Open Access

In diesen Vorlesungen geht es um das, was Poesie ist. Poesie, lautet sehr verkürzt die These, ist ein bestimmtes Ding aus Sprache, das anders ist als andere Sprachdinge. Sein Anderssein besteht darin, dass es nicht nur, wie es andere Sprachdinge tun, verweist auf etwas außerhalb seiner Sprachlichkeit (auf jenen Baum dort und diesen Tisch hier), sondern ist, was es sagt. Deshalb kann es uns unmittelbar berühren. Wenn man nicht nur davon berührt sein will, sondern auch verstehen, warum was wie berührt, muss man sehr genau zu lesen verstehen. Deshalb hört und sieht dieses Lesen und Verstehen besonders lange und genau auf das Wie des Sagens, um zu verstehen, was es sagt. Das braucht etwas Gehör, Geduld, Offenheit und Mut, etwas auch nicht und etwas ganz anders zu verstehen. Diese Vorlesungen versuchen, ein solches Verständnis von Poesie theoretisch zu entwickeln und praktisch, als Übung an einzelnen Gedichten, einzuüben. Was Poesie ist, ist allerdings nicht auf Gedichte beschränkt. Was diese Vorlesungen zu vermitteln versuchen, kann für alle von Nutzen sein, die sich mit der besonderen Weise beschäftigen wollen, in der Dinge aus Sprache mehr sind als Dinge aus Sprache.

Die von Volker Schulz vorgelegte Dissertation beschäftigt sich mit der Frage, ob musikpädagogisch orientierte Hörfunksendungen des Norddeutschen Rundfunks aufgrund von programmstrategischen Überlegungen entstanden sind, die rundfunkstaatsvertraglichen Vorgaben nach Information, Beratung, Unterhaltung und Bildung gefolgt sind oder ob derartige Sendungen konzipiert wurden, weil Redakteurinnen und Redakteure entsprechende individuelle Interessen und Neigungen in Hörfunkangebote umsetzen wollten. In der Arbeit werden zwei langjährige Sendereihen des NDR-Hörfunkangebotes formal und inhaltlich untersucht: Das „Schulfunkkonzert“ (1949-1989) und der „Popkocher“ (1986-2021) enthalten hörbare Bezüge zu musikdidaktischen Konzeptionen, die in den 1960er und 1970er Jahren entwickelt wurden. Obwohl der Hörfunk aufgrund seiner technischer Gegebenheiten ungeeignet erscheint, pädagogische Prozesse auszulösen – es gibt nur einen Sender und einen Empfänger, eine Kommunikation ist nicht möglich – zeigt sich in der Betrachtung der beiden Sendereihen die Verwendung von verschiedenen Methodensuggestionen, durch die immerhin scheinbar eine kommunikative Verbindung zwischen Moderation und Rezipienten hergestellt wird und die zumindest teilweise pädagogische Erfolge möglich machen. Ergänzende Experteninterviews mit Persönlichkeiten, die an der Entstehung oder der redaktionellen Betreuung der Reihen mitgewirkt haben, stützen die Erkenntnis, dass individuelles Interesse im Kreis der Redakteurinnen und Redakteure zur Entwicklung der musikpädagogischen Sendungen geführt haben und es keinerlei Vorgaben aus der Leitungsebene des NDR gab, ebenso wenig wie eine Beeinträchtigung bei der Umsetzung der jeweiligen Programmideen.

Das Konzept der ausgewogenen Gegenseitigkeit nimmt exemplarisch soziale Interaktionen ins Visier und legt deren immanente Potenziale der Gerechtigkeit frei; es zeigt auf, dass in vielen Sphären des Sozialen die Impulse der Gerechtigkeit nicht zu ihrer Vollendung gelangt sind. Ausgewogene Gegenseitigkeit indiziert ein wechselseitig gewolltes Verhältnis, das sich Menschen ab einer bestimmten Stufe der Humanität notwendigerweise „schulden“; ihre grundlegende Idee ist ein soziales Ethos des gerechten Maßes. Mit Hilfe der zentralen Ideen der Anerkennung und Gerechtigkeit wird sich jener Wertbestimmung angenähert, die in sozialen Interaktionen radikale und ungerechtfertigte Handlungen und Behandlungen offenlegt und desavouiert, bis erkennbar wird, dass sich in diesen sozialen Zusammenhängen das Verständnis der ausgewogenen Gegenseitigkeit, dies im Sinne der Gerechtigkeit und Redlichkeit, als Aufklärung aufdrängt. Für die Allegorie der Ausgewogenheit hat der Autor die klassische Balkenwaage im Sinn, weil ihre lateinische Bedeutung vieles von dem offenbart, was mit der Idee der Gerechtigkeit assoziiert wird. Die Balkenwaage wurde im Lateinischen mit dem Begriff der libra (libare ═ im Gleichgewicht, schwebend, halten, schwingen) benannt und symbolisierte in allen Hochkulturen Gerechtigkeit, Wahrheit, Weisheit, Gesetz und Ordnung. Das Ansinnen der sozialen Ausgewogenheit wird deshalb durch das Bild der Waage zu verdeutlichen versucht, weil die Waage sich um eine Mittelachse symmetrisch schwingend bewegt und dabei versucht, zwischen einem Gewicht und einem Gegengewicht Balance zu halten. Man kann darin einiges hineininterpretieren, so z. B., dass in der Bewegung der Waagschalen eine Entscheidungsfindung zu ersehen ist, die ihre Zeit benötigt und in der kurzweilig die eine Seite mehr Gewicht anzeigt, obgleich das Endziel doch die Ausgewogenheit bleibt. Indessen teilt uns die Art des Schwebens mit, dass man im Leben Durchhaltevermögen und Geduld benötigt, um eine Last balancieren zu können, die nicht endlos sein darf. Bezüglich der sozialen Integrität wäre die Balance deshalb von Bedeutung, weil nur ein Gleichgewicht zwischen dem körperlichen und dem mentalen Zustand in eine umfassende Integrität münden würde.

