[PDF Download] Machine learning and ai beyond the basics raschka full chapter pdf

Page 1


Machine Learning and AI Beyond the Basics Raschka

Visit to download the full and correct content document: https://textbookfull.com/product/machine-learning-and-ai-beyond-the-basics-raschka/

More products digital (pdf, epub, mobi) instant download maybe you interests ...

Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI 1 / converted Edition Sebastian Raschka

https://textbookfull.com/product/machine-learning-q-andai-30-essential-questions-and-answers-on-machine-learning-andai-1-converted-edition-sebastian-raschka/

Kubernetes for MLOps Scaling Enterprise Machine Learning Deep Learning and AI 2nd Edition Sam Charrington

https://textbookfull.com/product/kubernetes-for-mlops-scalingenterprise-machine-learning-deep-learning-and-ai-2nd-edition-samcharrington/

Interpretable AI Building explainable machine learning systems MEAP V02 Ajay Thampi

https://textbookfull.com/product/interpretable-ai-buildingexplainable-machine-learning-systems-meap-v02-ajay-thampi/

Practical machine learning with H2O powerful scalable techniques for deep learning and AI First Edition Cook

https://textbookfull.com/product/practical-machine-learningwith-h2o-powerful-scalable-techniques-for-deep-learning-and-aifirst-edition-cook/

Practical Machine Learning with H2O Powerful Scalable Techniques for Deep Learning and AI 1st Edition Darren Cook

https://textbookfull.com/product/practical-machine-learningwith-h2o-powerful-scalable-techniques-for-deep-learning-andai-1st-edition-darren-cook/

Machine Learning and AI for Healthcare: Big Data for Improved Health Outcomes Arjun Panesar

https://textbookfull.com/product/machine-learning-and-ai-forhealthcare-big-data-for-improved-health-outcomes-arjun-panesar/

AI and Machine Learning Paradigms for Health Monitoring System: Intelligent Data Analytics Hasmat Malik

https://textbookfull.com/product/ai-and-machine-learningparadigms-for-health-monitoring-system-intelligent-dataanalytics-hasmat-malik/

Pragmatic AI An Introduction to Cloud Based Machine Learning 1st Edition Noah Gift

https://textbookfull.com/product/pragmatic-ai-an-introduction-tocloud-based-machine-learning-1st-edition-noah-gift/

AI as a Service: Serverless machine learning with AWS 1st Edition Peter Elger

https://textbookfull.com/product/ai-as-a-service-serverlessmachine-learning-with-aws-1st-edition-peter-elger/

MACHINE LEARNING Q AND AI

30 Essential Questions and Answers on Machine Learning and AI

San Francisco

MACHINE LEARNING Q AND AI. Copyright © 2024 by Sebastian Raschka

All rights reserved. No part of this work may be reproduced or transmitted in any form or by any means, electronic or mechanical, including photocopying, recording, or by any information storage or retrieval system, without the prior written permission of the copyright owner and the publisher.

First printing

28 27 26 25 24 1 2 3 4 5

ISBN-13: 978-1-7185-0376-2 (print)

ISBN-13: 978-1-7185-0377-9 (ebook)

Published by No Starch Press®, Inc. 245 8th Street, San Francisco, CA 94103 phone: +1.415.863.9900 www.nostarch.com; info@nostarch.com

Publisher: William Pollock

Managing Editor: Jill Franklin

Production Manager: Sabrina Plomitallo-González

Production Editor: Miles Bond

Developmental Editor: Abigail Schott-Rosenfield

Cover Illustrator: Gina Redman

Interior Design: Octopod Studios

Technical Reviewer: Andrea Panizza

Copyeditor: George Hale

Proofreader: Audrey Doyle

Indexer: BIM Creatives, LLC

Library of Congress Control Number: 2023041820

For customer service inquiries, please contact info@nostarch com For information on distribution, bulk sales, corporate sales, or translations: sales@nostarch com For permission to translate this work: rights@nostarch com To report counterfeit copies or piracy: counterfeit@nostarch.com.

No Starch Press and the No Starch Press logo are registered trademarks of No Starch Press, Inc. Other product and company names mentioned herein may be the trademarks of their respective owners. Rather than use a trademark symbol with every occurrence of a trademarked name, we are using the names only in an editorial fashion and to the benefit of the trademark owner, with no intention of infringement of the trademark.

The information in this book is distributed on an “As Is” basis, without warranty. While every precaution has been taken in the preparation of this work, neither the author nor No Starch

Press, Inc. shall have any liability to any person or entity with respect to any loss or damage caused or alleged to be caused directly or indirectly by the information contained in it.

To my partner, Liza; my family; and the global community of creators who have motivated and influenced my journey as an author

About the Author

Sebastian Raschka, PhD, is a machine learning and AI researcher with a strong passion for education. As Lead AI Educator at Lightning AI, he is excited about making AI and deep learning more accessible and teaching people how to utilize these technologies at scale. Before dedicating his time fully to Lightning AI, Sebastian held a position as assistant professor of statistics at the University of Wisconsin–Madison, where he specialized in researching deep learning and machine learning. You can find out more about his research on his website (https://sebastianraschka.com). Moreover, Sebastian loves open source software and has been a passionate contributor for over a decade. Next to coding, he also loves writing and authored the bestselling books Python Machine Learning and Machine Learning with PyTorch and ScikitLearn (both from Packt Publishing).

About the Technical Reviewer

Andrea Panizza is a principal AI specialist at Baker Hughes, leveraging cutting-edge AI/ML techniques to accelerate engineering design, automate information retrieval and extraction from large collections of documents, and use computer vision to power unmanned asset inspection. He has a PhD in computational fluid dynamics. Before joining Baker Hughes, he worked as a CFD researcher at CIRA (the Italian Center for Aerospace Research).

BRIEF CONTENTS

Foreword

Acknowledgments

Introduction

PART I: NEURAL NETWORKS AND DEEP LEARNING

Chapter 1: Embeddings, Latent Space, and Representations

Chapter 2: Self-Supervised Learning

Chapter 3: Few-Shot Learning

Chapter 4: The Lottery Ticket Hypothesis

Chapter 5: Reducing Overfitting with Data

Chapter 6: Reducing Overfitting with Model Modifications

Chapter 7: Multi-GPU Training Paradigms

Chapter 8: The Success of Transformers

Chapter 9: Generative AI Models

Chapter 10: Sources of Randomness

PART II: COMPUTER VISION

Chapter 11: Calculating the Number of Parameters

Chapter 12: Fully Connected and Convolutional Layers

Chapter 13: Large Training Sets for Vision Transformers

PART III: NATURAL LANGUAGE PROCESSING

Chapter 14: The Distributional Hypothesis

Chapter 15: Data Augmentation for Text

Chapter 16: Self-Attention

Chapter 17: Encoder- and Decoder-Style Transformers

Chapter 18: Using and Fine-Tuning Pretrained Transformers

Chapter 19: Evaluating Generative Large Language Models

PART IV: PRODUCTION AND DEPLOYMENT

Chapter 20: Stateless and Stateful Training

Chapter 21: Data-Centric AI

Chapter 22: Speeding Up Inference

Chapter 23: Data Distribution Shifts

PART V: PREDICTIVE PERFORMANCE AND MODEL EVALUATION

Chapter 24: Poisson and Ordinal Regression

Chapter 25: Confidence Intervals

Chapter 26: Confidence Intervals vs. Conformal Predictions

Chapter 27: Proper Metrics

Chapter 28: The k in k-Fold Cross-Validation

Chapter 29: Training and Test Set Discordance

Chapter 30: Limited Labeled Data

Afterword

Appendix: Answers to the Exercises Index

FOREWORD

CONTENTS IN DETAIL

ACKNOWLEDGMENTS

INTRODUCTION

Who Is This Book For?

What Will You Get Out of This Book?

