slides.md

---

{height=80%}

Was ist Interoperabilität?

---

\LARGE Fähigkeit unterschiedlicher Systeme, möglichst reibungslos zusammenzuarbeiten

\normalsize \vfill

• Zusammenarbeiten: sinnvoller Austausch von Daten

• Möglichst reibungslos: so gut es eben geht

Wie lässt sich Interoperabilität herstellen?

A: Zentralisierung statt Interoperabilität

Beispiel : Gemeinsamer Verbundkatalog

Vorteil : Klare Verantwortlichkeit

Probleme : Abgeschlossene Datensilos, interne Inkonsistenzen

B: Gemeinsame Standards

Beispiel : Aggregator-Formate (Schema.org, DataCite XML...)

Vorteil : Offen für beliebig viele Akteure

Problem : Verschiedene Standards
für verschiedene Anwendungen

C: Integration durch Mapping/Konvertierung

Beispiel : Konvertierung beim Import/Export von Formaten,
Vokabular-Mapping im Projekt coli-conc

Vorteil : Sehr flexibel

Problem : Aufwändig und fehleranfällig

Beispiel: Klemmbausteine

A) Zentralisierung:
Wir kaufen einfach alles nur von LEGO!

B) Standards:
LEGO, Q-Bricks, BlueBrixx... passt doch zusammen!

C) Mapping:
Adapter wie das Free Universal Construction Kit

\vfill

Meist wackelt es trotzdem ein bisschen...

Besonderheit bei Interoperabilität von Daten

Wau Holland (1951-2001):

Der Computer ist eine Maschine zum Kopieren und Verändern von Bits.

\vfill

• Daten lassen sich verlustfrei kopieren und ändern
• Automatisierung: einmal, zweimal, $\infty$...
• Es gibt keine natürlichen Daten-Einheiten
  (Datensätze, Felder, Sammlungen...)

Interoperabilität von Daten herstellen

Welche Strategie wird in der Praxis angewandt?

A) Zentralisierung:
Keine Gesamtlösung aber hilfreich zur Abgrenzung von Systemen

B) Standards:
Grundlage der gesamten Infrastruktur

C) Mapping:
Findet als Konvertierung an vielen Stellen statt

Metadaten-Interoperabilität in der Theorie

1. Interoperabilität ist die Fähigkeit unterschiedlicher Systeme, reibungslos Daten auszutauschen

2. Informationssysteme sind quasi-geschlossene Einheiten, die standardisierte Daten austauscht

3. Datenkonvertierung zwischen unterschiedlichen Standards

\vfill Problem gelöst?

Metadaten-Interoperabilität in der Praxis

Probleme:

• Es gibt sehr viele Standards und Informationssysteme

• Standards sind meist unvollständig

• Mappings/Konvertierungen sind meist unvollständig

Lösung:

• Kenntnis von Metadaten-Standards und Mapping-Verfahren

• Interoperabilität muss immer wieder neu hergestellt werden

Metadaten-Standards und Mapping-Verfahren

Standards 1

{width=90%}

Standards 2-15

{width=95%}

Metadaten-Standards

• Vereinbarungen wie Daten aussehen sollen

• Explizite Vereinbarungen wie Daten aussehen sollen

  • Publiziert und verständlich, mit Beispielen
  • Versioniert (was ist seit wann wie geregelt?)
  • Maschinenlesbar

• Aufbauend auf bereits etablierten Standards

  • Anwendungsbezogen
  • Möglichst in verschiedenen Systemen umgesetzt

• Überprüfbar

  • Validierung von Daten (Fehler erkennen)
  • Konsequente (mit Fehlern umgehen)
  • Fehler $\neq$ Fehler

Ebenen der Datenmodellierung

{width=95%}

• Hinter Daten steht immer (implizit oder explizit) mindestens ein Modell
• Interoperabilität erfordert vor allem gleiche Modelle
• Datenformate bewegen sich zwischen Modell und Implementierung
• Auf jeder Ebene weitere Unterteilung möglich

Beispiel: Ebenen von Metadaten-Standards in der Praxis

• Lokale Anwendungspraxis einer Bibliothek
• PICA-K10plus-Format
• PICA-Format
• PICA/XML
• XML
• Unicode
• Bytes

Wie sind Standards festgelegt?

