Normdaten und Datenanreicherung beim Fachportal openTA

2.1 TA-Datenbank

Der erste Strang reicht über 30 Jahre zurück. Die Vorläuferinstitution des seit 1995 bestehenden Instituts für Technikfolgenabschätzung und Systemanalyse (ITAS), die Abteilung für Angewandte Systemanalyse (AFAS), hatte zusammen mit FIZ Karlsruhe von 1986 bis ins Jahr 2000 eine „TA-Datenbank“ erstellt und der Öffentlichkeit angeboten.^[2] Per Post wurden Fragebogen an einige Hundert wissenschaftliche Institutionen, die mehr oder weniger mit TA zu tun hatten, verschickt und Daten über Institutionen, Projekte und Publikationen erfasst und – für damalige Verhältnisse durchaus innovativ – hypertextuell verlinkt sowie über das u. a. von FIZ Karlsruhe betriebene „Scientific & Technical Information Network“ (STN) kostenpflichtig angeboten, später auch auf CD-ROM^[3] und gedruckt^[4] vertrieben. Im Jahr 2000 umfasste die TA-Datenbank Angaben zu 1.330 Institutionen, 3.376 Projekten und 6.964 Publikationen.

Mit dem Aufkommen des Internets war dieses Konzept nicht mehr aufrechtzuerhalten. Immerhin konnten die Daten von damals gerettet werden, so dass demnächst die fast 7.000 gut gepflegten und erschlossenen Publikationsdaten aus der Frühzeit der TA-Szene in Deutschland in den openTA-Publikationsdienst eingespeist werden können.

2.2 Netzwerk TA

Der zweite Strang beginnt mit der Gründung des Netzwerks TA (NTA) im Jahr 2004, ein lockerer Zusammenschluss von Personen und Institutionen auf dem Feld der Technikfolgenabschätzung in Deutschland, Österreich und der Schweiz. TA wird dabei nicht eng abgrenzend, sondern eher breit und offen verstanden, so dass sich dem Netzwerk auch wissenschaftliche Institutionen etwa aus der Nachhaltigkeits- und ökologischen Forschung oder auch der Zukunftsforschung angeschlossen haben. Das NTA hat sich insbesondere über die Durchführung von wissenschaftlichen Tagungen etabliert – im Jahr 2018 wird die 8. Tagung, die NTA8, in Karlsruhe stattfinden. Eine Arbeitsgruppe des NTA, die AG Information und Kommunikation, die sich gleich zu Beginn des NTA gebildet hatte, sorgte für den Aufbau einer kommunikativen und informativen digitalen Infrastruktur, betreute eine E-Mail-Liste^[5] und eine Website.

Im April 2006 organisierte diese Arbeitsgruppe einen „Frühjahrsworkshop“ unter dem Titel „Wissenschaftsvernetzung – Konzepte, Erfahrungen, Perspektiven“, dessen Programm und Beiträge noch heute auf openTA zu finden sind^[6]. In der Einladung hieß es u. a. „Insbesondere die über ‚Portale‘ durchgeführte Vernetzung von Einzelwissenschaften und ihre dezentrale Organisation sind zu einer breiten Strömung geworden.“

Der Workshop fand mit Unterstützung des Büros für Technikfolgenabschätzung beim Deutschen Bundestag (TAB) im Sitzungssaal des Bundestagsausschusses für Bildung, Forschung und Technikfolgenabschätzung im Paul-Löbe-Haus statt. Ein Ergebnis dieses Workshops war ein „9-Punkteplan“ der AG IuK „zum Ausbau der informationstechnisch gestützten Vernetzung des Netzwerks TA“, der im November 2006 auf der NTA2 in Berlin vorgelegt wurde.^[7] Dieser sah u. a. vor:

1. die Schaffung eines Netzwerks von „Internetbeauftragten“ als Ansprechpartner bei den institutionellen Mitgliedern des NTA,

2. der Betrieb einer NTA-Metasuchmaschine über alle Web-Angebote der institutionellen Mitglieder des NTA hinweg,

3. ein NTA-Newsportal, u. a. auf Basis von RSS-Feeds,

4. ein Open-Access-Report-Server im Sinne einer Vernetzung bestehender Repositorien und des Angebots eines eigenen,

5. ein TA-Themenportal bei Wikipedia,

6. eine TA-Linksammlung,

7. eine (elektronische) TA-Review-Zeitschrift und

8. die Erprobung von Web 2.0 Funktionalitäten.

