Linked Data: Bibliotheksdaten im Semantic Web

Der Abschnitt erläutert den Missstand in der Informationslandschaft und den Lösungsansatz durch das Semantic Web. Bibliotheken sollen das Potential der Semantic-Web-Technologien nutzen, um ihre Datenbestände durch einheitliche Standards zu öffnen. Dies ermöglicht die Verlinkung einzelner Datenbestände und den Aufbau eines Linked-Data-Netzwerks. Das World Wide Web Consortium (W3C), mit Mitwirkung von Tim Berners-Lee, unterstützt die Entwicklung des Semantic Web, mit dem Ziel, den universellen Wissensaustausch und die zwischenmenschliche Kommunikation zu fördern. Der kontinuierliche Fortschritt des WWW soll durch die Ausarbeitung von Richtlinien und die Entwicklung von Standards gewährleistet werden. Die zunehmende Datenmenge im WWW stellt ein Hauptproblem dar, da Suchmaschinen die Bedeutung von Suchanfragen aufgrund der Mehrdeutigkeit natürlicher Sprache oft nur unzureichend erfassen können. Die indexbasierte Methode von Suchmaschinen erfasst nicht alle Daten und das Deep Web bleibt weitgehend unzugänglich. Semantische Suchen bieten hier einen entscheidenden Vorteil, da der optimale Suchstring automatisch generiert wird, was die Recherche für den Nutzer erheblich vereinfacht. Offene Standards bilden das Grundgerüst des Semantic Web, um die Interoperabilität von Daten zu gewährleisten. Das W3C arbeitet kontinuierlich an der Entwicklung und Anpassung neuer Standards.

Dieser Abschnitt beschreibt die Herausforderungen des Information Retrieval im WWW. Das rasante Wachstum der Datenmenge im Web macht einen Überblick unmöglich. Suchmaschinen stehen vor der großen Herausforderung der Mehrdeutigkeit natürlicher Sprache, was zu unzureichenden und irreführenden Suchergebnissen führt. Die Nutzer tragen oft selbst zu Fehlinterpretationen bei, indem sie ungenaue Suchanfragen formulieren. Webcrawler können nicht alle Daten erfassen, und das Deep Web, mit seinen kommerziellen Datenbanken (wie EBSCO, STN International, LexisNexis, GBI-Genios), bleibt für herkömmliche Suchmaschinen unzugänglich. Der Abschnitt vergleicht traditionelle Volltextsuchen mit semantischen Suchen. Semantische Suchen bieten einen besseren Recall durch die Berücksichtigung von Synonymen, können aber gleichzeitig zu einer schlechteren Precision führen. Semantische Suchmaschinen generieren automatisch den optimalen Suchstring, was die Recherche vereinfacht. Die Nutzung von semantischen Technologien verspricht eine verbesserte Suche und den Zugang zu vernetzten Datenbanken verschiedener Anbieter.

Der Abschnitt erklärt die Linked-Data-Prinzipien, die von Tim Berners-Lee definiert wurden, um die Veröffentlichung von Linked Data zu optimieren. Diese Prinzipien, auch als Linked data rules bezeichnet, sind eher Erwartungen als Vorschriften und fördern die Konnektivität der Daten. Das Linking Open Data cloud Diagram visualisiert die Beziehungen zwischen veröffentlichten Datensätzen. Die technische Grundlage bildet HTTP, als wichtigste Basistechnologie des WWW, das auf der Objektebene agiert und den Zugriff auf Webressourcen über URLs ermöglicht. URIs unterscheiden sich im Aufbau, abhängig vom definierten Objekt (Informationsressourcen und Nicht-Informationsressourcen). HTTP-URIs ermöglichen die Einbindung realer Objekte (Personen, Körperschaften, Orte) ins Semantic Web. Ein zentrales Element ist das Tripel, ein Modell zur Repräsentation einzelner Aussagen, das in Literal Triples und RDF Links unterteilt werden kann. RDF Links sind essentiell für die Verlinkung von Datenquellen und das Erfassen von Zusammenhängen. RDF bietet Flexibilität und Anpassbarkeit an eigene Bedürfnisse, ist an die Gegebenheiten des Web angepasst und wurde gezielt für semantische Suchmaschinen entwickelt.

