An der vollständig überarbeiteten und fairifizierten Neuauflage des „Adressbuch der Deutschen in Paris von 1854“ – entwickelt unter der Leitung von Mareike König in einer Kooperation des Deutschen Historischen Instituts Paris (DHIP) mit dem Institut für Digital Humanities der Universität zu Köln (IDH) – zeigt sich in besonderer Weise, wie ein Projekt durch einen umfassenden Fokus auf Prinzipien wie Interoperabilität und die allgemeine Zugänglichkeit von Daten an Wert für die gesamte Forschungslandschaft gewinnen kann. Im Kölner Digital Humanities Kolloquium gaben Mareike König vom DHIP und Alina Ostrowski (ehemals IDH, jetzt Digital Humanities an der Uni Passau) einen Einblick in die Hintergründe und die Entwicklung des Projektes.

Als sich F. A. Kronauge 1854 dazu entschloss, ein Adressbuch deutscher Migrantinnen und Migranten in Paris zu erstellen, konnte er nicht ahnen, dass eine Gruppe deutscher Wissenschaftlerinnen und Wissenschaftler sich über 100 Jahre später einem ähnlichen Ziel verschreiben sollte: der Sichtbarmachung und Publizierung von bisher verborgener Information.

Musste Kronauge, nachdem er sein Viertel auf der Suche nach Sponsoren und eben den Adressen deutscher Gewerbetreibender durchkämmt hatte¹, nach einem Verleger und einer Druckerei Ausschau halten, standen die Digital Humanists aus Paris und Köln vor anderen Herausforderungen: Wie lassen sich veraltete Adressen auf einer Karte visualisieren? Wie geht man mit falsch geschriebenen oder heute veralteten Berufsbezeichnungen um? Wie garantiert man die Zugänglichkeit und Interoperabilität der gesammelten Daten?

Das Projekt

Bevor wir die im Kontext dieses Forschungsprojekts gefundenen Lösungen für diese Probleme vorstellen, sollen jedoch ein paar Worte zur Geschichte des Projektes und den beteiligten Institutionen gesagt werden. Anders als beim enigmatischen Kronauge, der lediglich als nicht näher spezifiziertes Mitglied einer Universität bezeichnet wurde, ist all das glücklicherweise umfassend dokumentiert. Bei der Datenbank „Das Adressbuch der Deutschen in Paris von 1854“ – einer Kooperation des DHIP mit dem Institut für Digital Humanities (IDH) der Universität zu Köln – handelt es sich nicht um die erste Veröffentlichung der 4.772 Adressen und weiteren Daten, die Kronauge Mitte des 19. Jahrhunderts in Paris gesammelt hatte: Bereits 2006 wurden diese Inhalte in Form einer Datenbank der Öffentlichkeit zugänglich gemacht. Nun hat sich in den letzten 15 Jahren im Hinblick auf die zur Verfügung stehenden Techniken und etablierten Standards zur Veröffentlichung von Daten allerdings so viel verändert, dass die Zeit reif für eine grundlegende Überarbeitung schien. Die Ziele dieser Überarbeitung waren dabei auf allen Ebenen des Projekts – vom Datenmodell selbst bis zu Aspekten der Benutzeroberfläche – angelegt.

Veraltete Adressen, uneinheitliche Berufsbezeichnungen – Wie geht man mit den Eigenheiten der Daten um?

Eine besonders umfassende Neuerung im Hinblick auf die Präsentation der Daten sollte die Möglichkeit sein, die Adressen als Marker auf einer Karte von Paris zu visualisieren. Nicht unproblematisch für dieses Ziel ist es allerdings, dass die Stadtarchitektur von Paris in den letzten 170 Jahren nicht gerade stillgestanden hat – so gab es zur Entstehungszeit des Buches beispielsweise zwölf statt zwanzig Arrondissements. Hier zeigt sich bereits der enorme Wert von Open Data: Durch die Nutzung verschiedener offen zugänglicher Datensätze für aktuelle und historische Geodaten von Frankreich und Paris lassen sich Adressen auf aktuelle Vektordaten (OpenStreetMap) mappen. Außerdem kann die Stadt durch die überlagerten und einzeln auswählbaren Darstellungen von historischer bzw. aktueller Karte und historischen bzw. aktuellen Arrondissements auch im historischen Kontext betrachtet werden.

Außerdem stellt sich die Frage, welche Informationen aus dem Handbuch überhaupt abgebildet werden sollen. Nimmt man etwa Berufsbezeichnungen wie “Schuhe,” “Schuhmacher,” “Schumacher” oder “Schuh-Macher” ohne Verdeutlichung ihrer Verwandtschaft in das Register auf oder vereinheitlicht man sie zu ihrer heutigen Bezeichnung?

In einem ersten Versuch, diesem Problem Herr zu werden, wurden Tippfehler korrigiert und ein grobes Kategorienschema erstellt, welches einen groben Überblick über die berufliche und soziale Struktur der im Adressbuch verzeichneten deutschen Gemeinschaft in Paris bot. Die endgültige Lösung kam jedoch in Form der Ontologie historischer, deutschsprachiger Berufs- und Amtsbezeichnungen (OhdAB), welche vom Historischen Datenzentrum der Martin-Luther-Universität Halle-Wittenberg erstellt wurde. Die Ontologie basiert auf der Klassifizierung der Berufe der Bundesagentur für Arbeit und des Statistischen Bundesamtes von 2010 (KldB), die ihrerseits auf der International Standard Classification of Occupations (ISCO) des International Labour Office von 2008 beruht. Dank der OhdAB konnten so mehr als 44.000 historische Berufe taxonomisch geordnet und in verschiedene Berufsbereiche, -hauptgruppen und -untergruppen eingeteilt werden.