Über einige dieser Ideen sind die Jahre hinweggegangen, wie etwa die Linksammlung, andere wurden weiter verfolgt und sind durch das Fachportal openTA mehr oder weniger umgesetzt (Newsdienst, Neuerscheinungsdienst, Publikationsdienst).

In diesem 9-Punkteplan wurde damals bereits festgehalten, dass die Umsetzung für einen Teil dieser Vorhaben durchaus als Netzwerkaktivität vorstellbar sei, andere aber eines größeren Ressourceneinsatzes bedürften. So wurde 2009 ein erster Antrag an die DFG gestellt, dem allerdings von den Gutachtern eine gründliche Überarbeitung anempfohlen wurde. Ein wichtiger Impuls für diese Überarbeitung erbrachte ein Workshop zum Thema „Innovative Konzepte für Wissenschaftsportale“, der 2010 in Karlsruhe stattfand, und von ITAS mit weiteren Instituten des KIT organisiert wurde.^[8] Auf diesem Workshop wurden u. a. die Folgerungen aus dem Scheitern des Großprojekts Vascoda^[9] diskutiert, der zentralistische Ansatz von Fachportalen problematisiert („Nicht der Wissenschaftler muss zum Fachportal gehen, sondern die Dienste des Fachportals müssen zum Wissenschaftler kommen“) und die Konzepte des semantischen Netzes auf ihre Umsetzbarkeit ausgelotet.

Im gleichen Jahr wurde von der AG IuK des NTA zusammen mit den beteiligten KIT-Instituten eine Umfrage bei den Mitgliedsinstitutionen des NTA über deren Informationsdienste und Informationssysteme sowie die vorhandene technische Ausstattung und die unterstützten Standards durchgeführt.

Auch diese Ergebnisse flossen dann in den überarbeiteten Antrag (Februar 2011) ein, der schließlich im Januar 2012 (mit Kürzungsauflagen) bewilligt wurde. Das Projekt startete dann offiziell mit einem Auftaktworkshop am 31.10.2012 in Bern (im Kontext der NTA5).

Wenn openTA auch nicht im Rahmen des DFG-Förderschwerpunktes für die Fachinformationsdienste gefördert wird und keinen explizit bibliothekarischen, auf die Befriedigung des Spitzenbedarfs bei wissenschaftlichen Publikationen ausgerichteten Fokus aufweist, wurden doch eine der zentralen Anforderungen, die die DFG an Fachinformationsdienste stellt, von Anfang an erfüllt: Das Konzept wurde „aus der Wissenschaft für die Wissenschaft“, in enger Kooperation mit der TA-Community und ihren Institutionen sowie auf Basis von Ist- und Bedarfserhebungen entwickelt.

Der Fortsetzungsantrag, nun in einer neuen Kooperation zwischen ITAS (federführend) und FIZ Karlsruhe – Leibniz-Institut für Informationsinfrastruktur, wurde im Juli 2016 (mit Kürzungsauflagen) bewilligt. Die zweite Projektphase begann offiziell mit dem 5. openTA-Workshop im November 2016^[10] in Bonn im Kontext der Tagung NTA7^[11].