In diesem Zwischenbericht werden die vorläufigen Ergebnisse der Aufarbeitung zu „Helmut Kentlers Wirken in der Berliner Kinder- und Jugendhilfe – Aufarbeitung der organisationalen Verfahren und Verantwortung des Berliner Landesjugendamtes“ vorgestellt. Das Aufarbeitungsvorhaben folgt dabei den Ergebnissen des Zwischen- und Endberichtes der Aufarbeitung zu „Helmut Kentlers Wirken in der Berliner Kinder- und Jugendhilfe“ sowie Hinweisen von weiteren Zeitzeug*innen und betroffenen Personen, die nach der Veröffentlichung des Endberichtes an das Forscher*innenteam herangetreten sind und neue Hinweise zu möglichen Verflechtungen des Berliner Landesjugendamtes über Berlin hinaus, aufzeigten. Es werden drei zentrale Fragekomplexe verfolgt: 1. Wie kann die Aufarbeitung die Anliegen von Betroffenen unterstützen? 2. Wie lassen sich die verschiedenen Entscheidungsformen und Verläufe der Verfahren, in denen das Landesjugendamt in Fallverantwortung stand, aus einer organisationsanalytischen Perspektive rekonstruieren? 3. Herausarbeitung von Verwobenheiten und Verflechtungen des Berliner Landesjugendamtes mit anderen Berliner sowie deutschlandweiten Institutionen und Akteur*innen. Das forschungspraktische Vorgehen besteht in der Annäherung an diese drei Fragen aus vier Forschungsperspektiven: 1. Betroffenenbeteiligung und -interviews, 2. Aktenanalyse, 3. Zeitzeug*inneninterviews, 4. Fachöffentlicher Diskurs.

Supervised learning, the standard paradigm in machine learning, only works well if a sufficiently large, diverse, and cleanly-annotated dataset is available. Unfortunately, this is often not the case. In fact, the lack of labeled data is an omnipresent issue in machine learning. The problem is particularly prevalent in computer vision, where unlabeled images or videos can often be acquired at a low cost, whereas labeling them is time-consuming and expensive. To address the issue, this thesis focuses on developing new methods that aim at reducing annotation costs in computer vision by leveraging unlabeled and partially labeled data. In the first part, we provide an overview of previous research directions and discuss their strengths and weaknesses. Thereby, we identify particularly promising research areas. The subsequent chapters which form the central part of this thesis aim at developing algorithmic improvements in these especially attractive fields. Among them is self-supervised learning, which aims at learning transferable representations given a large number of unlabeled images. We find that existing self supervised methods are optimized for image classification tasks, only compute global per-image feature vectors, and are designed for object-centric datasets like ImageNet. To address these issues, we propose a method that is particularly suited for object detection downstream tasks and works well if multiple objects are present per image like in video data for autonomous driving. Another core downside of self-supervised learning algorithms is that they depend on very large batch sizes with batch norm statistics synchronized across GPUs and also require many epochs of training until convergence. We find that stabilizing the self-supervised training target substantially speeds up convergence and allows for training with much smaller batch sizes. Our method matches ImageNet weights after 25 epochs of training with a batch size of only 32. Finally, we investigate supervised pretraining. We find that state-of-the-art self-supervised methods match ImageNet weights only in classification or detection but not in both. In addition, we show that more sophisticated supervised training strategies significantly improve upon ImageNet weights. The second part of the thesis deals with partially labeled data for object detection. We propose to label only large, easy-to-spot objects given a limited budget. We argue that these contain more pixels and therefore usually more information about the underlying object class than small ones. At the same time, they are easier to spot and hence cheaper to label. Because conventional supervised learning algorithms do not work well given this annotation protocol, we develop our own method with does, by combining pseudo-labels, output consistency across scales, and an anchor scale-dependent ignore strategy. Furthermore, many object detection datasets such as MS COCO and CityPersons include group annotations, i.e., bounding boxes that contain multiple objects of a single class. We find that pseudo-labeling instances within a group box is superior to the commonly used training strategies. In the third part of the thesis, we cover semi-supervised object detection where a subset of the images is fully labeled whereas the remaining ones are unlabeled. We show that existing methods that are almost exclusively developed for Faster R-CNN work much less well if applied to architectures that are sensitive to missing annotations. In the prefinal chapter, we investigate the interaction between data and computer vision algorithms. This is in contrast to the vast majority of research which considers the data to be fixed. We provide computer vision practitioners and researchers with guidelines about what to do in typical situations. In the final part of the thesis, we discuss the overall findings and investigate if research should put greater weight on acquiring and labeling data. Finally, we discuss options of mimicking human learning with machines, which might eventually result in human-level intelligence. After all, humans are living proof that this kind of learning works, if done properly.