Datum:
08./09. Oktober 2026

Veranstaltungsort:
Bayerische Akademie der Wissenschaften
– Bibliothek –
Alfons-Goppel-Str. 11
80539 München

In diesem Jahr freuen wir uns besonders, einen Jubiläumsworkshop unserer Workshop-Reihe Linguistische Daten und Datenbanken (LDDB) zu veranstalten. Die Veranstaltung findet am 8. und 9. Oktober 2026 an der Bayerischen Akademie der Wissenschaften in München statt und nimmt zehn Jahre gemeinsamen Austauschs zum Anlass, auf Entwicklungen zurückzublicken und zugleich neue Perspektiven zu diskutieren.

Im Fokus unseres diesjährigen Treffens stehen insbesondere Projekte, die in den vergangenen Jahren bereits im Rahmen der Workshopreihe vorgestellt wurden. Gemeinsam möchten wir der Frage nachgehen, wie sich diese Projekte weiterentwickelt haben, welche neuen Herausforderungen, Fragestellungen und methodischen Ansätze hinzugekommen sind und welche übergreifenden Entwicklungen sich im Bereich linguistischer Dateninfrastrukturen beobachten lassen.

Der Workshop findet am 8. und 9. Oktober 2026 mit folgendem Programm statt; die Abstracts folgen anschließend.

Programm

Donnerstag, 08. Oktober 2026
09:45 – 10:00	Begrüßung
10:00 – 11:00	Jenseits von KWIC: Such- und Anzeigeformate für phonetisch annotierte Variationskorpora (Elena Frick, Jan Gorisch)
11:00– 12:00	Audiovisuell, multimodal, multisensoriell — Weiterentwicklung von Korpusplattform und Workflows für komplexe Interaktionsdaten (Thomas Schmidt, Anne Ferger, Karola Pitsch, Felix Bergmann)
12:00– 13:00	Mittagspause
13:00– 14:00	Webdienste des Bayerischen Archivs für Sprachsignale – vom Tool für Spezialisten zum Service für die Allgemeinheit (Christoph Draxler)
14:00 – 15:00	Die LiRI-Korpusplattform: Wie man schnelle und komplexe Abfragen auf großen multimodalen Korpora durchführt (Jeremy Zehr, Jonathan Schaber)
15:00 – 16:00	Pause; Anfahrt nach Garching
16:00 – 18:00	Besichtigung des LRZ in Garching: Supercomputing-Clusters sowie der Virtual-Reality-Cave
ab 19:30	gemeinsames Abendessen (auf eigene Kosten)

Freitag, 09. Oktober 2026
09:00 – 10:00	Do linguistsdreamofcuratedcorpora? Infrastruktur und Datenkuratierung im INEL-Projekt (Elena Lazarenko)
10:00 – 11: 00	REDE nach REDE – Die Zukunft des SprachGIS (Robert Engsterhold)
11:00 – 12: 00	TBA
ab 12:00	Verabschiedung

Neben der Präsentation von Projektständen sollen insbesondere offene Fragen, Probleme und Desiderate thematisiert werden. Daher stehen jedem Beitrag 20 Minuten für den Vortrag sowie 40 Minuten für die anschließende Diskussion zur Verfügung, um ausreichend Raum für vertieften Austausch und gemeinsame Reflexion zu bieten.

Bei Interesse an einer Teilnahme bitten wir um eine E-Mail an Ines Röhrer (ines.roehrer@badw.de) mit der Angabe, ob Sie an der Besichtigung am LRZ teilnehmen möchten.

Wichtige Information zur Besichtigung am LRZ: Sie benötigen für die Zutrittskontrolle zwingend einen gültigen Lichtbildausweis!
 

Abstracts

Jenseits von KWIC: Such- und Anzeigeformate für phonetisch annotierte Variationskorpora

Elena Frick, Jan Gorisch (Leibniz-Institut für Deutsche Sprache)

Phonetische Annotationen eröffnen neue Möglichkeiten der Korpusanalyse, und stellen zugleich besondere Anforderungen an Datenmodellierung, Suchfunktionalität und Ergebnisdarstellung. In diesem Beitrag präsentieren wir eine Erweiterung der ZuMult-Architektur, eines Open-Source-Frameworks für einen einheitlichen und standardbasierten Zugriff auf Ressourcen gesprochener Sprache (Schmidt et al. 2023). Dank eines objektorientierten Korpusdatenmodells und einer Drei-Ebenen-Architektur lässt sich ZuMult flexibel an verschiedene Korpustypen und Nutzungsszenarien anpassen. 