How to Read This Book

Online Resources

PART I NEURAL NETWORKS AND DEEP LEARNING

1 EMBEDDINGS, LATENT SPACE, AND REPRESENTATIONS

Embeddings

Latent Space

Representation

Exercises References

2 SELF-SUPERVISED LEARNING

Self-Supervised Learning vs. Transfer Learning

Leveraging Unlabeled Data

Self-Prediction and Contrastive Self-Supervised Learning Exercises

FEW-SHOT LEARNING

Datasets and Terminology

Exercises

4

THE LOTTERY TICKET HYPOTHESIS

The Lottery Ticket Training Procedure

Practical Implications and Limitations

Exercises

References

5

REDUCING OVERFITTING WITH DATA

Common Methods

Collecting More Data

Data Augmentation

Pretraining

Other Methods

Exercises

References

6

REDUCING OVERFITTING WITH MODEL MODIFICATIONS

Common Methods

Regularization

Smaller Models

Caveats with Smaller Models

Ensemble Methods

Other Methods

Choosing a Regularization Technique

Exercises

References

7

MULTI-GPU TRAINING PARADIGMS

The Training Paradigms

Model Parallelism

Data Parallelism

Tensor Parallelism

Pipeline Parallelism

Sequence Parallelism

Recommendations

Exercises

References

8

THE SUCCESS OF TRANSFORMERS

The Attention Mechanism

Pretraining via Self-Supervised Learning

Large Numbers of Parameters

Easy Parallelization

Exercises

References

9 GENERATIVE AI MODELS

Generative vs. Discriminative Modeling

Types of Deep Generative Models

Energy-Based Models

Variational Autoencoders

Generative Adversarial Networks

Flow-Based Models

Autoregressive Models

Diffusion Models

Consistency Models

Recommendations

Exercises

References

10

SOURCES OF RANDOMNESS

Model Weight Initialization

Dataset Sampling and Shuffling

Nondeterministic Algorithms

Different Runtime Algorithms

Hardware and Drivers

Randomness and Generative AI

Exercises References

PART II COMPUTER VISION

11

CALCULATING THE NUMBER OF PARAMETERS

How to Find Parameter Counts

Convolutional Layers

Fully Connected Layers

Practical Applications

Exercises

12

FULLY CONNECTED AND CONVOLUTIONAL LAYERS

When the Kernel and Input Sizes Are Equal

When the Kernel Size Is 1

Recommendations

Exercises

13

LARGE TRAINING SETS FOR VISION TRANSFORMERS

Inductive Biases in CNNs

ViTs Can Outperform CNNs

Inductive Biases in ViTs

Recommendations

Exercises

References

PART III

NATURAL LANGUAGE PROCESSING

14 THE DISTRIBUTIONAL HYPOTHESIS

Word2vec, BERT, and GPT

Does the Hypothesis Hold?

Exercises

References

15

DATA AUGMENTATION FOR TEXT

Synonym Replacement

Word Deletion

Word Position Swapping

Sentence Shuffling

Noise Injection

Back Translation

Synthetic Data

Recommendations

Exercises

References

16

SELF-ATTENTION

Attention in RNNs

The Self-Attention Mechanism

Exercises

References

17

ENCODER-

AND

DECODER-STYLE TRANSFORMERS

The Original Transformer Encoders

Decoders

Encoder-Decoder Hybrids

Terminology

Contemporary Transformer Models

Exercises

References

18

USING

AND FINE-TUNING PRETRAINED TRANSFORMERS

Using Transformers for Classification Tasks

In-Context Learning, Indexing, and Prompt Tuning

Parameter-Efficient Fine-Tuning

Reinforcement Learning with Human Feedback

Adapting Pretrained Language Models

Exercises

References

19

EVALUATING GENERATIVE LARGE LANGUAGE MODELS

Evaluation Metrics for LLMs

Perplexity

BLEU Score

ROUGE Score

BERTScore

Surrogate Metrics

Exercises

References

PART IV

PRODUCTION AND DEPLOYMENT

20

STATELESS AND STATEFUL TRAINING

Stateless (Re)training

Stateful Training

Exercises

21

DATA-CENTRIC AI

Data-Centric vs. Model-Centric AI

Recommendations

Exercises

References

22

SPEEDING UP INFERENCE

Parallelization

Vectorization

Loop Tiling

Operator Fusion

Quantization

Exercises

23

DATA DISTRIBUTION SHIFTS

Covariate Shift

Label Shift

Concept Drift

Domain Shift

Types of Data Distribution Shifts

Exercises

References

PART V PREDICTIVE PERFORMANCE AND MODEL EVALUATION

24 POISSON AND ORDINAL REGRESSION

Exercises

25

CONFIDENCE INTERVALS

Defining Confidence Intervals

The Methods

Method 1: Normal Approximation Intervals

Method 2: Bootstrapping Training Sets

Method 3: Bootstrapping Test Set Predictions

Method 4: Retraining Models with Different Random Seeds

Recommendations

Exercises

References

26

CONFIDENCE INTERVALS VS. CONFORMAL

PREDICTIONS

Confidence Intervals and Prediction Intervals

Prediction Intervals and Conformal Predictions

Prediction Regions, Intervals, and Sets

Computing Conformal Predictions

A Conformal Prediction Example

The Benefits of Conformal Predictions

Recommendations

Exercises References

PROPER METRICS

The Criteria

The Mean Squared Error

The Cross-Entropy Loss

Exercises

Trade-offs in Selecting Values for k

Determining Appropriate Values for k

Exercises

LIMITED LABELED DATA

Improving Model Performance with Limited Labeled Data

Labeling More Data

Bootstrapping the Data

Transfer Learning

Self-Supervised Learning

Active Learning

Few-Shot Learning

Meta-Learning

Weakly Supervised Learning

Semi-Supervised Learning

Self-Training

Multi-Task Learning

Multimodal Learning

Inductive Biases

Recommendations

Exercises References

AFTERWORD

APPENDIX: ANSWERS TO THE EXERCISES

INDEX

FOREWORD

There are hundreds of introductory texts on machine learning. They come in a vast array of styles and approaches, from theory-first perspectives for graduate students to business-focused viewpoints for Csuites. These primers are invaluable resources for individuals taking their first steps into the field, and they will remain so for decades to come.

However, the path to expertise is not solely about the beginnings. It also encompasses the intricate detours, the steep ascents, and the nuances that aren’t evident initially. Put another way, after studying the basics, learners are left asking, “What’s next?” It is here, in the realm beyond the basics, that this book finds its purpose.

Within these pages, Sebastian walks readers through a broad spectrum of intermediate and advanced topics in applied machine learning they are likely to encounter on their journey to expertise. One could hardly ask for a better guide than Sebastian, who is, without exaggeration, the best machine learning educator currently in the field. On each page, Sebastian not only imparts his extensive knowledge, but also shares the passion and curiosity that mark true expertise.

To all the learners who have crossed the initial threshold and are eager to delve deeper, this book is for you. You will finish this book as a more skilled machine learning practitioner than when you began. Let it serve as the bridge to your next phase of rewarding adventures in machine learning.

Good luck.

San Francisco August 2023

ACKNOWLEDGMENTS

Writing a book is an enormous undertaking. This project would not have been possible without the help of the open source and machine learning communities who collectively created the technologies that this book is about.

I want to extend my thanks to the following people for their immensely helpful feedback on the manuscript:

Andrea Panizza for being an outstanding technical reviewer, who provided very valuable and insightful feedback.

Anton Reshetnikov for suggesting a cleaner layout for the supervised learning flowchart in Chapter 30.

Nikan Doosti, Juan M. Bello-Rivas, and Ken Hoffman for sharing various typographical errors.

Abigail Schott-Rosenfield and Jill Franklin for being exemplary editors. Their knack for asking the right questions and improving language has significantly elevated the quality of this book.

INTRODUCTION

Thanks to rapid advancements in deep learning, we have seen a significant expansion of machine learning and AI in recent years.

This progress is exciting if we expect these advancements to create new industries, transform existing ones, and improve the quality of life for people around the world. On the other hand, the constant emergence of new techniques can make it challenging and timeconsuming to keep abreast of the latest developments. Nonetheless, staying current is essential for professionals and organizations that use these technologies.

I wrote this book as a resource for readers and machine learning practitioners who want to advance their expertise in the field and learn about techniques that I consider useful and significant but that are often overlooked in traditional and introductory textbooks and classes. I hope you’ll find this book a valuable resource for obtaining new insights and discovering new techniques you can implement in your work.

Who Is This Book For?

Navigating the world of AI and machine learning literature can often feel like walking a tightrope, with most books positioned at either end: broad beginner’s introductions or deeply mathematical treatises. This book illustrates and discusses important developments in these fields while staying approachable and not requiring an advanced math or coding background.

This book is for people with some experience with machine learning who want to learn new concepts and techniques. It’s ideal for those who have taken a beginner course in machine learning or deep learning or have read an equivalent introductory book on the topic. (Throughout this book, I will use machine learning as an umbrella term for machine learning, deep learning, and AI.)

What Will You Get Out of This Book?

This book adopts a unique Q&A style, where each brief chapter is structured around a central question related to fundamental concepts in machine learning, deep learning, and AI. Every question is followed by an explanation, with several illustrations and figures, as well as exercises to test your understanding. Many chapters also include references for further reading. These bite-sized nuggets of information provide an enjoyable jumping-off point on your journey from machine learning beginner to expert.

The book covers a wide range of topics. It includes new insights about established architectures, such as convolutional networks, that allow you to utilize these technologies more effectively. It also discusses more advanced techniques, such as the inner workings of large language models (LLMs) and vision transformers. Even experienced machine learning researchers and practitioners will encounter something new to add to their arsenal of techniques.

