Der Nachmittag, an dem ich verstummte
Damals war ich noch Doktorandin. Auf der Bühne, das war ich.
Ich sprach mit großer Überzeugung über die Bedeutung von Sprachdokumentation (language documentation) und Sprachrevitalisierung (language revitalization). Jede Woche verschwinden bedrohte Sprachen für immer. Bevor die letzte fließend sprechende Person uns verlässt, müssen wir Grammatik, Wortschatz, Aussprache und Erzählformen aufzeichnen, in öffentliche Datenbanken einstellen, damit künftige Forscher·innen daran weiterarbeiten können, und damit die Nachfahren der Gemeinschaft eines Tages die Sprache ihrer Vorfahren wieder erlernen können.
Ich glaubte an diese Erzählung. Und ich trug sie mit Überzeugung vor.
Dann hob ein erfahrener Forscher die Hand. Sein Ton war freundlich, ohne Schärfe:
„Hast du dir überlegt, wie sich die Community (Gemeinschaft) dabei fühlt?”
Ich stutzte kurz, antwortete aber weiter. Natürlich, sagte ich. Ich hole informierte Einwilligung ein, ich anonymisiere, ich gehe vor der Veröffentlichung in die Gemeinschaft zurück, um alles zu bestätigen.
„Das meine ich nicht”, sagte er.
„Die Gemeinschaft, der du bei der Spracherhaltung helfen möchtest, möchte das vielleicht wirklich. Aber es gibt viele andere Gemeinschaften auf dieser Welt, denen das nicht so wichtig ist. Manche von ihnen wären sogar froh, wenn Außenstehende sie endlich in Ruhe ließen.”
„Und noch eine Frage: Wenn du Sprachdokumentation einforderst, wozu eigentlich? Was bekommt die Community am Ende davon?”
Ich verstummte.
Was bekommen sie? Ein Buch? Ein Wörterbuch? Werden die Menschen der Gemeinschaft so etwas tatsächlich aufschlagen?
Mir wurde plötzlich klar: Das akademische Gerechtigkeitsgefühl, das ich in mir aufgebaut hatte, behandelte die Gemeinschaft zum Teil als „Adressat·in einer Dienstleistung”. Aber das, was die Gegenseite wirklich beschäftigt, ist vielleicht gar kein Wörterbuch. Es ist vielleicht die Frage, wie man ein besseres Leben führen kann, wie man in einer Welt, die sich ständig verändert, eine Arbeit findet.
Ich dachte an mich selbst. Ich stamme aus einer Familie, in der Südmin gesprochen wird. Ich verstehe es, aber ich spreche es nicht flüssig. Südmin ist in Taiwan keine bedrohte Sprache, aber es ist auch keine offizielle Sprache, und ich habe mich von klein auf nicht besonders darum gekümmert, wie viel ich davon kann. Solange ich mit meiner Großmutter ein paar Sätze wechseln konnte, war es genug.
Wenn schon jemand mit meinem Hintergrund seiner eigenen Muttersprache mit dieser Haltung „reicht doch” begegnet, was ist dann mit Kindern, deren Familiensprache tatsächlich bedroht ist? Ihre Eltern lieben ihre Sprache vielleicht nicht weniger. Sie stehen einfach unter so viel Druck, dass sie ihre Kinder zu der Sprache hin schieben müssen, die mehr Sicherheit verspricht, mehr Bildungschancen, mehr Arbeitsmöglichkeiten. Das ist eine Entscheidung, die aus den Lebensbedingungen heraus erzwungen wird.
Diese Dinge lassen sich nicht mit einem Wörterbuch lösen.
Die Fragen wollten nicht verschwinden
Jedes Mal, wenn ich einen Projektantrag für ein Sprachvorhaben vorbereitete und den Satz „Die Daten werden gemäß FAIR-Standards offen verfügbar gemacht” einsetzte, klopfte diese Frage wieder an. Offen für wen? Wenn etwas offen ist, wer nutzt es eigentlich? Wer profitiert am Ende wirklich davon?
Dann redete ich mich selbst zurecht. Komm schon, sagte ich mir, das sind doch bereits veröffentlichte Materialien. Ich digitalisiere sie nur. Ich verwende die üblichen Aufbereitungsweisen, die in unserer Forschungs-Community sowieso Standard sind.
So lief die Schleife. Ein Teil von mir redete sich selbst zurecht, ein anderer Teil wünschte sich, ich hätte noch mehr Papier-Korpora zur Verfügung. Ich verbrachte Jahre in diesem „nur ein bisschen mehr, nur ein bisschen mehr” Denken.
Dann kam KI. Die Sache wurde schwieriger.