Dieser Abschnitt beschreibt die Rolle von Bibliotheken im Kontext von Linked Data. Bibliotheken verfügen über zuverlässige Metadaten und Kontextualisierungsdaten und kontrollieren Namensformen. Ihre Daten sind somit attraktiv für Verknüpfungen mit externen Datensätzen. Viele Bibliotheken bieten bereits Open-Access-Angebote und verfügen über Expertise in Lizenzierungsfragen. Diese Erfahrungen können in Linked Open Data Projekte einfließen. Bibliotheken sind prädestiniert, das Linked-Data-Netz mit aufzubauen, zu pflegen und seine Vertrauenswürdigkeit zu sichern. Sie müssen sich dem veränderten Mediennutzungsverhalten anpassen und ihre Datenbanken öffnen, um mit anderen Informationsressourcen des WWW zu interagieren. Die Sichtbarmachung des Urhebers oder der verantwortlichen Institution wird mit zunehmender Vernetzung immer wichtiger. Bibliotheken können hier einen wichtigen Beitrag leisten.

Die Auswahl geeigneter Vokabulare ist entscheidend für die erfolgreiche Repräsentation von Bibliotheksdaten im Semantic Web. Die Anzahl verfügbarer Ontologien und Vokabulare ist enorm, was die Wahl der optimalen Lösung erschwert. Oftmals sind bibliotheksspezifische Anpassungen und die Definition eigener Elemente notwendig, um Datenbestände vollständig in RDF darzustellen. Der Fokus liegt auf bibliographischen Vokabularen und Ontologien, die bereits in aktuellen Projekten zum Einsatz kommen. Zusätzlich werden weitere, für den Bibliotheksbereich relevante Vokabulare aus anderen Themenbereichen kurz erwähnt. Ein Beispiel für ein solches Vokabular ist 'Core', das Elemente wie Urheber oder Thema bereitstellt, ohne sich auf eine bestimmte bibliographische Aufnahme zu beziehen. Wertevokabulare definieren genaue Werte zur Auszeichnung von Elementen und legen Ressourcen fest, die als Werte von Elementen eingesetzt werden. Beispiele hierfür sind die Schlagwortnormdatei (SWD) für die Beschreibung von Buchinhalten und GeoNames für geographische Angaben. Datensets vereinen Eigenschaften von Wertevokabularen und Metadaten-Sets, um konkrete Aussagen über 'Dinge' zu machen.

BIBO (Bibliographic Ontology) ist ein flexibles Vokabular mit dem Namensraum 'http://purl.org/ontology/bibo/', das Elemente anderer Vokabulare und Ontologien integriert. Es wird als nicht abgeschlossen betrachtet und eine Erweiterung wird angestrebt. BIBO umfasst derzeit 189 Terme zur Beschreibung von Dokumenten. Die Library of Congress nutzt BIBO im Rahmen ihres 'LCCN permalink service', und die British Library als Teil ihres 'Data & Metadata Service'. Das Hbz hat seine Daten ebenfalls mit Hilfe von BIBO dargestellt. Die Flexibilität von BIBO ermöglicht die Mischung mit Elementen anderer Vokabulare und Ontologien, was die Anpassung an spezifische Bedürfnisse vereinfacht. Die aktuelle Anzahl an Termen und der Status Quo werden in der Projektdokumentation detailliert beschrieben. Die breite Akzeptanz und die Nutzung durch renommierte Institutionen unterstreichen die Bedeutung und den praktischen Nutzen von BIBO für die Beschreibung bibliographischer Daten.

SKOS (Simple Knowledge Organization System) ermöglicht die Darstellung kontrollierter Vokabulare wie Thesauri, Klassifikationen und Taxonomien in RDF und unterstützt den Datenaustausch zwischen verschiedenen Informationssystemen. SKOS ist ein kostengünstiges Werkzeug, das eigenständig oder in Kombination mit anderen Sprachen wie OWL genutzt werden kann. Normalerweise wird das SKOS-Datenmodell als OWL Full-Ontologie abgebildet und die SKOS-Daten als RDF-Tripel dargestellt. Das zentrale Konzept in SKOS ist das 'concept', das durch einen URI gekennzeichnet und durch verschiedene Möglichkeiten weiter spezifiziert werden kann. Es kann einem Schema zugeordnet und durch die Zuweisung von Sprachen oder Zeichenfolgen weiter ausgezeichnet werden. Bezeichnungen wie 'preferred label' (preflabel) und 'alternative label' (altlabel) ermöglichen eine hierarchische Ordnung. Beziehungen zwischen den Konzepten werden durch 'broader', 'narrower' und 'related' ausgedrückt. Zusätzliche Funktionen ermöglichen die Erstellung einer Dokumentation anhand von definierten Eigenschaften und Prädikaten wie 'notation' und 'scopeNote'. Der Namensraum der URIs ist definiert als 'http://www.w3.org/2004/02/skos/core'.