While this book will expose you to new concepts and ideas, it’s not a math or coding book. You won’t need to solve any proofs or run any code while reading. In other words, this book is a perfect travel

companion or something you can read on your favorite reading chair with your morning coffee or tea.

How to Read This Book

Each chapter of this book is designed to be self-contained, offering you the freedom to jump between topics as you wish. When a concept from one chapter is explained in more detail in another, I’ve included chapter references you can follow to fill in gaps in your understanding.

However, there’s a strategic sequence to the chapters. For example, the early chapter on embeddings sets the stage for later discussions on self-supervised learning and few-shot learning. For the easiest reading experience and the most comprehensive grasp of the content, my recommendation is to approach the book from start to finish.

Each chapter is accompanied by optional exercises for readers who want to test their understanding, with an answer key located at the end of the book. In addition, for any papers referenced in a chapter or further reading on that chapter’s topic, you can find the complete citation information in that chapter’s “References” section.

The book is structured into five main parts centered on the most important topics in machine learning and AI today.

Part I: Neural Networks and Deep Learning covers questions about deep neural networks and deep learning that are not specific to a particular subdomain. For example, we discuss alternatives to supervised learning and techniques for reducing overfitting, which is a common problem when using machine learning models for real-world problems where data is limited.

Chapter 1: Embeddings, Latent Space, and

Representations Delves into the distinctions and similarities between embedding vectors, latent vectors, and representations. Elucidates how these concepts help encode information in the context of machine learning.

Chapter 2: Self-Supervised Learning Focuses on self-supervised learning, a method that allows neural networks to utilize large, unlabeled datasets in a supervised manner.

Chapter 3: Few-Shot Learning Introduces few-shot learning, a specialized supervised learning technique tailored for small training datasets.

Chapter 4: The Lottery Ticket Hypothesis Explores the idea that randomly initialized neural networks contain smaller, efficient subnetworks.

Chapter 5: Reducing Overfitting with Data Addresses the challenge of overfitting in machine learning, discussing strategies centered on data augmentation and the use of unlabeled data to reduce overfitting.

Chapter 6: Reducing Overfitting with Model Modifications Extends the conversation on overfitting, focusing on model-related solutions like regularization, opting for simpler models, and ensemble techniques.

Chapter 7: Multi-GPU Training Paradigms Explains various training paradigms for multi-GPU setups to accelerate model training, including data and model parallelism.

Chapter 8: The Success of Transformers Explores the popular transformer architecture, highlighting features like attention mechanisms, parallelization ease, and high parameter counts.

Chapter 9: Generative AI Models Provides a comprehensive overview of deep generative models, which are used to produce various media forms, including images, text, and audio. Discusses the strengths and weaknesses of each model type.

Chapter 10: Sources of Randomness Addresses the various sources of randomness in the training of deep neural networks that may lead to inconsistent and non-reproducible results during both training and inference. While randomness can be accidental, it can also be intentionally introduced by design.

Part II: Computer Vision focuses on topics mainly related to deep learning but specific to computer vision, many of which cover convolutional neural networks and vision transformers.

Chapter 11: Calculating the Number of Parameters Explains the procedure for determining the parameters in a convolutional neural network, which is useful for gauging a model’s storage and memory requirements.

Chapter 12: Fully Connected and Convolutional Layers Illustrates the circumstances in which convolutional layers can seamlessly replace fully connected layers, which can be useful for hardware optimization or simplifying implementations.

Chapter 13: Large Training Sets for Vision

Transformers Probes the rationale behind vision transformers requiring more extensive training sets compared to conventional convolutional neural networks.

Part III: Natural Language Processing covers topics around working with text, many of which are related to transformer architectures and self-attention.

Chapter 14: The Distributional Hypothesis Delves into the distributional hypothesis, a linguistic theory suggesting that words appearing in the same contexts tend to possess similar meanings, which has useful implications for training machine learning models.

Chapter 15: Data Augmentation for Text Highlights the significance of data augmentation for text, a technique used to artificially increase dataset sizes, which can help with improving model performance.

Chapter 16: Self-Attention Introduces self-attention, a mechanism allowing each segment of a neural network’s input to refer to other parts. Self-attention is a key mechanism in modern large language models.

Chapter 17: Encoder- and Decoder-Style Transformers Describes the nuances of encoder and decoder transformer architectures and explains which type of architecture is most useful for each language processing task.

Chapter 18: Using and Fine-Tuning Pretrained Transformers Explains different methods for fine-tuning pretrained large language models and discusses their strengths and weaknesses.

Chapter 19: Evaluating Generative Large Language Models Lists prominent evaluation metrics for language models like Perplexity, BLEU, ROUGE, and BERTScore.

Part IV: Production and Deployment covers questions pertaining to practical scenarios, such as increasing inference speeds and various types of distribution shifts.

Chapter 20: Stateless and Stateful Training Distinguishes between stateless and stateful training methodologies used in deploying models.

Chapter 21: Data-Centric AI Explores data-centric AI, which priori-tizes refining datasets to enhance model performance. This approach contrasts with the conventional model-centric approach, which emphasizes improving model architectures or methods.

Chapter 22: Speeding Up Inference Introduces techniques to enhance the speed of model inference without tweaking the model’s architecture or compromising accuracy.

Chapter 23: Data Distribution Shifts Post-deployment, AI models may face discrepancies between training data and real-world data distributions, known as data distribution shifts. These shifts can deteriorate model performance. This chapter categorizes and elaborates on common shifts like covariate shift, concept drift, label shift, and domain shift.

Part V: Predictive Performance and Model Evaluation dives deeper into various aspects of squeezing out predictive performance, such as changing the loss function, setting up k-fold cross-validation, and dealing with limited labeled data.

Chapter 24: Poisson and Ordinal Regression Highlights the differences between Poisson and ordinal regression. Poisson regression is suitable for count data that follows a Poisson distribution, like the number of colds contracted on an airplane. In contrast, ordinal regression caters to ordered categorical data without assuming equidistant categories, such as disease severity.

Chapter 25: Confidence Intervals Delves into methods for constructing confidence intervals for machine learning classifiers. Reviews the purpose of confidence intervals, discusses how they estimate unknown population parameters, and introduces techniques such as normal approximation intervals, bootstrapping, and retraining with various random seeds.

Chapter 26: Confidence Intervals vs. Conformal Predictions Discusses the distinction between confidence intervals and conformal predictions and describes the latter as a tool for creating prediction intervals that cover actual outcomes with specific probability.

Chapter 27: Proper Metrics Focuses on the essential properties of a proper metric in mathematics and computer science. Examines whether commonly used loss functions in machine learning, such as mean squared error and cross-entropy loss, satisfy these properties.

Chapter 28: The k in k-Fold Cross-Validation Explores the role of the k in k-fold cross-validation and provides insight into the advantages and disadvantages of selecting a large k.

Chapter 29: Training and Test Set Discordance Addresses the scenario where a model performs better on a test dataset than the training dataset. Offers strategies to discover and address discrepancies between training and test datasets, introducing the concept of adversarial validation.

Chapter 30: Limited Labeled Data Introduces various techniques to enhance model performance in situations where data is limited. Covers data labeling, bootstrapping, and paradigms such as transfer learning, active learning, and multimodal learning.

Online Resources

I’ve provided optional supplementary materials on GitHub with code examples for certain chapters to enhance your learning experience (see https://github.com/rasbt/MachineLearning-QandAI-book). These materials are designed as practical extensions and deep dives into topics covered in the book. You can use them alongside each chapter or explore them after reading to solidify and expand your knowledge. Without further ado, let’s dive in.

Another random document with no related content on Scribd:

Ndio Jawohl!

Knabe und Mädchen sind 8 oder 9, oder auch 10 Jahre alt geworden, ohne daß etwas Bemerkenswertes von außen in ihr Leben eingegriffen hätte. Da beschließt der Konvent der Männer, der nach der Beendigung der Ernte die große Pfeilerhalle der Barasa tagtäglich füllt, daß das Unyago in diesem Jahre hier im Dorfe gefeiert werden soll. Nachdem alle anderen Distrikte in den letzten Jahren die Lasten des Festes auf sich genommen haben, ist es Ehrenpflicht, jetzt hierher einzuladen. Dem Beschluß folgt sehr bald die Ausführung; der Mond ist stark im Abnehmen, und vor dem Neumond noch muß das Fest im Gange sein. Dieses Unyago besitzt in seinem ersten Teil bei allen Völkern des Gebietes ganz gleiche Züge: die Männer errichten auf einem in der Nähe des Festdorfes gelegenen, möglichst freien Platz einen mehr oder minder ausgedehnten Ring von einfachen Strohhütten. Auf diesem Platze

Negertelephon (s. S. 356).

spielt sich das Eingangs- wie auch das Schlußfest ab; die Hütten sind die gegebenen Wohn- und Schlafräume für die Mannbarkeitskandidaten. Ein ganz ausgezeichnet erhaltener Festplatz mit allem Zubehör war jener Kreis von 50 Meter Durchmesser, den ich bei meinem Besuch des Echiputu von Akuchikomu aufnehmen konnte; die halbverkohlten Reste einer ebensolchen Lisakassa, wie das Hüttensystem im Kiyao heißt, waren als Erinnerung an ein früheres, frohes Fest diesseits Akundonde am Wege zu sehen.

