DIE INTERNETZEITKAPSEL DES SSH OPEN MARKETPLACE — Lars Hadeler über digitale Tools als Forschungsdaten und wie Open Source Lizenzierungen dabei helfen können, diese langfristig zu sichern

Von Lars Hadeler

Im Auftaktbeitrag der Sonderreihe Forschen, Lehren und Lernen mit digitalen Werkzeugen luden Josephine Diecke, Nicole Braida und Isadora Campregher Paiva dazu ein, die vielfältigen Einsatzmöglichkeiten digitaler Methoden und Werkzeuge in der Film- und Medienwissenschaft zu erkunden. Ausgehend von den Bereichen Lehre und (Selbst-)Studium, Forschung, (interaktive) Webseiten sowie Projektmanagement und Projektkommunikation wurden im Laufe der Reihe konkrete Anwendungsfälle digitaler Werkzeuge mit ihren Vorteilen und Grenzen vorgestellt und kritisch beleuchtet. Ziel war es, eine offene Plattform für die Diskussion der verschiedenen Ansätze und Perspektiven zu bieten, um die Dimensionen und Arbeitsabläufe mit digitalen Werkzeugen in den Mittelpunkt zu stellen.

Die Sonderreihe endet mit einem Beitrag des Medienwissenschaftlers Lars Hadeler, der im Rahmen seiner Beschäftigung als studentische Hilfskraft für das VW-Verbundprojekt Digital Cinema-Hub (DiCi-Hub) die auf dem SSH Open Marketplace aufgeführten digitalen Werkzeuge als potenzielle Tools zur visuellen Analyse von Daten für die Filmforschung untersuchte und in seinem Beitrag über seine Recherche berichtet.

---

Die Webseite SSH Open Marketplace verspricht, eine Vielzahl von Ressourcen, die für die Geisteswissenschaften interessant sind, zu katalogisieren und Forschenden so einen Überblick zu verschaffen. Wie Abbildung 1 zeigt, sind ‹digitale Tools› Teil dieser Ressourcen und mit diesem Beitrag auch Untersuchungsgegenstand der gleichnamigen Sonderreihe des OMS-Blogs zu digitalen Werkzeugen.

Im Rahmen des durch die VolkswagenStiftung geförderten Verbundprojektes Digital Cinema-Hub (DiCi-Hub) erstellen wir einen Datensatz, in welchem Tools zur visuellen Analyse von Daten erfasst sind. Gemäß des Versprechens des SSH Open Marketplace wurde diese Seite zur Zusammenstellung unseres Datensatzes als Quelle herangezogen. Im Kontext zu ähnlichen Webseiten schien das Angebot dort sehr umfangreich und deshalb gut für eine Fallstudie geeignet. Die Seite wurde hauptsächlich auf zwei Fragestellungen hin untersucht: 1. Kann diese Website selbst in ihrer Funktion als digitales Tool tatsächlich den Rechercheprozess vereinfachen und 2. welche Erkenntnisse lassen sich aus der Analyse des zusammengestellten Datensatzes ableiten?

Im Laufe dieser Recherche wurde der SSH Open Marketplace mit dem Tag ‹visual analysis› durchsucht. Die 314 Treffer wurden sehr übersichtlich dargestellt: Neben dem Namen des Tools gibt es auch eine Kurzbeschreibung, einige weitere Informationen wie die Lizenzierung des Tools, eine Kategorisierung durch verschiedene Schlagwörter, einen Link zur Website des Tools sowie Screenshots und weitere mit diesem Tool verknüpfte Inhalte des SSH Open Marketplace (Workflows, Publikationen, etc.).

Diese Rechercheergebnisse wurden jeweils im Literaturverwaltungsprogramm Zotero festgehalten, wobei nach einer ersten Bereinigung, in welcher hauptsächlich Doppelungen entfernt wurden, ein Datensatz mit 249 Einträgen entstand.

Der SSH Open Marketplace bietet also eine große Anzahl an Tools, die der visuellen Analyse dienen. Allerdings ist die Suchfunktion der Seite nicht sehr hilfreich: Es ist es nicht möglich, beispielsweise nach der Vertriebsart der Tools (kostenlos, Bezahlsoftware, Open Source, etc.) zu filtern. Viele Angaben des SSH Open Marketplace schienen zudem sehr veraltet zu sein. Oft waren Links zu Webseiten von Tools, ihre Beschreibung oder Informationen zum Tool (beispielsweise ob ein Tool kostenlos ist oder wer es entwickelt hat) nicht aktuell.

