BieColl - Bielefeld eCollections

Pieper, Dirk

Summann, Friedrich

Autorenidentifikation an wissenschaftlichen Institutionen: das DFG-Projekt ORCID-DE

Dück, Rudi

Vorstellung HRZ: Abteilungen und Dienste

Müller, Ulrich

Michaelis, Frank

Hochschulrechenzentrum 
UB-Kolloqium 08.07.2016 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Was ist das?  
„sciebo“ steht für „science box“ 
ist ein „Sync&Share“ Cloud-Speicher für Forschung & Lehre. 
basiert auf einem Konsortialvertrag zwischen 22 NRW 
 Hochschulen. 
die Uni Bielefeld ist Konsortial-Teilnehmer für die Nutzergruppe 
 „Beschäftigte“. 
die Speicherung der Daten erfolgt an 3 Standorten: 
WWU Münster 
Universität Duisburg-Essen 
RFWU Bonn 
 
 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Was kann das?  
„Sync“: Automatische Synchronisation der Daten mit einem oder 
 mehreren Endgeräten. 
Clients gibt es für: 
Windows (ab Windows 7), 
Linux, 
MacOS (ab OS X 10.7), 
 iOS (ab iOS 8.0), 
Android (ab Version 4.0), 
„Share“: Teilen von einzelnen Dateien/Verzeichnissen mit 
 Dritten. 
Quota für die persönliche „sciebo“ Box: 30 GB/500 GB. 
 
 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Wer darf das nutzen? 
Alle Beschäftigten der Universität Bielefeld 
 
Ein Nutzer hat im SAP SRM den Status „Mitarbeiter“, d.h. 
 hat einen gültigen Arbeitsvertrag. 
 
Folgende Nutzergruppen können daher sciebo leider nicht 
 nutzen: 
 
Studierende, 
Doktoranden,  die aus Drittmittel finanziert werden. 
 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Wofür darf ich das nutzen? 
 Allgemein: für die Speicherung von dienstlichen d.h. nicht  für 
 die privaten Daten. 
 
 In „sciebo“ dürfen gespeichert werden: 
 
Daten ohne Personenbezug aus öffentl. Quellen, 
Regelungen der Fakultäten und Einrichtungen („Umläufe“), 
Nichtwissenschaftliche und wissenschaftliche Daten 
 (gegebenenfalls verschlüsselt). 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Wofür darf ich das NICHT nutzen? 
In „sciebo“ dürfen nicht gespeichert werden: 
 
Studierendendaten, 
Personaldaten, 
Gesundheitsdaten. 
 
Siehe auch „Cloudspeicher-Richtline“. 
Bei Unsicherheit LibTec oder den Informationssicherheits-
 beauftragten fragen! 
Primärer Speicherort sind die Netzlaufwerke der Uni. 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Wie sicher sind meine Daten? 
Speicherung der Daten erfolgt ausschließlich in Deutschland. 
Betrieb durch qualifizierte RZ-Mitarbeiter an den 3 Standorten. 
Redundante Speichersysteme an den Standorten. 
Desaster Recovery: 1x täglich Synchronisation der Daten 
 zwischen den 3 Standorten sowie tägliche Snapshots. 
Kein Backup der Daten auf einem anderen Medium (z.B. 
 Tapes). 
Für den Nutzer: Versionierungs- und Papierkorbfunktionalitäten. 
„sciebo“ darf dennoch kein alleiniger Speicherort für 
 Primärdaten aus der Forschung sein! 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Was muß ich tun, um sciebo nutzen zu 
können? 
Registrierung auf www.sciebo.de erforderlich. 
Authentifizierung mit 
 
HRZ-Benutzername@uni-bielefeld.de 
IDM-Selfservice-Passwort. 
  
Der Service Desk (-6000) hilft! 
Re-Registrierung nach 6 Monaten. 
Login auf https://uni-bielefeld.sciebo.de 
 
 
 
 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 
sciebo – Wie kann ich Daten mit anderen teilen? 
Teilen von dienstlichen Daten in meiner persönlichen „sciebo“-
Box 
durch Verschicken eines Links per E-Mail, 
durch Einladung eines anderen „sciebo“-Nutzers, 
durch Einrichtung eines Gastaccounts. 
 
