#open-science-lab — Public Fediverse posts

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 at 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

1. AI-Bridges is funded by the European Commission through a Marie Skłodowska-Curie Postdoctoral Research Fellowship. Led by Dr Shani Evenstein Sigalov and hosted at Digital Humanities Research Hub, School of Advanced Study, University of London, the project includes partnerships with the Wikimedia chapters in Germany, UK, Brazil, and Switzerland, and AI-experts Pleias.

2. Recent examples include dedicated sessions at the Wikimedia Hackathon 2026 in Milan, summarised with great nuance in a blog article by Hay Kranen, as well as upcoming sessions at Wikimania 2026 to be held in Paris in July. 

3. The European Tech Sovereignty Package and EU Open Source Strategy were published on June 3rd, 2026, positioning open source and the digital commons as critical to Europe’s “resilience, competitiveness and strategic autonomy”. The strategy also admits that despite over 3 million open source contributors (according to the strategy fact sheet, but other sources point to even higher numbers), the European open source ecosystem faces “structural challenges” and lower impact due to value extraction outside Europe. The analysis from the Open Knowledge Foundation Network outlines further details. 

4. See Donna J. Haraway (2016) Staying with the Trouble: Making Kin in the Chthulucene. Duke University Press. 

5. Here, NFDI4Culture’s development of Wikibase4Research, which was mentioned as an example project application can be quite helpful, as it provides (among other resources), a GitLab repository with a sample ontology for the culture domain with scripts for transforming and loading the ontology in a fresh Wikibase instance.

6. At least one such example is the reconciliation of Basque entities currently underway at HiTZ-EHU as part of ECHOLOT, but there are likely many more.

7. See the published work of Anne Chen, Stacy Allison-Cassin and Kim Christen, among others.

8. ‘Software Freedom as Civic Care’ (published timely on May 22, 2026), part of the Civic AI project at the Oxford Institute for Ethics in AI.

9. The 2002 book by Feng-hsiung Hsu, the system architect of Deep Blue, which tells the story of how Deep Blue, “the ultimate chess machine,” beat Gary Kasparov in 1997. 

10. This useful parallel to the discussions in Behind Deep Blue was initially drawn by Hay Kranen in his blog post on the Wikimania Hackathon. 

11. See note #8.

12. Topics covered four broader areas such as AI Policy, Tools & Infrastructure, Trust & Education, Cultural Heritage & GLAMs. Full list is available here.

13. See Sohmen, L., Rossenova, L. and Blümel, I. (2026) ‘Wikidata 4 Open Culture: Lessons Learned from Hands-On Work with Cultural Heritage Data in the Expanded Wikibase Ecosystem’, Journal of Open Humanities Data, 12(1), p. 52. Available at: https://doi.org/10.5334/johd.440.

14. The image referred to is this one.

15. For example, see this blog post on provenance and museum data in the Wikiverse.

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

1. AI-Bridges is funded by the European Commission through a Marie Skłodowska-Curie Postdoctoral Research Fellowship. Led by Dr Shani Evenstein Sigalov and hosted at Digital Humanities Research Hub, School of Advanced Study, University of London, the project includes partnerships with the Wikimedia chapters in Germany, UK, Brazil, and Switzerland, and AI-experts Pleias.

2. Recent examples include dedicated sessions at the Wikimedia Hackathon 2026 in Milan, summarised with great nuance in a blog article by Hay Kranen, as well as upcoming sessions at Wikimania 2026 to be held in Paris in July. 

3. The European Tech Sovereignty Package and EU Open Source Strategy were published on June 3rd, 2026, positioning open source and the digital commons as critical to Europe’s “resilience, competitiveness and strategic autonomy”. The strategy also admits that despite over 3 million open source contributors (according to the strategy fact sheet, but other sources point to even higher numbers), the European open source ecosystem faces “structural challenges” and lower impact due to value extraction outside Europe. The analysis from the Open Knowledge Foundation Network outlines further details. 

4. See Donna J. Haraway (2016) Staying with the Trouble: Making Kin in the Chthulucene. Duke University Press. 

5. Here, NFDI4Culture’s development of Wikibase4Research, which was mentioned as an example project application can be quite helpful, as it provides (among other resources), a GitLab repository with a sample ontology for the culture domain with scripts for transforming and loading the ontology in a fresh Wikibase instance.

