Artländer Aggregations-Matrix
Quellen zur Frühen Geschichte des Artlandes
Modul A: Anthropogene Dynamik
Die Methodik der Artländer Aggregations-Matrix (AAM)
Modul A bildet das menschliche und räumliche Fundament der Matrix. Hier wird entschlüsselt, wie sich die Artländer Landschaft von einer Ansammlung verstreuter Höfe zu einem komplexen sozioökonomischen System entwickelte. Dabei werden acht Kernindikatoren verwendet, unterteilt in Input-Variablen [I] (Direktdaten) und Ergebnis-Indikatoren [R] (berechnete Werte).
1. Die residente Basis: Hs & Nh
Die physischen Träger der Siedlung.
Hofstellen (Hs) — [I]
Der Indikator für die räumliche Verteilung selbstständiger landwirtschaftlicher Betriebe.
Kerndefinition: Die Anzahl der eindeutigen, rechtlich aktiven Hauptstandorte zu einem bestimmten Referenzzeitpunkt.
Inklusion: Ausschließlich Haupthofstellen, die der Datierungslogik entsprechen (GenesisYear ≤ Referenzjahr) und nicht als Wüstung (verlassen) gekennzeichnet sind. Dies betrifft die Klassen: VE, HE, EK und MK.
Exklusion: Nebengebäude werden hier nicht mitgezählt, um ein klares Bild der Extensivierung (neue Höfe) zu behouden.
Methodisches Warum: Er dient als Gradmesser für das strukturelle Wachstum der Landschaft.
Nebenhaus (Nh) — [I]
Der Indikator für die soziale Verdichtung des Erbes.
Kerndefinition: Bewohnte Nebengebäude, welche die „unsichtbare“ Demografie des Artlands erschließen.
Inklusion: Strukturell bewohnte Objekte wie Backhäuser, Leibzuchten oder Heuerhäuser.
Exklusion: Nur vorübergehend bewohnte Gebäude (einmalige Erwähnung) werden ausgeschlossen.
Methodisches Warum: Nh transformieren eine statische Übersicht von Steinen in ein realistisches Bild der sozioökonomischen Unterschicht und der verfügbaren Arbeitskraft.
2. Ressourcen & Status: EF & Fh
Der wirtschaftliche Akku und die rechtliche Freiheit.
Esch-Fläche (EF) — [R]
Die Rekonstruktion des kollektiven landwirtschaftlichen Areals.
Kerndefinition: Die theoretische Verfügbarkeit von Ackerland (Saatland) innerhalb der Bauerschaft, zurückgerechnet vom Spitzenwert des Jahres 1722.
Methodik: Die EF ist ein Gemeinschaftswert. Das Areal wird auf die vorhandenen Höfe verteilt, um den durchschnittlichen Produktionsdruck zu ermitteln, unabhängig von der individuellen Hofklasse.
Methodisches Warum: Die EF fungiert als „energetischer Akku“. Sie sagt uns nicht, wie reich ein einzelner Bauer war, sondern wie hart der Boden „arbeiten“ musste, um die Gemeinschaft zu ernähren.
Freie Höfe (Fh) — [I]
Der Indikator für juristische Autonomie und institutionelle Erosion.
Kerndefinition: Eine dynamische Teilmenge von Hs, die angibt, welche Höfe sich aus der Eigenbehörigkeit gelöst haben (Freikauf).
Exklusion: Eigenbehörigkeit ist der Standardwert; mangels Beweises der Freiheit fällt ein Hof in die Basisschicht zurück.
Methodisches Warum: Fh misst das Machtgefüge. Es zeigt, wo das feudale System wankte und wo Kapital lokal für Reinvestitionen akkumuliert werden konnte.
Hofstellen-Dichte (Hd) — [R]
Der räumliche Siedlungsdruck und die Landschaftsfragmentierung.
Kerndefinition: Die Anzahl der physischen Hofstellen (Summe aus VE, HE, EK, MK) pro verfügbarem Hektar potenziell bebaubarem Areal innerhalb der Bauerschaft.
Methodik: Die Hd berechnet das Verhältnis zwischen der Siedlungsstruktur und den topographischen Grenzen. Während die EF die energetische Kapazität des Ackerlandes betrachtet, misst die Hd die soziale Verdichtung auf dem verfügbaren Raum.
Methodisches Warum: Die Hd fungiert als Indikator für den „sozialen Stress“ auf dem Boden. Eine hohe Hd deutet auf eine starke Aufsplitterung hin (z. B. durch Erbeilungen oder schnelles Bevölkerungswachstum), was oft mit einer höheren Vulnerabilität der einzelnen Haushalte korreliert – unabhängig von der Gesamtgröße der Bauerschaft.
3. Demografische Rekonstruktion: Bev & Bd
Die Übersetzung von Gebäuden in „Fleisch und Blut“.
Bevölkerung (Bev) — [R]
Die biologische Rekonstruktion des Bevölkerungsumfangs mittels der ParSE02-Matrix.
Kerndefinition: Die geschätzte Einwohnerzahl, aufgebaut aus drei Schichten:
Status: Multiplikatoren basierend auf der Hofklasse (z. B. ein Vollerbe hat einen größeren Haushalt als ein Kotte).