Früher war beim Thema offene Daten die Hauptsorge die Weitergabe persönlich identifizierbarer Angaben. Wir entfernten Namen, entfernten Adressen, wandelten konkrete Geburtsdaten in Altersgruppen um. Nach der Anonymisierung wurden die Daten öffentlich, und alle konnten aufatmen.
Mit KI änderten sich die Wege, auf denen Daten fließen.
Eine Aufnahme einer bedrohten Sprache in einer öffentlichen Datenbank sollte eigentlich von Linguist·innen für weitere Forschung heruntergeladen werden. In der Praxis kann sie aber auch, ohne dass wir es wissen, von einem internationalen Konzern abgegriffen und in dessen großes Sprachmodell (LLM) oder Stimmmodell als Trainingsmaterial einverleibt werden. Mündliche Geschichten, die ein älterer Mensch ein Leben lang gepflegt hat, können auf diesem Weg zu einem Bestandteil eines kommerziellen KI-Systems werden.
Schlimmer noch: Anonymisierung ist kein Allheilmittel mehr. Stimme ist ein biometrisches Merkmal. Wenn in einer Gemeinschaft nur eine Handvoll fließend sprechender Personen übrig ist, sind ihre Aussprache, Intonation, Pausen, sogar ihr Husten erkennbar. Wer die Gemeinschaft kennt, kann sie identifizieren, sobald die Aufnahme im Netz ist. Auf Textdaten leistet Anonymisierung vielleicht noch etwas; auf Audiodaten ist sie häufig nur ein Etikett, mit dem sich Forschende selbst beruhigen.
So wurde die damalige Frage des erfahrenen Forschers, nachdem ich sie über Jahre hinweg durchgekaut hatte, zu einer schärferen Version:
Die Gemeinschaft gibt Zeit, öffnet Aufnahmen, lässt Geschichten ihrer Vorfahren in die Welt hinaus. Was bekommt sie dafür zurück? Wofür wird ihre Stimme genau verwendet? Wissen sie selbst, was damit passiert?
Genau hier setzt der Rahmen an, den dieser Aufsatz vorstellen will. Er heißt CARE Principles.
Woher kommen die CARE Principles?
Die CARE Principles sind kein Standard, den irgendeine westliche Wissenschaftskommission von oben herab erlassen hätte. Ihre Entstehungsgeschichte ist selbst mit dem Problem verknüpft, das sie adressieren wollen.
Ihre Formulierung lässt sich auf das Jahr 2018 zurückverfolgen, in den Kontext der International Data Week und der Research Data Alliance, wo eine Reihe von Workshops zum Thema Indigenous Data Sovereignty (indigene Datensouveränität) stattfand. Daraus entstand der Kerntext der CARE Principles, formuliert von der RDA International Indigenous Data Sovereignty Interest Group gemeinsam mit der Global Indigenous Data Alliance (GIDA). 2020 veröffentlichten Stephanie Russo Carroll und Kolleg·innen den Aufsatz „The CARE Principles for Indigenous Data Governance” im Data Science Journal, in dem die theoretische Grundlage von CARE und ihr Verhältnis zu FAIR ausführlich beschrieben werden.
Die Beteiligten kamen aus Communities indigener Datensouveränität weltweit: Native Peoples Amerikas, Māori, Sámi, Aboriginal Australians, First Nations und weitere. Sie teilten eine Beobachtung:
Die FAIR Principles sagen Wichtiges, aber sie fragen vor allem eines. Wie können Daten gefunden, abgerufen, interoperabel gemacht und wiederverwendet werden? Sie behandeln eine frühere Frage nicht ausreichend: Unter Bedingungen historischer Verletzung, kolonialer Erfahrung und Machtungleichheit, wer hat überhaupt das Recht zu entscheiden, ob Daten geteilt werden sollen, wie sie geteilt werden sollen, und wie der Nutzen aus diesem Teilen an die Gemeinschaft zurückfließt?
Für viele wissenschaftliche Datensätze, die nicht direkt mit Rechten oder kulturellem Kontext einer bestimmten Gemeinschaft zu tun haben, ist FAIR ein vernünftiger Ausgangspunkt. Daten findbar, zugänglich, interoperabel und wiederverwendbar zu machen, ist gut für die Forschung.
Aber für indigene Sprachen, traditionelles Wissen, kulturelle Praktiken, Landschaftsgedächtnis und familiäre mündliche Überlieferung kann der Ausgangspunkt nicht die Daten selbst sein. Diese sind nicht „was eine Forschende gesammelt hat”. Sie sind „das, was eine Gemeinschaft über Generationen angesammelt und zeitweilig anvertraut hat”. Die Forschende ist nur jemand, dem für eine Weile der Zutritt gewährt und das Aufzeichnen anvertraut wurde. Sie sollte sich nie automatisch zur Eigentümerin machen.