Es liegt in der Natur der ganzen Veranstaltung, daß beim Unyago Knabe wie Mädchen sich vorwiegend passiv verhalten. Sie sitzen tatenlos, stumm und ohne sich zu rühren jedes in seiner Hütte, während sich in der ersten Nacht des Festes die Erwachsenen zu

Drei Vegetarier vom Makuastamm (s S 187).

Schmaus und Trunk in wildem Masewetanz bewegen. Die Knaben werden am nächsten Tage, jeder von seinem Mentor geleitet, unter der Aufsicht eines Oberleiters in den Wald geführt. Dort schlafen sie eine Nacht ohne jeden Schutz; nur am nächsten Tage dürfen sie sich eine kurze Spanne Zeit einmal selbst betätigen; dann gilt es nämlich, im Verein mit ihren Anamungwi, den Lehrern, die Daggara zu bauen. Aber kaum ist die luftige Hütte im tiefsten Pori vollendet, so ist auch schon die alte Sachlage wieder hergestellt; einer nach dem anderen wird in jenem Häuschen auf ein sehr primitives Ruhebett von Hirsehalmen gelegt; mit scharfem Schnitt vollführt der Wamidjira die Operation; wochenlang liegen darauf die kleinen Patienten in langer Reihe da, ohne in den langwierigen Heilungsprozeß irgendwie eingreifen zu können. Erst wenn die Wunde verheilt ist und der Unterricht in den Sexualien und der Moral mit allen Kräften eingesetzt hat, gewinnen auch die Wari, wie die Knaben jetzt heißen, mehr und mehr das Recht, am öffentlichen Leben teilzunehmen; die kleinen Kerle werden übermütig und vollführen manchen tollen Streich. Wehe der Frau oder dem Mädchen, das sich, der Lage der Daggara unbewußt, in diese Waldregion verirrt: wie eine Schar übermütiger Kobolde stürzt sich die Schar der Knaben auf die Unglückliche, neckt sie, fesselt sie und mißhandelt sie wohl gar. Nach Volksgesetz haben die Wari das Recht dazu,

denn ihr Aufenthaltsort im Walde soll jeder weiblichen Person gänzlich unbekannt bleiben. Mit dem Hinausziehen in das Pori ist der junge Sohn für die Mutter gestorben; wenn er wiederkehrt, wird er ein neuer Mensch sein mit neuem Namen: an das ehemalige Verwandtschaftsverhältnis erinnert nichts mehr.

In welchen Bahnen sich der Unterricht hier in der Daggara bewegt, habe ich bereits früher zu schildern versucht; der bierehrliche Akundonde und sein trinkfester Minister sind unstreitig die zuverlässigsten Gewährsmänner in bezug auf alle diese Weistümer. Es bleibt ewig schade, daß der überraschend schnell erzielte „Anschluß“ der beiden mich um den Schluß der Rede an die Wari gebracht hat; doch zur Kennzeichnung der hier herrschenden Unterrichtsprinzipien genügt ja auch jenes mitgeteilte Bruchstück.

Kakallefestzug beim Unyagoschlußtag.

Für die Knaben erreicht das Lupanda seinen Höhepunkt erst mit dem Schlußfest. Die Vorbereitungen dazu sind auf beiden Seiten groß: im Walde werden die Wari von ihren Mentoren durch Rasieren des Kopfes, Bad, Neueinkleidung und Salben mit Öl erst wieder in einen menschenwürdigen Zustand versetzt, im Festdorf aber beginnen die Mütter bereits lange vor dem festgesetzten Termin, große Mengen Bier zu brauen und noch größere Haufen von

Festgerichten vorzubereiten. Und ist der große Tag endlich gekommen, dann zieht es heran; hei, wie glänzen der glattrasierte Kopf, das Gesicht und der Nacken in der strahlenden Tropensonne vom triefenden Öl, wie stolz schreiten die kleinen Männer in ihren neuen Prunkgewändern einher, und mit welch sicherem Takt schwingen sie in der Rechten die Kakalle, jene uns bekannten Rasselstäbe! Rechts und links hat sich die Mauer der erwartungsfrohen Erwachsenen aufgebaut. Immer lauter, immer gellender durchzittert der schwirrende Frauentriller den weiten Festplatz; dort setzt auch schon die Trommelkapelle mit ihren aufregenden Takten ein; aus rauhen Männerkehlen erschallen die ersten Takte eines Ngomenliedes, kurz alles entwickelt sich herrlich, urecht afrikanisch.

Die Neger sind Menschen wie wir anderen auch, ihr Tun und Trachten ist demnach auch ebenso vielfachen Veränderungen unterworfen wie anderswo. Von meinem mehr als einmonatigen Newalaaufenthalt habe ich einen unverhältnismäßig großen Teil auf die Festlegung des typischen Verlaufs aller dieser Feste verwandt. Das ist eine Heidenarbeit gewesen; wollte ich ganz klug sein und bestellte mir meine Gelehrten nach Stämmen geordnet, so durfte ich sicher sein, daß die paar alten Herren wenig oder gar nichts sagten; des Negers Intellekt scheint sich nur dann betätigen zu können, wenn er im Kreise vieler Männer durch scharfe Rede und Gegenrede gereizt und geweckt wird. So habe ich denn stets von neuem auf mein ursprüngliches Verfahren zurückgreifen müssen, den gesamten Senat der Wissenden, rund 15 alte Herren, Yao, Makua, Makonde bunt durcheinander, zu meinen Füßen zu versammeln. Dies hat mir zwar insofern geholfen, als nunmehr stets eine rege Diskussion entstand, doch wie schwer ist es mir geworden, nun das eine Volkstum vom anderen scharf zu trennen! Dennoch ist mir die Aufgabe, wie ich sagen zu dürfen glaube, mit viel Glück und einigem Geschick soweit gelungen, daß nunmehr wenigstens eine Art Leitfaden über diese Dinge gegeben ist. Die sicher bestehenden kleinen Lücken auszufüllen und die zweifellos vorhandenen Ungenauigkeiten zu berichtigen, überlasse ich getrost meinen Nachfolgern.

Noch eins: in seinem Gesamtumfang und für alle drei genannten Völkerschaften durchgeführt, nimmt das Studium der Mannbarkeitsfeste in meinen Aufzeichnungen einen solchen Raum ein, daß ich mir ihre Wiedergabe hier versagen muß; sie würde ganze Druckbogen für sich allein beanspruchen. Auch noch zwei andere Momente treten herzu. Was ich von dem Unyago mit eigenen Augen gesehen, habe ich unverkürzt wiedererzählt, mit jener Milieustimmung gleichzeitig, die nur das eigene Erleben hervorzuzaubern vermag. Aber jene Szenen in Akuchikomu, Niuchi und Mangupa sind nur winzige Teile aus dem ungeheuer umfangreichen Festkalender, wie ihn das Mädchen-Unyago in Wirklichkeit darstellt; über den ganzen übrigen großen Rest vermag ich nur das zu berichten, was ich meinen Gewährsleuten verdanke. Nun aber bringt jedes Referat leicht das Odium des Trocknen und Langweiligen mit sich, und langweilig möchte ich um keinen Preis werden; lieber verweise ich jeden, den solche Sachen im einzelnen interessieren, auf das Werk, das ich vertrags- und pflichtgemäß über alle meine Taten hier im schwarzen Erdteil und ihre wissenschaftlichen Ergebnisse für das Kolonialamt zu schreiben habe.

Das letzte Moment liegt auf einem andern Gebiet. Der Neger ist in bezug auf sein Geschlechtsleben noch nicht im mindesten angekränkelt; alles was sich auf das Verhältnis zwischen den beiden Geschlechtern bezieht, ist ihm etwas ganz Natürliches, über das die Leute unter sich eine völlig freie Unterhaltung führen; höchstens daß man dem rassefremden Weißen gegenüber einige Zurückhaltung zeigt. Nun ist der sexuelle Einschlag beim Neger unstreitig sehr groß, ungleich größer als bei uns; es hieße zuviel gesagt, sein ganzes Dichten und Trachten drehe sich um diesen Punkt, aber ein sehr großer Teil entfällt ganz ohne Zweifel auf ihn. Dies tritt in offenkundigster Weise nicht nur im Unyago selbst, sondern auch in der mir gewordenen Darstellung zutage; es geht dort sehr natürlich zu. Wie die Dinge bei uns als Folge der bei uns beliebten Erziehung nun einmal liegen, ist für solch „heikle“ Sachen gerade noch in der allerstrengsten wissenschaftlichen Darstellung Platz; für jeden andern Zweck muß man sich ihre Wiedergabe versagen. Um es nochmals zu betonen, nicht aus Rücksicht auf den Gegenstand

selbst, sondern lediglich auf das irregeleitete Gefühl des Publikums. Traurig, aber wahr!

