Access to this full-text is provided by De Gruyter.
Content available from BIBLIOTHEK Forschung und Praxis
This content is subject to copyright. Terms and conditions apply.
BIBLIOTHEK – Forschung und Praxis 2023; 47(2): 213–222
Georg Petz*
Linked Open Data. Zukunftsweisende Strategien
https://doi.org/10.1515/bfp-2023-0006
Zusammenfassung: Bibliotheken stellen bereits seit einigen
Jahren ihre bibliografischen Metadaten als Linked Open
Data zur Verfügung. Die Idee dahinter ist, Daten aus ver-
schiedenen Quellen und Formaten (Datensilos), die derzeit
nicht oder nur schwer zugänglich sind, in möglichst einheit-
licher Form miteinander zu verknüpfen. Dieser Artikel fasst
die aktuellen Entwicklungen zusammen und es werden
die vier grundlegenden Möglichkeiten, Linked Open Data
zu veröffentlichen, miteinander verglichen. Abschließend
werden die Initiativen der Österreichischen Nationalbiblio-
thek auf diesem Gebiet vorgestellt.
Schlüsselwörter: Linked Open Data, Web 3.0, Digitale Bi-
bliothek, Library Labs, Semantic Web
Linked Open Data. Trend-Setting Strategies
Abstract: Libraries are opening their bibliographic meta-
data as linked open data. The idea behind is to harmonise
heterogeneous data sources (data silos) of different origin to
improve their accessibility and interoperability. This article
summarises relevant developments in this area and com-
pares the four options to provide linked open data. Finally,
the initiatives of the Austrian National Library in this area
are presented.
Keywords: Linked open data, web 3.0, digital library, library
labs, semantic web
1 Warum Linked Open Data?
„At their core, libraries in the information age provide a
public means of accessing knowledge“, sagt David Pesco-
vitz, Forschungsdirektor am Institute for the Future, einer
gemeinnützigen Denkfabrik mit Sitz in Palo Alto, Kalifor-
nien, USA. Wissen kann aber nicht einfach über Daten-
schnittstellen, wie sie oft im Rahmen von Linked Open Data
(LOD) Strategien entstehen, abgerufen werden. Es ist beson-
ders wichtig, zwischen den Begriffen Daten, Information
https://www.businessinsider.com/libraries-of-the-future-2016-
8?r=US&IR=T (alle Links abgefragt am 12.06.2023).
und Wissen zu unterscheiden. Hier kann die Wissenspyra-
mide (s. Abb.1) helfen, dort befindet sich der Begriff Wissen
an dessen Spitze und die Pyramide an sich fußt wiederum
auf „Zeichen“. Erst durch Syntax können aus Zeichen Daten
werden. Diese werden wieder durch Semantik zu Infor-
mation und durch Pragmatik, der Anwendung von Infor-
mation, kann Wissen entstehen.
Wissen
Information
Daten
Zeichen
Abb.1: Wissenspyramide
Umsetzbar ist die Vision von David Pescovitz nur mit einer
konsequenten Anwendung von LOD. Was versteht man
aber genau darunter? Linked Open Data, in der öffentlichen
Debatte auch oft als Semantic Web bezeichnet, umfasst
mehrere Aspekte. Zum einen, die eindeutige, zitierfähige
und stabile Referenzierbarkeit von digitalen Objekten, zum
anderen eine Gruppe von Vokabularien, die Eigenschaften
z.B. von Personen, Orten und Beziehungen, wie auch phy-
sische Aspekte – beispielsweise Materialeigenschaften –
beinhalten. Ziel ist es, ursprünglich voneinander getrennte
Datenbestände miteinander zu verknüpfen. Auf diese Weise
soll, durch die gegenseitige Kontextualisierung von Daten-
sätzen, ein Mehrwert an Informationen entstehen. Darüber
hinaus wird durch die damit einhergehende, notwendige
Homogenisierung der zugrundeliegenden Datenformate
die maschinelle Verarbeitung dieser Daten ermöglicht.
Weiters steht eine Reihe an Abfrage- und Speichermecha-
nismen zur Verfügung, um LOD zuverlässig speichern und
abfragen zu können.
Betrachtet man die Geschichte des Semantic Webs bzw.
des Internets, muss man 1960 bei Ted Nelson beginnen. Dieser
gründete das Projekt Xanadu, welches bereits zahlreiche
für LOD relevante Prinzipien wie z.B. eindeutige, vom Spei-
cherort unabhängige, Adressen beinhaltete. Durchgesetzt
hat sich aber erst das World Wide Web (WWW), welches
1989 von Tim Berners-Lee und Robert Cailliau am europäi-
schen Forschungszentrum CERN in Genf entwickelt wurde.
*Kontaktperson: Mag. DI Georg Petz, georg.petz@onb.ac.at
2023
Open Access. © 2023 bei den Autorinnen und Autoren, publiziert von De Gruyter. Dieses Werk ist lizenziert unter der Creative Commons
Namensnennung 4.0 International Lizenz.
214 Georg Petz
2001 entstand der Begriff Semantic Web bzw. Web 3.0, einer
Erweiterung des bestehenden WWW, wieder maßgeblich
durch Tim Berners-Lee. Der semantischen Weiterentwick-
lung des WWW folgte 2007 die Einführung des Begriffs LOD.
Web 3.0 wird dabei oft fälschlicherweise für Web3 gehalten,
darauf wies Tim Berners-Lee auf dem Web Summit 2022 in
Lissabon, laut dem US-Sender CNBC, hin. Während Web3
eine dezentralisierte, blockchainbasierte Version des Webs
ist, unterstreicht Web 3.0, mit dem Schwerpunkt auf die
Wiederverwendung und Verknüpfung von Daten, vielmehr
Tim Berners-Lees Konzept eines semantischen Webs.