CARE soll FAIR nicht ersetzen. CARE läuft parallel dazu. FAIR fragt: „Kann dieser Datensatz technisch gefunden, abgerufen, anschlussfähig gemacht, wiederverwendet werden?” CARE schiebt die Frage einen Schritt davor: „Sollten diese Daten überhaupt so verwendet werden? Und wenn ja, wer entscheidet das?”
CARE Buchstabe für Buchstabe
CARE steht für vier Buchstaben: C, A, R, E. Jeder trägt ein Prinzip. Ich versuche, sie in meinen eigenen Worten zu erklären.
C, Collective Benefit (kollektiver Nutzen)
Die Frage: Welchen konkreten Nutzen hat die Gemeinschaft selbst davon, dass diese Daten existieren?
Das ist nicht das abstrakte Versprechen, dass „es eines Tages sicher nützlich sein wird”. Es muss ein sichtbarer, überprüfbarer Nutzen sein. Zum Beispiel: Können die Daten in den eigenen Sprachunterricht der Gemeinschaft zurückfließen? Können sie Kindern in der Schule ein zusätzliches Lehrbuch ermöglichen? Können sie jungen Menschen in der Gemeinschaft neue berufliche Wege eröffnen (Sprachlehrer·in, Korpus-Pfleger·in, Kulturvermittler·in)?
Wenn die Antwort lautet „nein, aber im Lebenslauf der Forschenden sieht es gut aus”, dann hat das Projekt ein Designproblem.
A, Authority to Control (Entscheidungsgewalt liegt bei der Gemeinschaft)
Die Frage: Wie werden die Daten genutzt, von wem, wann, wer entscheidet das?
Die Antwort von CARE: die Gemeinschaft selbst. Nicht die fördernde Stiftung, nicht die Universität der Forschenden, nicht der Cloud-Dienstanbieter.
In der Praxis bedeutet das vieles. Rechte an Aufnahmen sollten nicht automatisch bei der Forschenden oder ihrer Institution liegen, sondern vorab mit einer repräsentativen Organisation der Gemeinschaft geklärt werden. Die Nutzungsbedingungen einer Datenbank müssen Mechanismen enthalten, mit denen die Gemeinschaft einzelne Einträge zurückziehen oder einschränken kann. Kommerzielle Nutzung erfordert eine eigene Zustimmung. Sie lässt sich nicht durch eine einmalige Einwilligung erledigen, die für ein ganzes Leben gilt.
R, Responsibility (Verantwortung)
Die Frage: Diejenigen, die diese Daten erhalten, sind wem gegenüber verantwortlich?
Die übliche akademische Antwort lautet „der wissenschaftlichen Community”, „den Best Practices”. CARE zieht diese Antwort zurück: gegenüber der Gemeinschaft, die die Daten zur Verfügung gestellt hat.
Diese Verschiebung klingt klein, ändert in der Praxis aber viel. Wenn ein Forschungsergebnis der Gemeinschaft schaden könnte, etwa weil rituelles Wissen offen wurde, das nicht offen werden sollte, dann ist deine Verantwortung nicht zuerst, es der Zeitschrift zu erklären, sondern zuerst, der Gemeinschaft zu berichten. Sie bedeutet, dass du immer wieder zurückkehren musst, statt nach Abschluss des Projekts zu verschwinden. Sie bedeutet auch, dass du, nachdem die Daten verwendet wurden, mit den Ergebnissen zurückkommst, nicht nur, indem du der Gemeinschaft das Paper schickst, sondern in einer Form, die für sie verständlich ist.
E, Ethics (Ethik)
Die Frage: Der ethische Rahmen, auf den sich diese Arbeit stützt, wessen Ethik ist das?
Die übliche akademische Antwort verweist auf das IRB, das Institutional Review Board (Ethikkommission). IRBs sind wichtig. Aber das Kernvokabular moderner Forschungsethik stammt weitgehend aus der medizinischen Forschungsethik, aus individueller informierter Einwilligung und individuellem Risikoschutz. Es behandelt häufig das Individuum als zentrale Analyseeinheit.
Die Ethik indigener Gemeinschaften ist dagegen oft kollektiv. Ob eine bestimmte Geschichte von Außenstehenden gehört werden darf, entscheidet nicht eine einzelne Person. Es ist eine kollektive Entscheidung. Ob ein Tabu untersucht werden darf, ist ebenfalls eine kollektive Entscheidung. Ein Häkchen auf einem IRB-Formular bei „individuelle Einwilligung unterzeichnet” reicht auf dieser Ebene nicht zwangsläufig.