Teilen von Daten innerhalb eines Projektes 
durch Beantragung einer „sciebo“ Projektbox (30GB – 2TB). 
 
 
 
Hochschulrechenzentrum 
08.07.2016 UB-Kolloqium „sciebo“ 


German

Sciebo

Peil, Vitali

Kohorst, Petra

Von PUB zu LibreCat - Auf dem Weg zu einem universell 
einsetzbaren Publikationsmanagement-System
Von PUB zu LibreCat
Agenda
• PUB? LibreCat? Catmandu? – Who is who?
• Auf dem Weg zu LibreCat – erste Schritte
• Eine Exkursion zur ELAG-Konferenz nach Kopenhagen
• Stand der Dinge
• ToDo
• Zukunft
Who is who? - PUB
PUB – Publikationen an der Universität Bielefeld
• Publikationslisten, Forschungsdaten, Dissertationen, graue 
Literatur...
• Personen, Projekte, Preise und Auszeichnungen...
• Schnittstellen, Filter, Suche, Importe, Exporte, Formate...
• Verknüpfungen all dieser Punkte untereinander
Who is who? - PUB
Mehr als ein Repository
Weniger als ein Forschungsinformationssystem
PUB ist ein Publikationsmanagement-System
Who is who? - PUB
PUB ist Bielefeld-spezifisch
• Uni-Bielefeld Design, Logos, Farben, Texte
• LDAP, PEVZ, DOI-Registrierung, URN-Registrierung, Zitationsstile, 
PUB-Theses, Fakultätszuordnung, Projektzuordnung, Rollen, 
Rechte ...
• Zugeschnitten auf die Anforderungen unserer Bielefelder 
Wissenschaftler
Who is who? - LibreCat
• Zunächst: Name einer Arbeitsgruppe (UB Lund, UB Gent und UB 
Bielefeld)
• Das Catmandu-Toolkit löste sich heraus, wird entwickelt in Gent
• Die UB Lund tritt in den Hintergrund, ist nur noch Anwender
• Die UB Bielefeld baut ein komplettes Produktiv-System auf Basis 
von Catmandu
Einschub: Who is who? - Catmandu
• Catmandu sind Perl-Werkzeuge
• zur einfachen Datenverarbeitung und –veränderung
• zum einfachen Datenzugriff
• für immer wiederkehrende Arbeits- und Programmierabläufe
• Als Perl-Modul über CPAN verfügbar, Bestandteil von Ubuntu 15.04
• "Catmandu vereinfacht 20 Zeilen Code zu 3 Zeilen"
• Catmandu nutzt durchgehend utf-8 (keine Umlautprobleme mehr!)
Who is who? - LibreCat
• Oft werden wir gefragt, wo man die PUB-Software finden kann
• Wir wollen PUB zu github bringen und frei verfügbar machen
• ABER: PUB ist Bielefeld-spezifisch, PUB ist komplex, PUB 
verwendet eine große Sammlung von Perl-Modulen
• UND: jeder hat andere Anforderungen
Wir möchten PUB verallgemeinern -> LibreCat
Who is who? - LibreCat
Das Ziel ist es, die Frage
Was ist LibreCat?
in Zukunft so beantworten zu können:
LibreCat ist ein Grundgerüst, ein Basispaket, mit dem man sich in 
wenigen Schritten ein Publikationsmanagement-System wie PUB 
aufbauen kann.
Who is who? - LibreCat
PUB ist die erste Instanz auf Basis von LibreCat.
• Die SUB Göttingen wird eine weitere, individuelle Instanz von 
LibreCat aufbauen.
• Die UB Gent noch eine weitere.
Sie werden alle
• unterschiedlich aussehen,
• unterschiedliche Dienste bieten und
• unterschiedliche Komponenten verwenden.
Aber sie werden alle grundlegend gleich funktionieren.
Who is who? - LibreCat
Klingt gut? - MOMENT!
Noch ist das Zukunftsmusik. Wir sind noch nicht (ganz) fertig.
Was ist dafür noch nötig?
• LibreCat muss frei von UniBi Elementen sein
• frei konfigurierbar sein und
• möglichst frei von Bugs sein.
Und
• Jede Institution muss ihre Daten migrieren!
Wir in Bielefeld haben das Pferd von hinten aufgezäumt.
Auf dem Weg zu LibreCat – erste Schritte
Eine Exkursion zur ELAG Konferenz nach Kopenhagen
ELAG – European Library Automation Group
https://elag.org
ELAG Konferenz
• Europas größte Konferenz zur Anwendung von 
Informationstechnologien in Bibliotheken
• Veranstaltet seit mehr als 30 Jahren
• Publikum: Bibliotheks- und IT-Spezialisten
• Themen (u.a.): Digitale Bibliothek, Web Services, 
Langzeitarchivierung, Open Source Software
