Der SFB wird die prosopographischen Netzwerke um Kaiser Maximilian I. (1459-1519) unter politischen, kulturellen, literarischen und künstlerischen Gesichtspunkten erforschen. Er wird eine prosopographische Datenbank erstellen und die Beziehungen der in dieser Datenbank dokumentierten Personen untersuchen. Das DH-Teilprojekt baut auf dem aktuellen Stand der digitalen Prosopographie für das Spätmittelalter auf. Das Projekt wird die notwendigen Datenmodelle, Werkzeuge und Infrastrukturen für die Erfassung und Verbreitung der von den anderen Teilprojekten erstellten digitalen Daten aufbauen. Es wird die gesammelten Daten für innovative DH-Forschung in der Modellierung von implizitem Wissen und in der Anwendung fortgeschrittener netzwerkwissenschaftlicher Techniken (zeitliche Graphen, Netzwerkmuster) nutzen. Der "Factoid"-Ansatz zur Prosopographie hat sich für die Modellierung prosopographischer Informationen in Quellenmaterial als nützlich erwiesen und in verschiedenen Projekten den Linked Open Data-Standards entsprechend formalisiert. Diese CIDOC-CRM-konformen Modelle werden im Projekt an die Anforderungen der einzelnen Teilprojekte angepasst. Das Teilprojekt wird die Modellierung von impliziten Informationen und von Forschern gezogenen Schlussfolgerungen untersuchen. Das Projekt wird die Tragfähigkeit bestehender Ontologien (CRMinf, PROV, FPO und "unscharfe" Ontologien) bewerten. Die Entwicklung von robusten Ansätzen für diese Probleme wird die Grundlagenforschung des Teilprojekts umfassen. Das Teilprojekt bietet eine umfassende digitale Unterstützung für die Projektpartner. Die Erstellung und Analyse von Daten wird durch eine virtuelle Forschungsumgebung unterstützt, die auf dem APIS-System aufbaut. Auf der Grundlage der Forschungsfragen der Projektpartner wird eine Reihe von Werkzeugen entwickelt, die die Datenanalyse und -visualisierung ermöglichen (z. B. Zeitleisten, Netzwerkdiagramme). Das Teilprojekt wird auch eigene innovative Forschungsarbeiten zu den gesammelten Daten durchführen und dabei Methoden aus der Netzwerkwissenschaft anwenden. Wie diese Methoden an komplexe historische Netzwerke angepasst werden können, die durch Unsicherheitsgrade und unvollständige Informationen, Zeitlichkeit und heterogene Verbindungen gekennzeichnet sind, ist in der Forschung zu sozialen Netzwerken derzeit noch unzureichend erforscht.