Von allen Völkerschaften des Südens von Deutsch-Ostafrika scheinen die Yao nicht nur die fortschrittlichsten, sondern auch die phantasielosesten, nüchternsten zu sein; ihre Mannbarkeitsfeste sind tatsächlich sehr einfache Formalitäten gegenüber denen der Makua und Makonde. Bei diesen geht es nicht ohne eine gewisse Theatralik ab; die Makua pflanzen mitten auf den Festplatz einen vielgegabelten Baumast von ganz bestimmten Eigenschaften. Er ist von den Männern unter Absingung eines Liedes aus dem Pori geholt worden; in langem Zuge wird er in den Festhüttenring getragen. Dort steht schon der Leiter des Festes in der Pose eines Oberpriesters. Unter seinen Händen muß ein Huhn sein Leben lassen; in eine bereitgehaltene Schale fließt dessen Blut. In einer andern Schale wird Holzkohle zu Pulver gerieben, in einer dritten Schale roter Ton gleichfalls zerstoßen; rot-schwarz-rot wird mit allen drei Ingredienzien sodann jener vielgegabelte Baumast geringelt. An einer Stelle haben inzwischen Männer ein Loch gegraben; in dieses legt man ein Amulett aus zusammengebundenen Baumrindenstücken, füllt das Loch wieder zu und wirft über ihm einen kleinen Hügel auf. Auf diesen pflanzt man jenen Lupanda genannten Baumast. Und noch ein anderer Hügel wird aufgeworfen; er wie auch jener erste waren in dem Hüttenring von Akundonde noch sehr wohl zu erkennen. Dieser andere Hügel ist der Platz für den vornehmsten der Unyagoknaben. Um diesen herum gruppieren sich die anderen, minder vornehmen; alle aber sitzen dabei auf Baumstümpfen, die, wenn auch nur einiger Schönheitssinn bei dem Festleiter vorwaltet, genau in der Form jener beiden konzentrischen Kreise angeordnet werden, wie ich sie bei Chingulungulu im Pori sah. „Der Cromlech der Tropen!“ ist es mir damals durch den Sinn gefahren, als ich vor dieser typischen „Steinsetzung“ stand, und auch heute noch kann ich mich des Eindrucks nicht erwehren, daß zwischen unseren vorgeschichtlichen Steinsetzungen und diesem System von Baumstümpfen eine Ähnlichkeit nicht bloß der Form nach besteht, sondern daß die Verwandtschaft sich vielleicht sogar auf die Zwecke erstreckt. Wenn ein großer Teil unserer neolithischen Megalithen wirklich Kult- und Versammlungszwecken gedient hat, so

ist nicht einzusehen, warum nicht auch unsere Altvordern auf diesen ehrwürdigen Steinen Platz genommen haben sollten; auch der Neger würde auf Holzsitze verzichten, wenn ihm hierzulande Stein zur Verfügung stände.

Wäre ich ein Phantast, so könnte ich heute mit leichter Mühe den Nachweis führen, daß die Makonde Feueranbeter seien! Kaum haben die Männer ihr Likumbi gebaut, d. h. eine Hütte von der Art, wie wir sie in Mangupa kennen gelernt haben, so zerstreuen sich allesamt im Busch, um Medizin zu holen. Am Abend desselbigen Tages geben sie die gesammelten Wurzeln einem alten Weibe zum Zerstampfen im Mörser. Den erhaltenen Brei streicht der Mŭnchirắ, der Oberpriester, nunmehr fünf bis sechs Männern tupfenweise auf den Arm; dann sitzt man tatenlos bis in die Mitte der Nacht. Jetzt beginnt der Munchira zu trommeln, unheimlich dröhnt der dumpfe Ton des Instruments durch die dunkle Tropennacht. Alles strömt aus den Hütten zusammen, groß und klein; man schießt und tanzt ohne Unterbrechung, bis zum nächsten Nachmittag; dann findet die Verteilung der Geschenke untereinander und an die Mentoren der Knaben statt. Darauf große Festrede des Munchira: die sechs Männer seien geweiht; wenn sie es sich einfallen ließen, zu stehlen oder zu rauben oder sich mit den Frauen der anderen einzulassen, so dürfe ihnen niemand etwas tun, die Männer seien sakrosankt. Die sechs aber verpflichtet er, von nun ab drei Monate lang alle Mitternacht die Trommel zu schlagen.

Sind die drei Monate herum, so beginnt ein reges Leben im Dorf; Männer gehen in das Pori, um trocknes Holz zu sammeln, abends tragen sie es unter vollkommenem Stillschweigen auf den Festplatz nahe der Likumbihütte; die Frauen aber haben während der Zeit ungeheure Mengen von Pombe bereitet; auch diese findet ihren Weg zur Likumbi. In dieser Hütte steht ein Deckelkorb, Chihēro mit Namen, klein und rund; in ihm ist Medizin. In diesen Chihero und auf die Medizin spuckt jeder der Brennholzsammler ein weniges von der Festpombe. Neben dem Chihero aber steht die Alte, welche die Medizin im Mörser zerstampft hat; diese hebt den Chihero nunmehr auf ihren Kopf, ergreift das Ende einer langen, eigens für das Fest gekauften Zeugbahn mit den Händen und verläßt feierlichen

Schrittes die Hütte, das Zeug hinter sich schleifend. Schnell ergreift es der erste der Brennholzsucher, damit es den Boden nicht berühre; ein zweiter folgt seinem Tun, desgleichen ein dritter und vierter. Schließlich schwebt das langgestreckte Stoffstück über der Erde dahin wie von Pagen getragen. Vorne neben der Frau schreitet der Munchira. Man umzieht die Festhütte. Ist der Umzug vollendet, so nimmt der Munchira den Anfang der Zeugbahn und wickelt ihn um den Chihero. Diesen hält er jetzt an das rechte Ohr; ein kurzes Verweilen; er setzt ihn auf die Schulter, wiederum einen Augenblick lang; der Korb wandert auf die Hüfte, aufs Knie, endlich auf die Außenseite des Fußknöchels. Zum Schluß nimmt der Würdige Zeug samt Chihero als wohlverdientes Honorar an sich.

Maskentanz beim Mädchen-Unyago in Niuchi.

Und wieder ist es Nacht; im schwachen Licht der letzten Mondsichel ist der Umriß des großen Holzstoßes noch eben zu erkennen. Mitternacht ist um etwa eine Stunde vorbei, da erhebt sich aus dem Kreise der in Schlafmatten gewickelten Gestalten eine lange, hagere Figur. Unhörbar schleicht sie auf den Holzstoß zu, ein Feuerchen blitzt auf, um alsbald auch schon wieder zu verschwinden. Doch bald knistert es von neuem; größer und größer wird die Flamme, von ihrem Erzeuger mit rhythmischem Fächerschwung angefacht. Jetzt erkennen wir die Gestalt, es ist der

Munchira. Schon nach wenigen Minuten ist der ganze, große Stoß ein einziges Flammenmeer; zitternd huschen seine Reflexe über die glänzenden Gesichter der das Feuer im Kreis umstehenden Männer. Nun hat das Feuer seinen Höhepunkt erreicht. Eilenden Schrittes umkreist es der Munchira; das Gesicht zum Feuer gewandt, läßt er die folgenden Worte dem Munde entströmen: „Laß die Wunden der Knaben schnell und schmerzlos heilen, den Häuptling aber, der diesmal das Likumbi feiert, laß recht viel Freude an den Knaben erleben.“ Dabei bindet er einen weißen Lappen an eine Stange und fächelt das Feuer mit großen Schlägen; die Männer aber umstehen das verglimmende Feuer bis zum hellen Morgen.

Das Feuer als Mittelpunkt einer für das gesamte soziale Leben so einschneidenden Veranstaltung, wie sie die Feier der Pubertät bei diesen Völkern des Südens darstellt, ist meines Wissens etwas im Völkerleben Afrikas ganz Alleinstehendes und Vereinzeltes. Liegt hier ein wirklicher Feuerkult vor, oder ist Rundgang und Ansprache auch nur noch ein letztes, unbewußtes Überlebsel einer solchen uralten Verehrung des lohenden Elementes? Ich weiß es nicht und bin, offen gestanden, auch ganz außerstande, diese Frage ihrer Beantwortung näher zu bringen; von der Hand weisen darf man die Möglichkeit einer ehemaligen Feueranbetung beim Neger a priori nicht, dazu wissen wir noch viel zu wenig von seiner Kulturentwicklung. Daß noch manche ethnologische Überraschung zu erwarten ist, dafür sind ja meine eigenen reichen Ergebnisse der beste Beleg.

