What do we mean when we talk about AI and open knowledge?

Reflections on the future of sovereign, decentralised data management – Wikibase, Wikidata and beyond at the AI-Bridges Symposium

The AI-Bridges Symposium (28–29 May 2026) [1], hosted at Senate House, University of London, brought together diverse stakeholders from policy makers to academics, open knowledge advocates and funders, to discuss how AI is affecting the landscape of open knowledge. The underlying framework of the event was the recognition of the need for collective action when engaging with AI-related issues – a shorthand for an entangled bundle of tools and services, actually.

Over the course of the symposium, two main themes emerged: 1) The threat posed by commercial AI applications scraping the commons (open knowledge spaces) in an extractive manner; overloading the capacity of the socio-technical infrastructure without regard for the labour, codes of conduct and maintainer culture of commons communities, leaving behind frustration and distrust. 2) The flip side of this – the possibilities of using AI-supported workflows in actually lightening the load on maintainer communities; ensuring open knowledge continues to be shared freely and widely on the web through more accessible tooling for data integration, formatting and validation, with version controlled change histories.

Both themes open much room for discussion and potentially different routes for action. Mapping the landscape of relevant activities already happening in the common spaces was also part of the agenda. The various Wikimedia communities, both formal Foundation staff and affiliates as well as volunteers, are actively putting mechanisms in place to address threats and potential negative impacts (rate limits, targeted blocking, bans on AI-generated contributions, and more) and debating with mixed feelings the ifs and hows of AI-supported workflows [2]. At the same time there are also efforts across the research and public funding sector to deal with similar issues. Why not bring these efforts together?

This was one of the core propositions of the symposium: Why not consider how shared cultural heritage initiatives, such as Europeana or the European Culture Heritage Cloud among others, might help address the challenges also faced by the communities behind projects like Wikipedia, Wikidata, and Wiki Commons, and vice versa? And furthermore – the event asked us to think about the role of public funding bodies and government policies: Where can the positive energy and concern for democratic processes, knowledge sharing, and civic care converge rather than continue in isolated, siloed efforts with lower impact? [3] Participating as representative of both the EU-funded ECHOLOT project and the DFG-funded NFDI4Culture, I was at the right place for “staying with the trouble” [4] at the intersection of national and international research infrastructures and the digital commons.  

Day 1: Training day

The first day was a hands-on training day within a smaller group of participants (~50) which offered the opportunity to level the ground with a common understanding of the data spaces of the Wikimedia ecosystem, namely Wikidata and Wikibase (and by extension their role in the AI development landscape). Solenne Lazare and Lydia Pintscher from Wikimedia Germany started off with an introduction to Wikidata, the large public knowledge base powering data in Wikipedia, while Leif Lobinsky ran the introduction session to Wikibase, the open source software suite behind Wikidata: What are the possibilities for sharing structured data within these systems, what example projects from diverse fields of knowledge already use them and what are current limitations and performance pain points?

As part of the hands-on testing, participants were invited to try modeling complex topics as data (e.g. news involving assumptions, uncertainties, etc.) within test instances of wikibase.cloud. The modeling experiment proved to be quite a challenge: while in Wikidata there are the existing items that can be used as guiding posts, in the case of Wikibase instances, starting from scratch offers flexibility at the cost of a high learning-curve. The way new users approach Wikibase as a data management tool might be to begin with federated properties and classes from Wikidata (if they’re already involved in that community), or to attempt to (re)build an ontology they might know from their domain (e.g. CIDOC-CRM in the culture heritage domain). The possibility of not having to start from scratch with basic properties and classes was discussed as a potential usability gain [5]. Clear patterns were emerging where additional support to users throughout different parts of the data management process would be beneficial.

In the afternoon, Philippe Saadé from Wikimedia Germany introduced the Wikidata Vector Database, what use cases it aims to support (e.g. Retrieval Augmented Generation, named entity recognition/ disambiguation, and classification) and where there is potential for more community engagement. Expanding the multilingual reach is one such goal, since currently vectors are calculated per language (so far: English, German, French and Arabic), but the search query entered in the LLM interface can be multilingual. A complementary development is the Wikidata MCP with a set of available tools. Using LLMs like Mistral (where connection to the internet can be closed down, so that the only source of truth becomes Wikidata) was demoed with promising results but is not entirely error-free yet, especially for SPARL query formulation. A brand new Wikibase MCP extends the connectivity to independent instances. 

These recent developments engage seriously with the idea of AI-supported workflows that can increase the efficiency, accuracy and usability of the interactions between open knowledge communities and the data spaces offered by Wikidata or independent Wikibase instances. Gaps are admitted (e.g. in the case of language limits) and more community testing and contribution is actively encouraged – entirely in keeping with the spirit of free and open source software development. For example, fully fledged data reconciliation workflows that take advantage of the vector database are already being developed outside Wikimedia Germany, but in close discussion among the relevant communities [6]. This framing of ‘AI’ as software, as tools and services, which can actually be developed following FOSS principles, opened up the space to expand the discussion over the next days beyond the monolithic image of an external force, outside the control of the affected communities. 

Community debates

In the last part of the day, a community gathering, led by Wikimedia Switzerland and Open Future, debated a new multi-partnership initiative for the Wikimedia movement that would be dedicated to addressing the AI-paradigm shift in a concerted and transparently-governed manner. The opening of the gathering was framed in a rather cautionary way: the urgent need to prevent extractive behaviours (both by bots and Big Tech commercial players), and implement stricter regulations and/or legal frameworks. At the same time, it is important to recognise how much of the existing tooling ecosystem is built around notions of usability dating from several decades ago and is still not open enough, or inviting enough, to diverse communities – humanities disciplines still struggle with the accurate modelling and translation of their qualitative work into data, while indigenous communities have established much more nuanced rights management pathways that fall outside the strict open/closed paradigm, to name just a few examples [7].

New paradigms in human-computer interaction, including natural language interfaces, as well as new legal frameworks that would effectively regulate access rights including bot/agent access, could actually be used to support and complement the interaction with the open knowledge ecosystem in ways that make the entire ecosystem more equitable – addressing problems that have been simmering below the surface far longer than the recent AI-hype cycles. The devil, as always, is in the details.

At this point in the day, I brought up the work of Audrey Tang from the Civic AI research project [8], which in a timely manner argues for the need to think about the original idea(l)s of FOSS – the open source freedoms – as applied to AI. If we frame AI as software, rather than as the threat of replacing human knowledge – a threat admittedly close to the heart of open knowledge communities – software can be governed through the principles of the FOSS freedoms. Moreover, these principles can encompass the right of refusal and rejection of extractive interactions, while adopting and adapting further beneficial workflow optimisations.

The notion of AI in the loop of communities, as elaborated by Tang, rather than the notion of the human in the loop of the AI, resonated strongly in the context of the Wikimedia movement and the link to Tang’s work was quickly circulated around the table. The gathering started with the proposition of taking an active stance as a global community of open knowledge advocates and concluded with the need to also put forward a positive vision and viable alternative, instead of merely (re)acting against Big Tech.

Reactionism can catalyse valuable critical points that need to be taken into account, but it cannot unite the movement when there is already a significant strain on the goodwill of volunteers dealing with overwhelming amounts of poor-quality, AI-generated data or harmful pull requests. A positive vision is necessary to recognise where the current ecosystem was found lacking even before the arrival of mainstream AI applications, and where it could be improved when it comes to dealing with sensitive topics, cultural nuances, and access rights. More relevant now than ever – where automated (mis)use can be scaled to unprecedented levels – advocates who have dealt with these topics in the past can bring in valuable insights to shaping the movement’s future. 