Als aktueller Anwendungsfall dient das Variationskorpus „Deutsch heute“ (Brinckmann et al. 2008), dessen manuell erstellte phonetische Annotationen für die wissenschaftliche Nachnutzung online zugänglich gemacht werden sollen. Während sich die technische Integration vergleichsweise gut in die bestehende Architektur einfügt, wirft insbesondere die Gestaltung der Benutzungsschnittstelle neue Fragen auf: Phonetisch motivierte Recherchen unterscheiden sich grundlegend von lexikalischen, grammatischen oder interaktionslinguistischen Suchszenarien und erfordern daher andere Formen der Ergebnisdarstellung als die klassische KWIC-Ansicht. 

Mit diesem Beitrag präsentieren wir aktuelle Arbeiten zur Modellierung phonetischer Annotationen im ISO/TEI-Standard für Transkriptionen gesprochener Sprache (ISO 24624:2016) und ihrer Indexierung für CQP-basierte Suchanfragen. Anhand eines implementierten Prototyps wollen wir konzeptionelle und technische Herausforderungen sowie mögliche Lösungsansätze für die Gestaltung benutzerfreundlicher Oberflächen für phonetisch annotierte Variationskorpora mit den Teilnehmenden des Workshops diskutieren. 

Literatur:

Brinckmann, C., Kleiner, S., Knöbl, R., Berend, N. (2008). German today: an areally extensive corpus of spoken standard German. N. Calzolari et al. (Eds.), Proceedings of the Sixth International Conference on Language Resources and Evaluation (LREC 2008) (pp. 3185–3191). Marrakech, Morocco: European Language Resources Association (ELRA). https://aclanthology.org/L08-1516/ 

Schmidt, T., Fandrych, C., Frick, E., Schwendemann, M., Wallner, F., Wörner, K. (2023). Zugänge zu mündlichen Korpora für DaF und DaZ – Projekt, Datengrundlagen, technische Basis. In: Fandrych, C., Schmidt, T., Wallner, F., Wörner, K. (Hrsg.): Korpora Deutsch als Fremdsprache 3(1). Themenschwerpunkt: Zugänge zu mündlichen Korpora für DaF und DaZ: Das ZuMult-Projekt. Darmstadt: KorDaF, 2023. S. 1–12. https://kordaf.tujournals.ulb.tu-darmstadt.de/article/id/3721/

Audiovisuell, multimodal, multisensoriell: Weiterentwicklung von Korpusplattform und Workflows für komplexe Interaktionsdaten

Thomas Schmidt, Anne Ferger, Karola Pitsch, Felix Bergmann
 (Institut für Kommunikationswissenschaft, Universität Duisburg-Essen)

ZuMult ist eine Architektur für den Zugriff auf audiovisuelle Sprachkorpora. Das System ist als offene, auf etablierten Standards und Technologien basierende Infrastruktur konzipiert, die sich flexibel an unterschiedliche Formen der Datenhaltung im Backend sowie an verschiedene Anwendungsszenarien im Frontend anpassen lässt (Schmidt et al. 2026). Diese Flexibilität wurde bereits in unterschiedlichen Kontexten erprobt, unter anderem für die sprachdidaktische Nutzung von Gesprächskorpora des Archivs für Gesprochenes Deutsch (Fandrych et al. 2023) sowie für einen variationslinguistischen Zugang zu den Korpora des Texas German Dialect Project (Boas et al. 2026).

An der Universität Duisburg-Essen entwickeln wir derzeit eine ZuMult-Web-Plattform für die multimodalen Korpora des Instituts für Kommunikationswissenschaft. Charakteristisch für diese Daten sind die große Anzahl an Videos, die komplexe Interaktionssituationen – etwa Mensch-Maschine-Kommunikation oder Großübungen im Rettungswesen – aus verschiedenen Perspektiven aufzeichnen, Sensordaten (z. B. mobile Eye-Tracker, Motion Capturing), die die audiovisuellen Daten um präzisere Erfassungen ausgewählter Aspekte multimodaler Kommunikation ergänzen, sowie die daraus resultierenden multimodalen Annotationen auf mehreren Ebenen.