ELAG 2016
7-9. Juni 2016 - Kopenhagen, Dänemark
http://elag2016.org/
Thema 2016:
LibreCat
Transforming an Institutional Repository
ELAG Conference 7-9 June 2016 in Copenhagen, Denmark
Petra Kohorst, Vitali Peil (Bielefeld University Library)
"LibreCat - Transforming an Institutional Repository", ELAG Conference
AGENDA
• INSTITUTIONAL REPOSITORY
• TECHNOLOGIEN
• DATEN
• NUTZER (INTERFACE)
• WHAT'S NEXT?
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Technologien
AUSSTIEG
• kompliziertes DB Schema, Template Engine, veraltete Module, 
schlecht zu erweitern
ÜBERGANG
• Entscheidungen: welche Technologien? -> Nutzt Dinge, die ihr 
kennt!
EINSTIEG
• Open Source, moderne Frameworks, sichere aber schnelle Haupt-
und Indexspeicher
• Und für alle Daten, die rein oder raus gehen: use Catmandu;
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Daten
AUSSTIEG
• Verwirrende Daten aufgrund von "geerbter" Datenbank(struktur)
• Viel "Datenmüll", der sich in der DB angesammelt hat
• Überflüssige Felder und Relationen
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Daten
ÜBERGANG
• Datentransformation mit Catmandu
• technisch einfach, inhaltlich sehr kompliziert
• Felder erstellen, umbenennen, neu strukturieren, löschen
• Daten in den Feldern aufräumen
• Neue Struktur des FileStore
• Aufgabe: sicheren Weg finden, Dateien/Volltexte zu migrieren
• Überraschungen finden wir heute noch!
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Datentransformation fühlt sich an wie der Versuch, dies hier zu bauen...
[CC BY-NC 2.5]
[https://xkcd.com/1406/]
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Daten
EINSTIEG
• MySQL als Hauptdatenspeicher - nur json-Blobs, also reiner Text
• Nach Datentyp (publication, person, project) auf Tabellen 
verteilt
• Einfache Struktur, leicht zu warten
• ElasticSearch Suchindex
• Gleiche Struktur wie Hauptdatenspeicher, aber indexiert
• Beim Indexieren mit weiteren Daten anreichern
• Leichter Zugriff auf alle Daten Dank Catmandu
"LibreCat - Transforming an Institutional Repository", ELAG Conference
Nutzer Interface
AUSSTIEG
• Veraltetes Design, nicht responsiv, kompliziert
ÜBERGANG
• Wie geht "intuitiv bedienbar"?
• Übergang? Keiner! Wir haben einfach umgeschaltet und die Nutzer 
mit dem neuen System konfrontiert.
EINSTIEG
• Schnell, responsiv, benutzerfreundlich (hoffentlich), intuitiv 
(hoffentlich), leicht(er) zu warten
Zurück nach Deutschland...
Stand der Dinge
• LibreCat ist auf github https://github.com/LibreCat/LibreCat
Wir haben:
• Installationsanleitung
• automatische Perl-Modul-Installationen (via cpan-file)
• Dummy-Datensätze für den Schnellstart mit Datenbanken
• Unterstützung für verschiedene Betriebssysteme
• Konfigurierbarkeit in einigen Bereichen, aber noch längst nicht allen
ToDo
• Austauschbare File- und MainStores
• Jobserver zur Lastverteilung
• CLS-Engine modularisieren
• Validierung vor dem Speichern
• Schema für Daten festlegen
• Design verallgemeinern
• Design (etc.) lokal anpassbar machen
• Dokumentation, Dokumentation, Dokumentation
• Trennung von Backend und Frontend durch API
Zunkunft
• LibreCat in
• Gent und Göttingen als Publikationsmanagement-System
• Lund als Oberfläche für kleinere Datenbanken
• Bielefeld als Basis für PUB
• LibreCat in Bielefeld und Göttingen als Grundlage für ein System, 
das in Richtung "Forschungsinformationssystem" geht.
"LibreCat - Transforming an Institutional Repository", ELAG Conference
JOIN US!
• http://librecat.org - home page
• https://librecatproject.wordpress.com - blog
• https://github.com/LibreCat/LibreCat - code
• librecat-dev@lists.uni-bielefeld.de - mailing list
Vielen Dank!