Day 2: The symposium

Day two featured extended discussions within an even wider group of participants, starting off with presentations from the AI-Bridges partners, leading to an expert panel and then a set of roundtable sessions. The panel discussion engaged a number of leaders from academic funding, policy making and Wikimedia communities, including Jimmy Wales, Denny Vrandečić and many more. The panel host, Shani Evenstein Sigalov, asked each panelist a particularly tough question which then required a succinct, but precise answer. The question addressed to me asked what is still missing in Wikibase and Wikidata infrastructures when it comes to meeting the needs of researchers and knowledge institutions. My answer, summarising the current status quo, what works and what doesn’t, is shared in full below (see Postscript).

In this context, ECHOLOT emerged as one of the much needed bridges across initiatives such as Europeana, the European Culture Heritage Cloud and the Wikimedia communities. As pointed out also by our panel host, all of these initiatives and communities deal with similar issues connected to aggregating open data on cultural heritage, protecting data from abuse (whether machine- or human-operated) and at the same time actively encouraging fair (re)use of that data. But the (re)use that could lead to scientific, societal and even economic value generation (for stakeholder communities), rather than value extraction, is hampered by the fact that the majority of the platforms are still not particularly easy to integrate with, to extract data from or to reuse that data, while respecting relevant copyrights. In short, there is a lot of open room for alignment and collaboration.

The panel also discussed the implications of missing the mark on using the productive capacity of the tools and services that AI methods can afford due to slow change cultures in some institutions. Nevertheless, the concerns coming from the GLAM community, the academic community, and also the volunteer citizen science knowledge commons, require paying attention to, as they are rarely born purely out of resistance to (fast) change. We can recognise, in the words of Denny Vrandečić, that LLMs trained on Wikipedia and Wikidata knowledge are objectively better for democratic societies compared to LLMs trained on data only from e.g. Twitter/X. Nevertheless, the care with which that knowledge has been put together originally has to be respected and has to be factored in the development of any new, value-generating tools. 

One of the topics of the panel was also regulation: as a way to protect knowledge creation communities and regulate what value is generated and for whom. Paraphrasing the remarks of Aaron Halfaker (Principal Scientist, Microsoft): Big Tech could actually benefit from regulations. When the workers in these companies care about how these tools are being used, which is purportedly the case, regulation can help stimulate more fair business and market competition. If all companies have to compete on fair ground, theoretically they are more likely to develop tools wherein the benefits outweigh the harms.

I found this line of thinking productive, because it moved away from the ‘human-vs-machine’ discourse and brought back the companies into the picture; companies are legal entities that can in fact be subject to laws and regulation (though of course, how successfully regulation is implemented is another matter altogether). The ‘performer’ (e.g. contributors, users and developers of open knowledge platforms) vs the ‘tool maker’ (e.g. the company employees developing AI applications) paradigm, introduced in the book Behind Deep Blue [9] as an alternative to ‘human-vs-machine’, recognises people with one set of tools engaging with people with another set of tools [10]. If the human involvement is not abstracted away on one side of the equation, both sides can be subject to dedicated regulatory procedures. Crucially, regulation should not be restricted to licensing and/or IP attribution. As, Audrey Tang reminds us, FOSS is more than just licensing [11]. And caring about the rights of the ‘performers’ may not be enough, if the FOSS principles (and freedoms) are not fully applied to AI and its ‘tool makers’, including the right to refuse.

Jimmy Wales’s closing panel remarks also touched on the topic of trust, something Wikimedians and FOSS communities have managed remarkably well over time, and something that the AI-‘tool makers’ are currently less invested in building up, leading to the ongoing mixed-feelings or outright hostility amongst ‘performer’ communities.

Collaboration in practice, and not just in theory

The panel ended on the positive note that everyone in the room seems interested and willing to collaborate, and of course everyone’s question was: how to make this happen instead of simply navel-gazing and wishful thinking? The roundtables in the afternoon provided an opportunity to think through some concrete actions. The setup meant that participants could take part in small group discussions across 18 different topics [12] via dedicated roundtables and take part in noting down:

• what current issues can be observed;
• what patterns emerge across connected issues;
• what are the next steps.

At the round table on the future of Wikibase, we noticed known issues related to data ingest, modelling, reconciliation and export workflows, still repeatedly being brought up and needing adequate measures to meet user needs, especially when scaling from manual curation to bulk operations. This is in fact the core motivation of applying AI methods to the tooling for managing structured data: the need to be able to more easily ingest the data, structure it, enrich, and then export to further platforms, supporting reuse.

Discussing the outcomes of the roundtable with colleagues from Wikimedia Germany, we came to the conclusion that we can’t build everything the community needs alone, but together there is a much stronger possibility. There are certain parts of the stack that make a lot of sense to be developed within the core product development at Wikimedia Germany, while other parts, such as micro-services that provide AI-supported automation, can be developed from external projects such as ECHOLOT and NFDI4Culture, among others.

We concluded the event with concrete commitments for joint meetings to plan the future development roadmap: interconnecting MediaWiki, Wikibase, new extension developments and the broader ecosystem of structured data, that can both be supported by AI-tooling and itself support the training of better and more equitable AI models. 

Postscript: Short position statement at the panel discussion

I will talk about Wikibase specifically, because Wikidata in general for all its scaling issues performs remarkably well on most levels that researchers and institutions need it to. As a tool offering openly licensed data and the possibility to freely link entities through their external identifiers, it offers the perfect hub for linked open data integration [13]. Wikibase, as its underlying open source software, appears to be the perfect starting point for researchers or cultural practitioners who want to model and make their original research data available, before it becomes a reference point for Wikidata – where we are not supposed to really directly add original research data. This very premise is compelling: I can have all my highly specialised or copyrighted data in a Wikibase and then seamlessly link it, or parts of it, via Wikidata by virtue of the fact that the two deploy the same software paradigm. In fact, it is the backbone of the idea of a federated ecosystem of instances around Wikidata shown in one particularly widely shared diagram [14]. 

And yet – there are issues. Wikibase is a complex Swiss-army-knife tool, it does a lot but it requires a high degree of technical skill and know-how to run and maintain in the long run – such skills are often not easy to come by in domain-specific research. It does not support easy compatibility with standard domain-specific schemas or ontologies. There is no simple upload schema button. There is no standard data validation in the sense required by typical FAIR research data projects. There are also no easy, straightforward export options to connect data from Wikibase even to Wikidata, or any other research data infrastructure. The latter is often a requirement for research – publish data to various national or international data aggregators. This is fine; Wikibase was never meant to solve for such cases. And yet, one can imagine the possibilities. Many of the limitations can be overcome with custom scripts, extensions and additional tooling, but maintaining, documenting and sharing this oftentimes lacks real reuse and reproducibility. This is more a fault of the scientific community, though, not the open knowledge community and is tied to the unsustainable funding cycles of research projects.

Efforts from the open knowledge community, such as wikibase.cloud – an important, major undertaking trying to resolve some of the learning-curve and maintenance limitations of the software suite – do not yet go far enough: images, for example. For many years now, I have advocated that the open knowledge community can learn a lot from research and GLAM communities when it comes to respectful and sensitive handling of copyrights, whether we are dealing with contemporary culture or indigenous rights [15]. Equally academia can learn a lot from the Wiki movement when it comes to long-term maintenance and keeping up infrastructure running. With the ECHOLOT project I’m now leading, we’re trying to offer a new bridge with concrete software development outcomes between EU research infrastructure and Wikimedia platforms and software. We are building better schema and copyrights handing models, easier export and integration possibilities with built-in, AI-supported processing workflows, wrapped around existing software. Not reinventing the wheel, but making it fit for different road conditions. We are open to collaboration and working together with anyone around the table today. 