In den letzten Jahren haben vor allem die Daten-
bestände größerer staatlicher und nichtstaatlicher Organi-
sationen massiv zugenommen. Transparenzbestrebungen
sowie die Erwartung der Schaffung von neuen wirtschaft-
lichen Verwertungsmöglichkeiten haben dazu geführt, dass
vor allem in „öffentlichem Besitz“ stehende bzw. von nicht-
kommerziell orientierten Organisationen bereitgestellte
Daten immer öfter frei über das Internet verfügbar gemacht
werden. Die „EU-Richtlinie über die Weiterverwendung
von Informationen des öffentlichen Sektors“ (PSI 2003)
hatte bereits das Ziel, vorhandene Informationen aus dem
öffentlichen Sektor möglichst unbürokratisch zugänglich
zu machen, und es wurde in Form des Informationsweiter-
verwendungsgesetzes (IWG) 2005 in Österreich eingeführt.
Dabei wurden kulturelle Institutionen jedoch explizit aus-
genommen. Mit der 2015 in österreichisches Recht über-
nommenen Novelle zur PSI-Richtlinie (PSI 2013) wurde ein
klares Bekenntnis zu Open Data gegeben und auch Biblio-
theken, Museen und Archive (§3 Abs.1 Z 8, S.2) mitein-
bezogen. Ein Vorschlag dieser Art findet sich auch in Punkt
14 der Empfehlungen für die Umsetzung von Open Access
in Österreich des Open Access Network Austria (OANA):
„Bereits digitalisierte Bestände in öffentlich finanzierten
Archiven, Museen, Bibliotheken und Statistikämtern,
sollten bis 2020 der Wissenschaft und der Öffentlichkeit zur
freien und kostenlosen Weiterverwendung zur Verfügung
gestellt werden.“
Traditionell sind die Datenbestände der jeweiligen In-
stitutionen zueinander sehr heterogen, da in verschiedenen
Organisationen in der Regel unterschiedliche Softwarepro-
dukte (Datenbanken etc.) eingesetzt werden sowie teilweise
Berners-Lee etal. (2001).
https://edition.cnn.com/2022/12/16/tech/tim-berners-lee-inrupt-spc-
intl/index.html.
https://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:
32003L0098.
https://www.jusline.at/gesetz/iwg/gesamt.
https://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:
32013L0037.
Bruno Bauer etal. (2015).
sehr verschiedene „Traditionen“ der Erstellung und Verwal-
tung von digitalen Informationen etabliert sind. Aus diesem
Grund sind diese Daten unterschiedlicher Provenienz un-
tereinander oft nicht kompatibel, auch wenn es häufig in-
haltliche Überschneidungen gibt. Genau diese potenziellen
Überschneidungen zwischen den unterschiedlichen Daten-
sammlungen sind aber ein sehr wertvolles Element, da
sie zur gegenseitigen Anreicherung der jeweiligen Daten
genutzt werden können. Dies kann beispielsweise anhand
von eindeutig identifizierten Personen, Orten oder Begrif-
fen geschehen. Um dies zu erreichen, müssen die einzelnen
Datenbestände zuvor jedoch in eine möglichst einheitliche
Form gebracht werden.
Genau hier setzt die Idee von LOD an und bietet ein
durchgängiges Rahmenkonzept, um verfügbare Daten-
bestände auf eine Art und Weise bereitzustellen, die deren
Zusammenführung bestmöglich unterstützt. Dazu gehört
die Nutzung eines einheitlichen Datenmodells sowie ge-
meinsamer Richtlinien, Vokabulare und Normdateien,
um eindeutig identifizierbare Personen, Gegenstände etc.
(Entitäten) einheitlich zu bezeichnen und dadurch Ver-
knüpfungen über sie zu ermöglichen. Darüber hinaus wird
auch die technische Infrastruktur beschrieben, die für die
Veröffentlichung der Daten genutzt werden kann. Dabei
wird vor allem darauf Wert gelegt, die bereits etablierte In-
frastruktur des Webs zu nutzen.
LOD stellt somit das Fundament der Vision des Seman-
tischen Web (Web of Data) dar, welches als Resultat einer
weitläufigen Vernetzung bestehender Datenbestände ent-
stehen kann. Die Prinzipien von LOD sorgen hier für die
Interoperabilität dieser verschiedenen Quellen und stellen
darüber hinaus auch Mechanismen zur Verfügung, die
kombinierten Daten abzufragen.
2 Faktoren für die Qualität von LOD
2.1 Fünf-Sterne-Modell
Ein Maß für die Qualität von LOD ist das Fünf-Sterne-Modell
zur Kennzeichnung offener Daten von Tim Berners Lee aus
2010. Es können maximal fünf Sterne vergeben werden,
wobei das Modell kaskadierend ist:
https://dvcs.w3.org/hg/gld/raw-file/default/glossary/index.html.
Linked Open Data. Zukunftsweisende Strategien 215
Tab. 1: Fünf-Sterne-Modell
Anzahl Sterne Voraussetzungen
* OL
** OL RE
*** OL RE OF
**** OL RE OF URI
***** OL RE OF URI LD
Das bedeutet, die Vergabe von Sternen ist aufbauend.
Der erste Stern wird für das Anbieten der eigenen Daten
unter einer offenen Lizenz (OL) vergeben. Stern Nummer
zwei setzt die Zurverfügungstellung in einem strukturier-
ten Format (RE, readable) voraus. Wenn es sich bei dem
strukturierten Format auch noch um ein nicht proprietä-
res Format (OF, open format) handelt, wird dies mit dem
dritten Stern prämiert. Damit Daten persistent auffindbar
sind, müssen für die vierte und vorletzte Stufe sogenannte
URIs (Unique Resource Identifiers, siehe Abschnitt3.1) ver-
geben werden. Alle Sterne werden zuerkannt, wenn die
eigenen Daten nun auch mit anderen Daten verknüpft (LD,
Linked Data) werden, um die sprichwörtlichen Datensilos
aufzubrechen.