Von PUB zu LibreCat - Auf dem Weg zu einem universell einsetzbaren Publikationsmanagement-System

Knorn, Barbara

Fortentwicklung der Universitätsbibliothek 2016
Warum heißt der Vortrag nicht 
Strategieentwicklung der Bibliothek?
• Stand der Strategieentwicklung
• Fortentwicklung meint:• Planungen zu den Weiterentwicklungen in den Dezernaten / Bereichen • Digitalisierung (im weiten Sinn)• Optimierung
• Hier stehen nicht die Projekte im Fokus
Digitalisierung : 
• Retrodigitalisierung: Analoge Medien werden in elektronische Dokumente überführt
• Im weiten Sinn: Wandel hin zu elektronisch gestützten Prozessen – Digitale Revolution• Bundesregierung: Digitale Agenda 2020 - auch die Verwaltung steht vor der Herausforderung einer nutzerorientierten, effizienten und innovativen Digitalisierung• eGovernment-Gesetz für NRW ist derzeit in Beratung
Digitalisierung in Bibliotheken
Weltweit: Larry Page:  „Google`s mission is to organize the world`sinformation.“
Europa:• Europeana:http://www.europeana.eu/portal/
• Horizon 2020 (2014-2020)https://ec.europa.eu/programmes/horizon2020/
Digitalisierung in Bibliotheken / Deutschland
• DFG fördert zahlreiche Projekte, Aufbau der Digitalisierungszentren in Göttingen und München
• DFG finanzierte Nationallizenzen oder die von ihr geförderten Allianzlizenzen – Bündelung – bessere Preise konnten erzielt werden - aktuell DEAL 
NRW:• Landesregierung Dialogprozess „Bildung 4.0“ Lernen im Digitalen Wandel 
• Digitalisierungsstrategien von Hochschulen: Workshop für Prorektoren, CIOs + eLearning-Beauftragten - zu den Digitalisierungsstrategien zählen auch  FDM und O.A. = Hauptentwicklungsfelder unserer Bibliothek
Digitalisierung – neue Kernaufgabe fürBibliotheken: Publikationsdienstleistungen
Open Access (Goldener und Grüner Weg)
• OA-Publikationsfonds
• OJS-Hosting
• OA-Repositorium 
• Hochschulschriften
• Forschungsdaten 
• DOI / URN – Registrierung
• Langzeitarchivierung (LOCKSS)
•http://oa.uni-bielefeld.de/ 4
Auswirkungen E-Publishing 
• Verstetigung Kontaktstelle Forschungsdatenmanagement
• Parallel Open Educational Resources
• DBS ist noch nicht angepasst (z. B. E-Books)
• 2,3 Millionen Bücher und Zeitschriften + 0,5 Mill. E-Books
• Ausleihzahlen gehen zurück, gleichzeitig werden Nutzungsstatistiken von E-Books nicht einbezogen
Kontaktstelle Forschungsdaten: Services
• Informationen zu Empfehlungen von Förderern und 
Wissenschaftsorganisationen sowie Informationen zum Data-
Management-Plan (gemeinsam mit FFT),
• Beratung in Rechtsfragen zu Forschungsdaten (gemeinsam 
mit dem Justitiariat),
• Information über Aus- und Weiterbildung im Forschungsdaten-
Management,