Beim männlichen Geschlecht ist die Hinübernahme aus dem Kindesalter in die Klasse der vollberechtigten Männer eine zwar langdauernde Periode, dabei jedoch ein einziger, in sich geschlossener Übergang; eine Erinnerung an die gemeinsam verlebte Fest- und Leidenszeit bleibt den Männern fernerhin lediglich in einer selbstgewählten, freien Organisation, die man passend mit dem Namen Altersklassen bezeichnet: die einzelnen Unyagojahrgänge halten unter sich zusammen, bis der Tod die einzelnen scheidet. Doch dieses Zusammenhalten muß man sich ins Afrikanische übersetzt denken; es ist kein Verein und kein Klub und keine Verbindung; die alten Freunde wohnen lediglich beieinander,

wenn auf der Reise einer in des andern Dorf kommt; sonst nichts. Geheimbünde spielen hier im Osten bewußt nicht mehr in das Wesen der Altersklassen hinein, ganz im Gegensatz zu Westafrika, wo beides Hand in Hand geht, sich gegenseitig genetisch bedingt und wo beides dann seinen äußeren Ausdruck findet in großen Geheimbundsfesten mit Maskentänzen und andern geheimnisvollen, auf das Erschrecken der männlichen Nichtmitglieder des Bundes und der Frauen gerichteten Zutaten. Hier auf dem Makondeplateau treten gegenwärtig alle drei Erscheinungen: die Altersklassen, die Feste und die Maskentänze nur in sehr lockerem Zusammenhang miteinander auf; gleichwohl spricht alles dafür, daß der Maskentanz der Makonde von heute ursprünglich ebenso der Ausfluß eines längst vergessenen Geheimbundwesens gewesen ist wie die ganz analogen Erscheinungen der Neger von Kamerun, Oberguinea und Loango. Auf diesem Gebiete der afrikanischen Völkerkunde wird noch manche harte Nuß zu knacken sein.

Das Unyago des jungen Mädchens ist eine wahre Stufenleiter von Kursen. Ich betone absichtlich das Wort Kursus, denn tatsächlich besteht hier nichts, was an einen chirurgischen Eingriff erinnert, mit nur einer einzigen Ausnahme, bei den Makuamädchen nämlich. Eine allen Stämmen gemeinsame Einrichtung ist es, daß auch jedes Mädchen beizeiten ihre Führerin durch das Unyago bekommt, eine Freundin gleichzeitig für das ganze Leben. Unter der Leitung dieser älteren Frauen und Mädchen macht die Schar der Novizen zunächst einen Lehrgang durch, der inhaltlich ganz dem der Knaben entspricht: die Kinder werden rückhaltlos über alle Geschlechtsverhältnisse aufgeklärt und müssen alles lernen, was sich auf das spätere Eheleben bezieht; dazu müssen sie auch lernen, was die Sitte im Verkehr mit den Stammesgenossen und vor allem mit den Familienmitgliedern vorschreibt. Das ist bei Yao, Makonde und Matambwe einstweilen alles; für die Makua tritt noch ein anderes hinzu: bei ihnen erfolgt wirklich eine Art körperlicher Eingriff. Ich habe es zunächst nicht glauben wollen, bis ich mich schließlich durch mehrfachen Augenschein habe überzeugen können: ganz systematisch müssen die heranwachsenden Mädchen die labia minora verlängern bis zur Größe von 7 bis 8 und mehr Zentimetern. Der Endzweck der ganzen Maßnahme ist erotischer

Natur Auch bei den andern Stämmen ist nach meinen Gewährsmännern diese merkwürdige Sitte im Schwange, doch ist es mir bisher noch nicht gelungen, sie bei Anhörigen von ihnen zu Gesicht zu bekommen. Schon bei den Makuafrauen war dies schwer genug; erst durch die geschickte Ausnutzung der Lage habe ich Erfolg gehabt. In Newala verbüßten ein paar Frauen eine Art Schuldhaft; ihre Männer waren die Hüttensteuer schuldig geblieben, die nun von den Frauen abgearbeitet wurde. Ich erbot mich, die wenigen Rupien in bar zu erlegen gegen das Recht, die beiden Individuen „im Naturzustande“ photographieren zu dürfen Zunächst gingen beide unter Lachen auf den Handel ein, später aber wurden sie schamhaft; ich habe sie schließlich noch im frühen Morgennebel in unserer dunkeln Barasa auf die Platte bannen müssen.

Eröffnungs- und Schlußfest begleiten auch diesen ersten Unyagokursus der Mädchen. Daß es dabei ebenfalls hoch hergeht, habe ich an allen drei Orten, wo ich das Chiputu oder Echiputu durch meine Gegenwart zu verherrlichen Gelegenheit gehabt habe, persönlich verfolgen können. Der Durst ist bei dem vielen Tanzen erklärlich!

Knabe und Mädchen werden nun allmählich heiratsfähig; ich habe mich immer wieder bemüht, das Heiratsalter für beide Geschlechter wenigstens annähernd festzustellen, es ist mir jedoch nicht recht gelungen. Die Individuen selbst sind, wenn man sie nach ihrem Alter fragt, stets ungeheuer erstaunt über eine solche Frage — wie soll ich wissen, wie alt ich bin? will der Blick, mit dem sie den Frager messen, bedeuten —, den Angehörigen aber ist das Alter der Familienglieder ganz gleichgültig. Im allgemeinen wird sehr früh geheiratet; der beste Beleg dafür sind die noch recht jungen Mütter, die sich in jeder größeren Volksversammlung vorfinden, blutjunge Dinger, meist nicht viel weiter entwickelt als unsere Konfirmandinnen. Nach Matola ist früher die Massanjeheirat sehr häufig gewesen; bei ihr wurden schon ganz junge Kinder von 5 bis 7 Jahren miteinander verbunden; man baute ihnen Hütten, in denen sie wohnen mußten. Ab und zu soll diese Einrichtung auch heute noch vorkommen. Nach demselben Gewährsmann herrscht sodann allgemein der Brauch, daß, wenn eine Frau geboren hat, während

ihre Nachbarin dem freudigen Ereignis erst noch entgegensieht, jene erste sagt: „Ich habe einen Sohn; bekommst du eine Tochter, so sollen die beiden einander heiraten“, oder aber: „Ich habe eine Tochter, bekommst du einen Sohn, so sollen die beiden einander heiraten.“ Dies geschieht denn auch.

Der Neger ist ein Bauer, nicht nur seinem Berufe nach, sondern auch, wenn er auf die Freite zu gehen sich anschickt; auf keinem anderen Gebiet ist die Gesinnungsverwandtschaft mit unserem Landvolk tatsächlich so verblüffend wie gerade bei dem wichtigen Geschäfte der Werbung. Um es kurz auszudrücken: der verliebte Negerjüngling ist zu schüchtern, um durch eine kühne Tat sein Glück selbst zu schmieden, er benötigt dazu eines Freiwerbers; ganz wie unsere ländlichen Heiratskandidaten auch. Die gegebene Persönlichkeit für dieses Amt ist der eigene Vater; dieser macht unter irgendeinem Vorwand bei den Eltern der präsumtiven Braut seinen Besuch und bringt im Laufe der Unterhaltung das Gespräch auf die Heiratspläne seines Sprößlings. Geht die Gegenpartei auf die Angelegenheit ein, so ist sie auch bald zu einem befriedigenden Abschluß geführt, sofern nämlich auch die Maid einverstanden ist. Die jungen Mädchen sind in Wirklichkeit durchaus nicht in dem Maße bloß Sache, wie wir anzunehmen geneigt sein möchten, sondern sie wollen sehr wohl um ihre Zustimmung angegangen sein, und mancher schöne Heiratsplan zerschlägt sich lediglich aus dem Grunde, weil die junge Dame einen andern liebt. Auch in dieser Beziehung besteht also nicht der mindeste Unterschied zwischen Weiß und Schwarz. Selbstverständlich sind nicht alle Negermädchen Heldinnen des Willlens und der Standhaftigkeit; so manche läßt sich überreden, statt des heimlich geliebten jungen Stammesgenossen einen ihr gleichgültigen alten Herrn zu nehmen; dann läuft sie jedoch, wie das auch anderswo vorkommen soll, Gefahr, von den Gespielen aufgezogen zu werden. Der „junge“ alte Ehemann aber darf ziemlich sicher sein, daß nicht er es allein ist, der die Gunst seiner jungen Frau genießt.