2.2 FAIR
Ein weiteres Maß für die Qualität von LOD bieten die FAIR
Guiding Principles for scientific data management and ste-
wardship. Sie sind 2016 als Artikel in der Fachzeitschrift
Nature veröffentlich und bis dato bereits 4900-mal zitiert
worden. Absicht der Autor*innen war die Erstellung eines
Leitfadens, um die Auffindbarkeit (Findability), Zugänglich-
keit (Accessibility), Interoperabilität (Interoperability) und
Wiederverwendbarkeit (Reuse) wissenschaftlicher Daten
zu erleichtern.
2.2.1 Findable
Für die Auffindbarkeit von Daten ist es wesentlich, dass
diese einen global eindeutigen und dauerhaften Identifika-
tor erhalten. Beispiele hierfür sind der Digital Object Iden-
tifier (DOI) bzw. das Handle-System, der Archival Resource
Key oder die National Bibliography Number (urn:nbn).
Im Unterschied zu gewöhnlichen Hyperlinks, welche ver-
änderlich sind und somit keine langfristige Auffindbarkeit
und Zitierbarkeit gewährleisten, können diese Persistent
Identifier (PI) dauerhaft zitiert werden. Ebenfalls essenziell
Wilkinson etal. (2016).
ist die Anreicherung der Daten mit menschen- und maschi-
nenlesbaren Metadaten. Daten wie auch Metadaten müssen
in ein Repositorium geladen, indexiert und schlussendlich
auffindbar sein.
2.2.2 Accessible
Daten und Metadaten sollten verfügbar gemacht und lang-
zeitarchiviert werden. Über Standard-Kommunikations-
protokolle wie zum Beispiel https sollen sie möglichst nie-
derschwellig abgerufen werden können. Metadaten sollen
verfügbar bleiben, selbst wenn die Daten nicht mehr an-
geboten werden. Authentifizierung und Autorisierung sind
von dem Repositorium zu unterstützen. Es müssen aber
nicht alle Daten automatisch unter einer freien Lizenz an-
geboten werden. Hier unterscheidet sich FAIR stark vom
Fünf-Sterne-Modell von Tim Berners Lee. Die FAIR-Prinzi-
pien schreiben nämlich keine offene Lizenz vor. Somit gilt:
„FAIR ≠ fair“ und Daten können mittels Authentifizierung
und Autorisierung vor Zugriff „geschützt“ werden.
2.2.3 Interoperable
Die Daten sollten derart vorliegen, dass sie ausgetauscht,
interpretiert und in einer (semi)automatisierten Weise mit
anderen Datensätzen kombiniert werden können. Meta-
daten müssen auf kontrollierten Vokabularen, Klassifika-
tionen, Ontologien oder Thesauren basieren, die wiederum
den FAIR-Prinzipien folgen. Maschinenlesbare Formate
für Metadaten wie XML oder JSON sind unumgänglich.
Durch Angaben wie „ist Teil von“ oder „ist eine Version von“
wird eine Verknüpfung zwischen Datensätze geschaffen.
Verknüpfungen von Metadaten zu anderen Daten sollten
über persistente Identifikatoren erfolgen.
2.2.4 Reusable
Metadaten dienen bekanntlich der Beschreibung von Daten
und sind erforderlich, um eine Wiederverwendbarkeit der
Daten zu ermöglichen. Ebenfalls erleichtert es den Ver-
gleich mit anderen Daten sowie die Nachnutzung in Nach-
folgeprojekten. Die Provenienz der Daten erleichtert zudem
deren Wiederverwendbarkeit. Eine eindeutige Lizenz für
die Bedingungen zur Nachnutzung soll für Mensch und Ma-
schine auffindbar und verständlich sein.
https://www.w3.org/TR/1998/REC-xml-19980210.
https://www.json.org/json-en.html.
216 Georg Petz
2.3 FAIR-Prinzipien für Bibliotheken, Archive
und Museen
Koster und Woutersen-Windhouwer haben konkrete
Empfehlungen für die Anwendung der FAIR-Prinzipien in
Bibliotheken, Archiven und Museen aufgestellt. Zur Ge-
währleistung der Auffindbarkeit von Daten wird auf ein-
deutige Identifikatoren auf Basis von URIs (s.Abschnitt3.1)
mit aussagekräftigen Metadaten verwiesen. Zugänglichkeit
auf Applikationsebene soll über Programmierschnittstellen
(APIs), dem OAI-Protocol for Metadata Harvesting (OAI-
PMH) zum Einsammeln und Weiterverarbeiten von Meta-
daten sowie Search/Retrieve via URL (SRU), einem techni-
schen Standard für Suchanfragen und der Abfragesprache
SPARQL, erfolgen. Um Interoperabilität zu gewährleisten,
wird das Resource Description Framework (RDF), ein System
zur strukturierten Beschreibung von Ressourcen, empfoh-
len. Möglichst große Wiederverwendbarkeit wird durch die
Creative Commons-Lizenzvariante CC0 erreicht.
2.4 LOUD
Das Fünf-Sterne-Modell zur Kennzeichnung offener Daten
von Tim Berners Lee vernachlässigt die Perspektive von
potenziellen Datennutzern. Robert Sanderson hat auf der
Europeana Tech 2018 die fünf Sterne von Linked Open
Usable Data (LOUD) vorgestellt. Der Begriff LOD wurde um
den Buchstaben U erweitert, der für Usability steht, das
Ausmaß, in dem ein Produkt, System oder Dienst durch
bestimmte Benutzer*innen in einem bestimmten Anwen-
dungskontext genutzt werden kann, um bestimmte Ziele
effektiv, effizient und zufriedenstellend zu erreichen.
