seine Lösung der Dinge in einer Zeitschrift mit kleiner Auflage versteckte. Darüber hinaus trug er das Wissen über seine Entschlüsselung mehrere Jahre mit sich herum, bevor es endlich veröffentlicht wurde.
Die Schilderung der Episode steht aber auch in einem Zusammenhang zu dem Zeug, das ich hier sonst so schreibe: Offenbar haben hier ein Natur- und ein Geisteswissenschaftler an ein- und demselben Problem gearbeitet. Trotz ihrer sehr unterschiedlichen Herangehensweisen (vor allem, was die Schilderung ihrer Leistungen angeht), bewältigen sie die Analyse der numerischen Daten aus den Tabellen der Steganographia III auf die gleiche Art. Bei dieser Analyse hätten sich beide von einem textprozessierenden System unterstützen lassen können, das ihre Ergebnisse im Anschluss an die Analysen nachvollziehbar hätte dokumentieren können. Hinsichtlich der oben geschilderten Heldentat kommt das Text Engineering Software Laboratory zu spät. Aber da sind ja noch ein paar andere Pfeile im Köcher.
Literatur
[Eine aktualisierte Fassung dieses und des Folge-Posts gibt es inzwischen hier]
Zur Abwechslung heute mal ein Thema, das wenngleich nicht direkt mit Tesla, so doch mit der Prozessierung von Texten zu tun hat. Es geht um eine Episode in der Geschichte der Kryptoanalyse, die ich auch in meiner Arbeit thematisiere und die sich in vergleichsweise jüngerer Zeit zutrug. Vielleicht gelingt es mir, durch ihre Schilderung anschaulich darzulegen, dass auch im Zeitalter von Computern und Internet nicht nur moderne, berechnungsintensive Chiffrierverfahren schwer zu knackende Geheimtexte erzeugen, sondern dass dies durchaus auch historischen Chiffren gelingen kann.
Eine solche Chiffre findet sich zum Beispiel in der Steganographia, die in den Jahren 1499/1500, gleichsam am Scheitel der Zeitenwende vom Mittelalter zur Neuzeit, vom Sponheimer Abt Johannes Trithemius zu Papier gebracht wurde. Das Buch besteht aus drei Teilen, obwohl es von Trithemius selbst eigentlich als fünfbändiges Werk angekündigt wurde. Trithemius’ Ankündigung großspurig zu nennen, wäre ohnehin schlichtweg eine Untertreibung, so schreibt sein Biograph Klaus Arnold:
“Denn was wird nicht alles versprochen: Im ersten Buch eine Geheimschrift, die in einem unverdächtigen Text verborgen sein soll, im zweiten eine Technik der Nachrichtenübermittlung mit Hilfe eines Boten, der von der Botschaft selbst keine Kenntnis hat, oder auch ohne Zuhilfenahme eines Boten; das dritte Buch ermögliche es einem ungelehrten Manne, der nur seine Muttersprache beherrscht, innerhalb von zwei Stunden lateinische Briefe zu lesen, zu schreiben und zu verstehen, das vierte soll lehren, Nachrichten beim Essen, Sprechen oder Musizieren mitzuteilen. Der Inhalt des fünften Buches soll noch unbekannt bleiben, alles genannte jedoch ohne Täuschung oder magische Kunststücke vonstatten gehen.”
