Frühe Computational Techniken

Die Ursprünge der Computational Archäology gehen bis in die Mitte des 20. Jahrhunderts zurück, als Archäologen erstmals mit Computerwissenschaftlern und Statistikern zusammenarbeiteten. Vor der Ära der Computer vertrauten die Forscher auf Mainframe-Maschinen, die oft in Universitätsrechenzentren untergebracht waren, um Aufgaben zu automatisieren, die zuvor von Hand ausgeführt wurden. In den 1960er Jahren wurde das Borden-System in Kanada digitalisiert, um Standortdatensätze zu verwalten, aber der wahre Durchbruch kam mit der Anwendung quantitativer Methoden. Pioniere wie George L. Cowgill und Robert Whallon verwendeten frühe Lochkartenleser und FORTRAN-Programme, um statistische Tests auf Artefaktfrequenzen durchzuführen, auf der Suche nach Mustern, die auf soziale Organisation oder Handelsnetzwerke hinweisen könnten. Ihre Arbeit zeigte, dass Berechnungen Struktur in archäologischen Daten aufdecken könnten, die traditionelle qualitative Typologie möglicherweise nicht erfüllen.

Eines der einflussreichsten frühen Projekte war die Ausgrabung in Teotihuacan in Mexiko, wo Forscher Mainframes verwendeten, um die Verteilung von Keramiktypen im massiven städtischen Zentrum zu analysieren. In ähnlicher Weise führten die Arbeiten von David L. Clarke und anderen im Vereinigten Königreich Clusteranalysen und Hauptkomponentenanalysen ein, um Artefakte und Assemblagen zu klassifizieren. Diese Methoden, obwohl sie nach heutigen Standards grob sind, zeigten, dass die Berechnung große Datenmengen schnell und objektiv verarbeiten kann. Dennoch blieben viele Archäologen skeptisch, qualitative Typologie durch algorithmengesteuerte Klassifizierung zu ersetzen, eine Spannung, die in einigen Ecken der Disziplin fortbesteht. Die Entwicklung relationaler Datenbanken in den 1970er Jahren hat das Feld weiter vorangetrieben. Archäologen begannen, Standortinventare, stratigrafische Sequenzen und Artefaktkataloge in strukturierten Formaten zu speichern, was es ermöglichte, Daten über mehrere Ausgrabungen hinweg abzufragen. Das Projekt Portsmouth Islanders in den Vereinigten Staaten war unter den ersten, die eine Datenbank verwendeten, um Pollenproben mit Bodentypen zu kor

Über die einfache Aufzeichnung hinaus ermöglichten diese aufkommenden Rechenwerkzeuge Archäologen, neue Arten von Fragen zu stellen. Zum Beispiel könnte Seriation - die Ordnung von Artefakten durch stilistische Veränderungen im Laufe der Zeit - jetzt mit Algorithmen automatisiert werden, wodurch Forscher sich auf Interpretation konzentrieren konnten. Die in den 1950er Jahren entwickelte und später computerisierte Brainerd-Robinson-Technik lieferte ein statistisches Maß für die Ähnlichkeit zwischen Assemblagen, was einen strengeren Vergleich von Standorten ermöglichte. In den späten 1970er Jahren begann spezialisierte Software wie FLT: 2 SYSTAT FLT: 3 und FLT: 5 , SPSS FLT: 5 , begann in Archäologieabteilungen zu erscheinen und gab Forschern Zugang zu multivariaten Statistiken, ohne ihren eigenen Code schreiben zu müssen. Diese Werkzeuge waren besonders wertvoll für die Analyse von Bestattungspopulationen, wo Alter, Geschlecht und Grabgüter mit der Ableitung sozialer Strukturen korreliert werden konnten. Die frühe Ära der Computerarchäologie wurde somit nicht durch auffällige Grafiken oder räumliche Analyse definiert, sondern durch eine stille Revolution in der Art und Weise, wie Daten gesammelt, gespeichert und abgefragt

Entwicklung von Geoinformationssystemen

Als Geoinformationssysteme in den 1980er Jahren für Archäologen zugänglich wurden, erlebte die Disziplin einen Paradigmenwechsel. Anstatt einfach Standortorte auf Papierkarten zu zeichnen, konnten Forscher nun Umweltschichten wie Höhe, Bodentypen, Hydrologie und Vegetation integrieren. Die Fähigkeit, diese Daten zu überlagern, ermöglichte anspruchsvolle Analysen von Siedlungsmustern, Ressourcenbeschaffung und Landschaftsmanagement. Frühe Plattformen wie GRASS GIS und IDRISI wurden von akademischen Archäologieabteilungen übernommen, die oft auf Unix-Arbeitsplätzen liefen. Das erste große GIS-basierte archäologische Projekt war die Beowawe Studie in Nevada, die räumliche Analysen verwendete, um Standortorte basierend auf der Nähe zu Wasser und Hang vorherzusagen. Diese Arbeit erstellte eine Vorlage für prädiktive Modellierung, die in den folgenden Jahrzehnten verfeinert werden würde.

