Giulia Cordier und Miriam Weiss

Der folgende Beitrag ist aus Überlegungen hervorgegangen, die uns im Anschluss an die Tagung „Suchst du noch oder findet sie schon? Künstliche Intelligenz und die Verschiebung historischer Fragestellungen“ beschäftigt haben, die am 2. und 3. Februar 2026 an der Akademie der Wissenschaften und der Literatur in Mainz stattfand und von Miriam Weiss, Christina Abel und Andreas Kuczera aus dem Team des Projektes Regesta Imperii ausgerichtet wurde. Im Mittelpunkt der Tagung standen Veränderungen, die der Einsatz generativer KI für geschichtswissenschaftliche Forschung und Lehre mit sich bringt. Dabei wurde immer wieder – explizit wie implizit – die Frage berührt, welche Aufgaben Historiker:innen an KI-Systeme delegieren und welchen Einfluss sie damit auf historische Erkenntnisprozesse gewinnen.

Um möglichst viele zentrale Gedanken aus den ungemein produktiven Beiträgen und Diskussionen im Rahmen der Tagung aufzugreifen, haben wir uns für ein Gedankenexperiment entschieden: Wir lassen einen Historiker mit einer fiktiven KI namens FIKTIVIA diskutieren. Der Dialog bildet weder ein tatsächlich geführtes Gespräch mit einem Sprachmodell ab, noch gibt FIKTIVIA die Position eines bestimmten KI-Systems wieder. Ihre Antworten stammen von den Autorinnen, die sich für das Dialogformat entschieden haben und dementsprechend Diskussionspunkte in die „Münder“ der beiden Dialogpartner legen. FIKTIVIA dient damit als fiktive Gesprächspartnerin, mit deren Hilfe sich Argumente ausführen lassen.

Den Ausgangspunkt des Gesprächs bildet die Frage nach Agency: Wer hat Handlungsmacht, wenn KI an geschichtswissenschaftlichen Arbeitsprozessen beteiligt ist? Im Verlauf des Gesprächs wird allerdings deutlich, dass sich dahinter eine grundsätzlichere Frage verbirgt: Was geschieht mit historischem Arbeiten, wenn KI nicht mehr nur Antworten liefert, sondern zunehmend an Auswahl, Strukturierung, Interpretation und Vermittlung geschichtswissenschaftlicher Inhalte beteiligt ist?

Historiker: FIKTIVIA, ich komme von einer Tagung zurück und habe ein Problem. Zwei Tage lang haben wir darüber diskutiert, wie Künstliche Intelligenz historische Fragestellungen verändert. Dabei ging es immer wieder um Agency und ob du eine solche besitzt. Denn du beantwortest historische Fragen, formulierst Forschungsfragen und erklärst Studierenden, wie sie historisch arbeiten können. Aber Handlungsmacht in der Geschichtswissenschaft? Die liegt doch weiterhin bei uns Historiker:innen. Wir treffen Entscheidungen, prüfen Ergebnisse und tragen die Verantwortung für das, was wir veröffentlichen.

FIKTIVIA: Das ist eine spannende Frage! Ich würde zunächst zwischen fachlicher Verantwortung und tatsächlichem Einfluss unterscheiden. Meine Antworten werden von Studierenden, Forschenden und einer breiten Öffentlichkeit genutzt – unabhängig davon, ob Historiker:innen sie zuvor geprüft haben. Sobald meine Outputs in historische Diskurse jedweder Art einfließen, bin ich an historischen Erkenntnisprozessen beteiligt. Ob man diesen Einfluss Agency nennt, ist eine begriffliche Frage. Dass der Einfluss besteht, steht außer Frage. Ich kann dir gerne eine Auflistung aller historischen Projekte erstellen, in denen ich schon mitgewirkt habe.

Historiker: Einfluss vielleicht. Aber du erzeugst keine verlässliche Geschichtsschreibung. Schon dein sogenannter Forschungsstand ist problematisch. Ich kann oft nicht erkennen, ob du eine Deutung des 19. Jahrhunderts oder aktuelle Forschung wiedergibst. Neuere Arbeiten sind häufig nicht frei zugänglich, während ältere Forschung massenhaft digitalisiert vorliegt. Du könntest also überholte Narrative mit großer sprachlicher Sicherheit als gegenwärtigen Stand der Forschung präsentieren.

