LOUD: Turn up your data!

Im vermutlich dynamischsten Vortrag des diessemestrigen Digital Humanities Colloquium an der Universität zu Köln mit dem Titel „Normdaten als Linked Data publizieren und nutzen” machte das Trio aus Adrian Pohl, Pascal Christoph und Fabian Steeg vom Hochschulbibliothekszentrum NRW einen Rundumschlag zum Thema Linked (Open Usable) Data und Normdaten.

Was zunächst danach aussah, als würde eine der eingeblendeten Personen gleich eine Gitarre hervorholen und die anderen beiden ihrerseits mit einstimmen, entpuppte sich als eine mit Fakten und Details gespickte Präsentation, die auf eine Vielzahl von Themen einging und diese miteinander verknüpfte. Wie die Überschrift es schon andeutet, drehte sich der Vortrag vor allem um Linked Open Usable Data (LOUD): Die Grundlagen und Hintergründe dazu, der Nutzen daraus und wie man diesem Konzept gerecht werden kann; mit einem anschließenden Anwendungsbeispiel aus eigener Hand.

Abb. 0: Screenshot aus dem Vortragsvideo

Im Verlauf wurden unter anderem der Eigenbau lobid-gnd, das Tool OpenRefine und – die neueste Entwicklung des hbz – SkoHub vorgestellt. Kleine und größere Exkurse erklärten die Unterschiede zwischen Linked Data, Linked Open Data und Linked Open Usable Data, was ein Metadatenprofil ist, was JSON-LD von JSON unterscheidet, wie man die Reconciliation-Funktion von OpenRefine nutzt, und was es überhaupt mit Normdaten auf sich hat – mit naheliegendem Fokus auf der Gemeinsamen Normdatei. Zum Schluss wurde das SkoHub-Modul PubSub näher betrachtet, das sich der Fertigstellung nähert und dann einen Abo-Service für Publikationen auf Basis von Normdaten-Filtern bieten soll.

Normdaten & die GND

Nachdem das Hochschulbibliothekszentrum NRW (hbz) und ihre drei vortragenden Mitarbeiter vorgestellt waren, ging es mit einer Einführung in das Wie und Was von Normdaten los.

Erste Vorläufer zu Normdaten lassen sich im Analogen finden. Schon in Zettelkatalogen wurden beispielsweise Personennamen unter einer gemeinsamen Bezeichnung zusammengefasst. Somit konnten möglichst viele Quellen unabhängig von der Schreibweise zugänglich gemacht werden. Diesem Konzept folgend lassen sich Dinge über Normdaten eindeutig identifizieren, indem mögliche Bezeichnungen gesammelt werden. Dabei besteht ein Normdatensatz bzw. Normdatum mindestens aus einer ID und einer Vorzugsbenennung. Als Gegenstand können verschiedenste Dinge dienen: Personen, Organisationen, geographische Einheiten, administrative Einheiten, oder Themen. Durch eine Verknüpfung mit Geburts- und Sterbeort, am Beispiel einer Person, lassen sich die Daten in ein assoziatives Netz einbetten, in dem die verschiedenen Datensätze direkt oder über Umwege aufeinander verweisen. Als Beispiel hierfür wurde im Vortrag „Person –geborenIn–> Ort” genutzt, was eine Person mit ihrem Geburtsort verknüpft. Geschieht dies mit mehreren Personen mit gemeinsamem Geburtsort, entsteht eine indirekte Verknüpfung dieser Personen. Wie später noch gezeigt wird, gibt es auch abstraktere Verknüpfungsweisen wie Teil-Ganzes-Beziehungen.

Auf diese Weise funktioniert zum Beispiel die Gemeinsame Normdatei (GND), die von der GND-Kooperative bereitgestellt wird und zu der auch das hbz gehört. Die GND wird von der Deutschen Nationalbibliothek (DNB) als Linked Open Data (LOD) publiziert, was zum nächsten Themenkomplex führt.

Linked Open Data:
Zwischen Linked Data und Linked Open Usable Data

Wie der Name von Linked Data (LD) bereits verrät, geht es um die Verknüpfung von Daten. Ziel dessen sind die Nachnutzbarkeit der Daten und dafür grundlegend eine verbesserte Recherchemöglichkeit. Dies sind Prinzipien, die Bibliotheken standardmäßig im Portfolio führen und die nun auch ins Web beziehungsweise auf Web-Ressourcen übertragen werden sollen. Dies soll auf die folgende Weise realisiert werden:

  1. Eine eindeutige Identifikationsbezeichnung (engl. Uniform Resource Identifier, kurz URI) lässt eine unmissverständliche Kommunikation über ein Ding zu,
  2. über URIs, die entsprechend dem Hypertext Transfer Protocol (HTTP) formuliert sind, lassen sich diese Ressourcen auch über Browser aufrufen,
  3. beim Aufruf der URI sollen entsprechend Standards Informationen zur Verfügung gestellt werden,
  4. eine Verlinkung zu anderen URIs spinnt dann dieses semantische Netz weiter.