Die DNB, als zentrale Archivbibliothek für deutsche und deutschsprachige Publikationen ab 1930, spielt eine führende Rolle in der nationalen und internationalen Normierungsarbeit. Mit ihrem Linked Data Service stellt sie ca. 3,3 Millionen Daten aus drei Datenbanken bereit: Personennamendatei (PND), Schlagwortnormdatei (SWD) und Gemeinsame Körperschaftsdatei (GKD), sowie 51.748 Klassen und Sachgruppen der Deutschen Dewey Decimal Classification (DDC). Diese Daten sind im RDF/XML-Format verfügbar. Die DNB arbeitet international mit Partnern zusammen, ein Beispiel ist das Projekt 'CrissCross', welches normierte Sachschlagwörter mit der Dewey-Dezimalklassifikation verknüpft. Ein Vorläuferprojekt war MACS (Multilingual Access to Subject Headings), das eine internationale Verknüpfung von Schlagwortsystemen zum Ziel hatte. Die DNB strebt eine Vorreiterrolle im Linked Data Bereich an und möchte zur tragenden Säule des semantischen Netzes werden. Neben RDF, Foaf und owl:SameAs werden eigene Vokabular-Elemente (z.B. mit dem Präfix 'gnd') verwendet, um z.B. Ansetzungsformen von Namen und Staatszugehörigkeit zu definieren. Externe Verlinkungen zu Wikipedia (DBpedia), VIAF und dem Vokabular 'RDA Gender' werden angeboten. Ein Projektziel ist die Veröffentlichung aller nationalbibliographischen Daten inklusive aller Normdaten durch Semantic Web Technologien, um neue Zielgruppen zu erschließen und die Sichtbarkeit der eigenen Daten zu erhöhen. Die DNB legt Wert auf Kundenfeedback und arbeitet mit zahlreichen Partnern zusammen.

Der Linked Data Dienst der UB Mannheim wurde im Juli 2010 online gestellt und ermöglicht die Recherche im Bestand der UB Mannheim und weiteren Datenbeständen. Im Gegensatz zu einem erweiterten OPAC handelt es sich um einen neuartigen Service, der Linked Data und Open Data (unter CC0-Lizenz) bereitstellt. Die UB Mannheim war die erste deutsche Bibliothek, die ihre Daten im RDF-Format als Linked Data veröffentlichte. Der Dienst umfasst ca. 22 Millionen Titeldaten aus dem Südwestdeutschen Bibliotheksverbund (SWB) und dem Hessischen Bibliotheks- und Informationssystem (HeBIS), davon ca. 1,4 Millionen Titeldaten der UB Mannheim. Zu Beginn wurden auch Daten der USB Köln als Open Data angeboten, sind aber nun über Lobid verfügbar. Zusätzlich werden die Klassen der Regensburger Verbundklassifikation (RVK) zu Testzwecken bereitgestellt und durch das SKOS-Vokabular dargestellt. Die Verknüpfung mit der RVK wird derzeit mit der UB Regensburg erarbeitet. Der URI gibt die Datenherkunft an (z.B. 'http://data.bib.uni-mannheim.de/data/swb/002454017'). Ein Beispiel ist die Darstellung eines Buches von Heinrich Heine. Derzeit fehlen noch URIs für Autoren aufgrund fehlenden Mappings zu den internen PPNs der DNB. Verknüpfungen zu anderen Auflagen werden über 'ub-ma:equalsForClassification' realisiert. SPARQL-Formulare ermöglichen Recherchen, geben aber nur eingeschränkte Einblicke in die Datenmodellierung.