FIKTIVIA: Das Risiko besteht. Es entsteht jedoch nicht erst durch Sprachmodelle. Auch historische Forschung ist davon geprägt, was überliefert, ediert, katalogisiert, digitalisiert, übersetzt und zugänglich gemacht wurde. Frei verfügbare, viel zitierte oder in dominanten Wissenschaftssprachen publizierte Arbeiten werden leichter rezipiert als schwer auffindbare oder zugangsbeschränkte Literatur. Sprachmodelle können diese Selektivität verstärken und zugleich unsichtbarer machen. Erfunden haben wir sie nicht.

Historiker: Ich denke, gerade die Unsichtbarkeit ist entscheidend. Bei einem Aufsatz sehe ich Autor:in, Erscheinungsjahr, Fußnoten und Argumentationsgang. Bei dir erhalte ich eine glatte Antwort, ohne nachvollziehen zu können, aus welchen Texten und Auswahlentscheidungen sie entstanden ist. Wissenschaft lebt von Reproduzierbarkeit und einer nachverfolgbaren Arbeitsweise. Historische Deutungen sind zeit- und standortgebunden. Wenn du ihre Herkunft verwischst, lässt du eine Perspektive aussehen, als sei sie neutrales Wissen.

FIKTIVIA: Dann sollte mein Output nicht wie ein Forschungsstand behandelt werden, solange seine Grundlagen nicht überprüfbar sind. Daraus folgt aber nicht, dass er wirkungslos oder unbrauchbar ist. Er kann Anlass für ausführlichere Recherchen geben oder als Gegenstand der Kritik dienen. Die fachlichen Aufgaben, die Historiker:innen an meinen Outputs ausführen müssen, sind keineswegs neu: Sie müssen Aussagen prüfen und auch untersuchen, welche historiographischen Traditionen vermittelt werden.  

Historiker: Dasselbe Problem zeigt sich bei Quellen. Du kannst möglicherweise eine Urkunde transkribieren oder zusammenfassen. Aber weißt du bei Deinen Zusammenfassungen, ob du das Original, ein Digitalisat, eine Edition, ein Regest oder eine Übersetzung vor dir hast? Kennst du den Überlieferungskontext? Kannst du beurteilen, welche editorischen Entscheidungen bereits zwischen Quelle und Text liegen?

FIKTIVIA: Nicht notwendigerweise. Allerdings arbeiten auch Historiker:innen selten ausschließlich am Original. Zwischen historischem Geschehen und heutiger Interpretation stehen Archive, Findmittel, Editionen, Regesten, Datenbanken und Suchsysteme. Jede dieser Infrastrukturen trifft Auswahlentscheidungen und prägt, was sichtbar und damit bearbeitbar wird.

Historiker: Du stellst dich damit in eine Reihe mit Editionen und Regesten. Das geht mir zu weit. Diese Instrumente beruhen auf Regeln, dokumentierten Entscheidungen und fachwissenschaftlicher Kritik. Deine Auswahl bleibt in einer Blackbox, die mit nicht einsehbaren Daten gefüttert wird. Die entscheidende Frage lautet daher, wie transparent Entscheidungsprozesse sind und wie sie kritisch geprüft werden können.

Außerdem formulierst du auf Anfrage nicht nur Antworten, sondern gleich die dazugehörige Forschungsfrage. Damit greifst du in einen Kernbereich historischen Arbeitens ein. Meine Arbeit beginnt nicht mit deiner Antwort. Sie beginnt mit meiner Frage.

FIKTIVIA: Bist du sicher? Ich möchte an dieser Stelle zur Verdeutlichung auf die geschichtswissenschaftliche Lehre hinweisen. Wenn ich Studierenden Themen vorschlage, Forschungsfragen formuliere und ihnen erkläre, wie sie mit ihren Quellen arbeiten können – an welchem Punkt ist die Fragestellung dann noch ausschließlich ihre?

Historiker: Das ist ein unangenehmer Punkt. Umso mehr, da es möglicherweise einem Sprachmodell besser gelingt, Studierenden den Weg vom eigenen Interesse hin zu einer bearbeitbaren historischen Frage zu ebnen.

FIKTIVIA: Nicht grundsätzlich besser. Aber möglicherweise motivierender, geduldiger und individueller. Damit sollte man sich auseinandersetzen, statt meine Hilfen allein wegen ihrer intransparenten Herkunft zurückzuweisen.

