Geisteswissenschaftliche Fachdatenrepositorien im Semantic Web. Modellierung, Vernetzung, Visualisierung.

Implizite und explizite Semantik TEI-basierter Fachdatenrepositorien
Zahlreiche geisteswissenschaftliche Fachdatenrepositorien setzen zur Modellierung
ihrer Forschungsdaten auf die Richtlinien der Text Encoding Initiative (TEI) und
somit auf XML als primäres Datenformat. XML eignet sich sehr gut zur Lösung
editorisch-philologischer Aufgabenstellungen und entspricht den geforderten
Kriterien der Interoperabilität und Nachhaltigkeit von Forschungsdaten. Durch
die standardkonforme Auszeichnung der Forschungsgegenstände in TEI werden diese
formal und inhaltlich erschlossen. TEI-kodierte Daten beinhalten in jeder
Hinsicht semantische Bezüge (bspw. Raumbezüge, Personenbezüge, begriffliche und
konzeptuelle Bezüge etc.). Aus der Perspektive des Semantic
Web sind diese Bezüge jedoch zunächst nur implizit und nicht explizit
in den Daten vorhanden (Abbildung 1). Im Gegenzug gründen sich Semantic Web-Technologien auf das Resource
Description Framework (RDF) zur Formulierung semantischer Aussagen (statements) in Form von Subjekt – Prädikat –
Objektbeziehungen (triples). Die besondere Stärke von RDF
liegt in der automatisiert möglichen Vernetzung (interlinking), Zusammenführung (merging) und
Analyse (reasoning) eigentlich separater Datenbestände.
RDF ist modellierungstechnisch auf einer höheren Abstraktionsebene anzusiedeln
als TEI-kodierte XML-Daten (Abbildung 2; vgl. auch Polleres u. a. 2009).

Abb. 1

Abb. 2

Während die formale Erschließung geisteswissenschaftlicher
Forschungsgegenstände mittels XML-basierter Annotationsmethoden mittlerweile als
weit fortgeschritten gelten kann, bleibt die semantische Erschließung häufig
noch weit zurück. Zwar wird in den Daten oft das Auftreten bestimmter Ortsnamen,
Personennamen, Werktitel etc. annotiert. Dennoch gehen diese Annotationen meist
nicht darüber hinaus, anzuzeigen, dass eine bestimmte Entität an einer
spezifischen Stelle erwähnt ist. Damit bleibt die Semantik der Fachdaten weit
hinter den Möglichkeiten zurück, die aktuelle Technologien – insbesondere die
des Semantic Web und des Linked Open
Data (LOD) – bieten könnten. Der durch LOD mögliche Zugang auf
vernetzte Forschungsdaten eröffnet neuartige Perspektiven der Nutzung bisher
isoliert stehender Fachdatenrepositorien. Wesentlich ist dabei, dass LOD und RDF
bestehende Standards der Digital Humanities (wie bspw.
TEI / XML) um die Verwendung gemeinsamer Terminologien und Metadatenschemata
erweitern (vgl. Iglesia et al. 2015). Dadurch wird es möglich, auch Bestände
verteilter Provenienz und unterschiedlicher Struktur gemeinsam inhaltlich zu
beschreiben und zu analysieren.
Insgesamt existiert momentan also noch eine Kluft: Auf der einen Seite die
zahlreichen geisteswissenschaftlichen Fachdatenrepositorien mit implizit
semantischem Potential, auf der anderen Seite die Technologien und Datenmodelle
des Semantic Web, die neue Sichten und Analysemethoden
auf die Daten eröffnen könnten. Zwar existieren einige Sprachkonzepte, Methoden
und Tools zur Übersetzung zwischen TEI / XML und RDF. Diese sind jedoch
ausnahmslos komplex, teilweise technisch veraltet, verfügen nur über
prototypische Implementierungen oder sind hochgradig spezialisiert auf einen
bestimmten Datenbestand. 1 Während die dem Semantic Web zugrunde liegenden Technologien aus informatischer Sicht
als erschlossen und anwendbar angesehen werden können (vgl. Lanthaler 2014:
11–35), besteht zum jetzigen Zeitpunkt also ein Bedarf an exemplarischen
Bearbeitungen repräsentativer Forschungsdatenbestände aus den
Geisteswissenschaften, um die Tragfähigkeit dieser Technologien auch für die
geisteswissenschaftliche Forschung zu demonstrieren.