6. At least one such example is the reconciliation of Basque entities currently underway at HiTZ-EHU as part of ECHOLOT, but there are likely many more.

7. See the published work of Anne Chen, Stacy Allison-Cassin and Kim Christen, among others.

8. ‘Software Freedom as Civic Care’ (published timely on May 22, 2026), part of the Civic AI project at the Oxford Institute for Ethics in AI.

9. The 2002 book by Feng-hsiung Hsu, the system architect of Deep Blue, which tells the story of how Deep Blue, “the ultimate chess machine,” beat Gary Kasparov in 1997. 

10. This useful parallel to the discussions in Behind Deep Blue was initially drawn by Hay Kranen in his blog post on the Wikimania Hackathon. 

11. See note #8.

12. Topics covered four broader areas such as AI Policy, Tools & Infrastructure, Trust & Education, Cultural Heritage & GLAMs. Full list is available here.

13. See Sohmen, L., Rossenova, L. and Blümel, I. (2026) ‘Wikidata 4 Open Culture: Lessons Learned from Hands-On Work with Cultural Heritage Data in the Expanded Wikibase Ecosystem’, Journal of Open Humanities Data, 12(1), p. 52. Available at: https://doi.org/10.5334/johd.440.

14. The image referred to is this one.

15. For example, see this blog post on provenance and museum data in the Wikiverse.

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.

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:

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

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

📝 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

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

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.

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.

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.

Open Science mit Mini-Budget: Wie kleine Einrichtungen Großes bewirken können

Open Science an kleinen Einrichtungen ist doch eh zum Scheitern verurteilt? Oder etwa doch nicht? Besonders kleine Einrichtungen haben einen großen Nachteil beim Implementieren von neuen Services: Ressourcen. Es beginnt beim fehlenden Personal, geht über die Ausstattung der Einrichtung und endet im leidigen Thema Finanzierung.

Doch die fortschreitende Digitalisierung der Wissenschaft hat weitreichende Auswirkungen auf Forschungs- und Bildungseinrichtungen. Im Kontext von Open Science gewinnen insbesondere die Teilbereiche Open Source, FAIR Data und Open Educational Resources (OER) zunehmend an Relevanz. Und diese Konzepte bergen ein erhebliches Potenzial für Bildungseinrichtungen, insbesondere für Bibliotheken. Doch wie genau sieht die Umsetzung aus, wenn die Ressourcen begrenzt sind?

Eine klare Antwort auf diese Frage gibt es nicht. Es gibt jedoch Möglichkeiten, die eine ressourcensparende Umsetzung erleichtern. Im Rahmen von Interviews wurde ein Best-Practice-Leitfaden (Best Practice für Open Educational Resources, Open Source und Open Data an Hochschulen der angewandten Wissenschaften in Nordrhein-Westfalen) entwickelt, der die Integration der Aspekte erleichtern soll.

In diesem Zusammenhang gibt es vier Maßnahmen, die Einrichtungen kostengünstig umsetzen können, um die Implementierung von Open Science zu erleichtern.

1. Kommunikation

Klare Kommunikationsstrukturen sind dringend erforderlich. Der oftmals interne, informelle Austausch in der Kaffeeküche kann durch regelmäßige, strukturierte Meetings ergänzt werden. Hier sollten alle Personen zusammenfinden, die an der Institution mit der Thematik Open Science arbeiten, über Abteilungsgrenzen hinweg.

Eine verbesserte interne Kommunikation und Koordination zwischen den Abteilungen können den Informationsfluss fördern und strukturelle Hürden abzubauen. Zentral dabei ist die Etablierung effektiver Kommunikationskanäle. Regelmäßige Meetings, Workshops und gemeinsame Plattformen erleichtern den Austausch und stärken die Zusammenarbeit. Oftmals kann eine informelle Einladung zu einem gemeinsamen Kaffee die Türen zu einer Zusammenarbeit öffnen.

Zusätzlich dazu sollte der Blick über die Institutionsgrenzen hinweg nicht vernachlässigt werden. Gibt es in der Region Bibliotheken die vor ähnlichen Herausforderungen stehen? Eine Kooperation mit regionalen Netzwerken kann hierbei Synergieeffekte schaffen.