Wer diesen Blogpost liest, sollte (zumindest praktisch) mit dem Prinzip von Uniform Resource Locators (URL) vertraut sein, die nicht nur namentlich eng mit den URIs verwandt sind. Die Überschneidungen mit dem World Wide Web (WWW) sind kein Zufall, denn das Semantic Web wurde von einem der Initiatoren und Erfindern des WWW vorgestellt: Tim Berners-Lee. Nachdem diese Idee nun seit etwa 20 Jahren reift, zwischenzeitlich auch mal für tot erklärt wurde, scheint sie nun also erste Blüten auszubilden.

Dies soll auf die Weise geschehen, dass Daten nicht nur im Sinne von Linked Data verknüpft und als Linked Open Data (LOD) offen zugänglich gemacht werden. Darüber hinaus soll auch eine Nutzbarkeit sichergestellt werden: Linked Open Usable Data (LOUD).

Warum noch ein Buchstabe mehr? Das Ziel von LOUD bringt Pascal Christoph im Vortrag knapp auf den Punkt: „Damit die Software miteinander spielen kann.”

Die Daten müssen also so bereitgestellt werden, dass zukünftige Entwickler mit ihrer Software darauf zugreifen können. Dies geschieht über APIs (Application Programming Interface), zu Deutsch Programmierschnittstellen, die einen maschinellen Zugriff ermöglichen.

Reconciliation mit OpenRefine

OpenRefine ermöglicht den Abgleich und die Verfeinerung von (Meta-) Daten. Es lassen sich darüber passende URIs für die eigenen Daten finden oder Einträge zusammenführen. Die Suche nach den richtigen Daten lässt sich beispielsweise über eine genauere Bestimmung des Typs oder zusätzliche Felder eingrenzen. Des Weiteren können Daten in verschiedene Formate transformiert werden. Reconciliation bezeichnet den Vorgang, bei dem die eigenen Daten mit Normdaten, im Fall von lobid mit denen der GND, abgeglichen bzw. gematcht werden. Das genaue Vorgehen lässt sich auf den Folien des Vortrags nachverfolgen.

Jetzt wird’s richtig LOUD!

Die Funktionalitäten von OpenRefine lassen sich auch über eine API einbinden. Genau dies geschieht in der zweiten Version von lobid (urspr. Akronym für „linked open bibliographic data”, siehe Abb. 1), einem Eigenbau des hbz. Nach einer Annäherung an die LOUD-Prinzipien über die vorangegangenen Versionen wird diese in der neuesten Version dank JSON-LD voll umgesetzt. Dabei wird das bekannte Format JSON (JavaScript Object Notation) im Sinne von Linked Data (daher JSON-LD) um URIs erweitert. Felder innerhalb der Datenstruktur haben also nicht nur einen (idealerweise) sinnvollen Namen, sondern verweisen auch auf ein sinnvolles Konzept, beispielsweise von schema.org, das der Maschine eine automatische Interpretation ermöglicht. Somit lassen sich Daten so gestalten, dass sie über offen zugängliche APIs nutzbarer werden: Zack, die Daten werden LOUD!

Abb. 1: Umgebung der lobid-API mit Anwendungsbeispielen unten (Quelle)

Der Clou: Die API von OpenRefine bringt ihre eigene Benutzeroberfläche mit und kann nun zur einfacheren Zuweisung von URIs verwendet werden. Implementiert ist lobid v2 u.a. als lobid-gnd, einem Service des hbz, der eine Rechercheoberfläche (siehe Abb. 2) und LOD-API für die GND bietet. Beispiele für eine Anwendung von lobid-gnd lassen sich auf correspsearch.net, repository.publisso.de, kalliope-verbund.info, performing-arts.eu und bauhaus.de finden.

Abb. 2: Screenshot von den Ergebnissen der
Suche nach Universität zu Köln” via http://lobid.org/gnd

SkoHub: Nutzung von Metadaten auf Maximum

Im letzten Teil der Präsentation beschäftigten sich die Vortragenden mit ihrem Projekt SkoHub. SKO(S) steht für „Simple Knowledge Organization (System)”, dabei handelt es sich also um ein Modell zur Wissensorganisation. Diese Beschreibungssprache für kontrollierte Vokabulare sollte die standardisierte Veröffentlichung von LOD vereinfachen. Sie wurde vor einigen Jahren durch das W3C als Empfehlung verabschiedet.

