Towards a Relational Model of the Holocaust Geolocalized Approaches to Perpetration, Complicity, and Knowledge

De kaart die de stippen verbindt

Stel je voor dat je een enorme, wereldwijde mystery probeert op te lossen, maar de aanwijzingen liggen verspreid over duizenden verschillende dozen op een stoffige zolder. Sommige aanwijzingen zijn treintickets, andere zijn dagboekfragmenten, sommige zijn officiële overheidslijsten en andere zijn verhalen verteld door overlevenden decennia later. Lange tijd waren historici erg goed in het lezen van de individuele verhalen—zoals een detective die zich concentreert op het dagboek van één specifiek persoon om hun angst of moed te begrijpen. Maar soms is het kijken naar slechts één verhaal lastig om het volledige beeld te zien van hoe de mystery georganiseerd was. Het is alsof je probeert een enorme verkeersopstopping te begrijpen door alleen naar één auto te kijken; je weet dat die auto vaststaat, maar je weet niet waarom het hele wegennet in de stad vastloopt.

Dit artikel bevindt zich op het snijvlak van geschiedenis en digitale technologie, specifiek een veld genaamd "Historical Network Analysis" (Historische Netwerkanalyse). Denk aan dit veld als een superkrachtige manier om de stippen te verbinden. In plaats van alleen een lijst met namen te lezen, bouwt deze methode een gigantisch, interactief web waarin elke persoon, plaats, treinstation en document een "node" (een stip) is, en de relaties tussen hen "edges" (lijnen die de stippen verbinden) zijn. Het artikel stelt een grote vraag: kunnen we deze digitale webs gebruiken om niet alleen in kaart te brengen wat er gebeurde tijdens de Holocaust, maar ook waar het gebeurde, wie er in de buurt was, en welke informatie er op dat moment in de lucht hing? Het gaat over het bewegen van een verhalenboek-perspectief naar een 3D-kaartperspectief, wat hels bij het zien van patronen van beweging, kennis en verantwoordelijkheid die onzichtbaar zijn wanneer we slechts één document tegelijk lezen.

Het grote idee van het artikel: Een digitale web van de geschiedenis bouwen

Fabian Schmidt, de auteur van dit artikel, stelt een nieuwe manier voor om de Holocaust te bestuderen met behulp van deze digitale webs. Hij suggereert dat hoewel persoonlijke verhalen essentieel zijn voor het begrijpen van individueel lijden, ze niet de beste instrumenten zijn om de enorme, onzichtbare structuren te zien die daders, slachtoffers, omstanders en instituten over tijd en ruimte heen verbonden. Om dit op te lossen, betoogt het artikel dat we "geolokaliseerde historische netwerken" moeten bouwen.

Stel je voor dat je alle verspreide aanwijzingen meeneemt—de dienstregelingen van treinen, de lijsten van kampoverplaatsingen, de fabrieksarchieven en de herinneringen van overlevenden—en deze in een computermodel voert. Dit model somt ze niet alleen op; het verbindt ze. Het trekt lijnen tussen een specifieke trein en de stad waar hij doorheen reed, of tussen een fabriek en de arbeiders die zij in dienst had. Door dit te doen, kan het model patronen onthullen die te groot zijn voor het menselijk brein om in één boek te spotten. De auteur deelt bijvoorbeeld een persoonlijk moment waarop hij besefte dat een deportatietrein, beroemd om het vervoeren van een jong meisje genaamd Settela Steinbach, minder dan een kilometer (ongeveer 0,6 mijl) van zijn eigen kantoor in Berlijn passeerde. Hoewel de route van de trein al in geschiedenisboeken stond beschreven, maakte het verbinden van de trein aan een kaart van zijn buurt het evenement plotseling tastbaar en onmiddellijk. Het riep nieuwe vragen op: Hoeveel andere treinen reden er door die buurt? Hoe vaak zagen lokale mensen ze?

Het artikel suggereert dat we door deze netwerken te bouwen, "kenniskaarten" kunnen creëren. Deze kaarten vertellen ons niet precies wat een specifiek persoon op een specifieke dag wist (omdat dat vaak onmogelijk te bewijzen is). In plaats daarvan laten ze ons de omgeving van informatie zien. Ze kunnen laten zien welke steden vlak naast dwangarbeidskampen lagen, of welke treinstations lange vertragingen hadden waarbij burgers wellicht wachtten en toekeken. Het is als het maken van een weerkaart voor informatie: we kunnen de wind niet zien, maar we kunnen de luchtdruk zien die aangeeft waar de storm waarschijnlijk gevoeld zal worden.

Wat het artikel daadwerkelijk doet (en niet doet)

Het is belangrijk om te begrijpen wat dit artikel niet beweert. De auteur is zeer duidelijk dat deze methode geen toverstaf is die de noodzaak om getuigenissen van overlevenden of traditionele geschiedenisboeken te lezen, zal vervangen. Sterker nog, het artikel spreekt zich uit tegen het idee dat we deze modellen kunnen gebruiken om definitief te zeggen: "Deze persoon wist alles" of "Deze persoon wist niets". Het model kan geen gedachten lezen.