• Zuverlässige Bereitstellung, Archivierung von 
Forschungsdaten,
• Registrierung von Forschungsdaten: Eindeutige Zuweisung 
von Persistent Identifier zu Forschungsdaten (DOIs),
• Hilfen für den Aufbau fachspezifischer 
Forschungsumgebungen,
• Schulungen im hochschulweiten Kontext, Vernetzung
Universitätsbibliothek / Alle
• Umsetzung der Planung mit dem HRZ / Abschluss der Migration auf den neuen Terminalserver (erfolgt)
• Dienstrechner• Aktuelle Software • Schulungen für Office 2013, Word, Excel, PowerPoint • Noch spezielle Anpassung in Teilbereichen erforderlich 
Neues Auskunftskonzept (1)
Warum ist das notwendig?
• Personell• Technisch• Baulich
Neues Auskunftskonzept (2)
Ziel ist eine übersichtlichere Struktur bei Auskunftsdiensten 
durch drei Levels:
• Ausleihterminals (Kurzauskünfte), ZL-Terminal 
(Schwerpunkt Gebühren/Fernleihe)
• Serviceterminals C, T, X (Schwerpunkt einfachere 
Auskünfte, FB-Auskünfte) als Anlaufpunkte je "Schiene"
• Informationszentrum U0 (Schwerpunkt bibliothekarische 
Beratung), ergänzt durch fachliche Beratung in 
Fachreferaten
Neues Auskunftskonzept (3)
Vorteile – Ausbau der Serviceterminals:
• Klare Auskunftsstruktur (InfoZentrum, FBB, FR)• Verlässlichkeit der Besetzungszeiten• Einheitlichkeit der Besetzungszeiten• An jedem Standort möglich• Mehr Flexibilität für die Nutzerinnen und Nutzer
Neues Digitalisierungskonzept in Planung
• Drittmittelgeförderte Vorhaben
• Universitäre Vorhaben
• Eigene Bestände
Optimierung im Servicebereich (1)
• UniCard: Ausgabe für externe Nutzerinnen und Nutzer, ab Mai 2016
• Test Dokumentlieferdienst für alle Fakultäten
• Ausbau Lern- und Arbeitsort (Rechner, Farbkonzept…)
• Bibliothekskatalog: Integration / Test Print PDA
Optimierung im Servicebereich (2)
• eLearning – Webinare, Infofilme…
• E-Book-Policy (Test mit Fakultät für Wirtschaftswiss.)
• Nutzerbefragungen
• Beteiligung an Konzeption und Neuvergabe öffentlicher Kopier- Druck- und Scandienstleistungen 
• ….
Optimierung im internen Bereich (1)
• Strategieentwicklung (Thema der Direktion)
• Leitungsentwicklung (Thema des Kanzlers)
• Test Approval Plan Physik/Mathematik
• Integrierte Medienbearbeitung weiter ausbauen (u.a. 
Neuorganisation des Arbeitsbereichs Technische 
Buchbearbeitung, prozessorientierter 
Personaleinsatz etc.)
Optimierung im internen Bereich (2)
• Begleitung der Umstellung auf SAP-Zeitwirtschaft
• Konsolidierung Echtbetrieb RDA 
• Einführung Data Warehouse in Abstimmung mit 
Universität -Einführungsphase bis Ende 2016
• ….
Ausblick
• Haushalt
• Sondermittel
• Stellenabgaben / Personalentwicklung
Motivierte, engagierte und kompetente Kolleginnen und Kollegen


