Erst die Interpretation macht Forschungsdaten nützlich. Die Daten müssen dafür gut dokumentiert und aufbereitet sein.

Je mehr ich über die Quelle weiss und je aussagekräftiger die Ausgangsbasis ist, die ich erstelle oder nutze, umso grösser ist das Potenzial neue Erkenntnisse zu gewinnen.

Quelle: http://wiki.bildungsserver.de/bilder/upload/checkliste_datenmanagement.pdf

Visualisierungen können bei der Interpretation der Daten helfen. Grosse Datenmengen und komplexe Datenstrukturen werden durch Visualisierung übersichtlich. Es braucht für eine überzeugende Visualisierung aber auch viel Fachwissen.

Offene Daten basieren in der Regel auf unterschiedlichen Formaten, Metadatenstandards und Datenmodellen. Es stellt sich daher die Frage: Wie offen sind publizierte Forschungsdaten?

Für die Nachnutzung sind nicht nur die Datenqualität und Datendokumentation entscheidend, die Daten müssen auch interoperabel sein. Die Integration von heterogenen Daten ist oft eine Hürde bei der Nachnutzung von Daten und stellt die Forschenden vor eine grosse Herausforderung.

Um die Daten nutzen zu können, müssen die Daten oft mit viel Aufwand gesucht, überprüft, bereinigt und transformiert werden, damit ein Vergleich oder eine Verknüpfung der Daten überhaupt möglich ist. Denn die Daten müssen interoperabel sein, sowohl strukturell und syntaktisch (z.B. in der Form von Webdiensten) wie auch semantisch (mittels Modelltransformationen).

http://www.kim-forum.org/Subsites/kim/DE/Materialien/Glossar/glossar_node.html

Zudem stellt sich die Frage nach der Maschinenlesbarkeit der publizierten Daten: wie können Inhalte von Maschinen verstanden werden?

Daten integrieren mit Linked Data, wie geht das? Was bringt uns Linked Data?

Wir verwenden RDF als gemeinsames Datenmodell und verlinken die Daten mit deren Entitätsbeschreibungen sowie Beziehungen aus verschiedenen Quellen unter Verwendung von bekannten Ontologien und Vokabularen.

• Einheitliches Modell zur Repräsentation von heterogenen Daten, dadurch vereinfachte Nachnutzung
• Verknüpfung von Daten ist extrem leicht
• Evolution des Datenschemas ist möglich
• Nutzung bereits erschlossener Entitäten anderer Datenanbieter
• Anreicherung der eigenen Daten durch Verlinkung oder auch Übernahmen
• Optimierung der Retrieval-Möglichkeiten
• Vokabulare können sehr leicht wiederverwendet und bei Bedarf erweitert werden

Linked Data erlaubt das Auffinden, Verbinden, Beschreiben und das Nachnutzen aller Arten von Daten.

http://www.dnb.de/SharedDocs/Downloads/DE/DNB/wir/linkedOpenData.pdf?__blob=publicationFile

Idee: Erweiterung eines Netzes von Dokumenten (Web of Documents) zu einem Netz von Daten (Web of Data), von maschinenlesbaren, einzelnen Aussagen. Durch maschinelles logisches Schlussfolgern soll aus diesen Daten zusätzliches Wissen generiert werden können.

RDF ist eine allgemeine Syntax zur Darstellung von Daten im Web. Jede in RDF ausgedrückte Information ist als sogenanntes Tripel in einem Graph vertreten.

Das heisst ich beschreibe einzelne Dinge und deren Beziehung als Subjekt, Prädikat und Objekt in Form von Tripels. Um die Entitäten zu identifizieren werden URIs benutzt.

Die Tripels können miteinander verlinkt und in einem Graphen dargestellt werden.

Durch die Verlinkung der RDF Tripels mit Hilfe von URIs entsteht ein sogenannter RDF Graph. Mit diesem Modell können auch verteilte Daten auf einfache Art miteinander verknüpft werden.

Die Serialisierung von RDF-Graphen kann in verschiedenen syntaktischen Formaten erfolgen:

• Turtle Syntax
• N-Triples
• RDF/XML
• JSON-LD

Zum Beispiel als N-Triples:

<http://www.europeana.eu/portal/record/03919/FCD38BDE7A03579F24BEDA5D157943B75BB36F11.html><http://purl.org/dc/terms/creator><http://dbpedia.org/resource/Leonardo_da_Vinci> .

RDF Vokabulare können ohne grossen Aufwand weiterverwendet und erweitert werden. Wenn möglich sollten bekannte Ontologien verwendet werden.

Unter http://lov.okfn.org/dataset/lov/ kann nach bestehendem RDF Vokabular gesucht werden.

Als Beispiel wird hier eine Aufstellung der verwendeten Vokabulare für das Archiv Pina Bausch gezeigt.

Quelle: Thull, Bernhard, Kerstin Diwisch, and Vera Marz. „Linked Data Im Digitalen Tanzarchiv Der Pina Bausch Foundation.“ X.media.press Corporate Semantic Web (2015): 259-75. Web.

Das folgende Video gibt eine kurze Einführung in die grundlegenden Konzepte von SPARQL und Linked Data:

SPARQL in 11 minutes

Die SPARQL Syntax enthält die folgenden Elemente:

• PREFIX für URIs (Namensräume)
• SELECT für Auswahl (Variablen der Ergebnismenge)
• WHERE definiert Bedingungen für Variablen

Link zum öffentlichen SPARQL Endpoint von Dbpedia: http://dbpedia.org/sparql

• RDF 1.1 Primer: https://www.w3.org/TR/2014/NOTE-rdf11-primer-20140225/
• SPARQL in 11 minutes: https://www.youtube.com/watch?v=FvGndkpa4K0
• Semantic University: http://www.cambridgesemantics.com/semantic-university/
• LOD Laundromat (entry point to a collection of existing data): http://lodlaundromat.org/
• Report on Available Linked Data Training Resources: https://www.loc.gov/aba/pcc/sct/documents/PCCSCTFinalReportonAvailableLinkedDataTrainingResources.docx
• Survey of Available RDF/Linked Data Creation Tools: https://wiki.duraspace.org/pages/viewpage.action?pageId=69014248