Acknowledgements

Thanks to Shani Evenstein Sigalov for the invitation and the opportunity to contribute to the Symposium and to the Wikimedia Germany team, and especially Leif Lobinsky for the productive discussions. Travel to the Symposium was supported by the ECHOLOT project, funded by the European Union under Grant Agreement n.101233096.

Notes

Eingeprägte Geschichte – das Meistersiegel-Wiki ist online

Wer im Mittelalter und der Frühen Neuzeit etwas auf sich hielt, der führte ein eigenes Wappen oder eine individuelle Marke, mit der er auf Dokumenten oder Urkunden siegelte. Auch bei den Meistern der Nürnberger Steinmetzbruderschaft war es Brauch, Gutachten oder Pläne mit ihren eigenen Meisterzeichen zu kennzeichnen. Meist geschah das in Form von Blind- oder Prägesiegeln, die mit einem Ring oder Stempel in das Papier eingedrückt wurden. In einer an der TIB im Open Science Lab in Zusammenarbeit mit dem Fachgebiet Bau- und Stadtbaugeschichte der Leibniz Universität Hannover entwickelten Wikibase-Instanz, dem Meistersiegel-Wiki, werden nun erstmals solche Siegel erfasst und systematisch beschrieben.

Die Nürnberger Proberisse – besondere Zeugnisse der Steinmetzausbildung

Als Corpus für die Erfassung dient ein bisher kaum von der Forschung wahrgenommenes Konvolut von 34 Blättern mit sogenannten „Proberissen“, das sich in der Ende des 19. Jahrhunderts zusammengetragenen Sammlung des Hannoveraner Bauhistorikers und Architekten Albrecht Haupt (1852-1932) erhalten hat.

Diese Risse entstanden im Rahmen des Meisterstücks, das der Geselle zur Erlangung des Meisterstatus anzufertigen hatte und zeigen musterhafte Entwürfe und Konstruktionen von Gewölbeanlagen und Gebäuden. Schon früh wurden diese Blätter in das Umfeld der Nürnberger Steinmetzbruderschaft eingeordnet, ohne jedoch im Hinblick auf ihre Provenienz und Zusammensetzung genauer betrachtet worden zu sein.

Als Architektur- und Werkzeichnungen, die im Kontext der Steinmetzlehre angefertigt wurden, sind sie besondere Zeugnisse der handwerklichen Ausbildung im Bauwesen in der Übergangszeit ab dem Spätmittelalter bis zur Auflösung des Zunftwesens Ende des 18. Jahrhunderts.

Die zahlreichen, auf den Blättern oft kaum sichtbaren Blindsiegel der prüfenden Meister machen sie zu einem besonderen Studienobjekt, zumal es sich um ein individuelles – bislang nur für die Nürnberger Steinmetzbruderschaft nachweisbares − Phänomen handelt.

Im Rahmen des von der Deutschen Forschungsgemeinschaft (DFG) geförderten Projekts zur Erschließung der umfangreichen, heute in der TIB aufbewahrten Sammlung Haupts (GESAH) ist das Konvolut der Proberisse Bestandteil einer Tiefenerschließung und diente mit seinen Meistersiegel- bzw. Meisterstempelabdrücken als Fallstudie zur Verknüpfung mit der Forschungsdateninfrastruktur von NFDI4Culture.

Das Meistersiegel-Wiki

Die neue Wikibase-Datenbank zu den Meistersiegeln erfasst sämtliche Siegelmotive, die sich als Blindsiegel-Prägungen auf den Blättern erhalten haben. Mit ihrer Erfassung lassen sich Beziehungen der Siegler untereinander und zeitliche Entstehungszusammenhänge innerhalb der Blätter, aber auch zu darüber hinaus vorhandenen Quellenmaterialien nachvollziehen.

Vorbereitend für die Erfassung der Nürnberger Meistersiegel in einer eigenen Wikibase-Instanz wurden alle erkennbaren Siegelabdrücke umgezeichnet, in ihren jeweiligen Charakteristika, Kombinationen und Gruppierungen tabellarisch aufgenommen und beschrieben. Für die Beschreibungen der auf den Siegeln enthaltenen Steinmetz- und Hausmarken wurden eigene, auf der Fachterminologie der Blasonierung basierende Kategorien entwickelt und ein umfangreiches fachspezifisches Glossar angelegt. Insgesamt ließen sich auf diese Weise 18 unterschiedliche Siegel auf den Blättern identifizieren und beschreiben, drei weitere konnten nur im rudimentären Zustand erfasst werden. Weitere neun Siegelmotive wurden aus der historischen Literatur in die Aufstellung übernommen.

Im Abgleich mit den im Zuge der Archiv- und Literaturquellen ermittelten über 150 belegbaren Meister konnte ein Großteil der Siegler identifiziert werden. Über die überlieferte Kombination der Siegel wurden so genauere entstehungsgeschichtliche Zusammenhänge sichtbar, die unter anderem zur Korrektur der zeitlichen Einordnung und Reihenfolge von bislang nur über die Wasserzeichen grob datierbaren Zeichnungen führte.

Für den Aufbau der Wikibase wurden Klassifizierungen und Unterklassifizierungen vorgenommen, die ein bestmögliche und anschauliche Darstellung der Bezüge zwischen Siegel, Sieglern, den jeweiligen Trägern, ihren inhaltlichen und formalen Merkmalen (zum Beispiel Wasserzeichen) erlauben.

Für die Siegel wurden zunächst feste IDs vergeben. Basierend auf den beschreibenden Properties Siegeln lassen sich über sogenannte Qualifiers komplexere Merkmale und Aussagen zu Siegel und siegelführender Person angeben und verknüpfen. Weitere Informationen zu Objekten und Personen (zum Beispiel Referenzen auf Archiv- und Literaturquellen oder Bemerkungen zur Identifizierung der Siegel) können durch eine Kommentarfunktion ergänzend hinzugefügt werden. Bei den Werkeinträgen im Vitro/SAH-Portal ist ein direktes Referenzieren auf die IDs der Marken möglich. Gleichzeitig sind über die Wiki-Base direkte Verweise auf die Pläne mit ihren Werkeinträgen im SAH-Portal angelegt.

Eine Besonderheit ist das mit Piktogrammen unterstützte Glossar, das als begleitendes Corpus zu den beschreibenden Feldern der Siegelmotive und der Zusammensetzung der jeweiligen Marken herangezogen werden kann. Es beruht auf einem vereinheitlichten Fachvokabular (angelehnt an das Vokabular der Blasonierung für Hausmarken), auf das nun generell referenziert werden kann.

Durch die fokussierte Betrachtung eines einzelnen – leicht übersehbaren – Phänomens auf den Nürnberger “Proberissen” können nun neue Einsichten in die Geschichte und Entwicklung des Bauhandwerks und der Baupraxis in der Frühen Neuzeit gewonnen werden. Gleichzeitig wurde eine Wissensdatenbank aufgebaut, die mit ihren gesammelten Daten im Linked-Data-Format öffentlich zugänglich und verknüpfbar ist und in Zukunft weiter kollaborativ bearbeitet und erweitert werden kann.

Demokratisierung der Wissenschaft – Citizen Science und Meinungsfreiheit

Woche der Meinungsfreiheit 2026: Was ist wahr?