Dieser Umstand ist sehr interessant, da laut der Webseite die einzelnen Einträge aus verschiedenen Quellen bezogen werden, wie beispielsweise den Seiten TAPoR oder Programming Historian. Ähnlich wie der SSH Open Marketplace selbst bieten diese Seiten ebenfalls Informationen und Listen zu digitalen Tools. Anschließend werden sie nach eigenen Maßstäben kuratiert und auf der Seite gelistet. Als ein wichtiges Ziel dieses Prozesses wird auch die Aktualität des Datensatzes angeführt:

We believe that accurate and up-to-date content is key to making the SSH Open Marketplace a rich and useful discovery portal, data population and curation are at the heart of our work.¹

Durch eine Kombination aus automatischen und manuellen Bearbeitungsschritten sollen die eingespeisten Daten aktuell gehalten werden.² Wie sich im weiteren Verlauf dieser Untersuchung zeigen wird, scheint dieser Mechanismus allerdings noch ausbaufähig zu sein.

Die Webseite kann selbst also als digitales Tool fungieren, welches eine große Fülle von Informationen bietet und diese auch grundsätzlich durch Such- und Filtermöglichkeiten aufbereitet. Dennoch sind diese Funktionen nicht sehr weitreichend und vor allem die Aktualität der Informationen lässt zu wünschen übrig. Aus genau diesem Grund war aber die Analyse des erstellen Datensatzes umso interessanter:

Durch eine genauere Überprüfung verstärkte sich der Eindruck der Verwaistheit der Website. Der SSH Open Marketplace stellt eine Art Internet-Zeitkapsel dar. Wenn auch bei einigen Tools vermerkt wurde, dass diese nicht mehr weitentwickelt werden (mehrmals wurde auf die Way-Back-Machine verwiesen) und einige Tools sogar in der Vergangenheit beschrieben werden, scheint die Liste insgesamt nicht sehr aktuell zu sein. Bei vielen Tools wurde die Entwicklung im Laufe der 2010er-Jahre eingestellt und gerade bei kleineren Forschungsinitiativen einzelner Universitäten bestehen die Webseiten der Tools nicht mehr oder verlinken nun zu völlig anderen Seiten. Außerdem wurden viele der Tools mit der Zeit in andere integriert oder von den Entwickler_innen anderer Tools übernommen – so zum Beispiel bei Voyant, dessen Bestandteile im SSH Open Marketplace alle einzeln als Beta-Versionen gelistet sind.

Zudem fiel im Verlauf der Recherche auf, dass die meisten Tools in bestimmte Kategorien eingeordnet werden können: Eine Vielzahl von Tools wurde ursprünglich für Journalist_innen entwickelt und dient dem Erstellen und Einbinden von interaktiven Karten und Timelines in Webseiten. Ein anderer Teil zielt auf kommerzielle Firmen ab und verspricht durch Datamining und die dazugehörigen Visualisierungen eine Gewinnmaximierung. Gleichzeitig sind im SSH Open Marketplace auch viele Open Source Tools von kleinen Entwicklerteams gelistet, welche frei zugänglich sind und für spezifische Forschungszwecke genutzt werden können. Diese Heterogenität des Datensatzes lässt sich mit dem Anspruch des SSH Open Marketplace erklären, den Forschungsprozess ‹pragmatisch› zu unterstützen:

Given that the SSH Open Marketplace seeks to mirror actual research practices, commercial or non-current resources are also referenced where these are relevant for the scientific community.³

Diese große Vielfältigkeit des Datensatzes machte die tiefergreifende Analyse der Rechercheergebnisse interessant. Für diesen Zweck wurde der Datensatz aus Zotero in eine Excel-Tabelle exportiert und alle Tools nach und nach mit Schlagwörtern versehen, die sich aus den Beobachtungen während seiner Zusammenstellung ergaben:

• kostenlos, Open Source, Bezahlsoftware, Bezahloption
• verfügbar, nicht verfügbar, nicht weiterentwickelt
• geografische Daten, Karten, Timeline, Mindmap
• Twitter, soziale Medien
• Textanalyse, Textmining, Korpusanalyse, Sentiment Analysis, Topic Modelling
• Datamining, Netzwerkanalyse
• vergleichend, interaktiv

An dieser Stelle muss angemerkt werden, dass diese Kategorisierung der Tools an vielen Stellen nicht hinreichend möglich war – meistens da die Webseite eines Tools nicht mehr verfügbar ist und andere Stellen nur wenig Informationen liefern. Die Kategorisierung des Datensatzes bietet also eher einen qualitativen Überblick über den generellen Fokus der einzelnen Tools und keine genaue, quantitative Repräsentation.