Fortentwicklung der Universitätsbibliothek 2016

Attraktive Lernorte / Lernräume: 
Kooperationen, Entwicklungen und 
Erwartungen
Lernorte / Lernräume der Bibliothek – aktueller 
Stand
Lernorte:
Einzelarbeitsplätze: konzentriertes Arbeiten, PC-Arbeitsplätze
Loungebereiche
Gruppenarbeitsplätze 
Schulungsraum
Diskussionsräume
Lernorte (4)
Lernräume: eLearning: Stud.IP, Lernraum, LernraumPlus, 
Webseite: http://www.uni-bielefeld.de/lernorte/
Warum ist das Thema aktuell?
Digitalisierung von Material
Digitalisierung von Arbeitsvorgängen 
Digitalisierung von Information
Digitalisierung von Organisation
Digitalisierung von Kommunikation
Digitalisierung von Kollaboration
Digitalisierung von didaktischen Konzepten (Einsatz digitaler 
Methoden)
Thema in NRW; in unserer Hochschule; in Bibliotheken
Lernorte: Verbesserungen 2016
• Verbesserung der Ausstattung der Diskussionsräume im UHG: 
Glastüren, Wandanstrich, Steckdosen, einheitliche Tische
• Punktuelle Maßnahmen zur Aufwertung der Einzelarbeitsplätze 
in den Lesesälen der Fachbibliotheken: Stuhlkissen, Steckdosen, 
PC-Arbeitsplätze (V1 und Gebäude X), Rollcontainer, Bäderliegen
• Modernisierung des Lernort.Plus im Bauteil U0: akustische 
mobile Trennwände, mobiles Raumelement, Lokalisierung des 
Lernort.Plus, z. T. flexibles Mobiliar für Gruppenräume
Quellen
• Kompetenz aus dem Haus: Dezernatsbesprechung der 
Benutzung, Austausch mit ZLL
• Kleine Gruppe von Studierenden (Keine SHK)
• Literatur
• Best-practice
Ideen zur Verbesserung (1)
• WLAN verbessern 
• Mehr Strom
• Stühle sind gut – mehr bewerben
• Arbeitsatmosphäre / Klima im Sommer ist gut - besser 
vermarkten
• Verbote besser erklären (warum z. B. kein Essen 
erlaubt, warum keine Laptop-Taschen) 
• Bibliothekarisches Vokabular schwer verständlich
• Ausleihterminal / Rollenkonflikt: Kontrolle / Freundlicher 
Empfang
• Filme sind bei Studierenden DAS Medium für den 
ersten Einstieg 
Ideen zur Verbesserung (2)
• Persönlicher Assistent 
• Schulungen zur Nutzung von VPN-Zugang (wird als 
schwierig angesehen / technische 
Verbesserungsoption?)
• Elektronische Buchung von Diskussionsräumen
• Die Tischleuchten aus dem Gebäude X werden als 
besonders angenehm empfunden – Einsatz auch für das 
UHG?
• Audio-Guide durch die Bibliothek
• Online-System für gefragte Arbeitsplätze
Was hebt uns ab von anderen?
• Digitale Lizenzen der Bibliothek werden geschätzt, 
besonders auf dem Campus selbst
• Anzahl der Arbeitsplätze (+ in der Regel Tageslicht)
• Kurze Wege: Bestand / Lesesaal – Fakultät / 
Fachbibliotheken
• Alleinstellungsmerkmal: ruhige Arbeitsplätze
• Arbeitsatmosphäre / Arbeitsmaterial / persönlicher 
Service
Kooperationen
ZLL
• Lernraum.Plus (Bündelung von Beratungskompetenz)
• Webseite zu den Lernräumen
• Erstellung von Informationsmaterial (Clips, Infofilme…) (Bündelung 
von Know-How zur Erstellung von Filmen)
HRZ (IT-Informationsinfrastruktur)
• WLAN
• Strom
• VPN
CITEC
• Begleitung einer Examensarbeit „Virtual Reality“
Bibliothek als Dienstleister für die digitale Lehre 
und das digitale Studium   
• Lern- und Arbeitsort 
• Austausch 
• Verarbeitung 
• Beratung (Auskunftskonzept!)  + Online-Auskunft
• Elektronische Lizenzen (Datenbanken, eBooks, eJournals)
• Literaturverwaltungssystem
• Informationskompetenz (Integrierte Präsenzveranstaltungen, 
Basismodule, Aufbau- und Spezialmodule) + Online Unterstützungen 
(Videofilme / Virtuelle Führung…)
Perspektiven (1)
• Bibliotheken sind relevante Orte im digitalen Zeitalter
• Raum für die Kommunikation gewinnt an Bedeutung 
(digital und physisch) 
- Webseite aktualisieren
- Ausstattung weiterhin verbessern
• Beratung / Informationskompetenz gewinnt weiter an 
Bedeutung 
- Filme (Clips, Infofilme, …)
- Ausbau im Kontext e-Science
Perspektiven (2) Digitalisierung mitgestalten!
• Lernort / Lernraum (Übergänge vom physischen zum digitalen 
Raum)
• Spagat / Synergien zwischen den Ressourcen einer Einrichtung und 
kooperativen Aufgaben
• Digitale Hochschule NRW (hervorgegangen aus DV-ISA)
https://www.dh-nrw.de/