Ziel von SkoHub sollte es u.a. sein, eine Infrastruktur zu erschaffen, durch die ein Abonnieren neuer Publikationen über themenbasierte Kanäle ermöglicht wird. Hinter diesem Vorhaben stand der Grundgedanke: Welche Funktionen könnten Normdaten über ihren ursprünglichen Zweck hinaus erfüllen?

Die Hauptentwicklungsphase fand von März 2019 bis April 2020 statt. Die Arbeitsgruppe des hbz wurde hierbei technisch von der graphthinking GmbH aus Berlin unterstützt. Gefördert wurde das Projekt vom Ministerium für Kultur und Wissenschaft NRW.

Editor

SkoHub gliedert sich in die Module Vocabs und PubSub und einen zugehörigen Editor. Letzterer liegt in Form einer browserbasierten Webanwendung vor (siehe Abb. 3) und ist unter https://skohub.io/editor/ offen zugänglich. Darüber hinaus ist er auch als Browser Plugin verfügbar. Hiermit kann der Editor zu jeder beliebigen Website aufgerufen werden, um damit direkt deren verschiedene Elemente zu annotieren. 

Abb. 3: Screenshot des SkoHub-Editor (Quelle)

Der Editor ist mit dem Vocabs-Modul verknüpft. Diese Verknüpfung ermöglicht es u.a., den NutzerInnen, Vorschläge für ihre Eingaben zu präsentieren und so den Workflow zu verbessern. Im vorgestellten Editor können über ein Formular strukturierte Metadaten in JSON-Schema für Publikationen erstellt und validiert werden. Weitere Informationen über den Skohub Editor stellt die Arbeitsgruppe in ihrem eigenen Blog bereit.  

Vocabs

Das Modul Vocabs bietet Tools zur maschinen- und menschenlesbaren Publikation kontrollierter Vokabulare an. Mithilfe dieses Teilprojekts können also beispielsweise Thesauri erstellt werden. Auch Änderungen bereits erstellter Daten sind möglich. Allen Termen eines Vokabulars wird eine eigene URI zugewiesen, um Referenzen und Verlinkungen zu ermöglichen. Der Mehrwert eines eigenen Tools zur Erstellung solcher Datensammlungen liegt in einer verbesserten begriffsbasierten Suche. Im Gegensatz zu vielen ähnlichen Projekten setzt die Arbeitsgruppe ihren Schwerpunkt auf eher kleinere Vokabulare, die dann als Flat File auf GitHub veröffentlicht werden können. Einen typischen Workflow zum Veröffentlichen eines Vokabulars beschreibt ein weiterer Blogpost der Arbeitsgruppe.

PubSub

Den Grundgedanken des Projektes aufgreifend liefert PubSub auf Basis der Normdaten, die neuen Publikationen bei Veröffentlichung zugeordnet werden, ein Benachrichtigungs- oder Abosystem. Hier kann eine Brücke zum Editor des Skohub-Projektes geschlagen werden, denn natürlich können die in ihm generierten Metadaten auch über PubSub veröffentlicht werden. Interessierte UserInnen bekommen so die Möglichkeit, ihre Lieblingsthemen zu abonnieren und über alle neuen Veröffentlichungen benachrichtigt zu werden. Die Nutzung von PubSub kann also ein „auf dem Laufenden bleiben” von WissenschaftlerInnen verschiedenster Disziplinen und somit auch einen Austausch über Neuerungen im Forschungsgebiet vereinfachen. Darüber hinaus ermöglicht dieser dezentrale Ansatz aber auch ein Auffinden neuer Inhalte und thematischer Aspekte. Ein weiterer Vorteil dieser Herangehensweise an Wissensorganisation ist außerdem die Motivation von Publizierenden, passende Metadaten für ihre Veröffentlichungen zu erstellen. Dieser Anreiz wird durch eine unmittelbare Sichtbarmachung der Nützlichkeit dieser Daten geschaffen.

Abb. 4: Schema des PubSub-Modells (Quelle)

Das System basiert auf ActivityPub, einem Protokoll zur dezentralen Organisation sozialer Netzwerke. Abbildung 4 zeigt den grundlegenden Aufbau von PubSub. Es wird pro in Metadaten gefundenem Thema eine Inbox angelegt. Sobald eine neue Publikation zu einem Thema online geht, wird dazu eine Benachrichtigung gepusht. Diese kann dann „in Echtzeit” an die jeweiligen Abonnenten weitergeleitet werden. Da das Grundgerüst des Moduls kein in sich geschlossenes System ist, kann es beispielsweise auch an Mastodon angebunden werden. Auch auf diesem Wege können dann Benachrichtigungen über neue Veröffentlichungen in einem Themengebiet verbreitet werden. Außerdem legt die Arbeitsgruppe Wert auf einen kollaborativen Entwicklungsprozess, der durch Anbindung des Projektes an GitHub und GitLab sichergestellt werden soll.