Die Verfügbarkeit von ESRIs ArcInfo in den 1990er Jahren machte GIS benutzerfreundlicher und leistungsfähiger. Archäologen begannen, Vorhersagemodelle für ganze Regionen zu erstellen, wie das Cedar Mesa Project in Utah, wo GIS zur Kartierung von Siedlungen der Vorfahren verwendet wurde. Diese Arbeit zeigte, wie Umweltvariablen wie Entfernung zu Ackerland, Höhe und Bodeneignung die Dichte des Standorts genau vorhersagen konnten. Heute ist GIS sowohl in der Feldforschung als auch im Kulturerbemanagement Standard geworden. Site-Dateien in vielen Ländern werden jetzt in nationalen Historic Environment Records gespeichert, auf die über GIS-Schnittstellen zugegriffen wird. Zum Beispiel verwendet der National Monuments Record in Wales GIS, um über 80.000 Standorte zu verwalten, und ähnliche Systeme existieren in England, Schottland und Irland. Die Einführung von GIS hat auch die Zusammenarbeit zwischen Archäologen und Ökologen gefördert, da

Über die prädiktive Modellierung hinaus ermöglicht GIS eine Pfadanalyse mit den geringsten Kosten, die alte Reiserouten basierend auf dem Geländeenergieaufwand rekonstruiert. Diese Technik hat Handelsnetzwerke beleuchtet, wie das Chacoan Road System im amerikanischen Südwesten, wo gerade Straßen große Häuser über Hunderte von Kilometern schroffem Gelände miteinander verbanden. Punktmusteranalyse innerhalb des GIS ermöglicht es Archäologen, Hypothesen über Clustering zu testen – ob bestimmte Arten von Standorten regelmäßige Muster oder zufällige Verteilungen bilden. In jüngerer Zeit wurde das mit Voxelmodellierung integrierte 3D GIS verwendet, um geschichtete Ablagerungen Schicht für Schicht zu analysieren und den dreidimensionalen Kontext jedes Artefakts zu erhalten. Insgesamt bleibt GIS das Arbeitspferd der Computerarchäologie, unterstützt alles von der Felduntersuchung bis zu politischen Entscheidungen. Die Integration von Remote Sensing Daten - einschließlich Satellitenbilder, Luftaufnahmen und dr

Räumliche Statistik und Landschaftsarchäologie

Die Verbindung von GIS mit räumlicher Statistik hat zu einem Teilfeld geführt, das manchmal Landschaftsarchäologie genannt wird. Techniken wie Ripleys K-Funktion und Kerndichteschätzung erlauben es Forschern, räumliche Muster jenseits der einfachen visuellen Inspektion zu quantifizieren. Zum Beispiel haben Studien römischer Militärlager in Deutschland diese Methoden verwendet, um zu zeigen, dass Festungen in regelmäßigen Abständen im Einklang mit einem Tagesmarsch angeordnet waren. In ähnlicher Weise hat die Analyse von Grabhügeln in Bronzezeit Skandinavien gezeigt, dass ihre Platzierung oft sichtbaren Kammlinien folgt, was auf eine absichtliche Anstrengung hindeutet, Territorium zu markieren. Diese Erkenntnisse wären ohne rechnerische räumliche Analyse fast unmöglich zu gewinnen. Die Verfügbarkeit hochauflösender digitaler Höhenmodelle hat auch die betrachtete Analyse ermöglicht, die das sichtbare Gebiet von einem bestimmten Punkt aus berechnet. Diese Technik wurde verwendet, um die Platzierung von Hügelforts, Wachtürmen und zeremoniellen Strukturen zu untersuchen und zu enthüllen

Entstehung von 3D-Modellierung und Visualisierung

In den 1990er und frühen 2000er Jahren kam es zu einem Anstieg der dreidimensionalen digitalen Aufzeichnung. Traditionelle handgezeichnete Pläne und Schnittzeichnungen wurden ergänzt und manchmal durch Photogrammetrie und Laserscanning ersetzt. Photogrammetrie verwendet überlappende digitale Fotografien, um Punktwolken und texturierte Maschen zu erzeugen. Open-Source-Software wie Meshroom und kommerzielle Pakete wie Agisoft Metashape haben die Kosten dramatisch gesenkt und die Technologie auch für kleinste Feldprojekte zugänglich gemacht. Ein wegweisendes Projekt war die 3D-Dokumentation der Kathedrale von Saint Andrew in Wells, England, wo ein vollständiges digitales Modell für die Konservierungsplanung verwendet wurde. In der Archäologie ist Photogrammetrie Standard geworden für die Aufzeichnung fragiler Objekte wie lackierte Keramik, verfallene Knochen und empfindliche Textilien, die nicht wiederholt behandelt werden können.