Vom 3. bis 10. Mai 2026 findet zum sechsten Mal die Woche der Meinungsfreiheit statt. Unter dem Motto „Was ist wahr?“ geht es in der bundesweiten Aktionswoche um Fakten, Meinungen und Wahrhaftigkeit. In Demokratien ist Meinungsfreiheit ein hohes Gut. Doch was passiert, wenn Menschen nachweislich falsche Informationen verbreiten?

Als Bibliothek und wissenschaftliche Infrastruktureinrichtung steht die TIB – Leibniz-Informationszentrum Technik und Naturwissenschaften und Universitätsbibliothek für freien Zugang zu Wissen, digitale Souveränität und faktenbasierte Informationen – grundlegende Pfeiler einer demokratischen Gesellschaft. Denn nur wer Zugang zu verlässlichen Informationen hat, kann sich eine freie Meinung bilden. In den kommenden Tagen zeigen wir in Beiträgen im TIB-Blog, wie wir als TIB, die Meinungsfreiheit stärken: mit Citizen-Science-Projekten, mit dem freien Zugang zu Informationen, die eine objektive Meinungsbildung ermöglichen, und mit Forschungsansätzen im Bereich der Erkennung von Desinformation.

Citizen Science, auch Bürgerwissenschaft genannt, ermöglicht es Forscher:innen, über ihre Expertise Bürger:innen einen Einblick in wissenschaftliche Arbeitsweisen zu geben. Es ist ein inklusiver Ansatz, bei dem wissenschaftliche Erkenntnisse von Personen gewonnen werden, die nicht hauptberuflich in der Wissenschaft tätig sind. Sie steht in einem spannenden Verhältnis zur Meinungsfreiheit, da sie einerseits den Zugang zu Forschung demokratisiert, andererseits aber auch die Deutungshoheit der Wissenschaft herausfordert.

Verbindung von Citizen Science und Meinungsfreiheit

Citizen Science wird oft als Teil von Open Science verstanden und zielt darauf ab, die Wissensproduktion zu demokratisieren. Sie ermöglicht Bürger:innen, aktiv an der Forschung teilzunehmen, sei es durch Datenerhebung oder Mitgestaltung. Citizen Science fördert den Kulturwandel in der Wissenschaft hin zu mehr Transparenz und Inklusivität. Indem Bürger:innen zum Beispiel Daten sammeln und auswerten, können sie eigene Perspektiven in den wissenschaftlichen Diskurs einbringen und somit an der öffentlichen Meinungsbildung teilnehmen.

Citizen Science ist somit eine Möglichkeit, die freiheitlich-demokratische Gesellschaft zu stärken, indem sie Bürger:innen direkt in die Produktion von Wissen einbindet und so die Kluft zwischen Wissenschaft und Gesellschaft überbrückt.

Wie Citizen Science die Meinungsfreiheit stärkt

Traditionell kontrollieren Universitäten, Unternehmen oder Staaten, welche Daten gesammelt und wie sie interpretiert werden. Citizen Science bricht dieses Monopol auf – und zwar über:

• Transparenz: Bürger:innen können selbst Daten erheben und auswerten.
• Kritische Perspektiven: Bürgerinitiativen können eigene Untersuchungen durchführen und Ergebnisse öffentlich machen.
• Bildung für alle: Durch die Teilnahme an Forschungsprojekten lernen Menschen, wie Wissenschaft funktioniert.

Stärkung der Zivilgesellschaft

Meinungsfreiheit lebt davon, dass Menschen informiert, kritisch und handlungsfähig sind. Citizen Science fördert genau das:

• Empowerment: Wer selbst forscht, traut sich auch zu, eigene Positionen zu vertreten.
• Lokale Lösungen: Bürger:innen kennen die Probleme ihrer Community am besten.
• Politik und Wirtschaft: Wenn Bürger:innen belegbare Daten vorlegen, müssen Verantwortliche reagieren. Das stärkt die Verhandlungsmacht der Zivilgesellschaft.

Beispiele: Citizen-Science-Projekte an der TIB

„Gestapo.Terror.Orte“: gemeinsam Orte des Gestapoterrors dokumentieren

Projekt: „Gestapo.Terror.Orte“

Ziel: Bürger:innen recherchieren und dokumentieren Orte des Gestapoterrors (zum Beispiel Gestapo-Gefängnisse).

Beitrag zur Meinungsfreiheit:

„Orte erzählen Demokratie“: gemeinsam Orte der Demokratiegeschichte dokumentieren

Projekt: „Orte erzählen Demokratie“

Ziel: Bürger:innen dokumentieren Orte der Demokratiegeschichte in ihrem Umfeld (zum Beispiel Versammlungsorte, Widerstandsorte, Orte der Friedlichen Revolution 1989).

Beitrag zur Meinungsfreiheit:

Upgrade abgeschlossen: Semantic Wikibase kompatibel mit MediaWiki 1.43

Wir freuen uns, bekanntzugeben, dass Semantic Wikibase erfolgreich auf Kompatibilität mit MediaWiki 1.43 aktualisiert wurde. Mit diesem Schritt stellen wir sicher, dass Semantic Wikibase weiterhin mit der aktuellen Longterm-Support-Version von MediaWiki kompatibel bleibt und als stabile Grundlage für semantisch angereicherte Wissensinfrastrukturen dient.

Über Semantic Wikibase

Viele Forschungsprojekte setzen das Mediawiki-Framework als Werkzeug für Forschungsdatenmanagement ein. Mit über 1.500 Erweiterungen lässt sich dieses an die individuellen Anforderungen anpassen:

• als reines Wiki mit Text und Medien, organisiert in Artikelseiten nach dem Vorbild von Wikipedia,
• als strukturierte Wissens-Datenbank zur Linked-Open-Data Implementierung von Wissensgraphen und Terminologien mittels Wikibase,
• als semantischer Wissensspeicher zur Datenvisualisierung mittels Semantic Mediawiki.

Semantic Mediawiki vs. Wikibase

Insbesondere Wikibase und Semantic Mediawiki werden häufig im Forschungsumfeld verwendet. Beide Erweiterungen haben unterschiedliche Stärken und Schwächen:

Semantic Mediawiki und Wikibase

Die Entwicklung von Semantic Wikibase (SWB) ermöglichte es erstmals, beide Erweiterungen gemeinsam auf einem System zu verbinden und so die Vorteile beider Systeme gemeinsam zu nutzen. Während strukturelle Wissensdaten in Wikibase gespeichert und verwaltet werden, sorgt die SWB-Erweiterung dafür, dass diese auch in Semantic Mediawiki für die Visualisierung in Wiki-Artikeln verfügbar sind. SWB dient also quasi als Brücke zwischen den beiden Erweiterungen, wobei der Datenfluss nur von Wikibase nach Semantic Mediawiki (nicht umgekehrt) erfolgt. Dies dient dazu, Datenkonflikte zu vermeiden.

Semantic Wikibase wurde im September 2020 in einer ersten Version vom Unternehmen ProfessionalWiki veröffentlicht. Dieser erste Prototyp war nur mit der älteren Mediawiki Version 1.35 kompatibel, aber unterstützte bereits grundlegende Datentypen. Im Open Science Lab sahen wir in der Entwicklung einen Baustein, der das Potenzial hat, im Mediawiki-Umfeld eine bedeutende Lücke zu schließen: Die Kombination aus strukturierter, föderierbarer Datenverwaltung und Datenpräsentation. Unser Ziel war es, die Erweiterung zu testen, bei Bedarf weiterzuentwickeln und künftig als unser Content-Management-System zur Unterstützung von Forschungsprojekten zu verwenden.