• Spezifikation (so soll es sein)
• Implementierung (so ist es umgesetzt)
• Datenpraxis (so wird es interpretiert)

Offizielle Standards, De-Facto Standards, Implizite Standards, scheinbare Standards, Anwendungsprofile...

Wie sind Standards zugänglich?

• Implementierung und Datenpraxis: konkret ansehen

• Spezifikationen:

  • Semi-formale Beschreibung: verstehbar

  • Formale Schemas: maschinenlesbar und überprüfbar

Beispiel: Spezifikation einer Jahreszahl

Implementierung: year = int(input.readline())

Datenpraxis: 2019, 1988, 722, 23...

Semi-Formal:

Jahreszahlen werden durch eine bis vier Ziffern ohne fühende Nullen ausgedrückt

Formal: YEAR := [1-9][0-9]*

\vfill \small Überraschung: keines dieser Beispiele ist 100% deckungsgleich!

Arten von Daten-Standards und -formaten

• Strukturierungssprachen:
  CSV, JSON, RDF...

• Schemasprachen:
  Reguläre Ausdrücke, XSD, JSON Schema...

• Abfragesprachen:
  SQL, XPath, XQuery, CSS Selector...

• Datenmodelle:
  BIBFRAME, CIDOC-CRM, Dublin Core...

Interoperabilität hängt von der Datenebene ab

Was muss interoperabel sein?

• Datenmodelle: Semantik (theoretisch interoperabel)

• Strukturierungssprache: Werkzeuge (praktisch umsetzbar)

Wie wird Interoperabilität umgesetzt?

• Schemas helfen passende Elemente zu finden
  (z.B. Feld für Jahreszahl)

• Abfragesprache helfen auf passende Elemente zu verweisen

Beispiel: ein Datensatz

Ein Datensatz (ohne Datenformat)

Name Lebensdaten

---

Douglas Noël Adams 1952-2001

Erkennen Sie Modell und Schema?

Ein Datensatz (CSV)

name,dates
Douglas Noël Adams,1952-2001

Ein Datensatz (YAML)

name: Douglas Noël Adams
dates: 1952-2001

Ein Datensatz (JSON)

{
  "name": "Douglas Noël Adams",
  "dates": "1952-2001"
}

Ein Datensatz (XML)

<name>Douglas Noël Adams</name>
<dates>1952-2001</dates>

...

Daten-Mapping/Konvertierung

Arten von Mappings/Konvertierungen

Konvertierung zwischen Formaten

• DD.MM.YYYY $\leftrightarrow$ YYYY-MM-DD
• "Nachname, Vorname" $\rightarrow$ "Vorname Nachname"
• ...

Mapping zwischen Vokabularen

• GND-ID $\leftrightarrow$ ORCID
• RVK $\leftrightarrow$ BK
• ...

Konvertierung zwischen Formaten

• Muss meist programmiert werden

• Je nach Überschneidung des Datenmodells
  mehr oder weniger vollständig

• Mit jeder Konvertierung können Inhalte verloren gehen

Konvertierung zwischen Vokabularen

• Mapping von Identifiern statt Benennungen

• Einfach wenn 1-zu-1 Zuordnung möglich (z.B. Personen)

• Bei Sachgebieten schwieriger (Mapping von Datenmodellen)

\vfill

Mapping-Tool Cocoda bitte ausprobieren: https://coli-conc.gbv.de/cocoda/!

Zusammenfassung

Worum ging es?

• Metadaten-Interoperabilität: Datenaustausch zwischen unterschiedlichen Systemen

• Strategien: Zentralisierung, Standards, Mapping

• Daten folgend (hoffentlich) immer irgendwelchen Regeln

  • Anforderungen an gute Standards
  • Standards durch Spezifikation, Implementierung, Datenpraxis

• Kenntnis von Metadaten-Standards und Mapping-Verfahren!

Weiterführendes

• GBV Formatdatenbank format.gbv.de

• Grundlagen Datenformate im Handbuch
  Einführung in die Verarbeitung von PICA-Daten

• Anleitung für schlechte Standards https://doi.org/10.5281/zenodo.1025743 und https://youtu.be/o51FOLsh4Ec

• Kompetenzzentrum Interoperable Metadaten (KIM)

• Projekt coli-conc

Bitte Fragen!

Niemand kann alles auf Anhieb verstehen.

Was haben Sie am meisten nicht verstanden?