Unser Beitrag stellt die teilautomatisierten Workflows vor, mit denen diese Daten erschlossen werden. Darüber hinaus zeigt er, welche Erweiterungen an ZuMult vorgenommen werden, um die interaktionsanalytische Auswertung unter Berücksichtigung von Multimodalität und Multisensorialität bestmöglich zu unterstützen.

Literatur:

Boas, Hans/ Schmidt, Thomas/ Blevins, Margaret (2026): A new corpus platform for the Texas German Dialect Project. Language Resources & Evaluation 60 (52). https://doi.org/10.1007/s10579-025-09893-6 

Fandrych, Christian/Schmidt, Thomas/Wallner, Franziska/Wörner, Kai (Hrsg.) (2023): Korpora Deutsch als Fremdsprache 3(1). Themenschwerpunkt: Zugänge zu mündlichen Korpora für DaF und DaZ: Das ZuMult-Projekt Darmstadt: KorDaF, 2023. S. 1–12. https://kordaf.tujournals.ulb.tu-darmstadt.de/issue/92/info/ 

Schmidt, Thomas/Ferger, Anne/Frick, Elena (2026): Putting things on top of other things: The ZuMult platform for multimodal corpora and its ecosystem. In: Grisot, Christina et al. (Hrsg.): Selected Papers of the CLARIN Annual Conference 2025. https://doi.org/10.3384/ecp222.1601 

Webdienste des Bayerischen Archivs für Sprachsignale – vom Tool für Spezialisten zum Service für die Allgemeinheit

Christoph Draxler (Ludwig-Maximilian-Universität München)

Das Bayerische Archiv für Sprachsignale (BAS) wurde 1997 gegründet mit dem Ziel, den Austausch zwischen Grundlagenforschung und Technologieentwicklung für die gesprochene Sprache zu fördern. Von Beginn an war das BAS in akademischen und industriellen Kooperationsprojekten aktiv, aktuell ist es CLARIN-Zentrum und das ‘+’ in der Nationalen Forschungsdateninfrastruktur Text+.

Anfangs lag der Fokus auf qualitativ hochwertig annotierten Sprachdaten. Um diese Daten zu generieren, wurden Softwaretools entwickelt, zunächst für den Eigenbedarf. Die Bereitstellung dieser Tools als Webdienste war eine Revolution: auf einmal war der Zugang zu aktueller Sprachtechnologie spielend einfach und für öffentlich verfügbar: Daten hochladen, Dienst auswählen, Ergebnisse herunterladen.

Mit seinem Angebot hat das BAS weltweit ein Alleinstellungsmerkmal: es gibt keinen Anbieter mit einem vergleichbar breiten und qualitativ hochwertigen Angebot. Nicht nur die Nutzerzahlen stiegen rapide an (+60% seit Anfang 2022), es kamen auch ganz neue Anwenderkreise hinzu, mit je neuen Anforderungen: lange Sprachaufnahmen, weitere Sprachen und Varietäten, Wahrung von Datenschutz und Privatsphäre, Einsatz von KI… insgesamt mehr als 3,2 Mio. Mediendateien pro Jahr. Und die Entwicklung geht weiter: Kollaborative Transkription oder die Verwaltung des Workflows sind aktuelle Beispiele.

Die LiRI-Korpusplattform: Wie man schnelle undkomplexe Abfragen auf großen multimodalenKorpora durchführt

Jeremy Zehr, Jonathan Schaber (Universität Zürich)

Wir präsentieren die LiRI Corpus Platform (LCP), eine webbasierte Applikation zur Abfrage multimodaler Korpora unterschiedlicher Grösse. Diese wurde an der Universität Zürich (UZH) vom Team der Linguistic Research Infrastructure (LiRI) entwickelt.¹ LCP ist für eine Vielzahl von Datentypen und benutzerdefinierten Strukturen ausgelegt. Sowohl die Benutzeroberfläche als auch die Engine müssen daher einfache bis komplexe Abfragen verarbeiten können, die auf die Besonderheiten jedes Korpus zugeschnitten sind. Zu diesem Zweck haben wir eine eigene Abfragesprache entwickelt, deren dynamisches Vokabular sich an die Eigenschaften des Datensatzes anpasst und komplexe Relationen ausdrücken kann. Das Backend generiert anschließend SQL-Abfragen, die auf einem relationalen Datenbankmanagementsystem (RDBMS), in unserem Fall PostgreSQL, ausgeführt werden. Dabei kommen Techniken zum Einsatz, die die Performance bei beliebig strukturierten Datensätzen optimieren, insbesondere bei komplexen Abfragen mit verschachtelten logischen Operationen und Quantoren.

