Auf dem Prüfstand – Systeme zur Sammlungsdokumentation

Berlin verfügt über eine reiche Landschaft an wissenschaftlichen Universitätssammlungen. Die Berlin University Alliance erkundet mit unserem Projekt Digitales Netzwerk Sammlungen Konzepte zur digitalen Vernetzung dieser Bestände. Bei unseren Gesprächen mit den Sammlungsverantwortlichen hat sich sehr schnell gezeigt, dass seitens der Sammlungen ein dringender Bedarf an adäquaten Lösungen für die digitale Sammlungsdokumentation besteht. Diese Bedarfe zu erfüllen, ist fundamentale Voraussetzung für alle weitergehenden Überlegungen zu einer integrierten digitalen Infrastruktur. Nur was digital sachgerecht erfasst ist, kann man digital vernetzen.
Was brauchen die Sammlungen?
Gebraucht werden Systeme, die in der Lage sind, die vielfältigen Objekte der Universitätssammlungen zu dokumentieren und das vorhandene Wissen zu den Objekten und ihrer Geschichte zu repräsentieren – und dies im Rahmen der personellen, budgetären und infrastrukturellen Möglichkeiten der universitären Einrichtungen. Deshalb ist eines der Ziele des Projekts Digitales Netzwerk Sammlungen, den Sammlungsverantwortlichen fundierte und differenzierte Empfehlungen bei den vielerorts anstehenden Infrastrukturentscheidungen geben zu können.
Evaluation auf mehreren Ebenen
Dazu untersuchen wir eine Auwahl von Softwarelösungen, die aus unserer Sicht für die spezifischen Anforderungen von Universitätssammlungen prinzipiell geeignet erscheinen. Es handelt sich sowohl um proprietäre Systeme, für die Lizenzgebühren anfallen würden, als auch um Open-Source-Lösungen.
Die Evaluation erfolgt auf zwei Ebenen: Wir sammeln systematisch Informationen zu den Erfahrungen, die Anwender*innen im Bereich wissenschaftliche Sammlungen mit verschiedenen Lösungen gemacht haben. Neben zahlreichen Einzelgesprächen sind hier gerade auch die seit April 2021 stattfindenden Vernetzungstreffen der Digitalisierungsverantwortlichen aus Sammlungsstandorten in Deutschland, Österreich und der Schweiz eine wichtige Informationsquelle. Die von diesen Universitäten zum Aufbau von sammlungsübergreifenden Verbünden und Portalen eingesetzte Software wäre großenteils auch für die Sammlungen an den Berliner Universitäten eine Option. Das gilt insbesondere für easyDB.museum, das unter anderem in Greifswald und Göttingen im Einsatz ist, The Museum System (Tübingen), Daphne (Technische Universität Dresden), die genossenschaftlich organisierte Verbundlösung DigiCULT (u.a. Jena, Kiel), WissKI (Erlangen-Nürnberg und Bonn) sowie für Museum plus als eine im Museumsbereich weit verbreitete Lösung.
Vergleichend und ergänzend zu dieser Auswertung evaluieren wir eine Auswahl von fünf Open-Source-Systemen durch praktische Erprobungen mit Testdaten. Diesen Zweig der Evaluation möchten wir im Folgenden etwas ausführlicher vorstellen – zunächst im Überblick, Ergebnisse zu den einzelnen Systemen werden Gegenstand späterer Beiträge auf diesem Blog sein.
Evaluation aus Perspektive der Sammlungen
Wir betrachten die Systeme bei der Evaluation aus der Perspektive einzelner Universitätssammlungen, die eine Lösung für die Dokumentation auf Sammlungsebene suchen, also (noch) nicht im Hinblick auf Ihre Eignung für eine zentrale Sammlungsdatenbank für die Berliner Universitätssammlungen.
Auch bei einer dezentralen Lösung, bei der die Einrichtungen ihre eigenen Systeme zur Sammlungsdokumentation betreiben, wäre allerdings interessant, die Sammlungen weitestgehend vom Set-up-Aufwand für die Installation und Basiskonfiguration der verwendeten Software zu entlasten. Eine zukünftige Servicestelle oder ein zukünftiges Kompetenzzentrum könnte dann geeignete Software vorhalten und bei Bedarf vorkonfigurierte Instanzen installieren und/oder hosten. Das funktioniert am besten mit der Container-Technologie von Docker. Wo möglich, wurden die Testsysteme deshalb für die Evaluation als Docker-Instanzen installiert.
Die Kandidaten
Evaluiert wurden die folgenden Systeme:
CollectiveAccess
Ein klassisch-relationales System auf PHP-Basis zur Sammlungsdokumentation und -verwaltung mit einer MySQL/MariaDB-Datenbank im Hintergrund. Die Entwicklung wird im Wesentlichen von der New Yorker Agentur Whirl-i-gig getragen. Eine Besonderheit von CollectiveAccess ist, dass die Datenmodellierung und die Konfiguration von Eingabemasken fast vollständig über die grafische Benutzeroberfläche konfiguriert wird, wobei sehr komplexe, mehrfach gestaffelt gruppierte Felder, Item Relations und kontrollierte Vokabulare möglich sind.