Case Studies

Mitte 2024 wurde mit dem Projekt PhiWiki ein erster Prototyp für Mediawiki 1.39 in Zusammenarbeit mit der Akademie der Wissenschaften und der Literatur Mainz sowie der AG Digitale Philosophie erfolgreich getestet. Es folgte mit Semantic Glossar ein weiteres Projekt zur kollaborativen Entwicklung von Terminologien mittels Semantic Wikibase.

Ende 2024 konnten wir im Rahmen des Projekts Herrenhäuser des Ostseeraums Semantic Wikibase dann in einem umfangreichen Projekt einem herausfordernden Lasttest unterziehen. Mit über 14.000 Wikibase-Objekten, die auf mehr als 300 Artikelseiten dynamisch eingebettet als Karten, Zeitstrahlen, Tabellen und Suchformulare verwendet werden, konnten wir die bestehenden Schwächen von Semantic Wikibase identifizieren und beheben. Dazu gehörte unter anderem die Unterstützung des vollen Wikibase-Datenmodells mittels Qualifiers, eine erste grundlegende Unterstützung des Extended Datetime Formats (EDTF) sowie die Einbettung von 3D-Visualisierungen aus Semantic Kompakkt. Entscheidend war hierfür die interdisziplinäre Zusammenarbeit zwischen dem Enwicklerteam und den LOD- und Wikibase-Datenmodell-Expertinnen Lozana Rossenova und Lucia Sohmen.

Die im Projekt entwickelten Best-Practices umfassten unter anderem:

• Nutzung individueller Formulare für Suchfilter und Dateneingabe
• Verknüpfung von Wikibase-Items mit Mediawiki-Kategorien
• Verlinkung von Artikelseiten mit Wikibase-Items
• Nutzung des vollen Wikibase-Datenmodells in SMW Inline Queries
• Performance von Datenvisualisierungen trotz hoher Anzahl an Wikibase-Objekten
• Best Practices zur Informationsmodellierung im Generic Wikibase Model for Cultural Data

Warum MediaWiki 1.43 wichtig ist

Mit der Version 1.39 war Semantic Wikibase kompatibel mit der damaligen Longtime Support Version(LTS) von Mediawiki. Diese Unterstützung war aber gemäß des Mediawiki Lifecycle nur bis Ende 2025 gegeben.

MediaWiki 1.43 bringt als aktuelle LTS-Version (Support bis 2028) zahlreiche technische Verbesserungen, Performance-Optimierungen sowie langfristige Wartungsvorteile mit sich. Für viele Wikibase-Installationen ist die Orientierung an den aktuellen MediaWiki-Versionen essenziell, um Sicherheit, Stabilität und Zukunftsfähigkeit zu gewährleisten. Durch Versionskonflikte zwischen verwendeten Bibliotheken in Wikibase und Semantic Mediawiki, konnte SemanticWikibase aber nicht ohne Anpassung in dieser neuen Version eingesetzt werden.

Unsere größte Befürchtung war, dass die aktuellen Versionen grundlegende Änderung vorgenommen hatten, die einen Weiterbetrieb von Semantic Wikibase technisch unsauber bzw. unwirtschaftlich machen würden. Ende 2025 schaffte Open-Science-Lab-Entwickler Lukas Günther die entscheidende Grundlage für das Upgrade, indem er unser Installationstool Wikibase4Research aktualisierte und so mit der Mediawiki Version 1.44 kompatibel machte. Da Semantic Wikibase sich mittels Wikibase4Research automatisiert installieren lässt, war so ein geeignetes Test-Setup geschaffen, um die Entwicklung in Angriff zu nehmen. Letzendlich war es uns so möglich, Semantic Wikibase mit der aktuellen LTS-Version von Mediawiki zu betreiben und das sogar ohne Änderungen am Wikibase- oder SemanticMediawiki-Code vorzunehmen. Sämtliche bisher unterstützten Datentypen sind auch weiterhin funktional, was auch ein Update bestehender Installationen auf die neue Version ermöglicht.

Ausblick

Die kontinuierliche Synchronisierung von Semantic Wikibase mit dem MediaWiki-Releasezyklus ist ein zentraler Baustein für nachhaltige, semantische Wissensinfrastrukturen. Mit diesem Update schaffen wir die Grundlage für kommende Weiterentwicklungen und eine langfristig stabile Integration in das Wikibase-Ökosystem. Der Einsatz von Semantic Wikibase bedeutet für unsere Forschungsdaten- und Terminologie-Projekte im Open Science Lab:

• Fokussierung auf eine gemeinsame technologische Basis für alle Projekte
• Bündelung von Wissen und Ressourcen
• Zeitersparnis bei der Projektumsetzung durch Best Practices und Synergieeffekten zwischen Projekten
• Koordinierter Aufbau von Services innerhalb eines bestehenden Software Ökosystems
• Support der Open-Source und Linked-Open-Data Community durch unsere Entwicklungen

Wir freuen uns auf die weitere Entwicklung und die vielfältigen kommenden Projekte mit Semantic Wikibase.

Relevante Links

• Wikibase4Research
• Generic Wikibase Model for Cultural Data

📝 An article we co-authored with @tibosl @tibhannover, colleagues Ina Blümel & Lucia Sohmen is finally out via the Journal of Open Humanities Data (special issue on #Wikidata): https://doi.org/10.5334/johd.440

It outlines hands-on learnings from the data curation workflows Lucia Sohmen has implemented in our lab within three concrete (and openly accessible) datasets. In addition, the article sets out the overall strategy Ina Blümel and myself have developed for managing cultural heritage data projects in the context of an interconnected Linked-Open-Data-driven Wikibase Ecosystem.

Check out the article, the supplement (with links to live queries & data viz) and let us know if it resonates with how you implement Wikidata in your digital humanities / cultural heritage projects!

#CulturalHeritage #Wikidata #Wikibase #DigitalHumanities #OpenScienceLab #LinkedOpenData

Erinnerungskultur zum Mitmachen: eine digitale Landkarte zum Gestapoterror in Niedersachsen

Die Verbrechen der Gestapo sichtbar machen und gleichzeitig Bürger:innen aktiv in die Erinnerungskultur einbinden – geht das? Das TIB-Projekt „Gestapo.Terror.Orte“ zeigt, wie digitale Werkzeuge, offene Daten und Citizen Science neue Wege der historischen Aufarbeitung eröffnen.

Was ist „Gestapo.Terror.Orte“?

„Gestapo.Terror.Orte“ ist eine interaktive Landkarte, die Orte des Gestapoterrors in Niedersachsen und darüber hinaus digital zugänglich macht. Das Projekt verbindet Digital History, Digital Mapping und Open Science: Es nutzt frei verfügbare Daten aus Wikidata und Wikimedia Commons, um Wissen über die Verbrechen der Gestapo, ihre Standorte und die Erinnerung daran zu sammeln, zu vernetzen und für alle sichtbar zu machen.

Ziel des Projekts:

• Orte der Gestapo in Niedersachsen (1933–1945) identifizieren und dokumentieren
• Daten für Forschung, Bildung und Öffentlichkeit frei zugänglich machen
• Bürger:innen aktiv in die Erforschung und Erinnerung einbinden

Wie funktioniert die interaktive Landkarte?