Attraktive Lernorte / Lernräume: Kooperationen, Entwicklungen und Erwartungen

Herb, Silvia

Pietsch, Christian

Print-PDA als neuer Service im Zusammenhang nutzergesteuerter Erwerbung

Janzen, Olga

Bentrup, Anna-Lina

Salentin, Kurt

Forschungsdatenerhebung und -management im IKG-Moscheeprojekt

Schirrwagen, Jochen

Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Verfahren zur Dublettenerkennung und -
behandlung
Kolloquium Wissensinfrastruktur, 24. Juni 2016
Jochen Schirrwagen, Universitätsbibliothek Bielefeld
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Dubletten
• Dublettenerkennungsmethoden
• Dublettenfusion
Agenda
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Duplikate: verschiedene Datensätze, die dasselbe Realweltobjekt 
(Entität) repräsentieren
• Dublikaterkennung: Identifizierung von Dubletten (record linkage, object
identification, entity resolution)
Begriffs-Definition
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Bei Mehrfacheingaben eines Datensatzes in ein System (Katalog, 
Repository, …)
• Bei Informationsintegration
• Zusammenführung von Objekten aus unterschiedlichen 
Systemen (Data-Warehouse-System, Metadatenaggregator, …)
• Weitere ?
Auftreten
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Semantische Fehler, z.B. Altdaten mit Feldern und Werten, die 
aktuellem Datenmodell nicht mehr genügen
• Syntaktische Fehler, z.B. Werte in falschem Feld oder in falscher 
Reihenfolge („Peter Müller“ statt „Müller, Peter“) 
• Lexikalische Fehler („Müller“ statt „Mueller“)
• Typographische Fehler („Unsin“)
• Kodierungsfehler (z.B. Zeichenkette nicht in UTF-8)
Fehlertypologie in Datensätzen
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Qualitätsaspekt
• Z.B. möglichst genaue, eindeutige Trefferlisten 
• Voraussetzung für verlässliche Mehrwertdienste wie:
• (Nutzungs-) Statistiken
• „Claiming“-Dienste (Autor <-> Publikationen)
• Informationsanreicherung und –korrektur
• Weitere Ideen ?
Bedeutung
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
?
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
?
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• PUB OAI Metadaten (keine Projektinformation enthalten)
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Beispiel: Suche/Treffer für Titel 
„Haptic Communications“
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Zielkonflikt bei der Umsetzung von Verfahren zur 
Dublettenerkennung
Effektivität Effizienz
Partitionierung
Ähnlichkeitsmaß
Precision - Recall
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Gute Ergebnisse, also Duplikate möglichst genau und vollständig 
erkennen
• Mit Hilfe von Ähnlichkeitsmaßen (verwandt mit Distanzmetriken)
• i.d.R. Vergleich von Zeichenketten, alternativ Vergleich strukturierter 
Datensätze etc. 
• D.h. Maßzahl ermitteln, z.B. im Bereich {0..1} 
• Schwellwert festlegen
• Im Idealfall: Maßzahl = 1, also zwei Datensätze sind identisch
• Beurteilung der Güte der gewählten Methode mit den Maßen 
• Precision (Präzision, Genauigkeit): Verhältnis gefundener 
relevanter Dokumente zur Zahl aller gefundenen Dokumente
• Recall (Vollständigkeit): Verhältnis zwischen gefundenen 
relevanten Dokumenten und Gesamtzahl aller vorhandenen 
relevanten Dokumente
Effektivität
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Edit-Distanz:
• z.B. Levenshtein-Distanz (minimale Anzahl an Edit-Operationen, 
um Zeichenkette A in Zeichenkette B zu überführen) 
• Tolerant gegenüber lexikalische / typograph. Fehler
• Schlecht  bei syntakt. Fehlern (Feldvertauschungen)
• Jaro-Winkler-Ähnlichkeit: geeignet für kurze Wörter, berücksichtigt 
Transposition einzelner Buchstaben