Wir beschreiben die Anforderungen, die zur Entwicklung dieses neuartigen Systems geführt haben, erörtern Methoden der Korpuslinguistik und darüber hinaus, die wir für ein solches System als zentral erachtet haben, und erläutern die von uns genutzten technologischen Werkzeuge. Während unsere Plattform in ihrer frühen Entwicklungsphase primär auf textbasierte Datensätze ausgerichtet war, die repräsentativ für die korpuslinguistische Forschung an der UZH sind, unterstützt sie mittlerweile auch Korpora multimedialer Dokumente (Bild, Audio, Video), die in verschiedenen Forschungsbereichen an der UZH sowie anderen Schweizer und internationalen Institutionen eingesetzt werden. Wir erörtern die Herausforderungen, unser Tool an eine breitere Nutzerbasis anzupassen und es so zu erweitern, dass die verschiedenen Modalitäten in einer einzigen Benutzeroberfläche und Suchmaschine integriert werden, ohne die Benutzerfreundlichkeit zu beeinträchtigen.

____________

¹ https://lcp.linguistik.uzh.ch/ 

Do linguistsdreamofcuratedcorpora? Infrastruktur und Datenkuratierung im INEL-Projekt¹

Elena Lazarenko (Universität Hamburg)

Seit 2016 setzt sich das Langzeitvorhaben INEL (Grammatiken, Korpora und Sprachtechnologie für indigene nordeurasische Sprachen) für die Erschließung sprachlicher Ressourcen ausgewählter indigener Sprachen und Varietäten des nordeurasischen Raums und dazugehörigen digitalen Workflows ein. Diese Daten werden digital kuratiert, glossiert, mit vielfältigen linguistischen Annotationen angereichert und der Öffentlichkeit in Form eines Korpus zugänglich gemacht. Die veröffentlichten Korpora sind für vielseitige sprachwissenschaftliche Studien einsatzbereit. Aktuell sind Korpora von neun bedrohten oder ausgestorbenen Sprachen – Dolganisch, Enzisch, Ewenkisch Kamassisch, Kalmückisch, Mansisch, Nenzisch, Nganasanisch und Selkupisch – verfügbar. Dabei werden die Begleitmaterialien katalogisiert und ebenso frei zugänglich gemacht.

Um die Zusammenarbeit der Linguist:innen so reibungslos wie möglich zu gestalten und der Heterogenität der Daten gerecht zu werden, sind ein detaillierter Workflow und eine gut ausgebaute Infrastruktur unerlässlich. Die vielfältigen Sprachdaten aus unterschiedlichen Quellen (darunter Manuskripte, Archiv-Audios und Bücher) müssen digitalisiert, mit linguistischen Annotationen und Übersetzungen versehen und in eine standardisierte und nachhaltige Form überführt werden, damit sie langfristig wissenschaftlich nutzbar sind. Die im Projekt verwendeten Formate sind XML-basiert, was Interoperabilität und Nachhaltigkeit fördert. Dabei kommen verschiedene Softwarelösungen infrage, sowohl gängige Linguistik-Software (z. B. SIL FLEx und EXMARaLDA) als auch im Projekt entwickelte Tools. Letztere vereinfachen die Teamzusammenarbeit durch Versionierung mit Git und dienen zwecks Qualitätskontrolle der Korpusdateien durch automatisierte Validierungs- und Fehlerbehebungsschritte.

In der Präsentation werden der aktuelle Stand des Datenkuratierungsworkflows im INEL-Projekt und die wichtigsten Meilensteine der vergangenen Dekade beleuchtet. Besprochen werden, welche technischen und organisatorischen Entscheidungen sich in zehn Jahren Workflow-Entwicklung bewährt haben und welche Herausforderungen weiterhin bestehen. Dabei werden Erfahrungen der Datenkuratierung und Schlussfolgerungen für nachhaltige Forschungsinfrastrukturen diskutiert.