In plaats daarvan stelt het artikel voor dat deze netwerken een instrument zijn om de bestaande geschiedenis aan te vullen. Het stelt voor dat door gefragmenteerde data te koppelen—zoals het combineren van een lijst met gevangenen met een kaart van spoorlijnen en een dagboekfragment van een lokale bewoner—we de "relationele contexten" van de Holocaust kunnen reconstrueren. Het artikel gebruikt voorbeelden uit andere velden om te laten zien hoe dit werkt. Het wijst naar een project genaamd "Sites of Shame", dat de deportatieroutes van Japans-Amerikanen tijdens de Tweede Wereldoorlog in kaart bracht. Die kaart toonde een duidelijk patroon: de meeste mensen werden van Californië naar kampen in het Midwesten verplaatst, maar na de oorlog keerden ze niet terug naar Californië; ze verhuisden naar de Oostkust. Dit grotere patroon was verborgen in duizenden individuele verhalen, maar werd overduidelijk wanneer het als een netwerk werd gevisualiseerd. Op dezelfde manier kijelt het artikel naar kaarten van de transatlantische slavenhandel, die onthulden dat veel tot slaaf gemaakten intern tussen plantages werden verplaatst, een detail dat in algemene geschiedenissen vaak wordt gemist.

Het artikel sluit expliciet de mogelijkheid uit dat deze modellen moeten worden gebruikt om de gruwel van de Holocaust te vereenvoudigen of te "esthetiseren". De nazi's zelf gebruikten kaarten en diagrammen om hun genocide te laten lijken op een schone, efficiënte logistieke operatie. Dit artikel betoogt dat onze modellen het tegenovergestelde moeten doen: ze moeten de gebroken, rommelige, menselijke stukjes van het verhaal weer verbinden om de ware complexiteit en de menselijke kosten te tonen.

De methode: Van papier naar pixels

Om deze modellen te bouwen, schetst het artikel een methode genaamd "Entity-Relationship Modelling". Denk hierbij aan een digitale Lego-set. De "stenen" zijn de entiteiten: mensen, plaatsen, organisaties en gebeurtenissen. De "verbindingsstukken" zijn de relaties: "werd gedeporteerd uit", "werkte bij", "woonde nabij" of "zag".

De auteur merkt op dat we veel data hebben, maar dat deze momenteel verspreid is. Een deel zit in overheidsarchieven, een deel in museumdatabases en een deel in oude boeken. Het artikel stelt voor om technologie zoals Natural Language Processing (NLP) te gebruiken—wat in fehadelijk is wat een computer doet door tekst te lezen om namen en data te vinden—om deze informatie samen te brengen. Een computer zou bijvoorbeeld een dagboek kunnen scannen en een vermelding vinden van een passerende trein, om die vervolgens te koppelen aan een transportschema om precies te zien wanneer en waar dit gebeurde.

Het artikel waarschuwt echter dat dit niet perfect is. De data is incompleet, en sommige verhalen kunnen overdreven of onjuist zijn. De auteur suggereert dat we zeer voorzichtig moeten zijn met wat we in het model opnemen. We moeten ons richten op gebeurtenissen die verankerd zijn aan specifieke tijden en plaatsen, in plaats van op vage geruchten. Het artikel bespreekt ook de ethische kant van dit werk. Omdat de data betrekking heeft op echte mensen die hebben geleden, betoogt de auteur dat we "pseudoniemen" (nepnamen of ID-nummers) in de database moeten gebruiken om hun waardigheid te beschermen, en dat echte namen alleen met zorg en wanneer strikt noodzakelijk worden onthuld.

De toekomst: Het onzichtbare zien

Het artikel concludeert door te suggereren dat deze instrumenten kunnen helpen bij het beantwoorden van vragen die voorheen moeilijk te stellen waren. Bijvoorbeeld: konden we in kaart brengen hoe dicht burgers bij concentratiekampen woonden? Zouden we kunnen zien hoe vaak deportatietreinen stopten in de buurt van drukke dorpspleinen? De auteur ziet een toekomst voor zich waarin we een computer kunnen vragen: "Hoe zou het zijn geweest om in 1941 een pub in een specifieke stad binnen te lopen?" en een antwoord krijgen op basis van het netwerk van gebeurtenissen die in de buurt plaatsvonden, in plaats van op een gok.

Hoewel het artikel niet beweert de mystery van de Holocaust te hebben opgelost, suggereert het dat Historical Network Analysis een nieuwe manier biedt om naar het bewijs te kijken. Het verandert een stapel losstaande documenten in een levende, ademende kaart van relaties. Door dit te doen, helpt het ons de "onzichtbare" structuren van medeplichtigheid en kennis te zien, en herinnert het ons eraan dat geschiedenis niet alleen een lijst met data en namen is, maar een complex web van verbindingen die de wereld hebben gevormd. Nu de generatie van ooggetuigen wegsterft, betoogt het artikel dat deze digitale webs een van de beste manieren kunnen zijn om de volledige omvang van wat er gebeurde te begrijpen, en ervoor te zorgen dat de verbindingen tussen mensen, plaatsen en gebeurtenissen nooit meer verloren gaan.