2. Interne Koordination

In diesem Zusammenhang bildet eine institutionelle Koordinationsstelle den zentralen Dreh- und Angelpunkt: Sie bündelt alle Open-Science-Aktivitäten, stärkt die interne Kommunikation und agiert als Schnittstelle zu externen Partnern. Sie schafft Transparenz und fördert den Austausch.

3. Communities

Bibliotheken sollten zudem institutionsweite Diskussionen zu Open Science aktiv fördern. Nur wenn alle Fachbereiche eingebunden sind, kann eine breite Akzeptanz entstehen. Eine aktive Mitgestaltung der Policies beispielsweise, kann die Akzeptanz erhöhen. Das Stichwort hier: Partizipation. Der Austausch auf Augenhöhe und die dadurch entstehende Ausrichtung der Services auf die Bedarfe der Wissenschaft kann fördernd für die Implantierung von Open Science sein. Auch hier stellt sich die Frage nach dem wie. Doch auch hier kann es keine allgemeine Antwort geben. Bei einigen Einrichtungen funktionieren Mailinglisten, bei anderen sind es Soziale Medien wie LinkedIn und wieder andere profitieren von der intrinsischen Motivation einzelner. In diesem Zusammenhang spielt auch der nächste Aspekt eine wichtige Rolle.

4. Forschungsevaluation

Institutionen sollten transparente und nachvollziehbare Verfahren zur Bewertung wissenschaftlicher Leistungen einführen. Das stärkt das Vertrauen in die Forschungsarbeit und reduziert Unsicherheiten, die sich negativ auf die Qualität auswirken können.

#OpenScience #HochschuleHannover #openness #LizenzCCBY40INT #OpenScienceLab

Open Science mit Mini-Budget: Wie kleine Einrichtungen Großes bewirken können

Open Science an kleinen Einrichtungen ist doch eh zum Scheitern verurteilt? Oder etwa doch nicht? Besonders kleine Einrichtungen haben einen großen Nachteil beim Implementieren von neuen Services: Ressourcen. Es beginnt beim fehlenden Personal, geht über die Ausstattung der Einrichtung und endet im leidigen Thema Finanzierung.

Doch die fortschreitende Digitalisierung der Wissenschaft hat weitreichende Auswirkungen auf Forschungs- und Bildungseinrichtungen. Im Kontext von Open Science gewinnen insbesondere die Teilbereiche Open Source, FAIR Data und Open Educational Resources (OER) zunehmend an Relevanz. Und diese Konzepte bergen ein erhebliches Potenzial für Bildungseinrichtungen, insbesondere für Bibliotheken. Doch wie genau sieht die Umsetzung aus, wenn die Ressourcen begrenzt sind?

Eine klare Antwort auf diese Frage gibt es nicht. Es gibt jedoch Möglichkeiten, die eine ressourcensparende Umsetzung erleichtern. Im Rahmen von Interviews wurde ein Best-Practice-Leitfaden (Best Practice für Open Educational Resources, Open Source und Open Data an Hochschulen der angewandten Wissenschaften in Nordrhein-Westfalen) entwickelt, der die Integration der Aspekte erleichtern soll.

In diesem Zusammenhang gibt es vier Maßnahmen, die Einrichtungen kostengünstig umsetzen können, um die Implementierung von Open Science zu erleichtern.

1. Kommunikation

Klare Kommunikationsstrukturen sind dringend erforderlich. Der oftmals interne, informelle Austausch in der Kaffeeküche kann durch regelmäßige, strukturierte Meetings ergänzt werden. Hier sollten alle Personen zusammenfinden, die an der Institution mit der Thematik Open Science arbeiten, über Abteilungsgrenzen hinweg.

Eine verbesserte interne Kommunikation und Koordination zwischen den Abteilungen können den Informationsfluss fördern und strukturelle Hürden abzubauen. Zentral dabei ist die Etablierung effektiver Kommunikationskanäle. Regelmäßige Meetings, Workshops und gemeinsame Plattformen erleichtern den Austausch und stärken die Zusammenarbeit. Oftmals kann eine informelle Einladung zu einem gemeinsamen Kaffee die Türen zu einer Zusammenarbeit öffnen.