____________

¹ Das Langzeitvorhaben INEL wird im Rahmen der gemeinsamen Forschungsförderung von Bund und Ländern im Akademienprogramm mit Mitteln des Bundesministeriums für Bildung und Forschung und der Freien und Hansestadt Hamburg finanziert. Koordiniert wird das Akademienprogramm von der Union der deutschen Akademien der Wissenschaften.

REDE nach REDE – Die Zukunft desSprachGIS

Robert Engsterhold (Forschungszentrum Deutscher Sprachatlas)

Im Herbst 2026 findet nach 19 Jahren Laufzeit das Langzeit-Akademienprojekt „REDE“ seinen offiziellen Abschluss. Ein Kernstück dieses Projektes ist das REDE SprachGIS (https://regionalsprache.de) das in dieser Zeit mehrere Entwicklungsstufen durchlaufen hat und sich als ein zentraler Service in der geographischen Sprachwissenschaft auch über Landesgrenzen hinweg etabliert hat. Mit so einer langen Entwicklungs- und Support- Zeit ist das SprachGIS selbst ein Spiegel der Internetgeschichte geworden und ermöglicht Einblicke, wie sich Web-Technologie seit 2007 (wenn man das Vorgängerprojekt DIWA miteinbeziehen sogar seit 2001) entwickelt hat und welche Herausforderungen die Betreuung und Entwicklung eines solchen Systems mit sich bringt. Es stellt sich heraus, dass nicht alle Annahmen, die 2007 über das Internet und Softwareentwicklung getroffen wurden, sich auch bewahrheitet haben. So kann zum Beispiel im Nachhinein die Entscheidung dafür, ASP.net als Basistechnologie für das Backend zu verwenden, als problematisch gesehen werden. Mit Postgres/PostGIS als Datenbank hingegen wurde auf die richtige Technologie gesetzt und mit einem Webinterface als reine JavaScript-Anwendung kann das SprachGis durchaus als Vorreiter moderner Webanwendungen (Single Page Apps) gelten.

Um das SprachGIS als Werkzeug und Informationsquelle auch über das Projektende weiterführen und betreuen zu könne, laufen seit einiger Zeit im Hintergrund Bestrebungen, um das SprachGIS zukunftssicherer zu machen. Diese basieren auf der Erfahrung, die man mit der Entwicklung von REDE SprachGIS gesammelt hat und damit, wie sich das Internet als Technologie entwickelt hat. So wird zukünftig das große monolithische SprachGIS in einzelne Services heruntergebrochen, die zwar technologisch ähnlich sind, aber unabhängig voneinander (weiter-) entwickelt werden können. Die Interfaces werden als Single Page oder Progressive Web Apps erstellt, die die benötigten Daten über REST-Schnittstellen beziehen. Dabei werden alle relevanten Daten in Containern bereitgestellt. So will man gezielter und schneller auf mögliche Sicherheitsprobleme oder neue Technologien reagieren. So können zum Beispiel Probleme oder Bugs an einer App behoben werden, ohne die anderen Services zu stören. Die Wenkerbogen-App (https://apps.dsa.info/wenker) ist die erste Anwendung dieses Refactorings und wurde in der Community bereits gut angenommen. Der neue Kartenkatalog (https://apps.dsa.info/sprachgis) ist zur Zeit der Fokus der Entwicklung und soll als Template für weitere Karten-fokussierte Anwendungen wie den Tonkatalog (https://apps.dsa.info/audio) und einen zukünftigen Karteneditor dienen.

Natürlich steht man mit diesen Neuentwicklungen prinzipiell vor den gleichen Herausforderungen wie mit dem SprachGIS 2007: Es ist kaum möglich, von heute aus mittelfristige Entwicklungen auf dem Bereich der Web-Technologie vorherzusehen. Mittlerweile hat REDE aber mehr als 19 Jahre Erfahrung mit Diensten für die geografische Sprachanalyse hinter sich und mit den Neuentwicklungen und Anpassungen werden hoffentlich noch viele weitere hinzukommen. 

---

---