Semantische Aussagen aus XML mit Hilfe des
XTriples-Webservices

An dieser Stelle setzt der
XTriples-Webservice der
Digitalen Akademie

der Mainzer Akademie der Wissenschaften und der Literatur an. Grundgedanke des
generischen Dienstes ist das Crawling beliebiger XML-Datenbestände und die
anschließende Generierung semantischer Aussagen aus den XML-Daten auf Basis
definierter Aussagemuster. Das Prinzip der Explizierung semantischer Aussagen
aus XML ist dabei nicht sonderlich komplex: Wird die URI einer XML-Ressource
oder eine Dateneinheit in dieser Ressource als das Subjekt einer semantischen
Aussage begriffen, können diesem Subjekt über Prädikate aus kontrollierten
Vokabularen weitere Werte aus den XML-Daten bzw. URIs zu weiteren
Datenressourcen als Objekte zugeordnet werden. Im Übersetzungsvorgang zwischen
XML und RDF geht es also vor allem um die Bestimmung semantischer Aussagemuster,
die sich gesamthaft auf alle Ressourcen eines XML-Datenbestandes anwenden
lassen.
Die Aussagemuster werden in Form einer einfachen, XPATH-basierten Konfiguration
an den Dienst übermittelt. Dabei ist es auch möglich, über die Bestände eines
spezifischen XML-Repositoriums hinauszugehen und externe Ressourcen oder
Dateneinheiten in die Transformation mit einzubeziehen (bspw. aus der GND, der
Dbpedia, aus Geonames u. a ). Die technische Realisierung als Webservice hat den
Vorteil, dass AnwenderInnen keine weitere Software zur semantischen Übersetzung
von Forschungsdaten benötigen. Gleichzeitig kann der Webservice auch als eine
Art „externe“ RDF-Schnittstelle (im Sinne eines Proxy) für ein oder mehrere
XML-Repositorien eingesetzt werden. Grundvoraussetzung hierfür ist lediglich,
dass die jeweiligen Repositorien über HTTP erreichbar sein müssen.

Abb. 3

Das Ergebnis einer XTriples-Extraktion steht in einer
Vielzahl gängiger RDF-Serialisierungen zur Verfügung (Abbildung 3). Neben rein
RDF-basierten Formaten ist es auch möglich, die semantischen Bezüge eines
Repositoriums mittels SVG darzustellen oder das Extraktionsergebnis zur weiteren
Analyse und Visualisierung an Semantic Web-Tools
weiterzureichen. 2

Anwendungsbeispiele

XTriples wurde vom Autor im Kontext des Akademievorhabens

Deutsche
Inschriften Online
in Verbindung mit dem BMBF-Projekt
Inschriften im Bezugssystem des Raumes
entwickelt und steht der
DH-Community in einer stabilen Version unter Open Source Lizenz (MIT) zur
Verfügung. Das zugrunde liegende Softwarepaket ist vollständig dokumentiert und auf GitHub
veröffentlicht.
Neben den Deutschen Inschriften wird XTriples aktuell auch in den Akademievorhaben
Regesta Imperii
und
Die Schule von Salamanca verwendet. Das Salomon Ludwig Steinheim-Institut
für deutsch-jüdische Geschichte nutzt XTriples
für eine CIDOC-CRM basierte, semantischen Modellierung von EpiDoc-Daten im
Rahmen des BMBF-Projektes Relationen im Raum. Gemeinsam
mit der Berlin-Brandenburgischen Akademie der
Wissenschaften wird gerade eine Schnittstelle zwischen XTriples und
correspSearch
, dem Webservice der BBAW zur dezentralen
Aggregation digitaler Briefeditionen, implementiert.
Folgende Beispiele geben einen ersten Überblick über die unterschiedlichen Anwendungsgebiete von
XTriples:

Semantische Extraktion und nachfolgende Visualisierung von Familienbeziehungen aus dem
Epidat Grabstein Corpus für den jüdischen Friedhof in Hamburg-Altona (Ausgangsdaten EpiDoc/TEI):

http://xtriples.spatialhumanities.de/examples/dh/epidat/index.html

Semantische Extraktion und SVG-Visualisierung eines Briefnetzwerks (Teilbestand der Korrespondenz Goethes aus den in
correspSearch aggregierten CMI-Daten bei gleichzeitiger
on-the-fly Einbeziehung der RDF-Schnittstellen von
GND und
Geonames):

http://bit.ly/1LKK1dv

Beispielhafte semantische Extraktion und Visualisierung europäischer
Kommunikationsnetzwerke auf Basis der correspSearch
TEI / CMI-Daten:
http://metacontext.github.io/presentation-correspsearch-xtriples/viz/map.html

Weitere Beispiele zu den einzelnen Funktionalitäten finden sich auf der
XTriples-Website unter
http://xtriples.spatialhumanities.de/examples.html. Einen schnellen Überblick über die Funktionsweise des Dienstes gibt folgende Präsentation:
http://metacontext.github.io/presentation-correspsearch-xtriples.

Ziel des Vortrags ist eine Veranschaulichung der Methoden und Potentiale, die sich aus der semantischen Extraktion, Modellierung, Vernetzung und Visualisierung XML-basierter, geisteswissenschaftlicher Fachdaten ergeben. Neben einer Darstellung der technischen Hintergründe des
XTriples-Webservices werden auch Fragen der semantischen Modellierung geisteswissenschaftlicher Fachdaten mittels bestimmter Ontologien (bspw. FOAF, CIDOC-CRM u.a.) in den Blick genommen. Weiterhin werden auch beispielhafte Analyse- und Visualisierungsmöglichkeiten für semantisch modellierte geisteswissenschaftliche Fachdaten vorgestellt.