LiDAR hat die Landschaftsarchäologie revolutioniert. LiDAR-Scanner mit luftgetragenen Laserpulsen pro Sekunde feuern Millionen von Laserpulsen ab, die dichte Waldkronen durchdringen, um versteckte Merkmale darunter zu enthüllen. Die Arbeit der Pacunam LiDAR Initiative in Guatemala hat jahrzehntelange Annahmen über die Maya-Zivilisation umgestoßen, indem sie massive landwirtschaftliche Terrassen, Straßen und städtische Expansion enthüllten. Die Daten, rechnerisch verarbeitet, zeigten, dass die Maya-Populationen weitaus dichter waren und ihre Landschaft intensiver verändert wurde als bisher angenommen. In ähnlicher Weise hat LiDAR in Kambodscha ausgedehnte Kanalnetze und Tempelkomplexe um Angkor Wat entdeckt, was das Ausmaß der Khmer-Technik demonstriert. Diese Entdeckungen wären mit traditionellen Vermessungsmethoden unmöglich. Die Kosten von LiDAR sind seit den 2000er Jahren erheblich gesunken, und viele Länder führen jetzt nationale LiDAR-Umfragen durch Umweltüberwachung durch, wodurch die Daten Archäologen frei zugänglich gemacht werden

Über die Aufnahme hinaus ermöglichen 3D-Modelle virtuelle Restaurierung und Rekontextualisierung. Im britischen Museum wurde ein fragmentiertes assyrisches Relief digital mithilfe von 3D-Scans und Algorithmen, die auf Bruchflächen abgestimmt sind, zusammengefügt. Auch das öffentliche Engagement hat profitiert: Museen teilen jetzt 3D-Modelle online über Plattformen wie Sketchfab und MorphoSource, so dass jeder Artefakte interaktiv erkunden kann. Die Anwendung von virtueller Realität und erweiterter Realität wächst. Zum Beispiel ermöglicht die Stonehenge VR Erfahrung Benutzern, durch das Denkmal zu verschiedenen historischen Zeiten zu gehen, während AR-Anwendungen den Besuchern Rekonstruktionen zeigen lassen, die auf Ruinen liegen. Diese Werkzeuge sind nicht nur für die Öffentlichkeit gedacht; sie unterstützen Forscher bei der Erforschung von Sichtbarkeit

Photogrammetrie in der Praxis

Heute erfassen selbst kleine Ausgrabungsteams routinemäßig Datensätze aus verschiedenen Blickwinkeln, verarbeiten sie in SfM-Software und erzeugen ein digitales Oberflächenmodell mit einer Auflösung von weniger als Zentimetern. Diese Aufzeichnung wird für spätere Analysen von unschätzbarem Wert, insbesondere wenn die Ausgrabung destruktiv ist. Die Dokumentationsgeschwindigkeiten haben sich im Vergleich zum manuellen Zeichnen verzehnfacht. Das Molyneux-Projekt in Irland verwendete SfM, um ein Rundhaus aus der Bronzezeit aufzuzeichnen; das resultierende Modell ermöglichte es dem Team, Beleuchtungsbedingungen basierend auf dem Sonnenwinkel zur Sommersonnenwende zu simulieren - was mit herkömmlichen Plänen unmöglich ist. Photogrammetrie hat sich auch für die Unterwasserarchäologie bewährt, wo Tauchteams Bilder von Schiffswracks und untergetauchten Siedlungen aufnehmen und sie in 3D rekonstruieren, ohne zerbrechliche Standorte zu stören. Die Technik ist so Routine geworden, dass viele Universitäten jetzt Studenten benötigen, um SfM-Workflows als Teil ihres Feldtrainings zu lernen.