Trotzdem wurden die Ergebnisse der Kategorisierung in einem nächsten Schritt mit Hilfe der ‚Pivot-Tabellen‘ Funktion von Excel analysiert und visualisiert. Hierfür wurde der zuvor mit Tags angereicherte Datensatz noch einmal im Programm OpenRefine bereinigt. Tools, zu denen keine hinreichenden Informationen (beispielsweise bezüglich Open- oder Closed-Source-Lizensierung) gefunden werden konnten, wurden mit ‹Keine Angabe› markiert.

Die Analyse durch die Pivot Tabelle bestätigte die Heterogenität des Datensatzes: Die meisten Tools, bei denen ein funktionaler Fokus festgestellt werden konnte, dienen der Textanalyse. Die nächstgrößere Kategorie bilden Tools für die Netzwerkanalyse. Zählt man die Tools für Karten und Timelines als für Journalist_innen angelegte Tools zur Präsentation von Rechercheergebnissen zusammen, ergeben diese die drittgrößte Kategorie.

Außerdem konnte festgestellt werden, dass fast 80% der Tools kostenlos vertrieben werden. Lediglich 10% von diesen beinhalten eine Form von eingeschränkter Version, bei der durch eine Bezahloption die volle Funktionalität erkauft werden muss. Ein großer Teil dieser Tools lässt sich in die bereits beschriebene, auf Journalist_innen ausgerichtete Kategorie zur Visualisierung von Rechercheergebnissen in Form von Karten und Timelines einordnen. Der größte Teil der kostenlosen Tools ist hingegen ‹tatsächlich kostenlos›, ohne jegliche Bezahloptionen. Interessant ist hierbei auch, dass die Hälfte aller kostenlosen Tools gleichzeitig auch Open Source ist.

Gesamt	249	100%
Bezahlsoftware	38	15,26%
Kostenlos	192	77,11%
Keine Angabe	19	7,63%
Kostenlos	192	100%
Mit Bezahloption	19	9,90%
Ohne Bezahloption	173	90,10%
Kostenlos	192	100%
Open Source	103	53,65%
Closed Source / Keine Angabe	89	46,35%

Kostenlos / mit Bezahloption
Funktion_Karten	7
Funktion_Netzwerkanalyse	5
Funktion_Timeline	3
Funktion_Mindmap	3
Funktion_Textanalyse	1

Abbildung 5: Ergebnisse der Pivot-Tabellen-Analyse

Noch interessanter war allerdings der Entwicklungsstatus der Tools. Während der größte Teil (~65%) weiterentwickelt wird und dementsprechend auch nach wie vor verfügbar ist, wird ein nicht unbedeutender Teil der auf der Website gelisteten Tools nicht mehr weiterentwickelt (~30%).

Im Rahmen der Recherche war es leider nicht möglich festzustellen, warum die einzelnen Tools nicht weiterentwickelt werden. Zwar gab es – wie die folgenden Beispiele zeigen – auf einigen Webseiten Angaben zum Grund der Einstellung des Tools: Kompatibilitätsprobleme, finanzielle Engpässe oder die Eingliederung in eine andere Software. Jedoch war dies nicht die Norm. Zu den meisten nicht weiterentwickelten Tools war es sehr schwierig, Informationen zu finden. Nicht nur war oft das jeweilige Tool nicht mehr zum Download verfügbar – oft waren die Webseiten der Tools vollkommen verwaist oder sogar nicht mehr existent. In diesen Fällen konnten die einzigen Informationen durch Webseiten wie dem SSH-Open Marketplace oder Tapor gesammelt werden, wobei diese – wie beschrieben – meist nicht sehr aktuell waren. Während viele Projekte einzelner Universitäten auf deren Webseiten einfach ‹entfernt› wurden und nichts mehr über sie zu finden ist, war es selbst bei manchen weiterhin verfügbaren Tools schwierig, Informationen zu finden. So liefern beispielsweise viele GitHub-Seiten zwar eine ausführliche Dokumentation zum Quellcode eines Tools, verweisen jedoch für generelle Angaben zu dessen intendiertem Nutzungsrahmen oder dem Projekt, an welches es gekoppelt war, auf externe Webseiten – welche meist nicht länger verfügbar sind.