Was heute wohl einfach unbeachtet in irgendeinem Blog gepostet und umgehend vergessen würde, stieß zur damaligen Zeit auf ein großes Interesse und noch größere Skepsis. Vor allem die damals noch mächtige, Wissenschaften und gesamtes Schriftum bestimmende katholische Kirche betrachtete die Vorankündigung argwöhnisch und schickte einen ihrer führenden intellektuellen Köpfe, den Pariser Philosophen und Theologen Carolus Bovillus in die rheinhessische Provinz, um dort nach dem Rechten zu sehen. Für Trithemius wird dieser Besuch zum Desaster, Bovillus zeigt sich über den Text der Steganographia entsetzt und spricht offen von Gotteslästerung, was zur damaligen Zeit auch außerhalb des nordamerikanischen Bible Belts recht ungute Konsequenzen hatte. Der eigentlich fromme Trithemius wird in den Augen der Öffentlichkeit zu einem okkulten Magier und die Steganographia muss über ein Jahrhundert auf ihre Veröffentlichung (1606) warten – um nur drei Jahre später (1609) für rund 250 fast 300 Jahre auf dem Index der von der katholischen Kirche verbotenen Bücher (Index Librorum Prohibitorum) zu landen.
Hier reicht der Platz nicht aus, um herauszuarbeiten, woran genau Bovillus Anstoß nahm (das mag man in meiner Arbeit – oder besser noch bei Arnold – nachlesen, wenn man will). Großen Anteil hatten wohl vor allem die arkansprachlichen Beschwörungsformeln, auf denen ein kompliziertes, zweistufiges Schlüsselsystem beruhte, das den Chiffren der ersten beiden Teile der Steganographia zugrundeliegt. Trithemius legt selbst in einer Frühfassung des Werkes (den Clavis Steganographiae) dar, wie mit den Beschwörungsformeln zu verfahren ist, verschweigt dies aber anscheinend gegenüber Bovillus. Der versteht nichts und wittert – wie könnte es anders sein – Teufelswerk, mit den oben beschriebenen Folgen.
Die Auflösung zu den Chiffrierverfahren der ersten beiden Bücher der Steganographia liefert Trithemius also selbst. Anders verhält es sich beim dritten Teil. Dieser fällt zudem aus der Reihe, als dass er sehr viel kürzer als die anderen beiden Bücher ausfällt (er enthält ein einziges Kapitel gegenüber 32 im ersten und 24 Kapitel im zweiten Buch) und eher an ein Fragment denn an ein ausgearbeitetes Werk erinnert. Lange Zeit wurde bezweifelt, ob in ihm überhaupt ein Verschlüsselungsverfahren beschrieben wird oder ob es sich nur um eine Art schwarzer Magie, Pseudowissenschaft und/oder hermetisches Geplänkel handelt. In der Einleitung legt Trithemius dar, dass er ein Verfahren beschreibt, das auf den sieben Planeten sowie den 21 Geistern beruhe und mit dem die Weitergabe von Informationen ohne Wörter, Bücher und Boten möglich sein soll. Garniert ist das kurze Kapitel mit diversen Tabellen, die kosmologische Ereignisse in zeitlichen Abläufen zusammenstellen. Ein Ausschnitt einer solchen Tabelle ist zeigt das folgende Bild
Scheinbar wusste fast 500 Jahre niemand etwas mit diesen Tabellen anzufangen. Erst in den 90er Jahren des 20. Jahrhunderts änderte sich das. Doppelt. Davon mehr im nächsten Post. [Sorry, der Cliffhanger war nicht beabsichtigt. Vielleicht komme ich am Wochenende dazu, die Geschichte zuende zu erzählen.]
Literatur
Abstract
Die wissenschaftliche Kommunikation und der Austausch von Forschungsergebnissen beruhte lange Zeit einzig auf der Veröffentlichung und der Rezeption von Fachbüchern und -artikeln. Erst in der jüngeren Vergangenheit wurden auch Lösungen entworfen, wie die dem Forschungsprozess zugrundeliegenden sowie die aus diesem resultierenden Daten ausgetauscht werden können. Eine zentrale Rolle spielt dabei die beständig fortschreitende Entwicklung innerhalb der Informationstechnologie.