Laserscanning und strukturiertes Lichtscanning

Während die Photogrammetrie sich durch die Erfassung von Farbe und Textur auszeichnet, bieten strukturierte Laserscannings und strukturierte Lichtscans eine überlegene geometrische Genauigkeit für kleine Objekte und architektonische Merkmale. Terrestrische Laserscanner können Millionen von Punkten pro Sekunde erfassen und so dichte Punktwolken erzeugen, die bis in Millimeter genau sind. Die Organisation CyArk hat Laserscans verwendet, um Hunderte von gefährdeten Kulturerbestätten weltweit zu dokumentieren, einschließlich der Bamiyan Buddhas in Afghanistan vor ihrer Zerstörung zu dokumentieren. Strukturierte Lichtscanner, die Muster auf Oberflächen projizieren und Verformung messen, sind ideal für die Aufzeichnung kleiner Artefakte wie Feuersteinwerkzeuge, Töpferscherben und Inschriften. Diese hochauflösenden Modelle ermöglichen es Forschern, mikroskopische Verschleißmuster und Werkzeugmarken zu untersuchen, die mit bloßem Auge unsichtbar sein könnten. Die Kombination von Laserscanning und Photogrammetrie ist zunehmend üblich, wobei Praktiker beide Daten

Die Computational Archäologie ist heute durch die Integration von , , Big Data und )Remote Sensing in einem beispiellosen Maßstab gekennzeichnet. Deep Learning-Modelle werden angewendet, um keramische Scherben von Fotografien zu klassifizieren, lithische Werkzeugtypen zu identifizieren und sogar vergrabene Strukturen in Satellitenbildern zu erkennen. Zum Beispiel verwendet die SpaceNet-Herausforderung Satellitenradardaten, um unterirdische archäologische Merkmale in trockenen Regionen zu finden. Im Amazonasgebiet haben Forscher maschinelles Lernen verwendet, um Drohnenbilder zu analysieren und bisher unbekannte Geoglyphen zu enthüllen, die durch Entwaldung verborgen sind. Die Kombination von Satellitenuntersuchungen und automatisierter Mustererkennung verspricht, die Entdeckung um Größenordnungen zu beschleunigen. Diese KI-Ansätze sind besonders wertvoll für die Vermessung großer, abgelegener oder gefährlicher Gebiete, in denen bodengestützte Vermessung unpraktisch ist.

Große Daten in der Archäologie beziehen sich auf Datensätze, die für die traditionelle Tabellenkalkulation zu groß sind - Petabyte-LiDAR-Punktwolken, Millionen digitalisierter Artefaktdatensätze aus Jahrzehnten des Kulturressourcenmanagements oder massive Datenbanken von Radiokohlenstoffdaten. Projekte wie tDAR und Open Context zielen darauf ab, solche Daten öffentlich zugänglich zu machen und FAIR. Computational Ontologien, wie die CIDOC-CRM, ermöglichen die Integration in Datenbanken aus verschiedenen Sprachen und Ausgrabungskonventionen. Netzwerkanalyse, angetrieben von großen Datensätzen, ist zu einer Schlüsselmethode für das Studium der alten Konnektivität geworden - Analyse von allem, von Töpferschiffhandelsrouten bis zur Verbreitung religiöser Ikonographie. Zum Beispiel hat der Digital Atlas of Roman and Medieval Civilizations Netzwerkmodelle verwendet, um

Eine weitere Grenze ist agentenbasierte Modellierung, bei der Archäologen das Verhalten einzelner Agenten im Laufe der Zeit in einer virtuellen Landschaft simulieren. Das Village Ecodynamics Project im US-Südwesten modellierte Tausende von Jahren puebloanischer Populationsdynamik und verglich simulierte Siedlungsmuster mit tatsächlichen Verteilungen archäologischer Stätten. Durch die Optimierung von Variablen wie Klima, Ackerland und sozialen Regeln halfen die Modelle zu erklären, warum bestimmte Dörfer aufgegeben wurden. Agentenbasierte Modellierung wurde auf den Zusammenbruch der Maya, den Aufstieg des Römischen Reiches und die Aufgabe von Wikingersiedlungen in Grönland angewendet. Diese Simulationen behaupten nicht, die Vergangenheit mit Sicherheit vorherzusagen, aber sie ermöglichen es Forschern, Hypothesen über Kausalität und Rückkopplungsschleifen in komplexen sozial-ökologischen Systemen zu testen.

