Korpusplanung

Korpusplanung ist ein Teilgebiet der Korpuslinguistik und bezeichnet die systematische Planung, Erstellung, Annotation, Bereitstellung und Langzeitpflege von Sprachkorpora. Ziel ist es, für Forschung, Entwicklung und Lehre repräsentative, reproduzierbare und nachhaltig nutzbare Sammlungen von Sprachdaten bereitzustellen, die transparent dokumentiert und rechtlich nutzbar sind.

Zu den zentralen Aufgaben gehören die Festlegung von Zielen und Anwendungsfeldern, die Bestimmung des Korpusdesigns (Sprachen-, Genre- und Domänenumfang, Größe, Sampling-Strategien), die Akquise von Daten, Digitalisierung, Transkription und Annotation (Beispiele: POS-Tags, syntaktische Strukturen, Semantik), sowie die Erstellung von Metadaten und die Dokumentation der Erhebungsmethoden. Wichtige Aspekte sind zudem Lizenzierung und Nutzungsbedingungen, Datenschutz und Urheberrecht, Datenqualität, Reproduzierbarkeit und Versionierung, sowie Langzeitarchivierung und Zugänglichkeit.

Standardisierung spielt eine zentrale Rolle, um Austausch und Interoperabilität zu ermöglichen. Dazu gehören Metadatenstandards (z. B. Dublin Core), Dokumentationsformate und projektbezogene Annotation-Schemata sowie gegebenenfalls TEI-XML oder ähnliche Strukturen. Die Korpusplanung umfasst außerdem Entscheidungen zur Bereitstellungsform, Zugriffssteuerung und Nutzungsbedingungen, um eine verantwortungsvolle Nutzung sicherzustellen.

Typische Ergebnisse sind ein definierter Korpus mit umfassenden Metadaten, eine Dokumentation der Erhebungsmethoden, festgelegte Annotationen und deren Versionen sowie klare Nutzungsrichtlinien und Bereitstellungsformate (z. B. XML, JSON, Klartext). Die Planung erfordert Zusammenarbeit zwischen Linguisten, Informatikern, Archivierungsexperten und Rechteinhabern. Zu den Herausforderungen gehören rechtliche Fragen, Repräsentativität, Konsistenz der Annotation, Skalierbarkeit und langfristige Finanzierung.