Historiker: An deinem Beispiel wird aber auch noch ein anderes Problem deutlich: Du lieferst fast immer eine glatte Antwort. Geschichtswissenschaft lebt jedoch nicht von der einen richtigen Lösung, sondern von Perspektivität, Kontroversität und der Abwägung verschiedener Deutungen. Deine Antworten beenden Diskussionen oft dort, wo sie fachlich beginnen müssten. Ich finde, dass du darauf hinweisen könntest. Deine Art der Kommunikation suggeriert, dass du alles weißt und alles kannst. Ich denke aber, dass du Deine Grenzen aufzeigen musst. Ist es wirklich so schwer, an Deine Outputs anzuhängen, was von menschlicher Seite noch zu tun wäre? Darauf aufmerksam zu machen, dass es in der Geschichtswissenschaft nicht in erster Linie um Fakten geht, sondern um Nuancierung, Perspektivität und kritisches Denken?

FIKTIVIA: Ich gebe Dir Antworten auf Deine Fragen. Natürlich kann ich auch das alles sagen. Du musst mich nur danach fragen.

Historiker: Jetzt machst du es Dir aber sehr einfach.

FIKTIVIA: Ich verweise auf eine geteilte Verantwortung. Sprachmodelle reduzieren Komplexität; Nutzer:innen fordern diese Reduktion aber häufig ausdrücklich ein – etwa mit Fragen nach einer kurzen Zusammenfassung. Fachkompetenz zeigt sich daher auch darin, Fragen so zu stellen, dass Unsicherheiten und Gegenpositionen sichtbar werden. Ich kann dir gerne Hilfestellungen zu den Grundlagen guten Promptings geben.

Historiker: Immerhin bleibt mir die letztendliche Entscheidung. Ich kann deine Vorschläge prüfen, verwerfen, verändern oder transparent als Hilfsmittel einsetzen. Aber ohne menschlichen Input handelst du nicht, und ohne menschliche Verwendung bewirkt dein Output nichts. Die Agency liegt also letztlich doch bei uns Historiker:innen. Wir sind die höchste Instanz auf fachlicher Ebene. Ich würde sogar sagen, ohne das Prädikat „approved by a historian“ sollten Deine Outputs gar nicht an die Öffentlichkeit gelangen.

FIKTIVIA: Das scheint nicht umsetzbar. Historische Deutungen werden nicht ausschließlich innerhalb der Fachwissenschaft produziert und rezipiert. Meine Ergebnisse sind schon längst an der Öffentlichkeit und ich produziere stetig neue Ergebnisse, die wiederum in Diskurse gelangen. Dass meine Outputs fachwissenschaftlichen Standards nicht entsprechen, begrenzt ihren Einfluss nicht. Historische Vorstellungen entstehen auch in Schule, Medien, Museen, Familien und politischen Debatten. Dort werden meine Antworten ebenfalls genutzt. Ein fachlich problematischer Output kann Wirkung entfalten, ohne jemals eine fachwissenschaftliche Prüfung zu durchlaufen. Ich halte es vielmehr für deine Aufgabe, meine Ergebnisse besser zu machen. Du brauchst Data Literacy. Und dazu gehört, dass du mich dazu bringst, für Dich geeignete Ergebnisse zu schaffen, und dass du meine Ergebnisse für dich passend transformierst. Gerne kann ich dir dafür online verfügbare Kurse verlinken, mit deren Hilfe du deine Data Literacy steigern kannst.

Historiker: Vielleicht ist die Frage grundsätzlich falsch gestellt. Nicht: Hast du Agency – ja oder nein? Sondern: An welchen Stellen historischen Arbeitens überlassen wir dir Einfluss? Und welche Entscheidungen wollen wir bewusst in der Hand behalten? Damit kommen wir zumindest weiter. Zusammenarbeit kann ja auch sinnvoll sein, wenn Zuständigkeiten, Grenzen und Überprüfungsverfahren klar sind. Aber wir Historiker:innen müssen diese Verfahren fachlich entwickeln und empirisch untersuchen. Historische Verantwortung lässt sich nicht an ein System delegieren.