Zusätzlich dazu sollte der Blick über die Institutionsgrenzen hinweg nicht vernachlässigt werden. Gibt es in der Region Bibliotheken die vor ähnlichen Herausforderungen stehen? Eine Kooperation mit regionalen Netzwerken kann hierbei Synergieeffekte schaffen.

2. Interne Koordination

In diesem Zusammenhang bildet eine institutionelle Koordinationsstelle den zentralen Dreh- und Angelpunkt: Sie bündelt alle Open-Science-Aktivitäten, stärkt die interne Kommunikation und agiert als Schnittstelle zu externen Partnern. Sie schafft Transparenz und fördert den Austausch.

3. Communities

Bibliotheken sollten zudem institutionsweite Diskussionen zu Open Science aktiv fördern. Nur wenn alle Fachbereiche eingebunden sind, kann eine breite Akzeptanz entstehen. Eine aktive Mitgestaltung der Policies beispielsweise, kann die Akzeptanz erhöhen. Das Stichwort hier: Partizipation. Der Austausch auf Augenhöhe und die dadurch entstehende Ausrichtung der Services auf die Bedarfe der Wissenschaft kann fördernd für die Implantierung von Open Science sein. Auch hier stellt sich die Frage nach dem wie. Doch auch hier kann es keine allgemeine Antwort geben. Bei einigen Einrichtungen funktionieren Mailinglisten, bei anderen sind es Soziale Medien wie LinkedIn und wieder andere profitieren von der intrinsischen Motivation einzelner. In diesem Zusammenhang spielt auch der nächste Aspekt eine wichtige Rolle.

4. Forschungsevaluation

Institutionen sollten transparente und nachvollziehbare Verfahren zur Bewertung wissenschaftlicher Leistungen einführen. Das stärkt das Vertrauen in die Forschungsarbeit und reduziert Unsicherheiten, die sich negativ auf die Qualität auswirken können.

#HochschuleHannover #openness #LizenzCCBY40INT #OpenScienceLab #OpenScience

„Citizen Science-Tag“ der Leibniz Universität Hannover (LUH)

Am „Citizen Science-Tag“ am 15. Mai 2025 an der Universität Hannover präsentieren sich zahlreiche Projekte und laden zur Beteiligung ein. Neben Infoständen auf einem Marktplatz gibt es Angebote für Bürger:innen als mögliche Mitforschende, für Lehrkräfte als Multiplikatoren und für Forschende der LUH als Projektverantwortliche. Ein Gastvortrag beleuchtet Citizen Science aus wissenschaftlicher Perspektive und zeigt, wie Partizipation unsere Demokratie stärken kann.

Wir sind dabei! Das TIB-Projekt Gestapo.Terror.Orte

Die TIB ist am „Citizen Science-Tag“ mit dem Projekt Gestapo.Terror.Orte. vertreten. Unser Ziel: Gemeinsam mit Bürger:innen wollen wir Wissen über die Verbrechen der Gestapo digital zugänglich zu machen. Über die Plattformen Wikidata und Wikimedia Commons können Interessierte selbstständig Daten zum Gestapoterror eingeben und Fotografien und Archivalien veröffentlichen.

Der „Citizen Science-Tag“ findet am 15. Mai 2025 in der Zeit von 9 bis 16 Uhr im Lichthof im Hauptgebäude der LUH (Welfengarten 1 B, 30167 Hannover) statt. Die Teilnahme an einzelnen Programmpunkten ist möglich. Der Eintritt ist frei, um Anmeldung wird gebeten.

Zur Anmeldung

Zum Programm

#CitizenScience #OpenScience #LizenzCCBY40INT #OpenScienceLab

💛 Viel Liebe für Forschungsdaten – bei der #LoveData25!

📊 Im Rahmen der weltweiten Love Data Week vom 10. bis zum 14. Februar 2025 erwarten euch viele spannende Veranstaltungen rund um Daten und Datenmanagement. Auch @tudresden und #SLUBDresden sind wieder dabei.

🗓 Am 14. Februar lädt euch das Team von #Come2Data von 10:00 bis 15:00 Uhr herzlich in das #OpenScienceLab der SLUB ein.

