1

• Kooperative Langzeitarchivierung
• für Wissenschaftsstandorte
• http//kolawiss.uni-goettingen.de

AP2 Erfassen Kategorisieren von Datenbeständen
Expertenworkshop 09.12.2008 Göttingen
Sven Vlaeminck Niedersächsische Staats- und
Universitätsbibliothek (SUB) Göttingen
Historisches Gebäude, Papendiek 14, 37073
Göttingen Fon 0551 39-4773 Mail to
vlaeminck_at_sub.uni-goettingen.de
2
AP2 Ziele Methodik

• Ziele
• Ermittlung von Eigenschaften der Datenbestände
• Ermittlung von Kriterien zur Kategorisierung
• Einbeziehen heterogener Datenbestände
• Methode
• Evaluierung des Ist-Standes durch Nachnutzung des
  nestor-Online-Surveys 2007 (Bedarfsabklärung zur
  Langzeitarchivierung digitaler Daten an der
  Universität Göttingen)
• Literaturstudium

3
Ist-Stand Erfassung
Kooperative Langzeitarchivierung für
Wissenschaftsstandorte http//kolawiss.uni-goett
ingen.de

• Ergebnisse der
• Bedarfsabklärung zur Langzeitarchivierung
  digitaler Daten an der Universität Göttingen
• des nestor Netzwerks
• www.langzeitarchivierung.de

4
Gibt es Daten, die über den aktuellen Gebrauch
hinweg erhalten bleiben sollen?
5
Interesse an Planung von Maßnahmen zur
digitalen Langzeitarchivierung
6
Die Verwendung von Metadaten
7
Metadatenstandards
8
Genutzte Formate

• Insgesamt wurden 96 (!) unterschiedliche Formate
  genannt.
• Schwerpunkte Adobe PDF, Formate der MS-Office
  Familie, JPG, TIFF, Plain Text.

9
Genutzte Formate II
10
Datenmengen nach Fakultät
11
Ergebnisse

• Großes Interesse großer Bedarf
• Kaum konkrete Planungen
• Starke Divergenz bei Datenumfang
• Formate stark heterogen, häufig proprietär
• Geringe Metadatenimplementierung
• Kaum standardisierte Metadatenschemata
• Komplexe Ausgangslage für dLZA von
  Forschungsdaten

12

• Kooperative Langzeitarchivierung
• für Wissenschaftsstandorte
• http//kolawiss.uni-goettingen.de

Kategorisierungsansätze
13
Wie lassen sich Forschungsdaten kategorisieren?

• Viele Ebenen der Kategorisierung denkbar
• Nach ihrer (fachwissenschaftlichen) Herkunft
• Nach MIME-Type o.ä.
• Nach ihrem Inhalt / Content
• Nach der Datengröße (z.B. in GB)
• Vorschlag
• Kategorisierung anhand von Kriterien, die
  Auswirkungen (z.B. auf Kosten oder Policy) haben
• Daher Kategorisierung anhand von
  Vorhaltezeiträumen Formateignung für dLZA
• Vorteile Ausreichend generisch, quantifizierbar

14
Dimension I Kategorisierung nach
Vorhaltzeiträumen

• Kategorisierung nach geplanter Archivierungszeit
• Vier sinnvolle Vorhaltezeiträume
• bis zu 5 Jahren
• bis zu 10 Jahren
• bis zu 30 Jahren
• mehr als 30 Jahre
• gt Überführung in Service Level

15
Dimension II Format-Eignung

• Ermittlung Bewertung der Format-Eignung für
  dLZA anhand von sieben Kriterien
• Offenheit Lizenzfreiheit
• Verbreitungsgrad
• Selbstdokumentation
• Robustheit
• Komplexität
• Schutzmechanismen
• Abhängigkeiten
• Diese Kriterien verfügen über unterschiedlich
  viele Ausprägungen
• z.B. Kriterium (geringe) Abhängigkeiten
• Ausprägung I Unabhängigkeit von bestimmter
  Hardware
• Ausprägung II Unabhängigkeit von bestimmten OS
• Ausprägung III Unabhängigkeit von bestimmter
  Software
• Ausprägung VI Unabhängigkeit von externen
  Ressourcen

16
Beispiele
17
Bewertung der Format-Eignung

• Bestimmen der Format-Eignung durch
• Gewichtung der Relevanz verschiedener
  Kriterien-Ausprägungen (abhängig von Policy,
  z.B. zwischen 1 9)
• Vergabe von Punktwerten für bestimmte Formate (
  z.B. Bedingung sehr gut erfüllt 2 Punkte,
  Kriterium mittelmäßig erfüllt 1 Punkt,
  Kriterium nicht erfüllt 0 Punkte)
• Multiplikation der Punktwerte für Gewicht der
  Kriterien-Ausprägung und dem vergebenen Wert
• Division durch die Anzahl der Ausprägungen eines
  Formats.
• Der Punkt-Gesamtwert bestimmt die Eignung des
  Formats je höher er ausfällt, desto geeigneter
  ist ein Format
• Nach Rog, Judith / van Wijk, Caroline
  Evaluating File Formats for Long-term
  Preservation. National Library of the
  Netherlands, Den Haag, 2008

18
Die Kategorisierungsmatrix (I)
19
Die Kategorisierungsmatrix (II)
20
Die Kategorisierungsmatrix (III)
21
Die Kategorisierungsmatrix (IV)

• Kategorisierungsdimension Vorhaltezeitraum noch
  nicht implementiert
• Bei einer Formatbewertung für alle
  Vorhaltezeitraum ergibt sich folgende Grafik
  (-gt fiktive Werte!)

22
Diagramm zur Format-Eignung
23
Vielen Dank für Ihre Aufmerksamkeit!
Kooperative Langzeitarchivierung für
Wissenschaftsstandorte http//kolawiss.uni-goett
ingen.de

• Nun ist Raum für Anmerkungen und zur Diskussion

24
Leitfragen zur Diskussion

• Ist diese Form der Kategorisierung zielführend?
• Ist das vorgeschlagene Konzept ausreichend
  generisch UND ausreichend konkret?
• Werden weitere Kriterien und Ausprägungen
  gesehen, die Eingang in eine Bewertung erhalten
  sollten?
• Sehen Sie andere sinnvolle Ebenen für eine
  Kategorisierung von Forschungsdaten?
• Fehlen Ihnen grundlegende Punkte, die Ihrer
  Meinung nach unbedingt Eingang in eine
  Kategorisierung finden müssten?