Die Buchstabenfolge ABCDE kann als Merkhilfe für die
5 Eigenschaften für LOUD verwendet werden.
1. Abstraction (right Abstraction for der Audience)
Eine der Zielgruppe angemessene Abstraktion ist von
großer Bedeutung. Softwareentwickler*innen brau-
chen einen anderen Zugang zu den Daten als Fach-
expert*innen.
2. Barriers (few Barriers to enter)
Koster und Woutersen-Windhouwer (2018).
https://www.talend.com/de/resources/was-ist-eine-api/.
https://www.openarchives.org/pmh/.
http://loc.gov/standards/sru/.
https://creativecommons.org/publicdomain/zero/1.0/deed.de
https://youtu.be/r4afi8mGVAY, https://www.slideshare.net/azaroth
42/europeanatech-keynote-shout-it-out-loud.
https://www.usability.de/usability-user-experience.html.
Niedrige Einstiegshürden sind wichtig, um schnell zu
einem Ergebnis mit den zur Verfügung gestellten Daten
zu kommen.
3. Comprehensible (Comprehensible by introspection)
Durch unmittelbar verständliche Daten ist es durch
bloßes Betrachten möglich zu verstehen, worum es sich
handelt. Ein für Entwickler*innen vertrautes Format
wie z.B. JSON-LD (s.Abschnitt4.4) eignet sich beson-
ders gut dafür.
4. Documentation (Documentation with working exam-
ple)
Regeln lassen sich nicht intuitiv erahnen, daher braucht
es eine entsprechende Dokumentation mit funktionie-
renden Beispielen.
5. Exceptions (few Exceptions, many consistent patterns)
Entwickler*innen, die mit einer Programmierschnitt-
stelle arbeiten, müssen alle deren Ausnahmen kennen,
deshalb sind wenige Ausnahmen und eine möglichst
einheitliche Struktur erstrebenswert.
3 Einheitliche Beschreibung und
Identifikation von Daten
Die Idee von LOD basiert auf der Bereitstellung verschie-
dener heterogener Datenbestände in Form eines einheit-
lichen Datenmodelles. Eindeutige Identifikatoren sind die
Grundlage, um auf die verschiedenen Ressourcen über ein-
heitliche Datenschnittstellen zugreifen zu können. Die Ab-
kürzungen URI, URL, URN, IRI und RDF spielen hierfür eine
wichtige Rolle und werden im Folgenden kurz erläutert.
3.1 URI
Uniform Resource Identifier (URI) werden zur eindeutigen
Bezeichnung digitaler Ressourcen (wie bspw. Webseiten,
Dateien aber auch E-Mail-Empfänger) genutzt.
Ein Beispiel für eine URI wäre mailto:georg.petz@onb.
ac.at.
3.2 URL
Der Uniform Resource Locator (URL) ist eine Teilmenge der
URIs und beschreibt die Zugriffsadresse einer digitalen
Ressource. Dadurch wird nicht nur eine Identifizierung,
sondern auch eine Lokalisierung der dahinterliegenden
Ressource ermöglicht. https://onb.ac.at/ wäre ein Beispiel
für eine URL.
Linked Open Data. Zukunftsweisende Strategien 217
3.3 URN
Ein Uniform Resource Name (URN) ist eine URI mit dem
Schema urn. URNs sind sogenannte Persistent Identifier (PI),
mit dem Online-Ressourcen unabhängig von ihrem Speicher-
ort eindeutig und dauerhaft identifiziert werden können.
urn:ISBN:978-3-905924-46-6 speichert bspw. die ISBN
978-3-905924-46-6.
3.4 IRI
Internationalized Resource Identifier (IRI) sind URIs mit
einem (um Unicode/ISO 10646) erweiterten Zeichensatz.
Während bei URIs nur die druckbaren Zeichen des AS-
CII-Zeichensatzes erlaubt sind, können in IRIs beinahe
sämtliche Zeichen des Unicode-Standards genutzt werden.
Dadurch können z.B. mehrere Sprachen umgesetzt werden.
3.5 RDF
Resource Description Framework (RDF) bildet als zugrun-
deliegendes Datenmodell das Herzstück für Linked Open
Data. Nur mithilfe von RDF ist die Erlangung des 5. Sterns
im Fünf-Sterne-Modell von Tim Bernes-Lee möglich, indem
Daten aus verschiedenen Datensilos miteinander verknüpft
werden. RDF basiert darauf, die in den verschiedensten
Datensätzen lagernde Information in Form von „kleinsten
möglichen Einheiten“ darzustellen. Diese Einheiten werden
in Form von sogenannten Tripel (engl.: Triple) dargestellt
und setzen sich aus den Bestandteilen Subjekt, Prädikat
und Objekt zusammen. Die dadurch beschriebenen Bezie-
hungen sind stets vom Subjekt zum Objekt gerichtet und
werden durch das Prädikat benannt. Die Aussage, dass
„Goethe, Johann Wolfgang von“ die bevorzugte Bezeich-
nung laut GND für die Person Goethe ist, lässt sich in RDF
als Tripel z.B. folgendermaßen abbilden:
Subjekt: <http://d-nb.info/gnd/118540238>
Prädikat: <http://www.w3.org/2004/02/skos/core#pref
Label>
Objekt: „Goethe, Johann Wolfgang von“
Darüber hinaus kann auch eine alternative Bezeichnung
angegeben werden:
Subjekt: <http://d-nb.info/gnd/118540238>
Prädikat: <http://www.w3.org/2004/02/skos/core#altLabel>
http://terms.tdwg.org/wiki/skos:prefLabel.
http://terms.tdwg.org/wiki/skos:altLabel.