3.1 openTA-Newsdienst

Im Newsdienst werden die aktuellen Nachrichten der NTA-Mitgliedsorganisationen im Fachportal TA aggregiert und unter einer einheitlichen Oberfläche mit Such- und Filterfunktionen angeboten. Damit ist ein umfassender Nachrichtenüberblick über die Aktivitäten der TA-Institutionen in den D-A-CH-Ländern erstanden, der mittlerweile auch um Nachrichten des europäischen Netzwerks der parlamentarischen TA-Institutionen (EPTA) ergänzt wurde. Das Archiv der Nachrichten umfasst über 4.300 Nachrichten zu Projekten, Publikationen, Veranstaltungen, Stellen- und Kooperationsangeboten sowie Nachrichten über die NTA-Institutionen (Stand: Januar 2018). 17 Institutionen liefern automatisiert Nachrichten über einen RSS- oder Atom-Feed an openTA. Eine redaktionelle Selektion oder Bearbeitung auf Seiten des openTA-Teams findet nicht statt. Die inhaltliche Verantwortung für die Inhalte auf openTA liegt beim Newsdienst wie bei den meisten anderen Diensten auch bei den Datengebern. Ein auf die eigenen Interessen individualisierbarer News-Feed, d. h. ein automatisierter Abruf der aktuellen Nachrichten, kann von den NutzerInnen, etwa im eigenen Mail-Programm, bezogen werden, so dass ein Besuch des Portals für die Nutzung des Newsdienstes dann nicht mehr nötig ist.^[12]

3.2 openTA-Kalenderdienst

Der openTA-Kalenderdienst bietet einen umfassenden Überblick über die öffentlichen Veranstaltungen des NTA und seiner Mitgliedsorganisationen sowie über Veranstaltungen mit TA-Relevanz. Er beruht im Wesentlichen auf den Kalenderdaten, die die NTA-Mitgliedsinstitutionen über ical-kompatible elektronische Kalender zur Verfügung stellen. Auch hierbei gibt es keine redaktionellen Eingriffe durch die openTA-Projektgruppe in Karlsruhe. Diese NTA-Termine werden ergänzt um „TA-relevante“ Veranstaltungen außerhalb des NTA, die zusätzlich von Mitgliedern der AG IuK des NTA ausgewählt und erfasst werden.

3.3 openTA-Publikationsdienst

Der openTA-Publikationsdienst führt die Publikationen der kooperierenden NTA-Mitgliedsinstitutionen in einer Datenbank zusammen. Über den NTA-Fundus hinaus werden weitere Quellen etwa aus der DNB oder aus historischen Publikationsbeständen mit TA-Relevanz einbezogen, um eine vollständigere Abdeckung der TA-Literatur zu erreichen.

Ein wichtiger Bestandteil des Publikationsdienstes ist der monatlich erscheinende openTA-Neuerscheinungsdienst. Dieser gibt einen Überblick über TA-relevante Buchneuerscheinungen, die bei der Deutschen Nationalbibliothek (DNB) erfasst wurden. Im Neuerscheinungsdienst werden auch alle bei der DNB nachgewiesenen Publikationen von persönlichen Mitgliedern des NTA aufgenommen, von denen eine persönliche GND^[13]-ID bekannt ist, auf deren Basis ein automatisierter Suchlauf monatlich erfolgt. Eine derzeit aus fünf Städten Deutschlands und Österreichs bestehende Redaktion mit sieben Personen wählt für jeden Monat etwa 20 bis 40 Titel aus einer automatisch selektierten Liste von etwa 200 bis 400 Titeln aus und veröffentlicht diese zusammen mit einem einführenden Editorial im openTA-Blog.

3.4 NTA-Mitgliederverzeichnis

Die öffentlich über openTA zugängliche Mitgliederdatenbank des Netzwerk TA (NTA) stellt für die TA-Community und die Öffentlichkeit eine zentrale Informationsressource über „TA-Experten“ und „TA-Institutionen“ und ihre Tätigkeitsfelder und Kompetenzen dar. Das NTA umfasst derzeit 50 institutionelle und mehr als 300 persönliche Mitglieder aus Deutschland, Österreich und der Schweiz.

Nähere Informationen zum Projekt finden sich unter https://www.openta.net/projekt-openta, zu den einzelnen Diensten unter https://www.openta.net/die-openta-dienste.