Das E in CARE bittet die Forschenden, zu überlegen: Ist meine Arbeit im ethischen Rahmen dieser Gemeinschaft angemessen? Nicht nur „Habe ich eine Einwilligungserklärung?”, sondern „Ist dies, gemessen an ihrer eigenen Ethik, überhaupt etwas, das man tun darf?”
CARE und FAIR sind keine Gegensätze, sondern liegen nebeneinander
Ich möchte etwas klarstellen. Die CARE Principles wollen Open Science nicht zurückdrängen. Sie sind nicht gegen Offenheit, sie sind nicht gegen Teilen.
Die beiden Rahmen sind nebeneinander zu lesen.
Für viele wissenschaftliche Datensätze sind die FAIR-Prinzipien wichtiges Handwerkszeug. Daten findbar, zugänglich, interoperabel und wiederverwendbar zu machen, sorgt für Transparenz und erspart späteren Forschenden, das Rad jedes Mal neu zu erfinden.
Sobald aber Daten eng mit einer bestimmten Personengruppe verbunden sind, zum Beispiel indigene Sprachen, traditionelle Medizin, religiöse Praxis, familiäre mündliche Überlieferung, Landschaftsgedächtnis oder Daten der Gemeinschafts-Governance, musst du zuerst die CARE-Frage stellen: Sollten diese Daten überhaupt in den FAIR-Prozess eingehen? Und wenn ja, unter welchen Bedingungen?
Wie ich es selbst halte:
Vereinfacht gesagt: FAIR kümmert sich vor allem darum, wie Daten gefunden und wiederverwendet werden können. CARE setzt früher an: Wer hat das Recht zu entscheiden, ob Daten auf diese Weise verwendet werden dürfen, und ob diese Verwendung der Gemeinschaft etwas zurückgibt.
Die Reihenfolge ist entscheidend. Wenn du sie umkehrst, kann ein Projekt herauskommen, das technisch elegant, aber ethisch instabil ist.
Wie sieht CARE in meiner eigenen Arbeit aus?
Ich arbeite gerade in einem Projekt zu einer bedrohten indigenen Sprache mit, an einer Sprachsynthese (Text-to-Speech, TTS). Die technischen Details hebe ich für einen späteren Aufsatz auf. Strukturell gibt es jedoch einige Entscheidungen, die unmittelbar aus CARE folgen.
Code offen, Korpus nicht offen. Trainingspipeline, Modellarchitektur und Evaluationsmethoden sind alle als Open Source auf GitHub. Unsere Erfahrung steht anderen Teams, die mit ressourcenarmen Sprachen arbeiten, zur Verfügung. Die zugrunde liegenden Aufnahmen und Annotationen für das Training liegen aber nicht in einer öffentlichen Datenbank. Sie verbleiben in einer Speicherumgebung, der die Gemeinschaft zugestimmt hat, und werden gemäß den Governance-Regeln der repräsentativen Organisation der Gemeinschaft verwaltet.
Rücknahme darf nicht nur auf dem Einwilligungsformular leben. Wenn eine Person, die Aufnahmen beigetragen hat, später wünscht, dass ihre Aufnahmen nicht mehr verwendet werden, müssen wir in der Lage sein, diese Aufnahme in Rohdaten, Annotationen, Trainingslisten, Datenversionen und nachgelagerten Trainingsläufen zu finden und zu entfernen. Das heißt nicht, dass „Rücknahme” im Maschinellen Lernen jemals technisch perfekt umsetzbar ist. Modell-Checkpoints, Backups, abgeleitete Daten und veröffentlichte Versionen verkomplizieren das Bild. Aber Rücknahme darf nicht von vornherein durch den Satz „Wenn Daten einmal offen sind, kannst du sie nicht zurückholen” annulliert werden.
Kommerzielle Nutzung verlangt eine eigene Zustimmung. Unsere Lizenz hält klar fest: Das Modell darf nur für „bildungs- und kulturbezogene Zwecke verwendet werden, die mit der Gemeinschaft abgestimmt sind”. Will ein Unternehmen es in einem kommerziellen Produkt einsetzen, ist eine neue Verhandlung mit der Gemeinschaft nötig. Das entscheidet keine einzelne Forschende.