Ein interessanter Zusammenhang ergab sich jedoch aus den Informationen zur Verfügbarkeit der einzelnen Tools: Die Hälfte der nicht länger weiterentwickelten Tools ist tatsächlich auch nicht verfügbar, während die andere Hälfte weiterhin auffindbar ist und auch heruntergeladen werden kann. Dabei scheint es einen Zusammenhang mit der Vertriebsart der einzelnen Tools zu geben: Fast alle nicht weiterentwickelten und nicht verfügbaren Tools sind Closed Source (proprietäre Software), während fast alle nicht weiterentwickelten, aber verfügbaren Tools Open Source sind. An dieser Stelle muss erwähnt werden, dass bei einigen Tools keine Informationen zu deren Lizenzierung verfügbar waren und sie so im Zweifelsfall zur Kategorie Closed Source gezählt wurden, da sie sind nicht explizit frei zugänglich sind und eine intentionelle Offenlegung des Quellcodes Teil der Open Source Idee ist. Dies waren lediglich drei Tools, wobei in zwei Fällen sogar ein .zip Ordner zum Download verfügbar ist. Es ist deshalb naheliegend, dass auch bei diesen der Quellcode zugänglich ist, was aber im Rahmen dieser Recherche nicht gänzlich geklärt werden konnte. Bei den beiden nicht weiterentwickelten und nicht verfügbaren Open Source Tools sind ihre Webseiten nicht länger abrufbar und keine weiteren Informationen verfügbar. Zudem gab es auch einige wenige Tools (~6%), bei denen der Entwicklungsstatus nicht ermittelt werden konnte. Die meisten dieser Tools haben jedoch keine offensichtliche Open Source Lizenzierung.

Gesamtergebnis	249	100,00%
Wird weiterentwickelt	163	65,46%
Verfügbar	163	65,46%
Closed Source / Keine Angabe	97	38,96%
Open Source	66	26,51%
Nicht weiterentwickelt	70	28,11%
Verfügbar	35	14,06%
Closed Source / Keine Angabe	3	1,20%
Open Source	32	12,85%
Nicht Verfügbar	35	14,06%
Closed Source / Keine Angabe	33	13,25%
Open Source	2	0,80%
Keine Angabe	16	6,43%
Verfügbar	1	0,40%
Closed Source / Keine Angabe	1	0,40%
Nicht verfügbar	15	6,02%
Closed Source / Keine Angabe	12	4,82%
Open Source	3	1,20%

Abbildung 7: Ergebnisse der Pivot-Tabellen-Analyse

So lässt sich festhalten: Wird ein Tool mit einer Open Source Lizenz vertrieben, ist es sehr wahrscheinlich, dass es auch nach der Einstellung seiner Entwicklung weiterhin verfügbar bleiben wird.

Dieser Zusammenhang scheint mit der Natur einer solchen Lizenzierung zusammenzuhängen. Im Kern bedeutet die Open-Source-Lizenzierung einer Software die Offenlegung ihres Quellcodes. Damit im Rahmen der Open-Source-Idee mehrere Menschen kollaborativ an einem Projekt arbeiten können, müssen die notwendigen Daten – im Fall einer Software der Quellcode – für alle zugänglich sein⁴. Für diesen Zweck wird oft auf Internet-Repositorien zurückgegriffen. Beinahe alle der Open-Source-Tools in diesem Datensatz werden über Seiten wie Github, Sourceforge, Google Code oder W3 bereitgestellt. Allen diesen Repositorien ist eine archivarische Funktion eingeschrieben: Selbst wenn ein Projekt verwaist ist und nicht länger weiterentwickelt wird, sind die dazugehörigen Daten weiterhin abrufbar. Im Fall der Plattform Google Code steht mittlerweile diese archivarische Funktion sogar im Vordergrund, da die Website selbst eingestellt ist und nur noch der Dokumentation dient.