Im Rahmen dieser Arbeit wurde ein Software-System entwickelt, das es erlaubt, Experimente auszutauschen. Damit ist ein Wissenschaftler in der Lage, die Grundlage seiner empirischen Forschung direkt weiterzugeben. Dieses System ist das Text Engineering Software Laboratory, kurz Tesla. Es stellt eine Arbeitsumgebung für Wissenschaftler, die auf textuellen Daten arbeiten, bereit. Innerhalb dieser Arbeitsumgebung können in einem Client Experimente mithilfe eines graphischen Workflow-Editors sowie diverser Konfigurations-Editoren zusammengestellt werden. Diese werden auf einem Server ausgeführt und können dann wieder im Client auf unterschiedliche Arten visualisiert werden. Die Experimente werden dabei vollständig dokumentiert (Ausgangsdaten, angewendete Verfahren, Resultate). Diese Dokumentation kann exportiert und distribuiert werden, so dass die Experimente jederzeit von anderen Nutzern des Systems reproduziert werden können.
Die Arbeit geht zunächst darauf ein, welche Bereiche der Wissenschaft in das Feld der Textprozessierung fallen. Daraus werden Anforderungen abgeleitet, welche von diesen Wissenschaften als Basis für Forschungen an ihrem Gegenstandsbereichen und deren Weitergabe gestellt werden. Auf dieser Grundlage wird das System Tesla vorgestellt, das den formulierten Ansprüchen gerecht wird. Dabei werden die wichtigsten Features behandelt, die Tesla dem Anwender bietet. Die Demonstration des Systems erfolgt am Beispiel einer Analyse des sogenannten Voynich-Manuskripts. Dieses Dokument wurde 1912 in Italien entdeckt und stammt mutmaßlich aus dem 15. Jahrhundert. Das Manuskript enthält einen Text eines unbekannten Autors, dessen Inhalt bisher nicht entschlüsselt werden konnte. Bisher wurde auch noch kein Verschlüsselungsverfahren gefunden, das einen vergleichbaren Text erzeugt, was sich mit dieser Arbeit ändert.
Die letzte Woche habe ich fast ausschließlich damit zugebracht, ein Titelblatt für die Veröffentlichung meiner Dissertation zu entwerfen. Seit gestern bin ich einigermaßen zufrieden mit dem Ergebnis, eigentlich ging es die ganze Zeit nur darum, folgendes Bild zu erzeugen:
Es handelt sich um eine sogenannte WordCloud, welche die Häufigkeiten der Wörter eines Eingabetextes (in diesem Fall der Text meiner Dissertation selbst) in Relation zueinander abbildet. D.h. Je häufiger ein Wort im Text vorkommt, desto größer wird es dargestellt. Wer sich schon einmal mit Sprachstatistik beschäftigt hat, weiß natürlich, dass im Deutschen die Konjunktion “und” sowie der bestimmte Artikel in seinen unterschiedlichen Formen (die, der, das) am häufigsten auftreten und sich dabei leidlich an die vom Zipfschen Gesetz vorgegebenen Verhältnisse halten.
Es erschien mir relativ witzlos, mein Titelblatt mit einer WordCloud zu verzieren, die auf den ersten Blick den Eindruck macht, sie wäre aus einem beliebigen deutschen Text erzeugt worden. Vielmehr sollte schon durch die Wolke der Leserin bzw. dem Leser ein Eindruck gegeben werden, was sie bzw. ihn im Text selbst erwartet. Dazu musste ich die WordCloud irgendwie dazu bringen, die Wörter, die häufig vorkommen, aber uninteressant sind, zu ignorieren und dafür die weniger häufig vorkommenden, aber immer noch frequenten Wörter meiner Dissertation darzustellen.
Einen solchen Filterprozess kann man durch unterschiedliche Verfahren realisieren. Wenn man ein ganzes Textkorpus hat, so ist die sauberste Methode das TF-IDF-Verfahren. Bei diesem wird die Auftrittshäufigkeit eines Wortes innerhalb eines Dokuments (Term Frequency, TF) in Relation gesetzt zur Vorkommenshäufigkeit des Wortes in allen Dokumenten des Korpus (Document Frequency, DF, für die Berechnung muss diese invertiert werden, deswegen IDF). Diese Methode funktioniert sehr gut und wird im Information Retrieval (vereinfacht Suchmaschinentechnologie) mit großem Erfolg angewendet.