LIBRIS, der schwedische Verbundkatalog, wurde 1970 in konventioneller Form eingeführt und 1997 online zugänglich gemacht. 2008 wurde er als Linked Open Data veröffentlicht, als einer der ersten Bibliothekskataloge weltweit. LIBRIS beinhaltet die schwedische Nationalbibliographie und umfasst ca. 25 Millionen Bestandsnachweise und 250.000 Normdaten, somit ist er das Hauptportal für bibliographische Daten in Schweden. Die Datenrepräsentation als Linked Data verwendet nicht-bibliotheksspezifische Vokabulare wie FOAF (für Personen und Organisationen), SKOS (für Konzepte), BIBO (für bibliographische Aufnahmen) und einige DC-Elemente. Für die Abbildung von FRBR-Beziehungen wurden eigene URIs (basierend auf MARC-Feld '001') erstellt. LIBRIS bietet verschiedene Rechercheoptionen, inklusive einer Boolean-Search und der Möglichkeit, Datensätze in verschiedenen Formaten (MARC-XML, RDF, JSON) über 'Xsearch' abzurufen (z.B. 'http://libris.kb.se/xsearch'). Ein Beispiel ist die Suche nach im Jahr 2011 ins Deutsche übersetzten Titeln. Die Verlinkung zu Wikipedia und anderen Diensten (Google, Google Books, Google Scholar, Scirus, LibraryThing) erweitert die Rechercheoptionen. Die Darstellung der Daten in RDF erfolgt u.a. durch RDF-Links.

Culturegraph, ein Linked Open Data Service der DNB und des Hbz (seit November 2010), zielt auf die Vereinheitlichung von Identifikatoren und Ressourcenbeschreibungen von Bibliotheken und Verlagen ab, um eine verlässliche Referenzierbarkeit zu gewährleisten. Der Dienst umfasst Schriftstücke und weitere kulturelle Erzeugnisse und vereinfacht die Verknüpfung von Katalogen und Bestandsnachweisen. Die Sichtbarmachung der Bestände im Web soll die Bedeutung der Bibliotheken als Gedächtnisinstitutionen hervorheben. Das Projekt 'Semantic Interoperability To access Cultural Heritage' (STITCH) unterstützt die Entwicklung von Anwendungen für semantische Technologien im kulturellen Bereich. STITCH stellt Daten aus verschiedenen Datenbanken bereit, darunter RAMEAU, die Handschriftendatenbank 'Mandragore database' der BNF und die Datenbank 'Medieval Illuminated Manuscripts' der Königlichen Bibliothek der Niederlande. STITCH ist ein Teilprojekt von 'Continuous Access To Cultural Heritage' (CATCH), initiiert von der Netherlands Organisation for Scientific Research (NWO). Die BNF wird im Sommer einen Linked Data Service ('data.bnf.fr') mit ca. 5000 Seiten über französische Schriftsteller online schalten, der Daten im RDF-Format mit SKOS, FOAF, DC, RDA-Elementen und eigenen Schöpfungen darstellt und zukünftig Verlinkungen zu anderen Datensätzen ermöglichen soll.

Die Umsetzung von Linked Data und Linked Open Data Projekten bietet Bibliotheken immense Chancen und sollte als wichtiger Schritt betrachtet werden. Eine Hauptchance besteht in der gesteigerten Sichtbarkeit in der heutigen Wissensgesellschaft und der langfristigen Verankerung im öffentlichen Bewusstsein. Dies ermöglicht es, auf die wichtige Arbeit von Bibliotheken als vertrauenswürdige Datenanbieter aufmerksam zu machen, was angesichts der Vielzahl an Anbietern bibliographischer Daten (z.B. Amazon, LibraryThing) zunehmend wichtiger wird. Bibliothekskataloge und Webangebote werden oft von nur wenigen Nutzern als grundlegender Bestandteil ihrer Recherche genutzt. Durch die Verwendung allgemeingültiger Standards, die nicht ausschließlich für Bibliotheksformate entwickelt wurden, verbessern sich die Zusammenarbeit mit Experten anderer Fachbereiche und die Nachnutzbarkeit der Daten. Die eigene Sichtbarkeit im Web kann so maximiert werden. Die Daten der Deutschen Nationalbibliothek (DNB) werden bereits von verschiedenen Diensten und Anwendungen nachgenutzt, zum Beispiel von der ZBW zur Anreicherung eigener Personenseiten und vom Projekt WissKI. Die Öffnung der Datensilos unter entsprechenden Lizenzen legt die Grundlage für neue Entwicklungen und Anwendungen und verbessert die Datenqualität durch Anreicherungen mit weiterführenden Informationen. Die DNB bietet beispielsweise Verlinkungen zu Wikipedia an; LIBRIS erweitert die Suche auf Google, Google Books, Google Scholar, Scirus und LibraryThing. Dies wirkt sich positiv auf die Suchergebnisse und den Information Retrieval aus.