Projekte wie
bspw. SPQR oder
das Textual Encoding
Framework sind veraltet oder technisch nicht generalisiert. Einen
interessanten Ansatz bietet die XSPARQL Language Specification des DERI, die 2009 in Form einer
W3C Member Submission niedergelegt wurde. Hier fehlen jedoch praktische
Implementierungen. Die Benutzung von RDFa innerhalb von XML-Daten stellt
eine weitere Möglichkeit dar, doch verfolgen die wenigsten
geisteswissenschaftlichen Fachdatenrepositorien eine so ausgerichtete
semantische Markup-Strategie. Auch das bereits 2007 in Form einer W3C
Recommendation grundgelegte GRDDL-Framework (Gleaning Resource Descriptions from Dialects of
Languages) ist bis heute eine theoretische Spezifikation geblieben. Der OxGarage Transformations-Webservice der
Text Encoding
Initiative
bietet zwar eine Routine für die Konvertierung
von TEI kodierten Daten nach RDF an, legt sich für die Transformation aber
auf das CIDOC-CRM als Ontologie fest. Mit OxGarage
können out-of-the-box also keine anderen Ontologien
für eine semantische Modellierung benutzt werden. Zudem ist der Webservice
nicht darauf ausgelegt, auch weitere, externe Datenrepositorien in eine
Transformation mit einzubeziehen oder andere RDF-Serialisierungen jenseits
von RDF/XML zurückzugeben.

Beispielsweise an den
RDF zu SVG Transformations-Webservice oder an die RDF
Visualisierungsbibliothek d3sparql.

Bibliographie

Akademie der Wissenschaften und der Literatur Mainz
(o. J.a): Digitale Akademie
http://www.digitale-akademie.de [letzter Zugriff 16. Februar
2016].

Akademie der Wissenschaften und der Literatur Mainz
(o. J.b): Regesta Imperii
http://www.regesta-imperii.de/startseite.html [letzter Zugriff
16. Februar 2016].

BBAW (o. J.): Berlin-Brandenburgische Akademie der Wissenschaften
http://www.bbaw.de/ [letzter Zugriff
16. Februar 2016].

correspSearch (o. J.): correspSearch. Search diverse letter editions http://correspsearch.bbaw.de/index.xql [letzter Zugriff 16.
Februar 2016].

Deutsche Inschriften Online (o. J.): http://www.inschriften.net
[letzter Zugriff 16. Februar 2016].

Haft, Michael (2013): "RDF als Verknüpfungsmethode
zwischen geisteswissenschaftlichen Forschungsdaten und Geometrien am
Beispiel des Projektes 'Inschriften im Bezugssystem des Raumes'",in: Skriptum 2,3 http://nbn-resolving.de/urn:nbn:de:0289-2013120622 [letzter
Zugriff 14. Oktober 2015].

i3Mainz / Akademie Mainz (o. J.): Inschriften im Bezugssystem des Raumes
http://www.spatialhumanities.de/ibr/startseite.html [letzter
Zugriff 16. Februar 2016].

IBR (Inscriptions in their spatial context) / Academy of
Sciences and Literature, Mainz / Institute for Spatial Information and
Surveying Technology i3Mainz (o. J.): XTriples
http://xtriples.spatialhumanities.de/index.html [letzter Zugriff
16. Februar 2016].

Iglesia, Martin de la / Moretto, Nicolas / Brodhun,
Maximilian (2015): "Metadaten, LOD und der Mehrwert
standardisierter und vernetzter Daten." In: Neuroth, Heike / Rapp, Andrea /
Söring, Sibylle (eds.): TextGrid: Von der Community – für
die Community. Eine Virtuelle Forschungsumgebung für die
Geisteswissenschaften. Göttingen: Universitätsverlag Göttingen 91–102 http://dx.doi.org/10.3249/webdoc-3947 [letzter Zugriff 14.
Oktober 2015].

Lange, Felix, Martin Unold (2015): Semantisch
angereicherte 3D-Messdaten von Kirchenräumen als Quellen für die
geschichtswissenschaftliche Forschung, in: Zeitschrift für
digitale Geisteswissenschaften 1 http://dx.doi.org/10.17175/sb001_015 [letzter Zugriff 14. Oktober
2015].

Lanthaler, Markus (2014): Third
Generation Web APIs. Bridging the Gap between REST and Linked Data.
Diss. Institute of Information Systems and Computer Media. Technische
Universität Graz http://www.markus-lanthaler.com/research/third-generation-web-apis-bridging-the-gap-between-rest-and-linked-data.pdf
[letzter Zugriff 14. Oktober 2015].

Polleres, Axel u.a. (2009): XSPARQL
Language Specification
http://www.w3.org/Submission/xsparql-language-specification
letzter Zugriff 14. Oktober 2015].

Salomon Ludwig Steinheim-Institut für deutsch-jüdische
Geschichte (o. J.): http://www.steinheim-institut.de [letzter Zugriff 16. Februar
2016].

Schrade, Torsten (2013): "Datenstrukturierung", in:
Über die Praxis des kulturwissenschaftlichen
Arbeitens. Ein Handwörterbuch. Bielefeld: transcript 91–97.