Die Lizenzierung eines Tools hat also großen Einfluss auf dessen Verfügbarkeit. Die Vorgaben einer Open-Source-Lizenzierung scheinen nicht nur die kollaborative Entwicklung eines Tools zu ermöglichen, sondern auch dessen langfristige Nachnutzbarkeit zu sichern. Mit dem Begriff der ‹Nachnutzung› wird ein wichtiger Zusammenhang deutlich: Als Ergebnis eines Forschungsprojektes können digitale Tools mit zur Kategorie der Forschungsdaten hinzugezählt werden, wie beispielsweise auch die DFG in ihren Leitlinien zum Umgang mit Forschungsdaten von 2015 festhält:

Methodische Testverfahren, wie Fragebögen, Software und Simulationen können ebenfalls zentrale Ergebnisse wissenschaftlicher Forschung darstellen und sollten daher ebenfalls unter den Begriff Forschungsdaten gefasst werden.⁵

Damit wird die Frage des Forschungsdatenmanagements in Bezug auf digitale Tools interessant. Wie die DFG ebenfalls in ihren Leitlinien festhält, sollen diese «für mindestens 10 Jahre archiviert werden».⁶ Viele der nicht weiterentwickelten Tools auf dem SSH-Open Marketplace stammen entweder aus den frühen 2000er- oder sogar den 1990er-Jahren. Sie werden deshalb dort teilweise auch als ‹Historic Tool› gelistet.

Mit einem Alter von mittlerweile 20 oder sogar 30 Jahren übersteigen also viele der Tools den von der DFG festgelegten Mindestzeitraum für ihre Verfügbarkeit. Wie im Kontext der Forschung im Rahmen des DiCi-Hub-Projektes mit dieser Recherche deutlich wurde, sind diese Tools und die mit ihnen verbundenen Informationen über diesen Zeitraum aber nach wie vor interessant – ganz abgesehen von der Entwicklung eines neuen Tools. Deshalb ist eine langfristige Sicherung und Bereitstellung von Forschungsdaten wichtig, auch in Bezug auf digitale Tools und deren Dokumentation.

Im Rahmen dieser Recherche wurde ersichtlich, dass das Problem der langfristigen Bereitstellung durch eine Open-Source-Lizenzierung und die damit gängige Verwendung von Repositorien gelöst werden kann. Mit Bezug auf die ebenso wichtige Dokumentation muss allerdings festgehalten werden, dass an dieser Stelle nach wie vor zu sehr auf private Websites gesetzt wird, wobei auch hier eine Eingliederung von Informationen und den Entstehungskontext in besagte Repositorien eine mögliche Lösung darstellt.

Mit Blick auf den SSH Open Marketplace kann festgehalten werden, dass hier eine grundsätzliche Aktualisierung der Website sinnvoll wäre. Auch wenn fehlende Informationen wahrscheinlich nur schwierig nachgetragen werden können, wären aktuelle Informationen zu Entwicklungsstatus und Vertriebsart der Tools für das erklärte Ziel der Seite – den Rechercheprozess zu digitalen Methoden in den Geisteswissenschaften zu vereinfachen – hilfreich.

Auch wenn ein digitales Tool aus verschiedensten Gründen nicht weiterentwickelt werden kann – Finanzierungsengpässe, Inkompatibilität, Fokussierung auf ein anderes Projekt –, ist es dennoch Teil der Forschungsdaten in einem wissenschaftlichen Prozess. Wie in anderen Bereichen auch, sind eine gesicherte Nachnutzbarkeit und Dokumentation dieser Daten essenziell und sollten in aktuellen wie zukünftigen Projekten stets berücksichtigt werden.

Lars Hadeler hat 2023 den Bachelor-Studiengang Medienwissenschaft an der Philipps-Universität in Marburg abgeschlossen. Parallel arbeitet er als studentische Hilfskraft für das “Marburg Center for Digital Culture and Infrastructure” (MCDCI), wobei er hauptsächlich am Filmforschungsprojekt “Digital Cinema-Hub” (DiCi-Hub) beteiligt ist. Im kommenden Semester möchte er mit dem Master “Cultural Data Studies” an der Philipps-Universität weiter in den Bereich der Digital Humanities gehen.

---

---