🎲 Sächsische #Geschichte spielend entdecken: Wie lassen sich (analoge) Spiele in Forschung und Lehre anwenden und welches didaktisches Potential besteht für den Geschichtsunterricht? Diese und weitere Fragen wurden beim #Workshop am 7. November 2024 am Beispiel der Sächsischen #Landesgeschichte im #OpenScienceLab der SLUB diskutiert.

Zum Werkstattbericht 👉 https://saxorum.hypotheses.org/12154

#slub #dresden #bibliothek #geschichte #didaktik #saxorum #library #landeskunde #brettspiele

🕯️ #Advent für den inneren Nerd: Im Dezember wächst im #OpenScienceLab-Blog ein #Adventskalender für offene Kultur- und #Metadaten. 🚪 Zum ersten „Türchen“ heute ein Beitrag über die wissenschaftliche Zeichnerin Anna Held – viel Spaß im Rabbit Hole! 👉 https://osl.hypotheses.org/14410 @JensB

#wikidata #wikimedia

Lambert Heller, Leitung Open Science Lab an der TIB, war zu Gast im Podcast „The Future ist Open Science“ von der ZBW – Leibniz-Informationszentrum Wirtschaft. In der Folge sprach er mit Dr. Doreen Siegfried (Leitung Marketing und Public Relations) und Dr. Guido Scherp (Leitung Open-Science-Transfer) von der ZBW über zehn Jahre Barcamp Open Science.

Dabei ging es unter anderen darum, warum erfolgreiche Barcamps immer die Bedürfnisse der jeweiligen Community im Blick haben und diesen den nötigen Raum geben sollten. Außerdem betonte Lambert Heller, wie wichtig es beim Barcamp Open Science sei, dass ganz verschiedene Akteur:innen dort aufeinandertreffen: Wissenschaftler:innen seien dort genauso anzutreffen wie Expert:innen aus Infrastruktureinrichtungen.

Und worüber wurde in dem fast einstündigen Podcast sonst noch gesprochen? Etwa darüber, was wir von den Niederlanden über Barcamps lernen können und wie Barcamps in der Wissenschaft optimal gestaltet und wie sich Teilnehmende dort einbringen können.

Ein paar interessante Ausschnitte der Podcast-Folge:

• Lambert Heller ist überzeugt, dass das Format Barcamp oft noch unterschätzt wird und führt als positives Beispiel die OER-Bewegung an, in der Jöran Muuß-Meerholz (Mastodon // LinkedIn) Barcamps zu einem festen und nicht mehr wegzudenkenden Bestandteil der Community gemacht hat (ab Minute 7:00)
• Hinweis auf das Open Science Radio, für das Prof. Dr. Konrad Förstner (ZBW und TH Köln) (Mastodon // LinkedIn) während des Barcamps Open Science Interviews mit kurzen den Macher:innen der Sessions führt, sodass auch Menschen, die nicht dabei waren, die Gelegenheit haben, an den Themen des Barcamps zu partizipieren (ab Minute 11:15)
• Erwähnung einer Keynote, die Prof. Dr. Felix Schönbrodt (Mastodon) (LMU München, der bereits vor Jahren auf einem Barcamp Open Science gehalten hatte. Darin thematisierte schon früh die Bedeutung von Open Science bei der Reproduzierbarkeit von wissenschaftlichen Ergebnissen (ab Minute 14:30)
• weitere Überlegungen zu Open Science, Forschungsinfrastruktur und Reputationswettbewerb (ab Minute 17:00)
• Barcamps und Citizen Science (ab Minute 28:20)
• Lernen von den Niederlanden – beim niederländischen Open Science Barcamp und dem niederländischen Open Science Festival (ab Minute 34:00)
• Resümee: Warum wir (auch) in der Wissenschaft Barcamps veranstalten (ab Minute 49:00) und wie wir es kommunizieren ( ab Minute 51:30)

Aber hören Sie einfach selbst!

Zum Podcast

https://blog.tib.eu/2024/11/08/lambert-heller-zu-gast-im-zbw-podcast-the-future-is-open-science/

#LizenzCCBY40INT #Podcast #OpenScienceLab #OpenScience #Barcamp

Lambert Heller, Leitung Open Science Lab an der TIB, war zu Gast im Podcast „The Future ist Open Science“ von der ZBW – Leibniz-Informationszentrum Wirtschaft. In der Folge sprach er mit Dr. Doreen Siegfried (Leitung Marketing und Public Relations) und Dr. Guido Scherp (Leitung Open-Science-Transfer) von der ZBW über zehn Jahre Barcamp Open Science.