Der „Neben“-Faktor: Hier werden die Bewohner der Nh (Nebengebäude) in der Berechnung aktiviert.
Zeitgeist: Die Faktoren steigen im Laufe der Jahrhunderte (von defensiven Startwerten zu einer höheren Belegung im 17. Jahrhundert).
Krisen-Korrektur: Enthält einen Reduktionsfaktor für Zeiträume dokumentierter Rückschläge (wie die Krisen des Spätmittelalters).
Belegungsdichte (Bd) — [R]
Das Maß für die aggregierte Bevölkerungslast pro Hof.
Formel: Durchschnittliche Population pro aktiver Hofstelle.
Methodik: Hier werden die Bewohner der Nebengebäude (Nh) als „Last“ der dazugehörigen Hofstelle zugerechnet.
Methodisches Warum: Es macht die Hofstelle als zentralen Ankerpunkt eines kleinen sozialen Ökosystems sichtbar. Es zeigt den Wandel vom Familienbetrieb zur komplexen Wohneinheit.
4. Analyse & Dynamik: Di & WR
Das Thermometer und der Herzschlag der Region.
Dichte-Index (Di) — [R]
Der Indikator für die energetische Bilanz der Bauerschaft.
Formel: $(Bev / EF) \times 100$.
Kerndefinition: Wie viele Personen müssen pro 100 Einheiten Ackerland überleben?
Methodisches Warum: Der Di ist das „Thermometer“. Ein hoher Wert erklärt die Notwendigkeit historischer Innovationen wie der Plaggeneschwirtschaft (intensive Düngung), um Hungersnöte zu verhindern.
Wachstumsrate (WR) — [R]
Der Indikator für den historischen Herzschlag.
Kerndefinition: Die prozentuale Bevölkerungsveränderung pro 100-Jahre-Intervall.
Methodisches Warum: WR enthüllt Kolonisationswellen oder demografische Sättigung. Wenn die WR abflacht, während der Dichte-Index (Di) hoch bleibt, hat die Bauerschaft ihre ökologische Obergrenze erreicht.
Modul A Matrizen
Die ParSE02-Matrix (Haushaltszusammensetzung)
Die ParSE02-Matrix ist ein zentrales Instrument innerhalb der Artländer Aggregations-Matrix (AAM), um den Übergang von physischen Gebäudestrukturen zu einer realistischen Bevölkerungsrekonstruktion zu vollziehen.
Was ist die ParSE02-Matrix?
Es handelt sich um eine Gewichtungsmatrix, die für jeden chronologischen Referenzpunkt (von 700 bis 1700) festlegt, wie viele Personen durchschnittlich in einem bestimmten Haushaltstyp lebten. Anstatt einen starren Durchschnittswert zu verwenden, erkennt dieses Modell an, dass die Haushaltsgröße über die Jahrhunderte variierte und eng an den sozialen Status des Hofes gebunden war.
Die Kernkomponenten
Die Matrix basiert auf drei wesentlichen Variablen:
-
Sozioökonomischer Status: Je nach Hofklasse (Voll-/Halberben im Vergleich zu Kotten) wird ein spezifischer Multiplikator zugewiesen. Größere, alteingesessene Höfe weisen historisch gesehen aufgrund von Gesinde und erweiterten Familienstrukturen eine höhere Belegungsrate auf.
-
Der „Neben“-Faktor: Diese Variable aktiviert die Bewohner in den Nebengebäuden (wie Heuerhäuser). Das Modell rechnet hier standardmäßig mit einem niedrigeren Multiplikator (z. B. 2 bis 3 Personen), was die typische Familienstruktur der landlosen Unterschicht widerspiegelt.
-
Chronologische Dynamik: Die Faktoren sind nicht statisch. Zwischen 1600 und 1700 steigen die Multiplikatoren deutlich an (bis zu 7 Personen bei einem Vollerben), was die historische Intensivierung und das Bevölkerungswachstum im Artland quantifiziert.
CrisisReduction: Die Krisenfestigkeit
Ein besonderes Merkmal der ParSE02 ist die Spalte CrisisReduction. Damit wird der gesamte Bevölkerungs-Output für dokumentierte historische Krisenzeiten korrigiert (z. B. eine Reduktion von 7 % in den Jahren 1400 und 1700). Dies verhindert eine unrealistische, lineare Wachstumskurve und integriert die menschliche Verletzlichkeit sowie demografische Rückschläge direkt in die Ergebnisse der Matrix.
| Jahrhundert | Voll/Halb (neu) | Voll/Halb (alt) | Kotten | Neben | CrisisReduction |
| 700 | 4 | 5 | 4 | 2 | 0% |
| 800 | 4 | 5 | 4 | 2 | 0% |
| 900 | 4 | 5 | 4 | 2 | 0% |
| 1000 | 4 | 5 | 4 | 2 | 0% |
| 1100 | 4 | 5 | 4 | 2 | 0% |
| 1200 | 4 | 5 | 4 | 2 | 0% |
| 1300 | 4 | 5 | 4 | 2 | 0% |
| 1400 | 4 | 5 | 4 | 2 | 7% |
| 1500 | 4 | 5 | 4 | 2 | 7% |
| 1600 | 5 | 6 | 4 | 2 | 0% |
| 1700 | 6 | 7 | 5 | 3 | 7% |