Promotionen und Hochschulschriftenvermerk

Im Rahmen des HERMES-Forschungsstudienprogramms unterstützt die DNB Forschungsprojekte auf Basis ihrer Daten und Bestände, die mit Methoden des Text- und Data-Minings bearbeitet werden. Die Förderung richtet sich dabei vor allem an junge technikaffine Forschende aller Fachgebiete, die sich bereits mit Methoden und Instrumenten der Digital Humanities beschäftigt und praktische Erfahrungen auf dem Gebiet gesammelt haben. Im folgenden Blogbeitrag stellt Néhémie Strupler seine Studie vor:

Wie viele Promotionen gibt es pro Jahr? Und wie hat sich diese Zahl über mehr als hundert Jahre entwickelt? Dieser Blogbeitrag befasst sich mit den Dissertationen in den Metadaten der Hochschulschriften und zielt darauf ab, mit einem Data-Science-Ansatz wesentliche Merkmale des Promovierens sichtbar zu machen. Dabei soll gezeigt werden, welches Potenzial die Daten bieten, um einen Überblick über das Promovieren in Deutschland zu gewinnen.

An deutschen Hochschulen besteht grundsätzlich eine Publikationspflicht für alle Dissertationen. Aufgrund ihres Sammelauftrags verfügt die Deutsche Nationalbibliothek über eine umfassende Sammlung von Dissertationen und Habilitationen seit dem Jahr 1913. Die Sammlung umfasst Hochschulschriften (Dissertationen und Habilitationen) von deutschen Hochschulen, aber auch deutschsprachige Dissertationen und Habilitationsschriften aus dem Ausland. Rechtlich stehen die Metadaten der Sammlung unter der freien Lizenz CC0 1.0 und können daher ohne Einschränkungen weiterverwendet werden.

Der Datensatz “Hochschulschriften” umfasst den Zeitraum von 1913 bis heute und wird fortlaufend ergänzt, etwa zwei- bis dreimal jährlich. Inhaltlich handelt es sich um Metadaten, die teilweise mit Links zu geschützten und freien digitalen Objekten angereichert sind. Die Metadaten liegen im Format MARC21-XML vor; ein direkter Download der MARC21-XML-Dateien steht auf dem DNB-Portal zur Verfügung. Alternativ lässt sich ein aktueller und vollständiger Datensatz zusammenstellen, indem die Metadaten über die SRU-Schnittstelle der DNB abgerufen werden. Um Dissertationen zu finden, kann in der Expertenmodussuche der Index ‘hss’ in Kombination mit ‘diss*’ verwendet werden, um die Ergebnisse auf Hochschulschriften einzuschränken, also ‘hss=diss*’. Am 31. Oktober 2026 ergibt diese Suche 2.021.637 Titeldatensätze. Aufgrund von API-Beschränkungen (maximal 100 Datensätze pro Antwort und Abruf weiterer Datensätze bis 100.000) muss die Suche in kleinere Abfragen aufgeteilt werden, beispielsweise anhand der Identifikationsnummer (‘idn’), um alle Titeldatensätze herunterladen zu können. Dann kann mit einer Schleife in einem Skript in R oder Python eine Reihe von Abfragen ausgeführt werden, die die Kennungspräfixe durchlaufen (‘hss=diss* AND idn=100*’, ‘hss=diss* AND idn=101*’, … ‘hss=diss* AND idn=999*’). Ein Beispiel habe ich online zur Verfügung gestellt. Der nächste Schritt ist, die einzelnen MARC21-XML-Dateien zu parsen (wie hier) und ausgewählte Datenfelder zu exportieren. Beispielsweise habe ich in einem weiteren Skript 46 Felder extrahiert.

Datenbereinigung und -strukturierung

Um die Metadaten der Hochschulschriften zu analysieren und als Indikator für Promotionen zu nutzen, müssen die Daten bereinigt bzw. herausgefiltert werden. Dies ist aus mehreren Gründen notwendig. Zum einen sind publizierte Dissertationen, wie sie im Hochschulschriftenvermerk aufgenommen werden, kein 1:1-Spiegel von Promotionen. Für eine Promotion existieren oft mehrere Titeldatensätze. In den letzten 20 Jahren wurden Dissertationen online veröffentlicht, aber in vielen Fällen existieren zwei Versionen derselben Doktorarbeit (digital und analog); früher wurden z. B. Mikroform oder CD-ROM benutzt. Zum anderen kann eine Dissertation neu editiert werden, wofür in den Metadaten eine neue Titeldatensatz erstellt wird, da es sich nicht um dasselbe Medium handelt. Schließlich wurden Bände separat aufgenommen, sodass für eine Dissertation aus zwei Bänden drei Titeldatensätze existieren: eine Haupttiteldatensatz und jeweils einer für alle Bände. Durch ein Skript, um “Verdopplungen” (aus Sicht einer Analyse von Promotionen) auszusortieren, ergab sich ein Datensatz von 1.797.276 Titeldatensätzen.

Entwicklung von Promotionen

Eine Analyse der bereinigten Datensätze, für die ein Jahresdatum ermittelt werden konnte (1.796.850 Titel), zeigt die historische Entwicklung des Promovierens in Deutschland anhand der Metadaten der Deutschen Nationalbibliothek.

Das Balkendiagramm visualisiert die jährliche Anzahl der Promotionspublikationen in den Hochschulschriften der Deutschen Nationalbibliothek über mehr als ein Jahrhundert (1913–2025). Als Promotionspublikationen bezeichne ich eine Fassung einer Dissertation pro Person. Sie dienen als datenbasierter Indikator für das Promovierengeschehen, sind aber nicht identisch mit der Zahl der Dissertationen an der DNB. Der Verlauf des Diagramms zeigt einen klaren langfristigen Aufwärtstrend: Während zu Beginn des 20. Jahrhunderts noch wenige tausend Promotionen pro Jahr verzeichnet wurden, setzte nach dem Zweiten Weltkrieg ein nachhaltiger Anstieg ein. Ab den 1960er Jahren beschleunigte sich das Wachstum, bis sich die Publikationszahlen seit etwa 2010 auf einem Plateau von rund 25.000 bis 30.000 pro Jahr einpendeln. Historische Einschnitte, insbesondere die Weltkriege und die Nachkriegszeit, sind als deutliche Einbrüche bzw. Erholungsphasen ablesbar. Aus diesem Beispiel lässt sich ablesen, dass die Daten nicht nur die wachsende Bedeutung des Promovierens in Deutschland unterstreichen, sondern auch strukturelle Veränderungen im akademischen Graduiertensystem widerspiegeln – ein Merkmal, das die Einzigartigkeit der Sammlung der DNB unterstreicht.

HERMES – Humanities Education in Research, Methods, and Data wird gefördert vom Bundesministerium für Forschung, Technologie und Raumfahrt aus Mitteln der Europäischen Union.