Objekt: „ゲーテ, ヨハン・ヴォルフガング・フォン“
(Schriftcode: Japan)
Die Werte für Prädikat und Objekt werden zumeist durch
bestimmte Vokabulare bzw. Ontologien bestimmt. Im
Falle des oben beschriebenen Datensatzes stammen die
Werte prefLabel (bevorzugte Name) und altLabel (alterna-
tiver Name), die für die Beschreibung der Prädikate heran-
gezogen wurden, aus dem Simple Knowledge Organisation
System (SKOS). Da das Ziel des Semantic Web die Harmo-
nisierung von Datenbeständen ist, ist es wünschenswert,
die Vokabulare und Ontologien für vergleichbare Inhalte
möglichst einheitlich zu halten. Gerade diese Vorgehens-
weise wird bei bibliothekarischen Datensätzen schon seit
langem angewandt, wie es sich gerade durch den Einsatz
einheitlicher Datenformate wie MARC und Normdateien
wie die GND zeigt.
Mit dem Einsatz von Ontologien kann man noch einen
Schritt weiter gehen, da diese, in Anlehnung an den phi-
losophischen Begriff, dazu eingesetzt werden, Subjekte,
Prädikate und Objekte in Klassen einzuteilen und jeweils
zueinander in Beziehung zu setzen. Prädikate wie „hat
Autor“ und „hat Übersetzer“ können einer Oberklasse
„hat Bezug zu Person“ zugeordnet werden. Objekte wie
beispielsweise Schlagworte können wiederum ebenfalls
zueinander in Beziehung gesetzt werden, um Begriffe
wie „Geschichtswissenschaften“ und „Sprachwissen-
schaften“ unter den Oberbegriff „Geisteswissenschaften“
einzuordnen. Durch Inferenz wird es im Rahmen einer
semantischen Suche somit möglich, Abfragen zu stellen,
die für eine gegebene Oberklasse alle Resultate, die eigent-
lich Unterklassen entsprechen, zurückzugeben. Resultate
einer Suche nach dem Schlagwort „Geisteswissenschaften“
würden dann alle Werke für „Geschichtswissenschaften“
und „Sprachwissenschaften“ beinhalten, auch wenn diese
nicht explizit mit dem Schlagwort „Geisteswissenschaften“
versehen sind.
Darüber hinaus können Ontologien dafür verwendet
werden, miteinander verwandte Datensätze zu harmoni-
sieren. Eine Ontologie, die das MARC Feld 245 (Titelangabe
in einem bibliografischen Datensatz) und das RDF-Element
<http://purl.org/dc/elements/1.1/title> unter dem gemeinsa-
men Prädikat „hat Hauptsachtitel“ vereint, könnte dadurch
http://mario-jeckle.de/semanticWebServices/intro.html.
http://www.w3.org/2004/02/skos/.
https://www.loc.gov/marc/.
https://www.dnb.de/DE/Professionell/Standardisierung/GND/gnd_
node.html.
https://lod-cloud.net/clouds/publications-lod.svg.
218 Georg Petz
einheitliche Abfragen über heterogene Datenformate er-
möglichen.
Eine weitere wichtige Eigenschaft der LOD Repräsen-
tationen von Datensätzen ist deren Einbettung in die Infra-
struktur des Webs. Die Idee dahinter ist, die bestehenden
Protokolle des WWW dazu zu nutzen, über die Inhalte eines
gegebenen Tripels jederzeit so viel Kontextinformation wie
möglich abrufen zu können.
Die RDF Grundregeln lassen sich in 4 Punkten einfach
zusammenfassen:
1. Tripel: Jede Aussage besteht in RDF aus drei Einheiten,
die zusammen ein Tripel bilden: Subjekt, Prädikat und
Objekt.
2. Internationalized Resource Identifiers (IRI): Subjekt und
Prädikat sind sogenannte Ressourcen, die durch ein-
deutige Bezeichner identifiziert werden.
Abb.2: Publications LOD Cloud25
Linked Open Data. Zukunftsweisende Strategien 219
3. Literal: Objekt kann entweder eine Ressource oder ein
sogenanntes Literal sein.
4. Objekt einer Aussage kann das Subjekt einer anderen
Aussage sein.
4 Formate
Neben einer einheitlichen Beschreibung und eindeutigen
Identifikation von Daten, sind standardisierte Formate
und Regelwerke für die Normalisierung und Verknüpfung
heterogener Datenbestände erforderlich. Die Formate BIB-
FRAME, RDA/RDF, EDM und JSON-LD spielen bei LOD im
Bibliotheksbereich eine besonders wichtige Rolle.
4.1 BIBFRAME
Aktuelle bibliothekarische Formate für den Austausch von
Daten stoßen mit den steigenden Anforderungen an die Ver-
netzung von Informationen zunehmend an ihre Grenzen.
BIBFRAME (Bibliographic Framework), ein in RDF ver-
fasstes Modell, soll diese Formate und ihre Schnittstellen
künftig ersetzen und die Einbindung von Bibliotheksdaten
in das WWW ermöglichen.
4.2 RDA/RDF
Das Regelwerk RDA (Resource Description and Access)
ist ein internationaler Katalogisierungsstandard und er-
möglicht die einheitliche Erfassung von Veröffentlichungen
sowie Normdatensätzen für Personen, Familien, Körper-
schaften, Konferenzen und Gebietskörperschaften. RDA-
Elemente können direkt in RDF abgebildet werden.
4.3 EDM
Beim Europeana Data Model (EDM) handelt es sich um ein
RDF Vokabular, das die Nutzung von LOD in Europeana er-
möglichen soll. Es kann aber natürlich auch außerhalb von
Europeana verwendet werden. Im Gegensatz zu BIBFRAME
ermöglicht EDM eine maximale Nachnutzung existierender
Standards wie z.B. SKOS oder DC (Dublin Core).
https://www.loc.gov/bibframe/.
http://www.rda-rsc.org/.
https://www.rdaregistry.info/.
https://pro.europeana.eu/page/edm-documentation.
https://www.dublincore.org/specifications/dublin-core/.