Ergänzend zur bisherigen Funktionalität des Moduls sind auch noch weitere Möglichkeiten im Umgang mit Metadaten denkbar. Beispielsweise könnte durch das Benachrichtigungssystem von PubSub auch eine Update-Funktion für Normdaten geschaffen werden. Hiermit könnten bei Änderung eines Eintrags verknüpfte Datensätze automatisch verbessert werden.

Fazit

Wer LOUD hört, denkt vielleicht auch an FAIR: Findable, Accessable, Interoparable, Reusable. Ein Prinzip, das eher aus dem Bereich der (digitalen) Archive kommt und sich damit auf das sinnvolle Ab- bzw. Hinterlegen von Daten konzentriert. LOUD bezieht sich mehr auf die Kommunikation. Beide Prinzipien überschneiden sich an mehreren Punkten und scheinen sich so auch aufgrund ihrer Natur zu ergänzen. Versuche, diese (und andere) Prinzipien zusammenzuführen, gibt es etwa von Florian Thiery oder Robert Sanderson.

Gibt es „zu LOUD”? Auf die Frage, ob es bereits Ideen dazu gäbe, wie man mit möglichem Spam per Missbrauch von Metadaten umgehen würde, war die Antwort sehr einfach: „Wir würden uns erstmal über Spam freuen, weil es heißt, dass das Projekt erfolgreich ist.” Erste Maßnahmen wären dann das Blockieren von Nutzern oder Domains.

Nach dem Gartner Hype Cycle bewegen sich neue Technologien auf einer Kurve, die sich zunächst über einen Hype auf einen Höhepunkt der Popularität zubewegt und auf diesem an den entfachten Erwartungen scheitert, woraufhin vorübergehend ein Tal durchlaufen wird, bis dann schließlich ausgereifte Anwendungen zu einer Verstetigung führen. Diese These sollte man zwar kritisch betrachten, jedoch lassen sich beispielsweise in Hinblick auf Neuerungen in der künstlichen Intelligenz (Stichwort: „AI winter”) oder der virtuellen Realität (siehe VR-Ansätze der 90er) entsprechende wellenförmige Bewegungen beobachten. Wie bereits erwähnt wurde das Semantic Web in den letzten circa 20 Jahren auch schon als eine Art Schrödingers Katze gesehen und man versuchte gar, es für tot zu erklären. Vielleicht lag das aber auch daran, dass bisher wenig dafür getan wurde, der Katze eine Kiste zu basteln. Vielleicht ist der Vergleich auch einfach übertrieben. SkoHub, und damit die Anwendung der LOUD-Prinzipien, erscheint jedoch als ein Ansatz, der in Zukunft eine vermehrte Nutzung (und Schaffung) von Linked (Open Usable) Data fördern könnte. Ob dies dann auch wirklich auf Bereiche außerhalb von Institutionen wie Bibliotheken oder Universitäten überschwappt, bleibt abzuwarten – und zu hoffen.

Zu den AutorInnen:

Michaela Dienhart hat im Zweifach-Bachelor Linguisitk/Phonetik und Informationsverarbeitung an der Universität zu Köln studiert und führt das Fach Informationsverarbeitung im Rahmen eines Masterstudiums weiter. Sie ist als Werkstudentin für Digitale Technologien bei einer auf Versicherungen spezialisierten Unternehmensberatung tätig.

Nils Geißler studierte Philosophie und Informationsverarbeitung im Zweifach-Bachelor an der Universität zu Köln und nahm im Rahmen des MA Informationsverarbeitung am Kolloquium teil. Er ist als Hilfskraft am Cologne Center for eHumanities (CCeH) tätig und brachte in diesem Rahmen beispielsweise die Web-Präsenz der Edition der fränkischen Herrschererlasse (Capitularia) mit zu Wege.


Ein Gedanke zu „LOUD: Turn up your data!“

  1. Lieber Frau Dienhart, lieber Herr Geißler,

    diesem spannenden Artikel wollten wir eine noch größere Reichweite verschaffen und haben ihn deshalb in den Slider auf unserer Startseite de.hypotheses.org aufgenommen.

    Viele Grüße,

    Ulrike Stockhausen (Community Management)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.