Die Heirat ist ein Geschäft, so denkt der Neger, ganz im Sinne seiner sonstigen Psyche; der Kontrakt gilt denn auch erst in dem Moment als abgeschlossen, wo die beiderseitigen Väter sich über

die Höhe des vom Bräutigam zu zahlenden Brautgeschenkes geeinigt haben. Die Leute hier im Süden sind arm, sie haben weder große Herden breitstirniger Rinder, noch auch blökendes Kleinvieh, der ganze Brautkauf, wenn das Wort überhaupt eine Berechtigung hätte, besteht demnach lediglich in der Überreichung einer nicht einmal großen Menge Zeugstoffes.

Ethnographisch viel anmutender als die soeben skizzierte Yaowerbung ist das Verfahren bei Makonde und Makua. Bei diesen treten zwar zunächst auch erst die beiden Väter einander näher, doch sind sie im Grunde genommen nur Vorpostenlinie; die eigentliche Hauptschlacht wird nachher von den Müttern geschlagen, denen entweder ihr ältester Bruder oder aber alle Brüder kräftig Sekundantendienste leisten. Aus dem hier noch in voller Blüte stehenden Mutter- oder Neffenrecht heraus ist die Zuziehung gerade dieser Elemente auch ganz erklärlich.

Von der Standhaftigkeit junger Negermädchen weiß übrigens Nils Knudsen eine nette, kleine Geschichte zu erzählen, in deren Mittelpunkt er sogar selbst als Held steht. In seiner langjährigen Vereinsamung auf Luisenfelde und im Verfolg seines vollkommenen Aufgehens im Volkstum der Wayao hatte sich der blonde Nils einstens auch ein schwarzes Weib genommen. Noch jetzt, nach Jahren, rühmte Knudsen die Tugenden dieser Chipiniträgerin; hübsch sei sie gewesen und häuslich und wirtschaftlich auch, einen ganz ausgezeichneten Ugali habe sie gemacht, und was es an Hausfrauentugenden im Busch noch mehr gibt. Da habe es das Schicksal einstmals gewollt, daß er, seiner Jagdleidenschaft frönend, an den Rovuma gezogen sei; schon nach wenigen Tagen sei er aber heimgekehrt. Müde und abgespannt, mit dem breiten, pendelnden Seemannsschritt, den Nils sich noch aus seiner jäh abgebrochenen Schiffsjungenzeit bewahrt hat, schreitet er seiner primitiven Behausung im Angesicht des stolzen Herrenhauses zu; alles ist still, nichts rührt sich diesmal, im Gegensatz zu sonst, wo das schwarze Weibchen mit dem verschämten Lächeln, wie es eben nur der jungen Negermaid eigen ist, dem blonden Herrn und Gebieter freudig entgegenschritt. Immer noch ahnungslos betritt der Jäger die Küche, den gewohnten Aufenthaltsort der stets Fleißigen; sie ist leer;

ebenso das Schlafgemach; desgleichen der Wohnraum mit seiner mehr als dürftigen Ausstattung. Deren Hauptstück ist, wie in jedem afrikanischen Haushalt, der Tisch; auf ihn fallen unwillkürlich die Blicke des Suchenden, und hier findet er endlich auch ein Lebenszeichen und zugleich die Aufklärung über das Vorgefallene. Ein wirres Knäuel ist es, von derber Bastschnur, aber sie ist bis zum Übermaß verknotet. Nils Knudsen hat später die Knoten gezählt; ihrer siebzig sind es gewesen; die Bedeutung des Ganzen war nach den Erklärungen der Stammesweisen: „Siehe, mich haben meine Verwandten von dannen geführt; sie sehen es nicht gern, daß ich mit dem weißen Mann zusammenlebe; ich soll einen schwarzen Mann heiraten, der weit drüben jenseits des Rovuma wohnt. Aber selbst wenn ich so viele Jahre alt werden sollte, wie der Faden Knoten zeigt, ich nehme den schwarzen Mann nicht, sondern bleibe dir, dem Weißen, treu.“ So lautete Nils Knudsens Erzählung; teils mit Rührung, teils mit dem Stolz umworbener Männer schloß er daran die fernere Mitteilung, daß das Mädchen seinen Schwur tatsächlich halte; es säße weit im Innern von Portugiesisch-Ostafrika, ganz in der Nähe des ihm bestimmten Mannes, doch selbst der härteste Druck seiner Verwandten sei nicht imstande, seinen starken Sinn zu beugen. — „Die Treue, sie ist doch kein leerer Wahn!“

Sehr nüchtern ist die Negerhochzeit; fast könnte man sagen, sie existiert gar nicht. Verlobung und Hochzeit, wenn man so sagen darf, fallen zeitlich zusammen, denn sobald der Heiratskandidat die Zustimmung der maßgebenden Faktoren erlangt hat, besteht keinerlei Hindernis mehr für das Zusammenziehen des Pärchens; höchstens, daß erst eine neue Wohnhütte für die jungen Leute errichtet werden muß. Und wenn diese bezogen ist, dann beginnt jener für das Empfinden von uns schlechten Europäern so seltsame Schwiegermutterdienst, von dem ich früher bereits gesprochen und geschwärmt habe. Kommt, laßt uns in uns gehen, auf daß wir uns bessern! Dann würden wir doch in einer Beziehung die Kulturhöhe des Negers erklimmen!

Nun aber setzt das Kapitel der gegenseitigen Heiratsmöglichkeit ein. Wer darf einander ehelichen, und wem ist es durch altgeheiligten Brauch verboten? Nicht einmal bei uns Weißen ist

diese Frage belanglos, um wieviel weniger aber bei Leuten, die sich in sozialer Hinsicht den Urzuständen der Gesellschaft noch ein gut Teil näher befinden als wir demokratisierten Vertreter der sogenannten Vollkultur. Gehört es für die Weisen eines australischen Stammes zu den höchsten Problemen der Sozialwissenschaft, einwandfrei und fehlerlos auszurechnen, welche Maid aus der näheren oder weiteren Umgebung gerade der Jüngling A des Stammes heiraten darf, und welche für den Jüngling B in Frage kommen kann, so ist es auch für die Heiratslustigen am mittleren Rovuma nicht belanglos, wohin ihre Neigung fällt.

Es ist am Spätnachmittag; in der Barasa von Newala kauern 15 schwarze Männer würdigen Alters, wie schon Wochen hindurch, auf der großen Matte; von Zeit zu Zeit erhebt sich einer der Alten mühselig, verläßt mit steifgewordenen Beinen den Raum, kommt aber stets nach kurzer Zeit wieder. Die Halle ist heiß, ein übler Dunst liegt über der Versammlung, so daß der Europäer im gelben Khakianzug, der so eifrig an seinem Klapptisch schreibt, sich wieder und wieder an die schmerzende Stirn greift. Die Versammlung ist sichtlich müde, sie hat aber heute auch ein gar zu schwieriges Arbeitsfeld betreten. Stunde um Stunde habe ich, denn ich bin der Mann mit den Kopfschmerzen, erst Nils Knudsen die Grundzüge der menschlichen Ehegebräuche, der verschiedenen Stammesaufteilungen, des Totemismus, des Vater- und des Mutterrechts, kurz einer ganzen Reihe von Punkten aus der Soziologie klarzumachen versucht, mit nur sehr mäßigem Erfolg, wie ich mich bei jeder meiner Fragen überzeugen muß. Jetzt gilt es, im Bunde mit Sefu, dem sonst so Gewandten, und dem blonden Norweger, der sich noch immer nicht von seinen Darmstörungen erholen kann, aus den 15 Stammesweisen über alle diese Sachen herauszuholen, was zu holen ist. Von allen den kleinen Mißerfolgen bin ich schon ganz wild geworden, wild und müde zugleich, so daß ich nur eben noch mit einiger Mühe eine Frage in die Gelehrtenrepublik zu schleudern vermag.

„Nun, alter Dambwala, du bequemer Mann, du hast einen Sohn, nicht wahr?“

„Jawohl, Herr.“

„Und du Nantiāka, alter Don Juan, du hast eine Tochter, nicht wahr?“

„Jawohl, Herr.“

„Schön, kann denn nun dein Sohn, Dambwala, hier die Tochter von Nantiāka heiraten?“

„Nein.“

„Und warum nicht?“ Ich muß wirklich sehr müde und abgespannt sein, denn selbst die verwunderte Bestimmtheit, mit der das „nein“ herauskommt, erweckt in mir keine sonderlich erwartungsvollen Gefühle. Ich horche erst auf, als in der nun erfolgenden Begründung jenes „nein“ das Wort Litaua an mein Ohr schlägt. „Nini litaua? Was ist Litaua?“ frage ich jetzt, schon völlig ermuntert und aufgefrischt.