4.4 JSON-LD
JSON (JavaScript Object Notation) ist ein von Programmier-
sprachen unabhängiges Datenformat und dient der Spei-
cherung und Übertragung strukturierter Daten. JSON-LD
(JavaScript Object Notation for Linked Data) erweitert
dieses und erlaubt eine Annotation der Daten. Dadurch
werden sie für Webanwendungen und -services besser
verstehbar und unterstützen die Veröffentlichung und
Nutzung verknüpfter Daten im Web.
5 Einsatzbereiche für LOD in
Bibliotheken
In Bibliotheken hat der Austausch von Datenbeständen
bereits eine lange Tradition. Wurden die Daten lange Zeit
im Rahmen von Verbünden oder im internationalen Aus-
tausch, z.B. innerhalb des deutschsprachigen Raumes, in
der Regel nur zwischen Bibliotheken geteilt, werden sie nun
in Form von LOD auch jenseits des unmittelbaren Biblio-
thekskontextes verfügbar gemacht.
5.1 Normdateien
Vor allem in Bezug auf die Verknüpfung von Datenbestän-
den anhand gleicher Entitäten, einer der Grundideen von
LOD, spielen bibliothekarische Normdateien potenziell eine
besonders wichtige Rolle. Nur über Normdateien kann eine
eindeutige und konsistente Identifikation von Personen,
Orten oder Begriffen in verschiedenen Datenbeständen
gewährleistet werden.
Bei Betrachtung der Publications LOD Cloud (s.Abb.2
bzw. https://lod-cloud.net/) findet sich neben den zwei
großen Normdateien für den englisch- und deutschspra-
chigen Raum (LCSH, GND) und RAMEAU für den franzö-
sischsprachigen Raum auch eine dritte wichtige Quelle, das
Projekt VIAF (Virtual International Authority File). VIAF
versucht, personenbezogene Einträge verschiedener Norm-
dateien (inkl. der drei genannten) unter jeweils einheitli-
chen Bezeichnern zu vereinen, und stellt einen wichtigen
Schritt zur Verknüpfung internationaler (bibliothekari-
scher) Datenbestände dar.
Die freie Verfügbarkeit von Normdateien als LOD er-
möglicht die technisch einfache Verknüpfung von Titelda-
https://www.json.org/json-de.html.
https://www.cs.vu.nl/STITCH/rameau/.
https://viaf.org/.
220 Georg Petz
tensätzen mit anderen, inhaltlich in Beziehung stehenden
Informationen, die zur Anreicherung bzw. Kontextualisie-
rung der eigenen Daten genutzt werden können. Vorausset-
zung ist, dass die zu verknüpfenden Datenquellen jeweils
die gleichen Normdateien zur Bezeichnung ihrer Entitäten
nutzen bzw. verschiedene Normdateien verwenden, die
nachträglich über VIAF zusammengeführt wurden.
Ein bekanntes Beispiel für den erfolgreichen Einsatz
von Normdateien zur Verknüpfung verschiedener Daten-
bestände ist die seit dem Jahr 2007 sowohl automatisch als
auch manuell durchgeführte Indexierung von Wikipedia-
Artikeln über Personen mit GND-Bezeichnern. Dadurch
wird es möglich, Datensätze, welche die GND als Norm-
datei nutzen, auf einfache Weise mit den entsprechenden
Wikipedia-Artikeln zu verbinden. Die LOD Version von Wi-
kipedia, DBpedia, erleichtert den technischen Vorgang der
Verknüpfung in großem Maße, da sie die entsprechenden
Daten in strukturierter Form anbietet. Nicht zu verwech-
seln mit Wikidata, einer Wissensdatenbank die Daten
(z.B. Geburtsdaten) Wikipedia zur Verfügung stellt.
5.2 Titeldaten
Während bibliothekarische Normdateien ein wichtiges
Mittel zur Verknüpfung zwischen verschiedenen Daten-
quellen darstellen, handelt es sich bei den Titeldaten um
die unmittelbaren Metadaten-Repräsentation der Samm-
lungen der jeweiligen Institutionen. Die Veröffentlichung
von Titeldatensätzen in strukturierter und einheitlich zu-
gänglicher Form ermöglicht es Dritten, die außerhalb des
unmittelbaren Bibliothekskontextes stehen, diese Daten in
vielfältigster Weise einzusetzen.
Das Gros der bibliothekarischen Institutionen hat sich
entschieden, ihre Daten entsprechend der LOD-Idee an-
zubieten. Dies hat dazu geführt, dass der Nachfolger für das
in die Jahre gekommene MARC21-Datenformat, BIBFRAME,
auf Grundlage von LOD-Prinzipen entworfen wurde. Auch
namhafte Hersteller von Bibliothekssoftware wie Ex Libris
oder OCLC haben dementsprechend ihre Produkte um LOD-
Funktionalitäten erweitert.
6 Bereitstellung von LOD
Es existieren vier grundlegende Möglichkeiten, Daten als
LOD zu veröffentlichen. Sie unterscheiden sich hinsichtlich
https://www.dbpedia.org/.
https://www.wikidata.org/wiki/Wikidata:Main_Page.
des Aufwandes für ihre Umsetzung aber auch in ihrer Fle-
xibilität für den Einsatz durch Softwareentwickler*innen.
a) Abruf von Datensätzen für einzelne Titel/Person etc.
Diese Art des Zugriffes kann am ehesten mit dem
Navigieren einer Person in einem Online-Katalog ver-
glichen werden. Anhand eines eindeutigen Bezeichners
wird zuerst ein Titel- oder Normdatensatz abgerufen
und entlang der in diesem Datensatz vorkommenden
Verknüpfungen dann entsprechend zu anderen Daten-
sätzen gewechselt. Dieses „Entlanghanteln“ von einem
Datensatz zum nächsten wird auch als Follow-your-
nose-Prinzip bezeichnet. Hier kommt in der Regel die
sogenannte Content Negotiation zum Einsatz, wobei
ein und dieselbe URL je nach Anfrage entweder HTML
für einen menschlichen Besucher oder die RDF-Reprä-
sentation für eine maschinelle Abfrage zurückliefert.