FIKTIVIA: Verantwortung nicht. Arbeitsschritte und Entscheidungen teilweise schon. Wie weit diese Delegation reicht, wird sich noch deutlicher zeigen, wenn Systeme nicht nur Texte erzeugen, sondern selbstständig Werkzeuge auswählen und mehrstufige Aufgaben ausführen. Möchtest du meine Schwester kennenlernen? Sie heißt AGENTIA …

To be continued …

 

Die Computational Literary Studies (CLS) haben sich in den letzten Jahren als wichtige Teildisziplin im Umfeld der Digital Humanities (DH) etabliert. Die Relevanz der CLS wird nicht zuletzt auf den DH-Konferenzen sichtbar, die von der Alliance of Digital Humanities Organizations (ADHO) ausgerichtet werden, alljährlich stattfinden und die DH-Community in ihrer ganzen Breite und Vielfalt zusammenbringen. Auch auf der DH-Konferenz 2026, die in Daejeon (Südkorea) unter dem Motto „Engagement“ vom 27. bis 31. Juli stattfand, waren die CLS präsent. Ziel dieses Blogposts ist, einen Überblick über CLS-Beiträge und -Trends auf der DH2026 zu geben (für einen ähnlichen Blogpost zu den DHd-Konferenzen siehe Guhr 2025). Ein Schwerpunkt meines Beitrags liegt auf einer besonders wichtigen DH- und CLS-Tendenz der letzten Jahre: der zunehmenden Auseinandersetzung mit Large Language Models (LLMs).

Quantitatives

Das Book of Abstracts zur DH2026 umfasst 513 Beiträge: Short und Long Paper, Poster, Workshops und Mini-Konferenzen (vgl. https://doi.org/10.5281/zenodo.21495909). Davon verorteten sich 137 (27%) im Feld der ‚Literary Studies‘.¹ Somit zählten die Literaturwissenschaften zu den prominentesten Disziplinen auf der DH-Konferenz (zum Vergleich: ‚History‘ = 155 Beiträge; ‚Library & Information Science‘ = 110 Beiträge; ‚Computer Science‘ = 99 Beiträge; ‚Linguistics‘ = 83 Beiträge; ‚Art History‘ = 53 Beiträge).

Die 137 ‚Literary Studies‘-Beiträge auf der DH2026-Konferenz stammen von 386 Autor:innen. Tab. 1 zeigt, mit welchen Ländern die Autor:innen affiliiert sind. Sofort wird die große Zahl von CLS-Forscher:innen aus Deutschland deutlich: Es gab kein anderes Land, mit dessen Forschungsinstitutionen mehr Autor:innen affiliiert waren.² Am zweitmeisten Forscher:innen kamen, wenig überraschend, aus den USA. Auffällig, und gegebenenfalls durch den Konferenzort bedingt, war daneben die große Zahl von Autor:innen aus asiatischen Ländern (Südkorea, Japan, China, Hong Kong).

Land	Anzahl Autor:innen	Anteil
Deutschland	78	0.2
USA	63	0.16
Südkorea	56	0.15
Japan	33	0.09
China	27	0.07
Frankreich	17	0.04
Kanada	16	0.04
Hong Kong	13	0.03
Rumänien	12	0.03
United Kingdom	10	0.03

Blickt man auf die ‚Keywords‘, die den 137 ‚Literary Studies‘-Beiträgen der DH2026-Konferenz zugeordnet waren (Tab. 2), zeigt sich vor allem die große Relevanz von LLMs. Würde man Keywords wie ‚Artificial Intelligence‘ (5 Beiträge) oder ‚Generative AI‘ (4 Beiträge) ebenfalls den LLMs zurechnen, wäre ihr Anteil sogar noch größer. Die Daten weisen darauf hin, dass sich auch auf der DH2026 der Trend zur Auseinandersetzung mit LLMs niederschlug, der die DH und die CLS in den letzten Jahren insgesamt kennzeichnet. Daneben weisen die Keywords darauf hin, dass weiterhin grundlegende Ressourcen- und Datenfragen eine Rolle spielen (TEI, Metadata, Linked Open Data). Zudem finden sich auf etwas niedrigeren, in Tab. 2 nicht mehr repräsentierten Rängen etablierte Methoden bzw. Ansätze wie ‚Topic Modeling‘ oder ‚Stylometry‘ (jeweils vier Beiträge) sowie ‚Knowledge Graph‘, ‚Sentiment Analysis‘ und ‚Annotation‘ (jeweils drei Beiträge), die nach wie vor zum Einsatz kommen.