Die Form der Würdigung wird gemeinsam mit der Gemeinschaft entschieden. Manche Älteste in einer Gemeinschaft sind bereit, Geschichten und Aufnahmen beizutragen, möchten aber nicht, dass ihr Name im Aufsatz erscheint. Die klassische akademische Publikationspraxis kommt damit nicht immer gut zurecht, weil im Feld die Überzeugung verbreitet ist, „nur wer namentlich genannt wird, kann auch verantwortlich sein”. In einer kleinen Gemeinschaft kann namentliche Nennung jedoch eigenen Druck oder eigenes Risiko mit sich bringen.
Deshalb können wir „Anonymität” nicht einfach als Streichen eines Namens behandeln. Die verantwortungsvollere Lösung ist, vorab mit der Gemeinschaft, der Zeitschrift oder dem Publikationsträger eine passende Form der Würdigung abzustimmen. Das kann eine anonyme Danksagung sein, eine kollektive Nennung der Gemeinschaft, eine Verankerung der Rechteinhaberschaft bei der Organisation der Gemeinschaft, oder, in Formaten jenseits des klassischen Papers, eine eigene Regelung über etwaige Einnahmenverteilung. Solche Lösungen müssen vertraglich und durch Publikationsnormen abgesichert sein. Sie dürfen nicht einseitig von der Forschenden gesetzt werden.
Nichts davon ist eine perfekte Antwort. Aber unter der Logik von CARE sind es Dinge, mit denen man tatsächlich anfangen kann.
Zum Schluss
Akademische Arbeit ist wirklich spannend. Während der Forschung neigen wir dazu, uns abzukapseln. Vor uns liegen Daten, Methoden, Analysen. Sobald wir aber aus dieser Forschungshaltung heraustreten, ist die Arbeit eigentlich sehr nah am Menschen.
Bei all dieser Erklärung musst du dir die vier CARE-Buchstaben nicht im Detail merken. Im chinesischsprachigen Raum gibt es einen passenden Satz: „Was du nicht willst, dass man dir tu, das füg auch keinem anderen zu.”
Wenn du nicht möchtest, dass dein eigenes Foto willkürlich veröffentlicht wird, dann tu es deinen Interviewten auch nicht an. Wenn du dein eigenes Tonmaterial nicht unbedacht einer fremden Person geben würdest, dann lade auch die Aufnahmen deiner Interviewten nicht unbedacht ins Netz.
CARE bedeutet aber nicht nur „mehr für die Gemeinschaft mitdenken”. Manchmal halten sich Forschende für besonders sorgfältig und verantwortungsbewusst und schleifen die Gemeinschaft dabei nur durch zusätzliche Sitzungen, zusätzliche Formulare, zusätzliche Bestätigungsschleifen. Was die Gemeinschaft eigentlich braucht, ist vielleicht keine Forschende, die immer wieder zurückkommt, um „wie spricht man dieses Wort aus”, „wie schreibt man jenen Begriff” abzufragen. Sondern weniger Störung, klarere Zusagen, konkretes Feedback und ein echtes Recht, nein zu sagen.
Letztlich kämpfen wir alle als kleine Schrauben in unserem eigenen Leben. Den anderen respektieren, eher zurückhaltend handeln, das ist die beste Haltung im Feld.
Ich bin dankbar für die Fragen, die mich an jenem Nachmittag verstummen ließen. Sie haben mich erwachsener gemacht. Sie haben mein Verständnis von Forschungsethik vertieft.
Wenn du eines Tages eine Forschung anpackst, die mit einer Gemeinschaft zu tun hat (nicht nur indigene Gemeinschaften, sondern auch andere marginalisierte oder verletzliche Gruppen), hoffe ich, dass dir die CARE Principles nützen. Sie geben dir keine Standardantwort. Aber sie geben dir eine bessere Liste an Fragen.
Der nächste Aufsatz behandelt einen konkreten Fall: Wie wir im Rukai-Sprachsynthese-Projekt jede technische Entscheidung mit der Logik von CARE getroffen haben. Das wird der dritte Beitrag in dieser Reihe, und der Ort, an dem FAIR und CARE gemeinsam in echte Arbeit zurückspazieren.
Weiterlesen
- Carroll, S. R., et al. (2020). The CARE Principles for Indigenous Data Governance. Data Science Journal 19: 43. DOI
- Global Indigenous Data Alliance (GIDA), offizielle Webseite: gida-global.org
- Research Data Alliance (RDA) International Indigenous Data Sovereignty Interest Group: eine internationale Community zu indigener Datensouveränität mit regelmäßigen Workshops und öffentlich zugänglichen Dokumenten.
- Wilkinson, M. D., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data 3, 160018. (Im vorigen Aufsatz zitiert.)
Demnächst: Wenn FAIR und CARE in das Rukai-Sprachsynthese-Projekt eintreten, welche konkreten Entscheidungen werden getroffen?