Omeka S
Ebenfalls ein relationales Datenbanksystem auf PHP-Basis mit MySQL/MariaDB. Entwickler und Maintainer ist das renommierte Roy Rosenzweig Center for History and New Media der George Mason University (Fairfax, Virginia). Das „S“ im Namen steht für Semantic, und deshalb sind – im Gegensatz zur Vorgängerversion Omeka Classic – Feldkataloge strikt auf Felder aus publizierten, semantisch ausgewiesenen Vokabularen limitiert. Omeka ist zur Präsentation von Objekten und Archivalien gedacht, kann aber auch zur primären Datenhaltung eingesetzt werden. Omeka unterstützt anspruchsvolle Datenstrukturen, begrenzt aber die Komplexität zugunsten einer hohen Benutzerfreundlichkeit.
WissKI
Die von der Friedrich-Alexander-Universität Erlangen und dem Germanischen Nationalmuseum Nürnberg entwickelte virtuelle Forschungsumgebung WissKI basiert technisch auf dem Content-Management-System Drupal und arbeitet mit einem RDF-basierten Datenmodell. Damit bietet WissKI maximale Freiheit für beliebig komplexe Datenmodell, die über die Verwendung von Ontologien (in der Regel CIDOC CRM) zugleich semantisch präzise ausgewiesen sind. Das Basissystem Drupal mit den spezifischen WissKI-Erweiterungen ermöglichen eine Implementierung dieser Datenmodelle für die Arbeit mit klassischen Eingabemasken, wie man sie aus relationalen Datenbanksystemen kennt.
ConedaKOR
Auf das an der Goethe-Universität Frankfurt am Main entwickelte ConedaKOR (Ruby on Rails, MySQL) arbeitet mit einem RDF-basierten Datenmodell und der Anbindung an semantische Ontologien. Im Gegensatz zu WissKI sind hier in der Startversion bereits einige Standard-Entitäten definiert. Konfigurationen wie die Anlage und Anpassung von Entitäten und entsprechenden Eingabemasken sind niedrigschwellig über die grafische Benutzeroberfläche möglich.
WikiBase
WikiBase ist die zur Nachnutzung vorgesehene Infrastruktur von WikiData – also gewissermaßen WikiData ohne Daten. Das Datenmodell ist wie bei WissKI und ConedaKOR strikt Triple-basiert, allerdings ohne Anbindung an eine Ontologie. Entitäten selbst haben kein Datenmodell, zu jedem Item können beliebige Informationen in Form von Statements erfasst werden. Es gibt deshalb auch keine Eingabemasken nach Feldkatalogen. Damit bietet WikiBase gerade für wissenschaftliche Sammlungen interessante neue Möglichkeiten, erfordert aber auch ganz neue Arbeitsformen und Workflows.
Zur Methodik der Evaluation
Die hier verwendete Bezeichnung „Software-Systeme zur Sammlungsdokumentation“ charakterisiert weniger die Systeme selbst als die uns im Hinblick auf die Sammlungsvernetzung interessierende Verwendung. WissKI versteht sich beispielsweise (bzw. verstand sich ursprünglich) als virtuelle Forschungsumgebung, Omeka S ist (theoretisch) ein reines Präsentationstool, WikiData (und damit WikiBasse) dokumentiert Wissensobjekte aller Art und dabei eher ausnahmsweise auch Sammlungsobjekte. Die Vergleichbarkeit der Systeme ist somit nicht an sich gegeben, sondern lediglich aus der Perspektive, dass die evaluierten Systeme konkrete Optionen für Universitätssammlungen sind, wenn sie Open-Source-Lösungen für ihre digitale Dokumentation suchen.
Im Sinne dieses funktionalistischen Ansatzes sind die praktischen Erprobungen, die wir an den Systemen durchführen, nicht auf die dort vorgesehenen Datenmodelle bezogen, sondern auf die grundlegenden Operationen, die nach unserer Erfahrung bei der digitalen Dokumentation von Universitätssammlungen anstehen.
Dabei geht es zunächst um die formale, physische und inhaltliche Beschreibung der Objekte. Ein weiterer wichtiger Aspekt ist die Einbindung von digitalen Repräsentationen der Objekte und die Frage, welche Medien (Bild, Video, Audio, 3D-Visualisierung) verwendet werden können. Für die Sicherung der Datenqualität ist die Arbeit mit internen und öffentlichen Thesauri und kontrollierten Vokabularen von großer Bedeutung.
Eine Reihe von Kriterien betrifft Details von Dateneingabe und -haltung, etwa die Möglichkeit von Mehrfacheingaben, die Bündelung zusammengehöriger Informationen, die Granularität von Rechtestatus-Angaben oder den Umgang mit Mehrsprachigkeit.
Große Relevanz für die praktische Arbeit in den Sammlungen haben Aspekte wie Im- und Export-Funktionen, das Rechtemanagement und die Benutzerverwaltung, die Verfügbarkeit von Schnittstellen und das Mapping auf Austauschformate wie LIDO oder EAD.
Eine vollständige, kontinuierlich ergänzte Übersicht über die bei unseren Erprobungen zugrunde gelegten Evaluations-Kriterien ist auf unserer Projektdokumentation publiziert.