5.1 Personen

Die eindeutige Identifikation und Disambiguierung von Personen ist eine große Herausforderung. In Teilen kann dies durch intellektuelle Verfahren gewährleistet werden, etwa in dem die persönlichen Mitglieder aufgefordert werden, ihre eigenen Registrierungsdaten um entsprechende Identifier anzureichern. Der Mitgliederpersonendatensatz wird demnächst um entsprechende ID-Felder erweitert. Bei knapp über 300 persönlichen Mitgliedern erscheint dies, eventuell unterstützt durch redaktionelle Prozesse, als ein sinnvolles Vorgehen, wenn auch der Erfolg bisheriger Aktivitäten in diese Richtung begrenzt blieb.^[15] Bevorzugt als Identifier sind, sofern vorhanden, die GND-ID sowie die ORCID. Bereits seit längerer Zeit wird beim monatlichen Suchlauf bei der DNB für den openTA-Neuerscheinungsdienst nach allen bekannten GND-Personen-IDs der NTA-Mitglieder gesucht und die Treffer in den Neuerscheinungsdienst aufgenommen und so ein besonderer Nutzen oder „Mehrwert“ für die Mitgliedschaft im NTA erzeugt.^[16]

Für die ca. 26.000 Publikationen in openTA-Publikationsdienst kann die Disambiguierung und Identifizierung von Autoren nur über automatische Verfahren erfolgen. Alleine auf Basis des Namens werden die Ergebnisse nur unbefriedigend sein. Entsprechend ist vorgesehen, zusätzliche Informationen wie etwa Co-Autoren, Zitationsnetzwerke, Ortsbezug, Affiliation und eine zeitliche Eingrenzung zu verwenden, um die Ergebnisse zu verbessern.

5.2 Organisationen

Organisationen tauchen in openTA einerseits als institutionelle Mitglieder, andererseits als Affiliation von Personen (z. B. Autoren) auf. Für die derzeit 50 institutionellen Mitglieder liegen bereits in den meisten Fällen im Mitgliederdatensatz die GND-Organisations-ID und die VIAF-ID vor.

Die Affiliationen von Autoren wird im Datenmodell des openTA-Publikationsdienstes dagegen aktuell überhaupt nicht berücksichtigt und liegt in den Ursprungsdaten nur in Ausnahmefällen vor, etwa bei den Daten, die openTA von der DNB übernimmt. Ein erster Schritt wäre die Anreicherung der vorhandenen Daten mit Organisationsangaben, was für einen Teil dieser Daten durch die Berücksichtigung der institutionellen Datenquellen sowie der Angaben zur Organisationszugehörigkeit in den Daten der persönlichen NTA-Mitglieder, die in der Regel ja auch Autorinnen oder Autoren sind, als relativ leicht realisierbar erscheint.

5.3 Publikationen

Bei Publikationen stehen mit der ISSN bzw. ISBN in vielen Fällen bereits Identifier zur Verfügung. Generell wäre eine Verwendung eines Digital Object Identifiers (DOI) wünschenswert. Immer mehr Publikationen aus Periodika besitzen auch einen DOI. Während in der Datenbank des openTA-Publikationsdienstes für das Jahr 2010 nur bei 23 % der Zeitschriftenartikel Angaben zu einem DOI vorhanden sind, ist dieser Anteil für das Jahr 2016 bereits auf 46 % und für das Jahr 2017 auf 67 % angestiegen. Für die anderen Publikationen können DOIs über Suchen in CrossRef (Periodika) und DNB-Katalog bzw. WorldCat erfolgen, wobei sich schon gezeigt hat, dass die aggregierten Metadaten in openTA nicht durchgehend mit den Metadaten in CrossRef bzw. DNB-Katalog übereinstimmen und ein solcher Abgleich mit unscharfen Suchen erfolgen muss.

Für einige Publikationstypen, die eher grauer Literatur zuzuordnen sind (wie z. B. Vorträge), gibt es selten Identifier. Für diese Publikationen steht auch nicht zu erwarten, dass sie sich umfassend eindeutig und persistent identifizieren lassen.

5.4 Schlagworte

Schlagworte liegen aktuell nur für einen kleinen Ausschnitt der in openTA angebotenen Daten vor. Die vorliegenden Publikationsdaten mit Schlagworten stammen fast alle von der DNB und sind mit GND-Identifiern versehen. Die Herausforderung liegt hier weniger in der eindeutigen Identifizierung als vielmehr in der gezielten Anreicherung von Datensätzen um Schlagworte.