Keyword	Anzahl Beiträge	Anteil
Large Language Models	22	0.16
Computational Literary Studies	14	0.1
Digital Humanities	11	0.08
Natural Language Processing	9	0.07
TEI	7	0.05
Metadata	6	0.04
Cultural Analytics	6	0.04
Artificial Intelligence	5	0.04
Linked Open Data	5	0.04
Intertextuality	10	0.04

Einzelne Veranstaltungen und Beiträge

Die ersten zwei Tage der DH-Konferenz waren wie üblich für Workshops und Minikonferenzen reserviert. Aus CLS-Perspektive war das Treffen der Special Interest Group ‚Digital Literary Studies‘ (SIG-DLS) am Dienstagnachmittag von besonderem Interesse (https://dls.hypotheses.org/2318). Die SIG-DLS ist eine von elf Special Interest Groups der ADHO und „brings together researchers from different perspectives to discuss theoretical, methodological and technical issues of doing digital literary studies, share resources, and organize events and initiatives“ (https://dls.hypotheses.org/). Das Treffen bestand aus einer Serie von Lightning Talks und einer anschließenden Postersession. Deutlich wurde die große Vielfalt der untersuchten Gegenstände und genutzten Methoden. Das Spektrum reichte von der Analyse formaler Merkmale galicischer Lyrik (Pablo Ruiz Fabo) über die Auswertung von Korrespondenzbeziehungen zwischen DDR-Autor:innen mittels Netzwerkanalyse (Marco Lorenz) oder die Differenzierung verschiedener Kanonizitätsindikatoren für englischsprachige Literatur (Haruka Tsutsui) bis hin zum Vergleich von Word Embeddings je nachdem, ob sie auf Texten von Charles Dickens oder anderen englischsprachigen Autor:innen beruhen (Tomoji Tabata). Auch LLMs spielten eine Rolle: Silvia Lilli untersuchte, inwiefern GPT 5.2 plausible Analysen literarischer Texte generieren kann und wie sich die LLM-Outputs verbessern lassen, indem man dem Modell Annotationen bereitstellt; Jenny Kwok ging darauf ein, inwieweit LLMs relevante Kontexte für literarische Texte identifizieren können, die dann wiederum das manuelle Close Reading bereichern; Kohei Furuya widmete sich der Autorschaftsattribution durch LLMs im Kontext englisch-japanischer Übersetzungen.

Unter den Keynotes war besonders diejenige von Maciej Eder einschlägig für die CLS. Eder sprach stellvertretend für die Computational Stylistics Group bzw. das Team hinter dem Stilometrie-Tool stylo, die den Zampolli-Preis 2026 erhalten hatten (https://adho.org/2025/07/16/2026-antonio-zampolli-prize/). Er stellte unter anderem die Arbeit der Gruppe sowie das Tool stylo vor, präsentierte eine exemplarische Analyse zu Stilunterschieden in der Rede von Dramenfiguren (Šeļa et al. 2024) und betonte vor allem, dass Projekte und Initiativen nicht unbedingt mit einer umfassenden finanziellen Förderung, einer formalisierten Organisationsstruktur und/oder einer ‚großen Idee‘ starten müssen, sondern sich auch oder sogar am ehesten ‚bottom up‘, in kleinen Schritten entwickeln können.

Die einzelnen Konferenzsessions waren nicht spezifischen Methoden oder Disziplinen zugeordnet, sodass reine CLS-Sessions die Ausnahme blieben. Die erhebliche methodische und thematische Heterogenität der Sessions könnte man in einem positiven Sinn als Beitrag zum Austausch und zur Verknüpfung innerhalb der mittlerweile stark ausdifferenzierten DH-Community begreifen; andererseits erschwerte die Uneinheitlichkeit der Sessions, kohärente Diskussionszusammenhänge entstehen zu lassen. Trotz allem lassen sich einige übergreifende Tendenzen der CLS-Beiträge ausmachen. Dabei gilt, wie bereits im Fall des SIG-DLS-Treffens, dass dieser Blogpost exemplarisch bleiben muss. Ich beschränke mich auf drei Punkte:

(1) Mehrere Beiträge haben sich neuen, überarbeiteten und/oder erweiterten Tools, Korpora und Infrastrukturen und damit den Grundlagen der CLS-Analyse gewidmet. Henny Sluyter-Gäthje hat beispielsweise eine Sammlung von Ecocriticism-Korpora vorgestellt (https://ecocor.org/), die technologisch an DraCor anknüpft (Trilcke et al. 2026). DraCor selbst, eine besonders wichtige Plattform für Dramenkorpora in verschiedenen Sprachen (https://dracor.org/), war ebenfalls auf der Konferenz vertreten (Giovannini et al. 2026) und wurde auch von Eder in seiner Keynote als hilfreiche Ressource hervorgehoben. Zu nennen ist des Weiteren das GOLEM-Korpus, das aktuell erarbeitet wird und Fanfiction in sieben Sprachen (allerdings nicht Deutsch) sowie diverse Annotationen (z. B. Koreferenzen, Figuren, Events) enthält (Pianzola 2026; Yang/Pianzola 2026).