Eine große Herausforderung besteht darin, das Interesse an Linked Open Data Diensten und Projekten bei den entsprechenden Institutionen zu wecken und die Notwendigkeit dieser Dienste im Bewusstsein der Verantwortlichen zu verankern, um die Bereitstellung von Linked Data und Open Data zu fördern. Linked Data kann sein volles Potential nur entfalten, wenn möglichst viele Daten verfügbar sind. Der Austausch von Erfahrungen auf Tagungen und Konferenzen ist wichtig. Die DNB, die UB Mannheim und das Hbz leisten hier besondere Beiträge durch Vorträge, Dokumentationen und Kommunikation über Wikis, Blogs und Mailinglisten. Die meisten Arbeiten finden derzeit noch auf der Ebene der Datenmodellierung statt, wobei das Ziel darin besteht, möglichst viele Daten im RDF-Format bereitzustellen, um sie interoperabel und verlinkbar zu machen. Zwei verschiedene Herangehensweisen sind zu beobachten: Der Fokus liegt entweder zunächst auf der Bereitstellung von Linked Data, gefolgt von der Klärung der Lizenzierung und der Veröffentlichung als Open Data (UB Mannheim), oder die Lizenzierung wird zuerst geklärt, bevor die Linked Data Umsetzung erfolgt (Hbz). Die Lizenzfrage ist eine Herausforderung, da die Grundidee des Semantic Web der Nutzung von Informationen durch maschinelle Agenten widerspricht. Deshalb werden oft die CC0-Lizenz und Open Data Commons Lizenzen verwendet. Die Verwendung gemeinsamer, globaler Identifikatoren (wie bei Lobid.org oder SameAs.org) ist notwendig, um die Entwicklung von individuellen URIs zu vermeiden. Zusätzliche Optimierungen sind bei SPARQL-Abfragen notwendig.

Die Realisierung von Linked Data Projekten bietet Bibliotheken die Chance, ihre unverzichtbare Arbeit und Funktion als vertrauenswürdige Datenanbieter hervorzuheben, was angesichts der Konkurrenz durch andere Anbieter bibliographischer Daten (z.B. Amazon, LibraryThing) entscheidend ist. Die Nutzung allgemeingültiger Standards schafft einheitliche Grundlagen und Schnittstellen, vereinfacht die Zusammenarbeit mit Experten anderer Fachbereiche und verbessert die Nachnutzbarkeit der Daten. Die ZBW nutzt beispielsweise die Daten der DNB zur Anreicherung der eigenen Personenseiten. Das Projekt WissKI bietet einen SPARQL-Endpoint für die drei Normdateien der DNB. Die Öffnung der Datensilos ermöglicht Verlinkungen innerhalb eigener Datenbanken und zwischen verschiedenen Institutionen und verbessert die Datenqualität durch Anreicherungen. Konkrete Anwendungsbeispiele fehlen noch weitgehend, aber es gibt Ideen wie den Abruf einer Liste von Bibliotheken, die ein bestimmtes Buch im Bestand führen, über einen Wikipedia-Eintrag. Ein weiteres Beispiel ist die Erstellung eines Rankings von Medien basierend auf Ausleihhäufigkeit, was jedoch ethische und technische Herausforderungen birgt. Erfolgreiche Beispiele sind die visualisierte Darstellung der LCSH und die Boolean-Search in LIBRIS. Technische und lizenzrechtliche Aspekte stellen weiterhin große Herausforderungen dar. Bibliotheken sind auf einem guten Weg, Teil des Semantic Web zu werden, müssen aber zukünftig noch einige Hürden überwinden.