Hat man kein Vergleichskorpus zur Hand, so muss man sich irgendwie anders behelfen. Ich habe z.B. festgestellt, dass eigentlich die Nomen in meinem Text die klarste Aussage darüber treffen, was darin behandelt wird. Nur wie kommt man an die Nomen? Dazu gibt es natürlich Tagger und schon sind wir bei einer Aufgabe, die man doch eigentlich auch mit Tesla erledigen kann, denn die Stuttgarter Computerlinguisten waren so nett, uns zu erlauben, Ihren TreeTagger in Tesla zu nutzen. Dazu habe ich dann noch eine Stoppwortliste geschaltet und zwei Filter, von denen einer die Nomen des Taggers und der andere die Nicht-Stoppwörter des Gazetteers durchlässt sowie einen Rewriter, der die beiden gefilterten Ströme kombiniert und voila – fertig ist das Tesla-Experiment:
Leider war ich mit dem Ergebnis nicht vollständig zufrieden – offenbar werden mehr Wörter als Nomen ausgezeichnet, als ich das will (z.B. “kurz”, “führt”), außerdem gibt es im Text noch ein paar Latex-Überbleibsel, die mein Reader noch nicht richtig verarbeiten kann und die deswegen im Resultat landen (z.B. “hbt”, “L3cm”). Außerdem habe ich einen Stemmer vergessen, deswegen taucht z.B. “Komponente” auch im Plural auf:
[Das Ergebnis kann man im Header dieses Blogs hier bestaunen]
Jetzt wäre es möglich, diese Dinge tatsächlich innerhalb von Tesla zu lösen – einen Stemmer haben wir da auch (den Snowball Stemmer), den ich allerdings noch konfigurieren müsste, da er auch Derivative auf ihre Grundform zurückführen will. In den LatexReader hab ich zwar schon viel Hirnrindenenergie investiert, verbesserbar ist der aber natürlich immer. Das mit den falsch positiven Nomen könnte ich unter Kontrolle bekommen, wenn ich noch eine Komponente erzeugen würde, die mir Kleingeschriebenes aussortiert (ein hoch auf die deutsche Großschreibung), usw. usf.
Ich habe mich letztlich entschieden, eine quick-and-dirty-Pipeline zu bauen, die zwar Tesla-Komponenten nutzt, aber nicht im Workflow-Editor zusammengebaut und auf dem Tesla-Server ausgeführt wird. Ja, werden jetzt vielleicht einige von euch sagen – da bauen die eine Riesensoftware und dann nutzen sie sie selbst nicht mal. Richtig, kann ich da nur sagen – Tesla kann zwar so gut wie alles (sogar selbst eine Cloud visualisieren), manche Anwendungen verlangen aber weniger eine exakte Reproduzierbarkeit als vielmehr möglichst flexible Eingriffe in den Prozess, der zum Endergebnis führt. Ich habe mich im oben beschriebenen Fall dazu entschieden, eine schnelle Lösung zu verfolgen, um die Ästhetik des Resultats zu optimieren. Hätte ich mein Titelblatt mit Tesla erzeugt, so hätte ich jetzt ein für die ganze Welt reproduzierbares Experiment, das mein Titelbild erzeugt. Ich denke, da gibt es wichtigere Experimente, die auf diese Weise durchgeführt werden sollten.
Mein Post ist schon wieder zu lang geworden, eigentlich wollte ich noch etwas über die Cloud-Software Cloudio meines Kollegen Stephan Schwiebert schreiben, die sowohl Teil von Tesla ist, aber auch standalone genutzt werden kann. Mit ihr wurden die beiden Clouds oben erzeugt – versucht sowas mal mit Wordle. Ich lass mich demnächst mal drüber aus (oder Stephan nen Gastbeitrag).