Geowissenschaftliche und geoarchäologische Expertise
Die integrative raumbezogene Betrachtung und Analyse geistes- und geowissenschaftlicher Forschungsdaten ist sowohl in der Vergangenheit als auch in der aktuellen Forschung ein wichtiger Bestandteil der Interpretation sozialer und kultureller Beziehungen im Kontext naturräumlicher Gegebenheiten und im dynamischen inhärenten Beziehungskomplex von Mensch und Umwelt. Dies zeigt sich in einer stetig wachsenden Anzahl an Fachartikeln in renommierten Zeitschriften, nicht zuletzt bedingt durch den in den letzten Jahren rapiden Anstieg sowohl flächendeckender als auch punktueller digitaler geowissenschaftlicher Daten in immer höheren Auflösungen (z. B. Lidar). Ein weiterer Aspekt ist die zunehmende Verwendung von geowissenschaftlichen Feldtechniken der Nah- und Fernerkundung in der archäologischen Forschung (z. B. Geomagnetik). Damit verbunden steigen die Anforderungen an die Datenhaltung, Datenaufbereitung und Datenbereitstellung. Insbesondere beschreibende Daten und verschiedene Formen der Dokumentation von Befunden und Objekten stellen neue methodische und konzeptionelle Anforderungen an die integrative Bearbeitung und Analyse dieser Daten im geisteswissenschaftlichen Kontext.
Im Bereich der raum- und flächenbezogenen Daten (Punkte, Linien, Flächen) kommen häufig Methoden aus dem Bereich der Geostatistik, der Geoinformatik, des Maschinellen Lernens (Machine Learning) und der Mustererkennung (Pattern Recognition and Knowledge Discovery) zur Anwendung. Daraus können flächendeckend vielfältige archäologisch relevante Informationen zur Landschaft wie
z. B. Bodenqualität, Bearbeitbarkeit und Nährstoff- verfügbarkeit regionalisiert werden. Neben der reinen Regionalisierung kleinräumiger oder punktueller Informationen liefern diese Methoden wichtige Informationen zur Analyse des betrachteten Prozesses, z. B. der Veränderung von Böden mit der Zeit. Gerade diese Analyse von Ursache–Wirkungskomplexen im räumlichen und zeitlichen Kontext ist ein zentrales Anliegen aktueller archäologischer Forschungen und ebenso des SFB1070 wo in der zweiten Förderphase unterschiedliche Arten von Materialität und Temporalität im Sinne von Ressourcengefügen erforscht werden sollen. Dabei identifizieren die Algorithmen nicht alleinig relevante kulturelle und umweltbezogene Variablen und deren signifikante Verbindung, sie unterstützen auch die Erforschung dynamischer Prozesse, z. B. ob die Siedlungsentwicklung vornehmlich soziokulturell oder natur-deterministisch angetrieben wird, eine Frage, die im SFB 1070 RessourcenKulturen eine wichtige Rolle spielt.
Aus diesem Geflecht interdisziplinär einsetzbarer Methoden und fachübergreifender Denkweisen ergeben sich für das Teilprojekt S in der aktuellen Förderphase des SFB 1070 fünf Hauptarbeitsfelder:
- Geowissenschaftliche Grundlagen: Geobasisdaten zu Klima, Topographie, Geologie, Boden und Landnutzung
- Unterstützung und Beratung aller Teilprojekte in geowissenschaftlichen und geoarchäologischen Belangen: regelmäßige Geodaten-Sprechstunden, Beratung einzelner Teilprojekte und aktive Mitarbeit in allen Projekt- und Querschnittsbereichen
- Management aller Forschungsdaten mit Umwelt- und Raumbezug: Einrichtung und Betrieb eines Daten- und FTP-Servers, Vorprozessierung der Daten und Mitwirkung beim Aufsetzen von Datenbanken in den Teilprojekten, Schnittstellenprogrammierung und Formatkonvertierungen
- Schaffung und Verbesserung der Geokompetenz der (Nachwuchs‑)Wissenschaftlerinnen und (Nachwuchs-)Wissenschaftler in der Benutzung von geographischen Informationssystemen und im Umgang mit Umwelt- und Raumdaten: Zentrales Element dafür sind Workshops, Fieldschools und Hands-On-Training-Schools, in denen die Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler aller Teilprojekte in der Anwendung moderner technischer Verfahren der (Geo-)Datengewinnung und der (Geo-)Datenaufbereitung geschult und trainiert werden
- Interdisziplinäre Verknüpfung geisteswissenschaftlicher Forschungsdaten und Umweltinformationen mit der Anwendung von Verfahren aus dem Bereich des maschinellen Lernens zur Identifikation und Analyse komplexer Wirkungsstrukturen