110. Deutscher Bibliothekartag in Leipzig 2022 = 8. Bibliothekskongress
Refine
Year of publication
- 2022 (6)
Document Type
Has Fulltext
- yes (6)
Is part of the Bibliography
- no (6)
Keywords
- Inhaltserschließung (6) (remove)
Language
- German (6)
Die Deutsche Nationalbibliothek (DNB) baut derzeit ein neues System zur automatischen Inhaltserschließung auf. Das Erschließungssystem wird modular entwickelt, damit einzelne Funktionen und unterschiedliche Verfahren flexibel kombiniert, ausgetauscht oder ergänzt werden können. Durch die Modularität und die Flexibilität soll eine kontinuierliche Verbesserung der Erschließungsergebnisse und eine bessere Wartbarkeit ermöglicht werden. Als Verfahren für den produktiven Einsatz wurde u.a. erfolgreich Annif evaluiert, ein Open-Source-Werkzeugkasten zur automatischen Klassifizierung und Indexierung, entwickelt an der Finnischen Nationalbibliothek [1]. Im Vortrag werden Ergebnisse der automatischen Indexierung deutschsprachiger Publikationen mit Schlagworten der Gemeinsamen Normdatei (GND) vorgestellt. In diesem Anwendungsfall stehen 1,3 Millionen GND-Schlagworte für die Inhaltserschließung zur Verfügung, die automatisch den Publikationen zugeordnet werden können. Erfahrungen mit verschiedenen Algorithmen werden präsentiert, Unterschiede von lexikalischen versus lernenden Verfahren im Anwendungsfall GND herausgearbeitet und analysiert. Desweiteren wird die technische Integration von Annif in den produktiven Workflow veranschaulicht: Von der Textbereitstellung und der Identifizierung der Sprache des Textes, zur Auswahl des geeigneten Annif-Verfahrens bis hin zur Aktualisierung des bibliographischen Datensatzes. [1] http://annif.org/
Das Regelwerk RSWK (Regeln für die Schlagwortkatalogisierung), welches bisher die Anforderungen der bibliothekarischen verbalen Inhaltserschließung bediente, wird durch einen neuen Erschließungsstandard für den D-A-CH-Raum abgelöst. Das neue Regelwerk wird durch einen modularen Aufbau, unterteilt in Anwendungsprofile, eine leichtere Anwendbarkeit und die Anschlussfähigkeit der Regeln an erweiterte Bedürfnisse aus anderen Communities (GLAM) ermöglichen. Dazu gilt es, für die Rolle von Schlagwörtern in der Erschließung (z. B. motivische Darstellungen oder unterschiedliche Beziehungen von Schlagwörtern) bessere Lösungen zu finden, diskutiert wird der Einsatz von Rollenoperatoren. Ein weiteres Ziel ist es, die Abbildung von zeitlichen Sachverhalten zu verbessern sowie insgesamt weniger Freitextfelder in den Daten zu haben um schlussendlich inhaltserschließende Metadaten für umfassende und vielfältige semantische Umgebungen einsetzbar zu machen. Im Hinblick auf die Anwendung wird es ermöglicht, sich für eine enge oder weite Erschließung zu entscheiden, in diesem Zusammenhang wird auch die bisherige Praxis der Zerlegungskontrolle hinterfragt werden müssen. Die Verzahnung maschineller Erschließungsverfahren mit der intellektuellen Erschließung als auch ethische Überlegungen der Inhaltserschließung werden vermehrt Berücksichtigung finden. Für eine deutlich vereinfachte Benutzbarkeit des neuen Standards entwickeln wir Templates, die mit der Wikibase-Plattform kompatibel sind und erstellen Anfangssets zu Anwendungsprofilen. Vor allem aber haben alle angestrebten Änderungen die Bedarfe der Endnutzer*innen – angelehnt an die IFLA LRM user tasks - als Ziel im Blick. Die Herausforderung, aber auch die Chance der Neuentwicklung besteht darin, ein für heterogene Ansprüche offenes Regelwerk zu entwickeln und dabei trotzdem eine möglichst homogene und vergleichbare Erschließung und Erfassung von Normdaten zu ermöglichen.
