TalTech Forschungsaufenthalt

Im Rahmen eines Stipendiums der School of Information Technology an der Tallinn University of Technology (TalTech) wurde mir ein Forschungsaufenthalt im Umfeld des Projekts Social Data Migration von Prof. Anu Masso ermöglicht. Inhaltlich ging es um Cross-border Data Flow und darum, umfangreiche wissenschaftliche Literatur in einem bislang wenig erschlossenen Forschungsgebiet systematisch analysierbar zu machen.

In Kooperation mit Sozialwissenschaftlerinnen und Sozialwissenschaftlern entwickelte ich dafür eine LLM-gestützte NLP-Pipeline. Sie erfasste einschlägige wissenschaftliche Literatur automatisiert, aggregierte Metadaten und verfügbare Textdaten, normalisierte die Dokumente und bereitete sie für eine thematische Exploration vor.

Die erfassten Texte wurden zunächst in analysierbare Chunks zerlegt, die anhand von Metadaten, Textlänge und Rauschindikatoren geprüft wurden. Sehr kurze, redundante oder technisch unzureichende Segmente wurden markiert, bevor sie die Modellierung verzerren konnten. Anschließend erzeugte die Pipeline Embeddings, speicherte diese reproduzierbar mit NumPy und nutzte BERTopic, c-TF-IDF, n-Grams, Keyphrase-Kandidaten, UMAP und HDBSCAN zur unüberwachten Themenstrukturierung.

Um die Themen nicht nur einmalig plausibel, sondern methodisch belastbarer zu machen, führte ich wiederholte Modellläufe mit variierenden Seeds und Parametern durch. Die Pipeline verglich Topic-Quality-Metriken, Reliability Scores und Multi-Run-Ergebnisse in einem Evaluationsdashboard. Dadurch wurde sichtbar, welche Themen stabil blieben und welche Cluster empfindlich auf Parameteränderungen reagierten.

Ziel war es, für das bisher wenig erschlossene Gebiet der Social Data Migration eine Literaturthemen-Exploration zu ermöglichen. Die Analyse sollte wiederkehrende Muster, Begriffe und theoretische Bezugspunkte sichtbar machen und damit eine Analogie zu sozialen Gesetzmäßigkeiten vorbereiten. Die Ergebnisse wurden für eine Publikation zum Projektabschluss vorbereitet.