Die interaktive Karte bildet das Herzstück des Projekts. Sie zeigt:

• Dienstsitze und Infrastruktur der Gestapo
• Haftstätten und andere Orte des Terrors
• Geschädigte und Täter:innen
• Fallbeispiele, die die Arbeitsweise der Gestapo verdeutlichen

Die Besonderheit: Die Karte kann kontinuierlich durch Citizen Science – also die Mitarbeit von Bürger:innen – erweitert werden. Jede:r kann Daten ergänzen, neue Orte eintragen oder bestehende Einträge verbessern.

Citizen Science: Geschichte gemeinsam erforschen

„Gestapo.Terror.Orte“ lebt von der Mitarbeit vieler. Im Rahmen des Projekts fanden 16 Werkstätten statt, in denen Interessierte lernten, wie man historische Daten in Wikidata erfasst. Das Ergebnis:

• 252 Orte des Gestapoterrors wurden bisher dokumentiert. Außerdem 56 Datensätze zu Täter:innen, mit denen wir einen Beitrag leisten zur Täter:innenforschung, sowie mehr 1.000 Datensätze von Verfolgten, an die auf diese Weise erinnert wird.
• Für Freiwillige, die auch nach Projektende weitere Daten ergänzen möchten, steht eine Reihe von Materialien online bereit:
  • Wikidata-Basics: Einführung in die freie Wissensdatenbank
  • Schritt-für-Schritt-Anleitungen: Wie trage ich neue Daten ein?
  • Datenmodelle: Wie werden Orte, Täter:innen, Geschädigte und Ereignisse erfasst?

Die Landkarte ist nicht nur ein Forschungsinstrument, sondern auch ein Bildungsangebot:

• Thematische Stadtführungen: Touren zu Gestapo-Orten wie zum Beispiel in Hannover, Göttingen und Osnabrück zeigen, wie die Karte auch für Stadtführungen genutzt werden kann.
• Schulen und Gedenkstätten: Die Karte eignet sich für Projekte zur historischen Aufarbeitung und politischen Bildung.
• Forschung: Durch Linked Open Data können die gesammelten Daten für weitere Analysen und Projekte genutzt werden.

Warum ist das Projekt wichtig?

„Gestapo.Terror.Orte“ verbindet Wissenschaft, digitale Tools und gesellschaftliches Engagement. Es zeigt, wie Erinnerungskultur heute aussehen kann:

• Partizipativ: Jede:r kann mitmachen und Wissen einbringen.
• Transparenz: Alle Daten sind frei zugänglich und nachnutzbar.
• Nachhaltig: Die Karte wächst mit jeder neuen Information – und bleibt so ein lebendiges Archiv.

Fazit: Das Projekt beweist, dass digitale Erinnerungskultur nicht nur möglich, sondern auch notwendig ist – um die Verbrechen der Vergangenheit sichtbar zu machen und für die Zukunft zu lernen.

Selbst mitmachen?

Alle Informationen und Materialien findest du auf der Projektwebsite. Dort kannst du direkt loslegen und die Landkarte mit deinen Erkenntnissen ergänzen!

Nach Abschluss der Förderung wird „Gestapo.Terror.Orte“ durch die Stiftung niedersächsischer Gedenkstätten betreut. Dort werden auch weitere Werkstätten zur Einführung in die Arbeit mit der Karte sowie zur Erfassung weiterer Daten angeboten.

Quellen

Groh-Trautmann, Lisa: Wikidata-Plattformen als Tools für neue Formen forschender Erinnerungsarbeit. B.I.T Online 27 (2024) Nr. 2. https://www.b-i-t-online.de/heft/2024-02-fachbeitrag-groh-trautmann.pdf

Blümel, Ina, Fahrenkrog, Gabriele, Heller, Lambert und Groh-Trautmann, Lisa (2026). Digitale Erinnerungskultur: „Gestapo.Terror.Orte“. Ti-Magazin (Technologie-Informationen), „ti“ 3/2025: Transfer in die Praxis. https://doi.org/10.60479/JH9S-7514

Deutschlandfunk Campus & Karriere über Gestapo.Terror.Orte vom 9. Juni 2025: https://on.soundcloud.com/DWOhQXoAdQNrVvj6fd

Gestapo.Terror.Orte auf der Citizen-Science-Plattform mit:forschen! Gemeinsam Wissen schaffen: https://www.mitforschen.org/projekt/gestapoterrororte-niedersachsen-1933-1945

Women in Science: Prof Dr Ina Blümel

The blog series “Women in Science” introduces women from the TIB who give insights into their careers and personal experiences in science.

Prof Dr Ina Blümel studied architecture in Braunschweig, Milan and Helsinki and obtained her doctorate at the HU Berlin at the Institute for Library and Information Science.

Today, she is head of the Joint Lab Future Libraries and Research Data as well as deputy head of the Open Science Lab  at TIB and professor at Faculty III – Media, Information and Design at Hanover University of Applied Sciences and Arts.

In the interview, she talks about how her work enables her to make things visible together with others, that paths in science do not have to be straightforward, and that open, networked and fair research ultimately benefits everyone.

What fascinates you about working in science?

I am fascinated by the fact that research allows me to set things in motion that would otherwise remain invisible: data, models, images, videos – all of these become discoverable and reusable thanks to good metadata, linked data and open infrastructures, among other things. I originally come from a background in architecture and became interested in digital tools and the transition from 2D to 3D at an early stage. Today, it is precisely this interface between technology, culture and knowledge that particularly appeals to me. It is important to me that research does not take place in an ivory tower, but rather that intuitively usable tools, workflows and open resources are developed together with and within communities – for example, around Wikimedia.

As a woman in science, what would you have liked to have known earlier?

I wish I had known earlier how normal sidetracks are – and that interdisciplinary biographies are not a deviation, but often an advantage. Also: you can and should seek out allies, build networks visibly and actively seek mentoring – this is not a luxury, but part of professional work. And I would have allowed myself to work more prototypically earlier on: to be brave enough to test things, even if they are not yet perfect.

What advice would you give to girls and young women who are considering a career in science?

Find topics that really interest you – then your curiosity will carry you through the tough times. Learn to make your work visible – also in open formats. Practise communicating clearly about resources early on: time, money, access, support. Dare to join communities: science improves when we think about it in a networked and open way and when different perspectives are actively incorporated into its design.

A wish for the future of women and girls in science …

I would like to see a scientific community in which belonging does not need to be explained: equal opportunities, equal security, equal visibility – regardless of gender. And I would like to see structures that reward cooperation, openness and sustainable development, rather than just producing short-term shining examples. If we organise research in a more open, networked and fair way, everyone will benefit in the end – especially those who are still too often held back today.

Women in science – a blog series

The blog series “Women in Science” introduces women at TIB who provide insights into their scientific careers, role models and experiences from their everyday working lives. They all share their perspectives and wishes for the future of science and encourage other women to take their place with confidence.

Frauen in der Wissenschaft: Prof. Dr. Ina Blümel

Die Blogreihe „Frauen in der Wissenschaft“ stellt Frauen aus der TIB vor, die Einblicke in ihre Wege und ihre persönlichen Erfahrungen in der Wissenschaft geben.

Dieses Mal: Prof. Dr. Ina Blümel. Sie studierte Architektur in Braunschweig, Mailand und Helsinki und promovierte an der Humboldt-Universität zu Berlin am Institut für Bibliotheks- und Informationswissenschaft.

Heute ist sie Leiterin des Joint Labs Future Libraries and Research Data sowie Co-Leiterin des Open Science Labs an der TIB und Professorin an der Fakultät III – Medien, Information und Design der Hochschule Hannover.