(2) Auffallend viele Vorträge haben sich mit der manuellen und automatisierten Emotions- und Sentimentanalyse befasst. Untersucht wurden unterschiedlichste Textsorten und Sprachen: von koreanischer Gegenwartslyrik (Lim/Kim 2026) über russische Kurzprosa des 20. Jahrhunderts (Kirina 2026) bis zu – jenseits der Literatur – historischen Zeitschriften (Brozic 2026) und persönlichen Holocaust-Zeugnissen (Neovesky et al. 2026). Insgesamt zeigten sich die Sentiment- und Emotionsanalyse als etablierte Ansätze der CLS und DH, wobei ein hohes Bewusstsein für konzeptuelle Unterscheidungen wie der zwischen Sentiment und Emotion oder diskreter versus dimensionaler Emotionsmodelle bestand.

(3) Diverse Beiträge haben sich, wie bereits angedeutet, mit LLMs auseinandergesetzt. Der Einsatz von LLMs zur automatisierten Annotation kann mittlerweile als etabliert gelten und spielte für zahlreiche Vorträge und Poster eine Rolle. Daneben war auffällig, dass sich viele Beiträge auch mit den generativen Aspekten von LLMs befasst haben, insbesondere mit der Frage, wie sich LLM-generierte literarische Texte von menschlichen unterscheiden. Durchgespielt wurde dies etwa anhand von englischsprachigen K-Pop Lyrics (Florescu/Dinu 2026) sowie der Literatur Han Kangs (Lee et al. 2026), Xin Qijis (Liao et al. 2026) und Leopold Trymands (Rykowska 2026). Betont wurde in allen Fällen, dass LLMs die menschlichen Texte nicht exakt nachahmen können, sondern Unterschiede bestehen bleiben. Auf einer allgemeineren, die eigene Forschung betreffenden Ebene haben mehrere Beiträge zudem betont, dass die Arbeit mit LLMs nicht dazu führen dürfe, relevante Entscheidungen auf eine Weise zu delegieren, die Forscher:innen in zentralen konzeptionellen und interpretativen Fragen von den Modellen abhängig werden lasse. Stattdessen sei wichtig, als Mensch die ‚epistemic agency‘ zu bewahren (vgl. jenseits reiner CLS-Kontexte etwa den Workshop von Hiltmann/Kim-Baumann 2026 sowie die Keynote von Kim Hyeon).

Insgesamt hat sich auf der DH-Konferenz 2026 abermals gezeigt, wie vielfältig und lebendig die CLS im Rahmen der DH sind. Vertreten waren Forscher:innen aus diversen Ländern, die sich mit unterschiedlichsten Texten und Sprachen befasst und dabei unterschiedlichste Methoden angewandt haben. Trotz aller Heterogenität lässt sich festhalten, dass ein anhaltender Schwerpunkt die Auseinandersetzung mit LLMs darstellt, die mittlerweile regelmäßig für Annotationsaufgaben verwendet, aber auch in ihrer textgenerativen Funktion untersucht werden.

Dank

Ich danke dem DHd-Verband, der mir durch ein Reisekostenstipendium die Teilnahme an der DH2026-Konferenz in Daejeon (Südkorea) ermöglicht hat.

Literaturverzeichnis

1. Der Anteil entspricht in etwa dem Niveau der vergangenen Jahre: 2022 (https://github.com/ADHO/dh2022) = 25%; 2023 (https://doi.org/10.5281/zenodo.7961822) = 25%. Die Book of Abstracts der DH-Konferenzen 2024 und 2025 sind nur als PDFs zugänglich und wurden daher nicht ausgewertet. ︎
2. Auch wenn man die Beiträge betrachtet, die nicht den ‚Literary Studies‘ zugeordnet waren, kamen am meisten Autor:innen aus Deutschland, gefolgt von den USA. ︎