Mit zunehmender Rechenleistung entstehen digitale Zwillinge von archäologischen Landschaften - Echtzeit-Modelle, die Daten von Drohnen, Bodensensoren und historischen Karten enthalten. Das Projekt CaSEs hat einen digitalen Zwilling einer römischen Hafenstadt im modernen Tunesien geschaffen, der es Forschern ermöglicht, Überschwemmungen und Erosion über Jahrhunderte zu simulieren. Diese Werkzeuge unterstützen nicht nur die Forschung, sondern auch Entscheidungen zum Kulturerbemanagement, wie z. B. wo die Verstärkung gegen den Anstieg des Meeresspiegels priorisiert werden soll. Das Konzept eines digitalen Zwillings erstreckt sich über Landschaften hinaus auf einzelne Denkmäler: Der Westminster Abbey Digitaler Zwilling verwendet beispielsweise Sensoren, die in das Mauerwerk eingebettet sind, um die strukturelle Stabilität und die Umweltbedingungen zu überwachen und die Konservatoren auf mögliche Schäden zu warnen, bevor sie sichtbar werden.

Auswirkungen auf Bildung und Erhaltung

Computergestützte Methoden haben den Zugang zur Archäologie demokratisiert. Digitale Repositorien wie Museumswebsites bieten jetzt 3D-Touren, hochauflösende Artefaktzooms und VR-Spaziergänge an. Schulkinder können eine 3D-gedruckte Nachbildung eines antiken griechischen Kraters erkunden oder Stratigraphie in einer spielähnlichen Umgebung namens Archeodidact analysieren, die Ausgrabungen simuliert. Virtuelle Feldschulen sind üblich geworden, insbesondere seit der COVID-19-Pandemie, so dass Schüler über Webcams und Live-Stream-Photogrammetrie an Ausgrabungen teilnehmen können. Diese Werkzeuge senken die Eintrittsbarrieren und ermöglichen die Teilnahme von Schülern, die aufgrund von Kosten, Behinderung oder anderen Einschränkungen nicht zu Ausgrabungsstätten reisen können. Der Aufstieg von Open-Access-Publishing- und Datenrepositorien hat auch das Spielfeld für Forscher in Entwicklungsländern geebnet, die jetzt auf Datensätze und analytische Werkzeuge zugreifen können, die einst auf wohlhabende Institutionen beschränkt waren.

Die Konservierung wurde ebenfalls verändert. Laserscans der Höhlen von Lascaux in Frankreich ermöglichen nun eine detaillierte Überwachung des Pilzwachstums, ohne die Wände zu berühren, und helfen Konservatoren dabei, die fragilen paläolithischen Gemälde zu schützen. Ein komplettes 3D-Archiv des Manhyia Palace Museum in Ghana schützt vor möglichen Verlusten durch Feuer oder Krieg. Die CyArk Organisation hat Hunderte von gefährdeten Kulturerbestätten weltweit digital erfasst und die Daten für den Schutz und die Forschung zur Verfügung gestellt. In Konfliktzonen haben Satellitenbilder und maschinelles Lernen Plünderungen in nahezu Echtzeit verfolgt – zum Beispiel die Analyse von Schäden an antiken Städten wie Palmyra in Syrien. Diese Bemühungen, die oft als bezeichnet werden, verschmelzen Computer, Ethik und Schutz des Kulturerbes. Die Verwendung von Rechenmethoden für die Konservierung hat sich auch auf die Anpassung an den

Schlussfolgerung

Die Geschichte der Rechenmethoden in der Archäologie ist eine Geschichte von inkrementellen Innovationen, von Lochkarten, die Artefakte in den 1960er Jahren verarbeiten, bis hin zur KI-gesteuerten Analyse von Satellitenbildern in den 2020er Jahren. Jeder Fortschritt hat die Erklärungskraft der Disziplin erweitert, was Archäologen erlaubt, Fragen zu stellen, die zuvor unerreichbar waren. Doch Technologie ersetzt nicht den wissenschaftlichen Kernprozess: Feldforschung, Argumentation und Interpretation. Stattdessen verstärkt die Technologie die menschliche Einsicht, indem sie uns ermöglicht, Muster in komplexen Daten zu erkennen und Hypothesen mit Simulationen zu testen, die in der realen Welt unmöglich sind. Da Hardware billiger und Software leistungsfähiger wird, wird die Zukunft wahrscheinlich in Umgebungen arbeiten, in denen Algorithmen Ausgrabungsstrategien vorschlagen und prädiktive Modelle die Entscheidungen des Erbemanagements leiten. Durch die Einbeziehung dieser Werkzeuge und die Aufrechterhaltung kritischer Strenge wird das Feld weiterhin unser Verständnis der menschlichen Vergangenheit vertiefen und ihre Erhaltung für kommende Generationen sicherstellen. Die Herausforderung wird darin bestehen, diese leistungsstarken Technologien sinnvoll einzusetzen und sicherzustellen, dass sie den Zielen der Inklusivität dienen Die Ziele der Inklusivität, Transparenz und ethische Verantwortung definieren Die beste archäologische Praxis. Für