Im Interview spricht sie darüber, wie sie mit ihrer Arbeit Dinge gemeinsam mit anderen sichtbar machen kann, dass Wege in der Wissenschaft nicht gradlinig sein müssen und dass von offener, vernetzter und fairer Forschung am Ende alle profitieren.

Was fasziniert dich an der Arbeit in der Wissenschaft?

Mich fasziniert, dass ich mit Forschung Dinge in Bewegung bringen kann, die sonst unsichtbar bleiben: Daten, Modelle, Bilder, Videos – all das wird unter anderem durch gute Metadaten, Linked Data und offene Infrastrukturen auffindbar und nachnutzbar.

Ich komme ursprünglich aus der Architektur und habe mich früh für digitale Werkzeuge und den Sprung von 2D zu 3D interessiert. Heute reizt mich genau diese Schnittstelle aus Technik, Kultur und Wissen besonders. Mir ist dabei wichtig, dass Forschung nicht im Elfenbeinturm stattfindet, sondern gemeinsam mit und in Communities – zum Beispiel rund um Wikimedia – intuitiv bedienbare Werkzeuge, Workflows und offene Ressourcen entstehen.

Was hättest du als Frau in der Wissenschaft gerne früher gewusst?

Ich hätte gern früher gewusst, wie normal Umwege sind – und dass interdisziplinäre Biografien keine Abweichung, sondern oft ein Vorteil sind. Außerdem: Man darf und sollte sich Verbündete suchen, sichtbar Netzwerke aufbauen und Mentoring aktiv einfordern – das ist kein Luxus, sondern Teil professioneller Arbeit. Und ich hätte mir früher öfter erlaubt, prototypisch zu arbeiten: Mutig Dinge zu testen, auch wenn sie noch nicht perfekt sind.

Welchen Rat würdest du Mädchen und jungen Frauen geben, die eine wissenschaftliche Laufbahn anstreben?

Sucht euch Themen, die euch wirklich packen – dann trägt euch die Neugier durch Phasen, in denen es zäh wird. Lernt, eure Arbeit sichtbar zu machen – auch in offenen Formaten. Übt früh, klar über Ressourcen zu sprechen: Zeit, Geld, Zugang, Betreuung. Traut euch, in Communitys zu gehen: Wissenschaft wird besser, wenn wir sie vernetzt und offen denken und wenn unterschiedliche Perspektiven aktiv in die Gestaltung einfließen.

Ein Wunsch für die Zukunft von Frauen und Mädchen in der Wissenschaft …

Ich wünsche mir eine Wissenschaft, in der Zugehörigkeit nicht erklärt werden muss: gleiche Chancen, gleiche Sicherheit, gleiche Sichtbarkeit – unabhängig vom Geschlecht. Und ich wünsche mir Strukturen, die Kooperation, Offenheit und nachhaltige Entwicklungen belohnen, statt nur kurzfristige Leuchttürme zu produzieren. Wenn wir Forschung offener, vernetzter und fairer organisieren, profitieren am Ende alle – und besonders jene, die heute noch zu oft ausgebremst werden.

Frauen in der Wissenschaft – eine Blogreihe

In der Blogreihe „Frauen in der Wissenschaft“ werden Frauen an der TIB vorgestellt, die Einblicke in ihre wissenschaftlichen Wege, Rollenbilder und ihre Erfahrungen aus dem Arbeitsalltag geben. Sie alle teilen ihre Perspektive und ihre Wünsche für die Zukunft der Wissenschaft und ermutigen andere Frauen, ihren Platz selbstbewusst einzunehmen.

Der 7. VIVO-Workshop 2025 – eine Zusammenfassung

Am 24. und 25. September 2025 fand der 7. VIVO-Workshop 2025 im Vortragsraum der TIB statt. An zwei Tagen gab es zahlreiche Vorträge und Diskussionen rund um das Open-Source-Forschungsinformationssystem VIVO, um (offene) Forschungsinformationen und alles, was die Community in diesem Umfeld bewegt.

Am ersten Tag des Workshops stellten sich verschiedene VIVO-Projekte in kurzen Steckbriefen vor und gaben Einblick in ihre jeweiligen Schwerpunkte. Darauf folgte ein Überblick über die kommende Version VIVO 1.16, die unter anderem wichtige Weiterentwicklungen im Bereich des Rechte- und Rollenmanagements, in der Suchfunktion und im Bereich Reporting bringen wird. Dies wurde ergänzt durch einen Beitrag zur Rolle von Lyrasis als „organisational home“ von VIVO und der Zusammenarbeit mit der Community.

In Breakout-Sessions wurden praxisnahe Themen in kleinen Gruppen diskutiert. Eine Zusammenfassung der Ergebnisse ist unten im Text zu finden.

Darauf folgten mehrere Praxis- und Werkstattberichte, in denen gezeigt wurde, wie VIVO konkret in verschiedenen Einrichtungen eingesetzt wird: wie am Zentrum für Osteuropa- und internationale Studien (ZOiS) Forschungsdokumentation auf Wissenschaftskommunikation trifft; wie die Architektur des VIVOs an der Universität Osnabrück für verbesserte Systemmigrationweiterentwickelt, Datenworkflows und verschiedene funktionale Erweiterungen wird; wie der Aufbau eines vernetzten Meta-CRIS für die Leibniz-Gemeinschaft auf Basis eines VIVO-Pilotsystems vorangetrieben wird; wie das HealthPartners Institute VIVO um Features zur Personalisierung der Informationsbedürfnisse der Forschenden und zur Sichtbarkeit von herausragenden Forschungsleistungenerweitert hat.

Der zweite Tag des Workshops begann praktisch mit einer Einführung in VIVO für Neueinsteiger:innen sowie einer Übersicht über Reporting-Funktionen. Die Teilnehmenden konnten Funktionen direkt in einem Demo-System ausprobieren.

Der erste Block von Vorträgen widmete sich übergeordneten Themen wie der Rolle von offenen Forschungsinformationen und speziell der Barcelona Declaration on Open Research Information für die VIVO-Community, aktuellen Entwicklungen rund um den KDSF – Standard für Forschungsinformationen in Deutschland sowie der Rolle persistenter Identifier (PIDs) in und für Forschungsinformationen.

Im weiteren Programm wurde ein weiter Bogen gespannt von bibliometrischer Forschung im GROBI-Projekt über innovative Ansätze zur Implementierung narrativer CVs bis hin zur Repräsentation von wissenschaftlichen Instrumenten in VIVO. Ergänzt wurde dies durch eine kleine Session mit Lightning Talks, in der beispielsweise das Open-Source-Tool Annif für die automatisierte Inhaltserschließung vorgestellt wurde. Abschließend standen aktuelle Entwicklungen der VIVO-Ontologie, die strategische und technische VIVO-Roadmap sowie technische Themen wie Containerisierung mit Docker und das modernisierte Rechte- und Rollenmanagement im Mittelpunkt.

Fazit

Der VIVO-Workshop 2025 zeigte wieder einmal eindrucksvoll die thematische Vielfalt der Community. Er bot Raum für Austausch, zum Lernen und für die gemeinsame Weiterentwicklung von VIVO als offenes Forschungsinformationssystem. Wir sehen uns beim 8. VIVO-Workshop 2026!

