Dramenanalyse

Der Terminus ‚Postdramatik‘ ist in den vergangenen Jahren zu einem unscharfen, analytisch unzulänglichen Sammelbegriff angewachsen. Die Arbeit systematisiert diesen Diskurs durch klare und mehrstufige Abgrenzungen. Zugrunde gelegt wird die Trennung der prinzipiell autonomen Sphären von Text(genre) und Aufführungspraxis: Die Textsorte ‚Drama‘ wird dem „nicht mehr dramatischen Theatertext“ gegenübergestellt; die Inszenierungsweise unabhängig davon als traditionell dramatisch oder postdramatisch gekennzeichnet.
Auf Grundlage dieser Unterscheidung entwickelt die Studie ein überzeugendes Analyserüstzeug, das an Rainald Goetz’ Theatertext „Jeff Koons“ (1998) exemplifiziert wird. Von Goetz als „Stück“ lanciert, erweist sich dieses angesichts seines radikalen Bruchs mit allen genretypischen Konstituenten als griffiger Untersuchungsgegenstand, der die Grenzen der traditionellen Dramenanalyse nur allzu deutlich macht.
Gestützt auf einen breiten theoretischen Kontext, der u.a. Überlegungen zu Ästhetik, Semiotik und Phänomenologie in der zeitgenössischen Text- und Theaterkunst umfasst, untersucht die vorliegende Arbeit neben neuen Textzugängen zwei diametrale „Jeff Koons“-Aufführungen.
Text und Inszenierung, so das Votum der Studie, sollten jenseits einer Debatte um ‚Texttreue‘ oder ‚Regietheater‘ stets zunächst gesondert in den Blick genommen und erst in einem zweiten Schritt in ihrer Beziehung zueinander diskutiert werden. Auf diese Weise würden auch jene Verdikte der Theaterkritik vermeidbar, bei denen aus der Empörung über ‚unangemessene‘ oder ‚verstörende‘ Aufführungen nicht selten die methodische Hilflosigkeit im Umgang mit postdramatischen Artefakten spricht. Wie man solchen dagegen analytisch gerecht werden kann, das zeigt diese fundierte Studie.

In den Literaturwissenschaften koexistieren verschiedene Perspektiven auf Protagonisten,
Helden oder Hauptfiguren dramatischer Texte, die unterschiedliche Definitionen und Identifikationsstrategien der Figuren veranschlagen. Grundsätzlich lassen sich die meisten dieser Definitionen in ein Set computerlesbarer Figureneigenschaften übersetzen. Figuren, die
diesen Merkmalen entsprechen, können dann etwa als Protagonisten des Dramas klassifiziert und von anderen Figuren (wie etwa Nebenfiguren) unterschieden werden. Eine solche
Klassifikationsaufgabe ist das zentrale Anliegen des Beitrags. Ein Teilproblem stellt dabei
die Erkennung von titelgebenden Figuren dar, die zwar mit der Protagonistenklassifikation
verwandt ist, aber eigene Voraussetzungen mit sich bringt. Wir nähern uns beiden Aufgaben zunächst theoretisch und schlagen eine eigene Protagonistendefinition vor, die sich
zum Zweck einer automatischen Klassifikation operationalisieren lässt, die aber dennoch
bestehende literaturwissenschaftliche Forschung aufgreift und an deren Definitionen anschließt. Ein manueller Annotationsversuch zeigt gleichwohl, dass Definitionen dieser Art
nur begrenzt intersubjektivierbar sind. Mithilfe von verschiedenen Features wie Tokenzahl
von Figuren, Topic Modeling und Netzwerkmaÿen trainieren wir anschließend einen Random Forest Classifier, der Figuren automatisiert in Protagonisten und Nicht-Protagonisten,
bzw. Titelguren und Nicht-Titelfiguren aufteilt. Die Ergebnisse zeigen, dass Protagonisten und Titelfiguren aufgrund ihrer meist herausgehobenen Stellung im Drama tatsächlich
sehr sicher mit einfachen Features zu erkennen sind. Eine abschließende Analyse der Klassifikation einzelner Figuren am Beispiel von Die Verschwörung des Fiesko zu Genua, Maria
Stuart und Emilia Galotti schließt an die literaturwissenschaftliche Perspektive an und
macht deutlich, dass Machine Learning Modelle interessante Ausgangspunkte für tiefergehende Überlegungen zu Protagonisten und Titelfiguren bereithalten.

In his pioneer study on drama, Manfred Pfister strongly demands a way to identify protagonists: “At the
current level of research it is not possible to grade the figures of the dramatis personae precisely according to
their importance for the development of the plot [. . . M]ore subtle distinctions such as those between ‘major
figures’ [and] ‘minor figures’ [. . . ] can only be guessed intuitively and not defined operationally” (Pfister 1988,
166). In this paper, we explore such a way to identify protagonists in German plays. Casting the problem
as a classification task allows to inspect the influential factors for the decision, and at the same time offers
a clear evaluation method. Diverging definitions of “protagonist” and “hero” circulate in literary studies,
whereby different aspects of characters are mentioned as defining criteria. In certain aspects, the definitions
of “protagonist” and “hero” clearly overlap, e.g. their plot relevance. Other aspects are distinctive: According
to ancient understanding, the only hero of a play must be of good nature, but not flawless (Aristotle 1982,
7), whereas later interpretations of Aristotle allow heroes which can have mixed (Lessing, Hamburgische
Dramaturgie, 86. Stück and Martus (2011), 15) or even overly negative characteristics (Asmuth 1997, 94).
Since we want to identify those characters automatically that are the most relevant for the plot in a given
drama (Pfister 1988, 234), including negative heroes like Woyzeck and Macbeth, a value-based evaluation of
a single hero is not feasible. Instead, we opted for value-neutral protagonist-detection and define protagonist
as characters that have a central scope of action either by acting themselves or by triggering the action.
Consequently, more than one character can be a protagonist, and we make no assumptions on polarity.
There are already some publications that focus on sub-classifying literary characters on a formal basis or
automatically. Several research projects follow the character classification proposed by Propp (1958) (e.g.,
Declerck, Koleva, and Krieger (2012), Finlayson (2015)). It distinguishes seven character types in folk tales
by their plot function. Moretti (2011, 2013) describes experiments to formalize the notion of protagonists,
but makes use of network-based features only. Algee-Hewitt (2017) and Fischer et al. (2018) concentrate
on the development of protagonists throughout literary history using different network metrics for corpus
analyses of English and German plays. In contrast, Jannidis et al. (2016) try to automatically detect main
characters in German novels. For the classification, they use summaries of the novels as a gold standard.