Die Vorteil dieser „klassischen“ Form der Bereitstellung
von LOD liegt vor allem in der technisch einfachen
Umsetzung. Dagegen können von einem für den Such-
einstieg erforderlichen bestimmten Einstiegspunkt
ausgehend nur jene Ressourcen erreicht werden, die
damit direkt oder indirekt zusammenhängen. Zudem
ist diese Variante für den Download kompletter Daten-
bestände nicht geeignet.
b) Abruf bzw. Download des kompletten Datensatzes auf
den eigenen Rechner („Dump“)
Sämtliche angebotenen Datensätze werden dabei in
Form von einer oder mehreren Dateien auf der Web-
seite der Institution zum Download bereitgestellt.
Besonders für Forschungszwecke interessant, es wird
dabei eine große Menge an Daten gleichzeitig für z.B.
Daten-Analysen zur Verfügung gestellt.
Diese ebenfalls einfach umzusetzende Variante, kommt
ohne einen konkreten „Einstiegspunkt“ aus und erfor-
dert nur geringe zusätzliche Hard- und Softwareinfra-
struktur. Die Nachteile dieser Variante liegen vorrangig
in der Aktualität der angebotenen Daten. Die Erzeugung
der Download-Dateien geschieht i.d.R. nur in (un-)
regelmäßigen Abständen, zudem müssen Anwendungs-
entwickler*innen den gesamten Datensatz lokal instal-
lieren, um ihren Applikationen flexiblen Zugang auf die
Daten zu ermöglichen. Dies kann dazu führen, dass die
Daten nicht auf dem neuesten Stand sind. Die anbie-
tende Institution wiederum weiß nur, dass der komplette
Datensatz abgerufen wurde, Statistiken über den Zugriff
auf einzelne Inhalte darin können nicht erstellt werden.
https://patterns.dataincubator.org/book/follow-your-nose.html.
https://www.w3.org/Protocols/rfc2616/rfc2616-sec12.html.
Linked Open Data. Zukunftsweisende Strategien 221
c) Zugriff via Datenbankabfrage via SPARQL
LOD-Ressourcen können neben den beiden oben
genannten Varianten auch über eine standardisierte
Abfragesprache in Form eines sogenannten SPARQL
Endpoints zur Verfügung gestellt werden. Auf diese
Weise können einzelne Datenfelder selektiv abge-
fragt werden (bspw. alle Titeldatensätze von Autor X
aus dem Jahre Y). Diese Zugriffsmöglichkeit bietet die
größte Flexibilität für Anwender*innen. Hierfür ist es
notwendig, die in RDF transformierten Datensätze über
eine Datenbank bereitzustellen. Diese Form der Bereit-
stellung von Daten verfügt zudem über Aggregatfunk-
tionen, um beispielsweise alle Datensätze zu zählen,
die ein bestimmtes Attribut aufweisen, ohne alle Daten-
sätze herunterladen zu müssen. Institutionen, welche
Daten auf diese Art und Weise bereitstellen, können
durch die Analyse der abgesetzten Abfragen sehr genau
feststellen, welche Aspekte der Daten für Anwender-
Innen interessant sind. Die Nachteile liegen im Bedarf
erweiterter Hard-/Softwareinfrastruktur. Weiters müs-
sen Benutzer*innen das darunterliegende Datenmodell
gut kennen und eine entsprechende Dokumentation
muss verfügbar sein.
d) Zugriff via LOD API (API = Programmierschnittstelle)
Diese Variante vereint die Vorteile einer einfachen
technischen Umsetzung, der hohen Flexibilität bei der
Recherche für Anwender*innen sowie einer umfang-
reichen Analysemöglichkeit der durch diese Nut-
zer*innen abgesetzten Abfragen. Darüber hinaus ent-
spricht diese Schnittstelle stärker dem „klassischen“
Paradigma von Webanwendungen und ermöglicht
hiermit den Zugriff auf die Daten auch aus Anwen-
https://www.w3.org/TR/sparql11-overview/.
dungen heraus, die nicht auf LOD Prinzipien auf-
gebaut sind.
Diese Variante ist im Vergleich zur Datenbankabfrage
über SPARQL wesentlich ressourcenschonender bezüg-
lich Hardware, da der Aufwand durch die Einschrän-
kung auf bestimmte, bereits vorher optimierte Anfra-
gen entsprechend gesenkt werden kann.
Nutzer*innen des Dienstes müssen keine tiefgehenden
Kenntnisse über das darunterliegende Datenmodell
besitzen. Bestehende Webanwendungen können
zudem die bereitgestellten Daten einfacher integrieren.
Für den Download kompletter Datenbestände ist diese
Variante weniger gut geeignet.
7 Europäische Nationalbibliothe-
ken und LOD
Ein Vergleich der europäischen Nationalbibliotheken, die
LOD zurzeit anbieten (s.Tab.2), ergibt, dass unter anderem
alle die „klassische“ Variante d) anbieten und niemand die
Variante d). Zusätzlich wird in der Tab. 2 auf die entspre-
chenden LOD-Angebote bzw. deren Beschreibung verlinkt.
LIBRIS und DBC stellen hier einen Sonderfall dar, da es sich
bei LIBRIS um einen Zugang zum schwedischen Verbund-
katalog handelt, der von der Schwedischen Nationalbiblio-
thek verwaltet wird, und DBC eine eigene, vom Dänischen
Staat beauftragte Institution ist, die gemeinsam mit der
Dänischen Nationalbibliothek die dänische Nationalbiblio-
grafie herausgibt.
Tab. 2: LOD-Angebote europäischer Nationalbibliotheken
a) Abruf pro
Datensatz
b) “DUMP” c) Abfrage
via SPARQL
d) LOD API abgefragt am ..