6.1 Personen

Zu Personen, insbesondere den Mitgliedern des NTA, lassen sich Informationen über (weitere) Veröffentlichungen, biographische Informationen und Arbeitsschwerpunkte anreichern. Liegt eine GND-ID vor, können Daten aus dem GND-Record der Person entnommen werden. Darüber hinaus finden sich interessante ergänzende Daten z. B. in Wikidata. Sofern die Person über eine ORCID-ID verfügt und in dem dortigen Profil öffentlich einsehbare Daten hinterlegt hat, können auch diese zur Anreicherung herangezogen werden. Bei der Aggregation aus mehreren Quellen müssen allerdings Präzedenzregeln definiert werden, da gegebenenfalls widersprüchliche Informationen bei den unterschiedlichen Quellen vorliegen. Generell soll die jeweilige Quelle der angereicherten Daten immer mit angegeben werden. In der letzten Zeile der Abb. 2 wird dieses Prinzip deutlich: Einerseits werden biographische Daten (Geburtsjahr, Beruf) aus dem Personendatensatz der GND direkt angezeigt, andererseits kann der Nutzer über den Link auf den GND-Datensatz sich die gesamte dort verfügbare Information erschließen und die Quelle „überprüfen“.

6.2 Organisationen

Über eindeutig identifizierte Organisationen lassen sich weitere Veröffentlichungen dieser Einrichtungen einsammeln, aber auch weitere Informationen wie Anschrift, Georeferenz oder Auftrag und Arbeitsschwerpunkte. Wichtige Quellen hierfür sind wiederum die GND, der VIAF- und der ISNI-Datensatz, eventuell ergänzt um Informationen aus Wikidata.

6.3 Publikationen

Bei Publikationen ist das Ziel, die von den NTA-Partnern gelieferten Metadaten zu vervollständigen und zu ergänzen, etwa um Abstracts, Inhaltsverzeichnisse und, sofern verfügbar, Links auf Volltexte. Wichtige Quellen hierfür sind der Katalog der DNB sowie Verlagsserver, die über CrossRef angesprochen werden können. Über die ISSN können teilweise ähnliche Informationen angezogen werden, wobei hier zusätzlich Titel, Autoren und Erscheinungsdatum zur Eingrenzung der Suchergebnisse herangezogen werden müssen. Für Monographien erlaubt die ISBN, über den Katalog der DNB, dem WorldCat von OCLC oder das Verzeichnis lieferbarer Bücher des Börsenvereins des deutschen Buchhandels vergleichbare Informationen zu beziehen – z. B. auch das Buchcover.

Darüber hinaus kann aber auch die Verfügbarkeit in Bibliotheken (KVK, ZDB, WorldCat) angezeigt werden. Weitere Ideen für Anreicherungen betreffen Referenzen, Zitationen, Rezensionen und von Dritten vergebene Schlagworte (etwa von der DNB).

6.4 Schlagworte

Neben der Anreicherung mit von Dritten vergebenen Schlagwörtern ist geplant, auch die (semi-) automatische Vergabe von Schlagworten zu erproben. Es existieren zwei erfolgversprechende Verfahren, aus Abstracts zu Publikationen Kandidaten für Schlagworte zu extrahieren. Häufig kommen Verfahren der maschinellen Verarbeitung natürlichen Sprache (Natural Language Processing, NLP) zum Einsatz, die gerade im Englischen gute Ergebnisse erzielen und über Tools wie KEA^[17] einfach einsetzbar sind. Über OpenNLP^[18] kann man auch deutsche Sprachmodelle verwenden. Daneben kann über die Berechnung von sog. „N-Gramms“ eine Identifizierung von Kandidaten aus dem Korpus aller Publikationen in openTA erfolgen. Dabei wird der Text in Fragmente zerlegt, hier meist in Worte. Die Kombination von jeweils N Fragmenten wird dabei als N-Gramm bezeichnet. Die N-Gramme werden üblicherweise anschließend gerankt, um ungeeignete Terme auszuschließen. Im nächsten Schritt werden dann die verbliebenen Terme gegen einen Thesaurus abgeglichen, um die freien Terme auf ein kontrolliertes Vokabular abzubilden – idealerweise auf die GND, über die man dann eindeutig identifizierte Schlagworte erhält. Auch für dieses Verfahren kann z. B. KEA zum Einsatz kommen.