Doch was sollte in Zukunft mit den Daten passieren?

FAIRifizierung – Wie macht man Daten auffindbar, zugänglich, interoperabel und wiederverwendbar?

Ein großes Problem der ursprünglichen Datenbank von 2006 war es, dass bei deren Erstellung der Fokus nicht auf der Zugänglichkeit und Interoperabilität der Daten lag – sie waren zwar über die Datenbank einsehbar, standen aber unter Copyright und waren nicht als Open Data erhältlich und damit z.B. auch nicht direkt maschinell verarbeitbar. Um derartige Schwachstellen bei der Entwicklung der Überarbeitung von Anfang an zu umgehen, sollte diese den FAIR-Prinzipien für das Management wissenschaftlicher Daten entsprechen. FAIR steht hierbei für die Auffindbarkeit (findable), Zugänglichkeit (accessible), Interoperabilität (interoperable) und Wiederverwendbarkeit (reusable) von Daten. Abb. 3 zeigt schematisch den Prozess der Fairifizierung von Daten.

Als auffindbar in diesem Sinne gelten Daten, wenn sie einen global einzigartigen und beständigen Identifikator haben – z.B. einen DOI im Fall von wissenschaftlichen Arbeiten –, wenn sie mit umfassenden Metadaten versehen sind und über Identifikator und Metadaten suchbar sind. Zugänglichkeit bedeutet vereinfacht, dass Daten über diesen Identifikator allgemein, kostenlos und dauerhaft abgerufen werden können.

Bei den Punkten der Interoperabilität und Wiederverwendbarkeit geht es vor allem darum, dass Daten in einem formalen, semantischen und nicht anwendungsspezifischen Datenmodell vorliegen sollen. Das Modell sollte gängigen Standards der Fachrichtung folgen und die Daten mit einer Nutzungslizenz versehen sein. Daraus folgt beispielsweise, dass auch die in den Metadaten auftauchenden Vokabulare wiederum den FAIR-Prinzipien entsprechen müssen, damit die Daten nicht irgendwann durch deren Verschwinden oder Veränderung unbenutzbar werden. Das ist im hier vorgestellten Projekt dadurch gegeben, dass für die Kategorisierung der Berufsbezeichnungen eben keine selbst aufgestellte Liste oder kein selbst aufgestelltes Schema genutzt wurde, sondern ein in der Forschung etablierter Standard – solange dieser zugänglich bleibt, werden auch die Berufsdaten in diesem Projekt ihre Bedeutung behalten.

Um selbst auch die Nachnutzbarkeit und Interoperabilität der Daten zu gewährleisten, sind diese in einer CC-BY-Lizenz in Form von JSON-LD hinterlegt und auch über das Open Science Repository zenodo erhältlich. JSON-LD ist eine Implementierung des RDF Standards im JSON Format und stellt Daten damit als semantische Tripel aus Subjekt, Objekt und Prädikat dar. Dadurch können beispielsweise Suchmaschinen direkt mit den Daten interagieren und die Daten sind von ihrer Präsentation getrennt.

Dieses Projekt zeigt auf herausragende Weise, was für eine diverse Menge an Problematiken es bei der wissenschaftlichen Aufbereitung und Bereitstellung von Daten zu bedenken gilt und was für einen immensen Wert es birgt, möglichst viele dieser Problematiken von Anfang an mitzudenken und in jeder Stufe eines Projektes im Blick zu haben. Die erste Version des Projekts von 2006 und die zweite, hier vorgestellte, haben zwar exakt den gleichen Datensatz zur Grundlage – trotzdem ist der Nutzen, den sie über die unmittelbare Darstellung aber besonders über die Wiederverwendbarkeit für weitere Forschung haben, drastisch unterschiedlich.

Es ist dem Projekt von 2006, entstanden in einer Landschaft aus überwiegend proprietären Formaten wie Filemaker-Datenbanken und junger oder gerade entstehender Infrastruktur für Linked Data, sicher nicht vorzuwerfen, dass es gegenüber der neuen Überarbeitung doch eine Vielzahl von Schwächen hatte – für heutzutage neu entstehende Aufbereitungen von Daten zeigt sich aber eindeutig, welchen Wert es haben kann, hohe Ansprüche an die FAIRness der Daten in allen Aspekten zu haben.

Zu den Autoren:

André Winzen studierte in Köln und Wuppertal Germanistik und Philosophie. Aktuell absolviert er ein Masterstudium der Informationsverarbeitung und arbeitet als freiberuflicher Redakteur und Copywriter.

Alex Froitzheim hat in Köln Linguistik, Phonetik und Informationsverarbeitung studiert. Aktuell absolviert er ein Masterstudium der Informationsverarbeitung. Außerdem arbeitet er als Full Stack-Entwickler im Bereich von Ticketing-Software.

1 Vgl. den fiktiven Rundgang von F. A. Kronauge in seinem Viertel: https://19jhdhip.hypotheses.org/5274.

---

---