Zusammenfassung der Breakout-Sessions

Für die Breakoutsessions wurden die Teilnehmenden in vier Gruppen aufgeteilt, die sich der Reihe nach vier verschiedenen Fragestellungen widmeten. Die wichtigsten Ergebnisse sind im Folgenden stichpunktartig notiert:

1. Welche Themen beschäftigen Euch im FIS-Alltag?

An dieser Station wurden – unabhängig von der eingesetzten FIS-Software, dem Institutstyp oder dem aktuellen Grad der Umsetzung – wichtige Themen und drängende Probleme identifiziert werden. Dokumentiert wurden folgende Punkte:

• Import und Altdatenmigration
• Eingabemasken und Anpassen von Eingabefeldern
• User-Management
  • Anlegen von Usern
  • Wer macht was?
  • Zuständigkeiten bei der Datenaufnahme
  • Level der Qualitätssicherung
• Antragsbewilligungsquoten
• Schnittstellen
• Mapping von Daten
• Datenqualität sichern
• Akzeptanz
  • Policies in Institutionen
  • mögliche Unzufriedenheit mit Standards
  • kein Anspruch auf Vollständigkeit
• Darstellung auf der Webseite
• Reporting
• Ressourcen bereitstellen

2. Was wünscht Ihr Euch in/für VIVO?

Diese Frage zielte darauf ab, Input für die Weiterentwicklung der VIVO-Entwicklungsroadmap zu liefern:

• KI hilft beim Verschlagworten
• Export aus Suchergebnissen
• besseres Reportingtool (hohe Priorität)
• Beispiele für Visualisierungen und Auswertungen
• Firsttime/everytime-Konfigurationen
• bessere UI & Design
• Rest-API
• Aktualisierung der KDSF-Ontologie
• Sammlung von Best-Practice-Beispielen

3. Welche Klassifikationen sind für Euch im FIS-Kontext wichtig? Welche Entitätstypen sollten mit Klassifikationen erschlossen werden?

An dieser Station wurden relevante Klassifikationen für die klassifikatorische Erschließung von Forschungsinformationen identifiziert. Genannt wurden die Fächerklassifikationen der Deutschen Forschungsgemeinschaft (DFG) und von Destatis, die KDSF-Forschungsfeldklassifikation (KDSF-FFK) sowie die Österreichische Systematik der Wissenschaftszweige (ÖFOS). Zudem wurde die Gemeinsame Normdatei (GND) zur Verschlagwortung genannt. Darüber hinaus besteht der Wunsch nach Vokabularen, um Sachverhalte wie Academic Degrees, akzeptiert/publiziert, die Ebene der Drittmittelgeber, Typen von (hausinternen) Events, geographische Schwerpunkte oder den Projektstatus einheitlich zu erfassen. Als zentrale Entitätstypen, die mithilfe dieser Vokabulare erschlossen werden sollen, wurden Projekte, Publikationen, (externe) Organisationen, Forschungsdaten, Preise und Auszeichnungen, Personen und Aktivitäten in Lehre und Promotion genannt.

4. Welche lokalen Ontologien habt Ihr?

Diese Station zielte darauf ab, lokale Ontologie-Entwicklungen zu erheben und Potentiale der Zusammenarbeit auf nationaler und internationaler Ebene zu identifizieren. Folgende lokale Ontologien wurden genannt:

• Patente
• Equipment
• Graphische Objekte
• Medienbeiträge
• Attribute Based Access Control
• Anträge/Förderlinien
• Vitro Search Ontology
• Personenrollen in Projekten, Gremien und Events

Um eine verbesserte Zusammenarbeit innerhalb der VIVO-Community zu ermöglichen, wurde vorgeschlagen, öffentliche Register von Ontologie-Erweiterungen zu pflegen und für stabilere Anpassungsmöglichkeiten der VIVO Ontology nach Updates zu sorgen.

An dieser Station wurden relevante Klassifikationen für die klassifikatorische Erschließung von Forschungsinformationen identifiziert. Genannt wurden die Fächerklassifikationen der Deutschen Forschungsgemeinschaft (DFG) und von Destatis, die KDSF-Forschungsfeldklassifikation (KDSF-FFK) sowie die Österreichische Systematik der Wissenschaftszweige (ÖFOS). Zudem wurde die Gemeinsame Normdatei (GND) zur Verschlagwortung genannt. Darüber hinaus besteht der Wunsch nach Vokabularen, um Sachverhalte wie Academic Degrees, akzeptiert/publiziert, die Ebene der Drittmittelgeber, Typen von (hausinternen) Events, geographische Schwerpunkte oder den Projektstatus einheitlich zu erfassen. Als zentrale Entitätstypen, die mithilfe dieser Vokabulare erschlossen werden sollen, wurden Projekte, Publikationen, (externe) Organisationen, Forschungsdaten, Preise und Auszeichnungen, Personen und Aktivitäten in Lehre und Promotion genannt.

Kompakkt und Semantic Kompakkt – eine zukunftssichere Alternative für 3D-Modelle

read this article in English

Mit der bevorstehenden Umbenennung von Sketchfab zu Fab und den damit einhergehenden Änderungen wird die stärkere Integration in den kommerziellen Bereich deutlich. Deshalb stellen sich derzeit insbesondere viele Kulturerbe-Institutionen die Frage, ob diese Plattform noch ihren Anforderungen entspricht. Besonders wenn es darum geht, die Kontrolle über eigene 3D-Modelle und ihre Sichtbarkeit zu behalten, könnten Alternativen interessant sein.

Kompakkt [1] und die Erweiterung Semantic Kompakkt [2] bieten hier eine Lösung. Die Software ist Open Source, was bedeutet, dass sie frei anpassbar und unabhängig von kommerziellen Interessen ist. Ein besonderer Vorteil ist, dass Institutionen ihre 3D-Modelle nicht hochladen müssen – sie können stattdessen direkt auf den eigenen Servern gehostet und über Kompakkt eingebunden werden. So behalten sie die volle Kontrolle über die Daten und Präsentation.

Vorschaubilder der teilnehmenden Projekte und Institutionen. CC-BY Autor:in: Zoe Schubert. Darüber hinaus ermöglicht es Kompakkt mit dem Viewer per iframe, die Modelle auf eigenen, beispielsweise institutionellen Webseiten, zu präsentieren, ohne dass sie auf der öffentlichen Plattform von Kompakkt sichtbar sein müssen. Dies gibt Institutionen die Flexibilität, selbst zu entscheiden, wann und wie ihre digitalen Sammlungen gezeigt werden. Außerdem sind und bleiben multimediale Annotationen der Modelle kostenfrei und bedingungslos verfügbar.

Kompakkt und Semantic Kompakkt zielt darauf ab, den Austausch und die Zusammenarbeit zwischen Forscher:innen zu fördern und schafft dadurch eine Umgebung, die sich ideal für wissenschaftliche Publikationen und Projekte eignet. Wir arbeiten aktiv daran mit der ersten Version des iiif-Standards für 3D konform zu sein.

Wenn Sie nach einer offenen und flexiblen Alternative zu Sketchfab suchen, die Ihnen mehr Kontrolle und Anpassungsmöglichkeiten bietet, nehmen Sie gerne Kontakt mit uns auf. Kompakkt kann die Lösung sein, um Ihre 3D-Modelle nachhaltig und unabhängig zu präsentieren!

[1] Kompakkt wurde ursprünglich am Institut für Digital Humanities der Universität zu Köln konzipiert, und ein Team von Forschern entwickelt dort weiterhin neue Funktionen.

[2] Semantic Kompakkt ist ein Dienst von NFDI4Culture, der von einem Team von Entwicklern und Forschern am Open Science Lab der TIB entwickelt und gewartet wird.

#3DModels #3DArchitekturdaten #3DObjekte #Kompakkt #LizenzCCBY40INT #NFDI4Culture #OpenAccess #OpenScienceLab #SemanticKompakkt #Wikibase