Die Registerbegriffe der Regensburger Verbundklassifikation (RVK) dienen bisher in erster Linie zur gezielten Suche nach bestimmten Systemstellen. Die vor einigen Jahren erfolgte Verknüpfung der RVK mit der Gemeinsamen Normdatei (GND) und die Aufbereitung der RVK als Normdatei lassen es jedoch denkbar erscheinen, die Registerbegriffe auch im Rahmen der Katalogrecherche zu nutzen – insbesondere für weiterführende und exploratorische Recherchen im Anschluss an eine „known-item search“. Der Vortrag stellt die Ergebnisse einer Studie zu einer möglichen Einbindung von RVK-Registerbegriffen in die Katalogrecherche vor. Unter anderem wurde dabei untersucht, ob es grundsätzlich problematische Systematiken oder Notationsbereiche gibt, welche Notations- oder Register-Typen sich nicht oder besonders gut dafür eignen würden, und wie mit Notationen umzugehen wäre, die mehrere Registereinträge aufweisen. Aus der Untersuchung, die auf einer qualitativen Auswertung von Notationsstichproben aus ausgewählten RVK-Systematiken beruht, gingen drei Kategorien von Notationen und deren Registereinträgen hervor: eindeutig geeignete, eindeutig nicht geeignete und ein großer Teil von Fällen, die nur nach umfassenden Vorarbeiten sinnvoll eingebunden werden könnten. Die herausgearbeiteten Fall-Cluster geben einen Überblick über die Chancen und Grenzen einer möglichen Einbindung der RVK-Registerbegriffe in die Katalogrecherche.
Schlagwörter dienen nicht nur dem Zugang zu Dokumenten (Recherche), sondern sollen den Nutzerinnen und Nutzern auch Orientierung über den Inhalt von Dokumenten bieten (Anzeige) sowie Explorationsmöglichkeiten eröffnen (Navigieren, Browsen, Entdecken von Nützlichem). Häufig wird diesen beiden Aspekten jedoch nur wenig Aufmerksamkeit geschenkt, zumal die „Regeln für die Schlagwortkatalogisierung“ (RSWK) dazu nur wenige Aussagen treffen. Eine Sichtung von Katalogen und Resource Discovery Systemen (RDS) im deutschsprachigen Raum zeigt zum einen, dass die Schlagwörter vielfach geradezu ‚versteckt‘ werden. Zum anderen wird deutlich, wie enorm uneinheitlich die Präsentation von verbaler Inhaltserschließung ist: Beispielsweise gibt es erhebliche Unterschiede dabei, wie Schlagwörter innerhalb einer Schlagwortfolge abgetrennt sind, wie mehrere Schlagwortfolgen voneinander abgegrenzt werden, welche Terminologie verwendet wird und welche Optionen für Anschlussrecherchen und weiterführende Exploration angeboten werden. Nicht nur diese Vielfalt kann ein Problem für Nutzerinnen und Nutzer darstellen – nicht selten sind die gewählten Varianten auch schlecht verständlich, unattraktiv umgesetzt, wenig innovativ oder in anderer Weise suboptimal. Anhand von Beispielen werden unterschiedliche Lösungen diskutiert und Möglichkeiten aufgezeigt, um das Potenzial verbaler Sacherschließung künftig besser zu nutzen.
Die ZBW – Leibniz-Informationszentrum Wirtschaft betreibt seit 2016 eigene angewandte Forschung im Bereich Machine Learning mit dem Zweck, praktikable Lösungen für eine automatisierte oder maschinengestützte Inhaltserschließung zu entwickeln. Seit 2020 wird an der ZBW eine Softwarearchitektur aufgebaut, die diese prototypischen Lösungen in einen produktiven Dienst überführt und mit den bestehenden Nachweis- und Informationssystemen verzahnt. Sowohl die angewandte Forschung als auch die für dieses Vorhaben ("AutoSE") notwendige Softwareentwicklung sind direkt im Bibliotheksbereich der ZBW angesiedelt, werden kontinuierlich anhand des State of the Art vorangetrieben und profitieren von einem engen Austausch mit den Verantwortlichen für die intellektuelle Inhaltserschließung. In diesem Vortrag berichtet das AutoSE-Team, wie weit wir in zwei Jahren mit dem Aufbau und der Integration der Softwarearchitektur gekommen sind. Wir stellen die erreichten Meilensteine vor und geben Erfahrungswerte weiter, die wir auf dem Weg dahin mitgenommen haben. Eines der Ergebnisse, das bis zum Ende der Pilotphase 2023 vorliegen soll, ist die Beschreibung eines tragfähigen Modells für den permanenten produktiven Betrieb des AutoSE-Dienstes, das regelmäßige Überprüfungen sowohl einzelner Komponenten als auch des Produktionsworkflows als Ganzes vorsieht und eine fortlaufende Weiterentwicklung der Architektur erlaubt. Die Architektur basiert auf Open-Source-Software und die eingesetzten Machine-Learning-Komponenten werden in einer internationalen Zusammenarbeit mit der Finnischen Nationalbibliothek (NLF) weiterentwickelt und zur Nachnutzung in dem von der NLF entwickelten Werkzeugkasten Annif aufbereitet. NLF und ZBW haben bereits mehrere Tutorials zu Annif abgehalten: https://github.com/NatLibFi/Annif-tutorial. Wir diskutieren, welche Bedingungen gegeben sein müssen, um die darin enthaltenen Machine-Learning-Lösungen an einer Institution erfolgreich für die Inhaltserschließung einzusetzen.