Ähnlichkeitsmaße (Auswahl)
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Betrachtung von Zeichenketten als Vektoren im (eukl.) Vektorraum
• cos 𝜃 =
𝑎∗𝑏
𝑎 ∗ 𝑏
• Ähnliche Zeichenketten liegen als Vektoren dicht beieinander -> kleiner 
Winkel
• Tolerant gegenüber Position u. Reihenfolge einzelner Terme in einer 
Zeichenkette („Peter Müller“ entspricht „Müller, Peter“)
• Aber schlecht bei typogr., phonet. Fehlern
Kosinus-Ähnlichkeit
a
b
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Wichtung von Termen, so dass Terme mit höherem Gewicht Kosinus-
Ähnlichkeit stärker beeinflussen als Terme mit niedrigerem Gewicht
• tf = term frequency (Vorkommenshäufigkeit)
• Lokaler Gewichtungsfaktor, d.h. Häufigkeit eines Terms in einer 
Zeichenkette
• idf = inverse document frequency (inverse Dokumenthäufigkeit)
• Globaler Gewichtungsfaktor, d.h. Häufigkeit eines Terms im 
Dokumentenkorpus insgesamt
tf-idf-Maß (Termgewichtung)
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Wie gut skaliert die Menge zu vergleichender Datensätze mit der 
Laufzeit?
• Paarweiser Vergleich jedes Datensatzes mit jedem anderen heißt:
•
𝑛2−𝑛
2
Vergleiche, aber exponentielle Laufzeit 𝒪(𝑛2)
• Optimierungsansatz: Partitionierung der Datensätze
• Reduzierung der Laufzeit auf 𝒪(n ∗ log 𝑛)
Effizienz
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Blocking / Clustering
• Unterteilung „grob ähnlicher“ Datensätze in Partitionen
• Z.B. anhand bestimmter Attribute, wie das Publikationsjahr
• Ggf. überlappende Partitionen
• Schwierigkeit besteht im Finden guter Blocking-Strategie
• Partition soll tatsächliche Duplicate enthalten
• „Fenster-Technik“ (sliding window, sorted neighborhood)
• Sortierung der Datensätze nach bestimmten Schlüssel / 
Eigenschaften
• Mögliche Duplikate liegen nahe beieinander
• Vergleich aller Datensätze, die in einem Fenster der Größe n 
liegen
• In der Praxis Kombination beider Verfahren
Partitionierung
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• Entweder
• Wahl eines repräsentativen Datensatzes
• Aber nach welchen Kriterien?
• Was passiert mit den Dubletten?
• Oder
• Erzeugung eines neuen Datensatzes
• Aus den Werten der Dubletten 
• Im Ergebnis ein angereicherter Datensatz
• Wie mit evtl. vorhandener fehlerhafter Information in 
Dubletten umgehen?
Datenfusion (Merging)
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
• In Ergänzung zu automatischen Verfahren zur Zeit auf Ebene von 
• Organisationen
• Bibliographischen Metadaten
• Erlaubt das einfache Gruppieren von Datensätzen (hinzufügen / 
entfernen)
Dubletten-Kuration in OpenAIRE
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Dubletten-Kuration in OpenAIRE
Geistes-, Natur-, Sozial- und Technikwissenschaften – Transcending Boundaries
Quellen
• Krause, Th. (2012). Entwurf und Implementierung einer effizienten 
Dublettenerkennung für große Adressbestände. Masterarbeit, 
http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:832-epub-3667
• Atzori, Cl. (2016). gDup: an integrated and scalable graph deduplication 
system. Dissertation, https://etd.adm.unipi.it/t/etd-05092016-090250/
• Naumann, F. (2007). Methoden der Dublettenerkennung. 
https://hpi.de/fileadmin/user_upload/fachgebiete/naumann/publications/
2007/40-43_IQR_Dubletten_erkennen.pdf
• Wendykier, P. (2013). Deduplication of metadata harvested from Open 
Archives Initiative repositories. Information Services & Use, 33(2), 77-
86. DOI: 10.3233/ISU-130695


Verfahren zur Dublettenerkennung und -behandlung

Wiljes, Cord

Ayer, Vidya

Continuous quality control for research data to ensure reproducibility: The DFG project CONQUAIRE

Not a member yet