„Nun, Litaua ist Litaua.“ Langes Schauri; auch die schwarzen Intelligenzen, die gleich uns Weißen schon halb eingedöst waren, sind wieder zu geistiger Rührigkeit erwacht; Kimakonde, Kiyao und Imakuani, alle drei Sprachen tönen wie im Kaffeekränzchen durcheinander. Endlich ist die Definition gefunden; in die Fachsprache übersetzt, lautet sie: die Litaua ist der mutterrechtliche, exogamische Geschlechtsverband, der alle diejenigen umfaßt, die von einer Urmutter abstammen; es erbt nicht der Sohn des Vaters, sondern einer der Söhne der Schwestern, und der junge Makonde nimmt sein Weib nicht aus der eigenen Litaua, sondern er sucht sie sich in einer der vielen andern Mataua. Bei den Makua sei das gerade so, dort aber hieße die Litaua Nihimmu.

Den Abend dieses Tages — es ist der 21. September gewesen — habe ich mit dem Gefühl durchlebt, auf einen der erfolgreichsten Abschnitte meiner ganzen Afrikareise herabblicken zu können; um ihn zu feiern, haben Knudsen und ich statt der einen Flasche Bier, die wir uns sonst ehrlich teilten, uns diesmal deren zwei geleistet.

„Bier? Ja, woher habt ihr denn auf einmal Bier?“ Jedes Volk hat seine Sitten, jedes Volk hat seinen Trank, so möchte ich dichten, gleichzeitig indes hinzufügen, auch jeder Örtlichkeit ist ihr besonderes Getränk angepaßt. Im heißen Tiefland Bier? Brrr! Aber hier oben, den Wolken nahe und im kühlen Novemberost der

Abende, hei, da wäre ein Becher deutschen Bieres wohl angebracht. Wie eine Eingebung ist mir vor Wochen der Gedanke durch den Kopf gefahren; gerade trifft es sich, daß ein Dutzend Lasten ethnographischer Sammelstücke nach Lindi hinunter müssen. Schon am nächsten Morgen schreiten zwölf starke Männer eiligen Schrittes gegen Nordosten der fernen Küste zu; wenn sie sich nicht aufhalten, werden sie in zwei Wochen wieder zurück sein. In allen früheren Fällen ist mir der voraussichtliche Termin der Rückkehr meiner Boten ziemlich gleichgültig gewesen; diesmal haben wir beiden Weißen, ehrlich gestanden, die Tage gezählt, und als sich an einem Sonntagvormittag weit draußen im Busch das unverkennbare Getöse von Wanyamwesiträgern, die dem Endpunkt ihrer Reise zueilen, vernehmen ließ, da sind wir der großen Kiste entgegengeeilt, die für uns so viel Schönes und Langentbehrtes barg, nicht bloß schweren, deutschen Porter von Daressalam, sondern vor allem die so lang vermißte Milch, die uns beiden gegenwärtig stark abgemagerten Einsiedlern mehr als alles andere nottut.

An jenem für mich denkwürdigen Nachmittage indessen hatte ich durchaus keine Muße, an die materiellen Genüsse zu denken.

„Also dein Sohn, Freund Dambwala, kann Nantiakas Tochter nicht heiraten, weil ihr derselben Litaua angehört; wie heißt denn deine Litaua?“

„Waniuchi.“

„Und wo wohnt ihr?“

„In und um Niuchi.“

„Und du, Kumidachi,“ wende ich mich an einen andern, mit einer funkelnagelneuen, buntbestickten Jumbenmütze bekleideten Alten, „welcher Litaua gehörst du an?“

„Nanyanga“, tönt es prompt zurück. Blitzschnell ist der Name niedergeschrieben; schon ruht mein Auge fragend auf dem nächsten der Weisen. Der weiß jetzt schon, worum es sich handelt, denn er ist einer von den klügsten. „Wamhuīdia“, kommt es von seinen Lippen.

Aber so darf ich nicht weiter arbeiten; was ist ein Name? Schall und Rauch; auch die Bedeutung muß ich kennen. Schon von meinen Namenstudien her weiß ich, wie gern die Neger sich mit etymologischen Erklärungen befassen; es bedarf auch hier nur eines kleinen Anstoßes, um der Nennung des Litauanamens sofort die Bedeutung des Wortes folgen zu lassen. Das Wort „Waniuchi“ habe ich mir selbst als „die Leute von Niuchi“ übersetzt; in den hiesigen Bantusprachen bedeutet ja das Präfix wa nichts anderes; doch die Übersetzung genügt den schwarzen Philologen nicht, niuchi heiße die Biene, und die Waniuchi seien Leute, die den Honig dieser Bienen in den Bäumen suchten; die Nanyanga aber, das seien die Flötenbläser im Kriege, nanyanga sei die Makondeflöte. Die Wamhuidia endlich hätten ihren Namen von ihren kriegerischen Vorfahren; diese hätten fortwährend Krieg geführt und alles niedergeschlagen; der Sippenname käme her vom Verbum muhidia, niederschlagen.

Die alten Herren haben an jenem Nachmittag trotz ihrer starken Müdigkeit viel länger ausharren müssen als sonst; ich hatte Blut geleckt und habe sie ausgesogen, bis ihr armes, des angestrengten Denkens so ungewohntes Gehirn um Sonnenuntergang schließlich völlig versagte. Doch einen Extra-Bakschisch hat es gegeben als Lohn für die aufopferungsvolle Hilfe bei dem schwierigen Kapitel. Selbst Moritz, der Finanzminister, hatte heute nicht seinen gewöhnlichen melancholischen Hängemund, sondern verzog sein braunes Negergesicht zu einem freundlichen Grinsen, als er nach Feierabend hinging, um den Gelehrten das funkelnagelneue Silberstück in die Hand zu drücken. Seitdem habe ich das Sippenwesen mit aller Ausdauer zu ergründen versucht, und ich muß gestehen, ich weiß nicht, worüber ich mehr staunen soll: über die soziale Differenzierung der Stämme unter sich, ihren Zerfall in ungezählte Mataua und Dihimmu (Plural von Nihimmu), oder über die Tatsache, daß, wie ich annehmen muß, keiner meiner Vorgänger auf dem hiesigen Beobachtungsfelde auf diese Einrichtung aufmerksam geworden ist. Ich wundere mich in der Tat über diesen Punkt, aber wenn ich es mir überlege, habe ich doch kaum Anlaß dazu; zunächst bin doch auch ich monatelang im Lande umhergezogen, ohne von jenem Sippenwesen das Geringste zu

ahnen; sodann aber ist es lediglich Zufall, daß in jenem denkwürdigen Schauri vom 21. September die Antwort gerade in der geschilderten Form fiel. Glück muß der Mensch haben, der Forschungsreisende aber viel Glück!

Es bedarf keines Hinweises, daß ich nach jener folgenschweren Entdeckung auch sofort wieder auf das Yaoproblem zurückgekommen bin. Als von meinen Makua- und Makondemännern ein Sippenname nach dem andern mitsamt den schönsten Erläuterungen mir ins Notizbuch diktiert wurde, sprach Nils Knudsen das große Wort: „Ja, so was haben die Yao auch.“ Zehn Minuten später waren bereits schnellfüßige Boten unterwegs, um unten aus der Ebene von Wayaomännern heraufzuholen, was irgendwie auf einige Intelligenz Anspruch machen durfte. Sie sind auch alle gekommen, die Entbotenen: Susa und Daudi und Massanjara und wie sie heißen. Leicht war das Examen auch jetzt noch nicht, weder für mich, noch für die Auspressungsobjekte, aber ich habe nach redlichem Mühen doch noch so viel herausbekommen, um sagen zu können: „Nils hat wirklich recht, auch die Yao haben so etwas“, ja bei ihnen ließ sich sogar unschwer eine Doppeleinteilung in der Art feststellen, daß über den exogamischen mutterrechtlichen Sippen noch eine Einteilung in große Gruppen besteht, die von jener feineren Einteilung ganz unabhängig sind.

Von den großen Gruppen des Yaovolkes, das heute über einen außerordentlich großen Teil Ostafrikas verteilt ist, indem es vom Schirwasee im Süden bis fast vor die Tore von Lindi im Norden reicht, kennen wir die folgenden: die Amakāle in der Region der Rovumaquellen; die Achinamatāka oder Wamwembe bei Mataka zwischen dem Rovuma und dem Ludjende; die Amassaninga, ursprünglich am Südende des Nyassasees; die Achinamakanjīra oder Amachinga am oberen Ludjende; die Mangoche in der Nachbarschaft von Blantyre. Die Angabe der Wohnsitze dieser großen Gruppen, wie sie hier erfolgt ist, hat heute nur noch einen historischen Wert. Durch die von mir früher schon geschilderte, ganz allmählich erfolgte Abwanderung großer Volksteile sind die alten Gruppengrenzen längst verwischt und kartographisch heute gar

Turn static files into dynamic content formats.

Create a flipbook
Issuu converts static files into: digital portfolios, online yearbooks, online catalogs, digital photo albums and more. Sign up and create your flipbook.