BNF (FR) X X X https://data.bnf.fr/de/semanticweb
DNB (DE) X X https://www.dnb.de/DE/Professionell/Metadatendienste/
Datenbezug/LDS/lds_node.html
LIBRIS (SE) X X https://www.kb.se/samverkan-och-utveckling/libris/katalogisering-i-
libris/introduktion-till-libris.html
NSZL (HU) X X X https://old.datahub.io/dataset/hungarian-national-library-catalog
BNE (SP) X X X https://www.bne.es/es/blog/blog-bne/post-
DBC (DA) X X X https://www.dbc.dk/videndeling/bibliografisk-udvikling/om-linked-
open-data
BL (UK) X X X https://www.bl.uk/collection-metadata/downloads
FENNICA (FI) X X X https://www.kiwi.fi/display/Datacatalog/Linked+Data
LNB (LV) X X https://dati.lnb.lv/eswc/
KB (NL) X X https://www.kb.nl/over-ons/expertises/linked-data-modellering
ÖNB(AT) X X X https://labs.onb.ac.at/en/dataset/lod/
222 Georg Petz
7.1 LOD-Angebot der Österreichischen
Nationalbibliothek
Abschließend noch ein Blick auf das LOD-Angebot der Öster-
reichischen Nationalbibliothek. Im Rahmen einer Linked-
Open-Data-Strategie wurden 2018 LOD-Datenschnittstellen
eingerichtet und in die ÖNB Labs integriert. Das Linked-
Open-Data-Set der ÖNB Labs beinhaltet Metadaten zu den
historischen Zeitungen (ANNO) und Postkarten (AKON)
sowie Katalogdaten. Insgesamt werden Metadaten zu über
1380000 Zeitungsausgaben und 42800 Periodika über
SPARQL als Download per Datensatz und Komplettdown-
load („Dump“) bereitgestellt. Das Selbige gilt für die über
38800 Ansichtskarten in AKON. Als primäres Datenformat
für ANNO und AKON wird das Europeana Data Model
(EDM) verwendet. Der Abruf pro Datensatz für Metadaten
aus dem Katalog ist zudem über die LOD-Schnittstelle der
Bibliotheksdienstplattform ALMA möglich.
Für die nächsten Jahre ist ein kontinuierlicher Ausbau
bestehender LOD-Sets sowie der Aufbau weiterer neuer Sets
geplant. Unterschiedliche Arten von Ressourcen aus den
vielfältigen und einzigartigen Sammlungen der Österrei-
chischen Nationalbibliothek zu unterschiedlichen Themen-
und Fachbereichen sollen dadurch möglichst niederschwel-
lig für die Forschung und interessiere Nutzer*innen zur
weiteren Bearbeitung und Analyse zur Verfügung gestellt
werden. Damit leistet die Österreichische Nationalbiblio-
thek einen bedeutenden Beitrag zur weiteren Öffnung ihrer
Informationsstruktur und trägt durch die Qualität ihrer
Daten und der Erfüllung internationaler Standards zur Be-
ständigkeit und Zuverlässigkeit der Linked-Data-Cloud bei.
7.2 URL-Schemata und weiterführende
Informationen
Download per Datensatz für AKON: http://data.onb.ac.at/
AKON/{akon-id}.rdf
Download per Datensatz für ANNO: http://data.onb.ac.
at/ANNO/{anno-id}.rdf.
https://www.onb.ac.at/ueber-uns/presse/pressemeldungen/
jahrespressekonferenz-oesterreichische-nationalbibliothek.
https://anno.onb.ac.at/.
https://akon.onb.ac.at/.
https://pro.europeana.eu/page/edm-documentation.
https://developers.exlibrisgroup.com/.
BIBFRAME über URL: https://open-na.hosted.exlibris
group.com/alma/{INSTITUTION-CODE}/bf/entity/instance/
{MMS-ID}
JSON-LD über URL: https://open-na.hosted.exlibrisgroup.
com/alma/{INSTITUTION-CODE}/bibs/{MMS-ID}
RDA/RDF über URL: https://open-na.hosted.exlibris
group.com/alma/{INSTITUTION-CODE}/rda/entity/mani
festation/{MMS-ID}.rdf
API-Beschreibung der EDM-Identifikatoren für ANNO
und AKON: https://iiif.onb.ac.at/api#_digitization_projects
Literaturverzeichnis
Berners-Lee, Tim; Hendler, James; Lassila, Ora (2001): The Semantic Web.
In: Scientific American. DOI:10.1038/scientificamerican0501-34.
Bruno Bauer; Guido Blechl; Christoph Bock; Patrick Danowski; Andreas
Ferus; Anton Graschopf; Thomas König et al. (2015): Empfehlungen
für die Umsetzung von Open Access in Österreich. In: Recommen-
dations for the Transition to Open Access in Austria/Empfehlungen
für die Umsetzung von Open Access in Österreich. DOI:10.5281/
zenodo.33178.
Koster, Lukas; Woutersen-Windhouwer, Saskia (2018): FAIR Principles for
Library, Archive and Museum Collections: A proposal for standards
for reusable collections. In: The Code4Lib Journal (40). Verfügbar
unter https://journal.code4lib.org/articles/13427, zugegriffen am
22.12.2022.
Wilkinson, Mark D.; Dumontier, Michel; Aalbersberg, IJsbrand Jan;
Appleton, Gabrielle; Axton, Myles; Baak, Arie; Blomberg, Niklas
et al. (2016): The FAIR Guiding Principles for scientific data
management and stewardship. In: Scientific Data, 3 (1), 160018.
DOI:10.1038/sdata.2016.18.
Mag. DI Georg Petz
Forschung und Datenservices
Österreichische Nationalbibliothek
Josefsplatz 1
A-1015 Wien
Österreich
georg.petz@onb.ac.at
https://orcid.org/0000-0002-7843-3397
Available via license: CC BY 4.0
Content may be subject to copyright.