Dabei ging es unter anderen darum, warum erfolgreiche Barcamps immer die Bedürfnisse der jeweiligen Community im Blick haben und diesen den nötigen Raum geben sollten. Außerdem betonte Lambert Heller, wie wichtig es beim Barcamp Open Science sei, dass ganz verschiedene Akteur:innen dort aufeinandertreffen: Wissenschaftler:innen seien dort genauso anzutreffen wie Expert:innen aus Infrastruktureinrichtungen.

Und worüber wurde in dem fast einstündigen Podcast sonst noch gesprochen? Etwa darüber, was wir von den Niederlanden über Barcamps lernen können und wie Barcamps in der Wissenschaft optimal gestaltet und wie sich Teilnehmende dort einbringen können.

Ein paar interessante Ausschnitte der Podcast-Folge:

• Lambert Heller ist überzeugt, dass das Format Barcamp oft noch unterschätzt wird und führt als positives Beispiel die OER-Bewegung an, in der Jöran Muuß-Meerholz (Mastodon // LinkedIn) Barcamps zu einem festen und nicht mehr wegzudenkenden Bestandteil der Community gemacht hat (ab Minute 7:00)
• Hinweis auf das Open Science Radio, für das Prof. Dr. Konrad Förstner (ZBW und TH Köln) (Mastodon // LinkedIn) während des Barcamps Open Science Interviews mit kurzen den Macher:innen der Sessions führt, sodass auch Menschen, die nicht dabei waren, die Gelegenheit haben, an den Themen des Barcamps zu partizipieren (ab Minute 11:15)
• Erwähnung einer Keynote, die Prof. Dr. Felix Schönbrodt (Mastodon) (LMU München, der bereits vor Jahren auf einem Barcamp Open Science gehalten hatte. Darin thematisierte schon früh die Bedeutung von Open Science bei der Reproduzierbarkeit von wissenschaftlichen Ergebnissen (ab Minute 14:30)
• weitere Überlegungen zu Open Science, Forschungsinfrastruktur und Reputationswettbewerb (ab Minute 17:00)
• Barcamps und Citizen Science (ab Minute 28:20)
• Lernen von den Niederlanden – beim niederländischen Open Science Barcamp und dem niederländischen Open Science Festival (ab Minute 34:00)
• Resümee: Warum wir (auch) in der Wissenschaft Barcamps veranstalten (ab Minute 49:00) und wie wir es kommunizieren ( ab Minute 51:30)

Aber hören Sie einfach selbst!

Zum Podcast

https://blog.tib.eu/2024/11/08/lambert-heller-zu-gast-im-zbw-podcast-the-future-is-open-science/

#OpenScience #Barcamp #LizenzCCBY40INT #Podcast #OpenScienceLab

Erinnerungskultur digital und partizipativ – Abschlusskonferenz zum Projekt WikiRemembrance

In Kooperation mit dem ZeitZentrum Zivilcourage Hannover fand am 9. Oktober 2024 die Abschlusskonferenz des Projekts WikiRemembrance statt. Neben der Vorstellung der im Projektverlauf erarbeiteten Handreichung „WikiRemembrance – Erinnerungskultur digital und partizipativ“, wurde in Vorträgen und Diskussionsformaten eine Vielzahl an Perspektiven und Positionen zu unterschiedlichen Themen digitaler Erinnerungskultur aufgezeigt.

Abschlusskonferenz WikiRemembrance, Foto: Lisa Groh-Traumann, CC BY 4.0.

Das Programm

Den Auftakt zum vielfältigen Programm der Veranstaltung machte Lambert Heller (Leiter des Open Science Labs der TIB, WikiRemembrance-Projektleitung) mit einer Vorstellung der Handreichung. Er machte deutlich, wie sehr die aktuellen Entwicklungen im Hinblick auf Hassrede und Fake News, von denen insbesondere auch die digitale Erinnerungskultur betroffen ist, eine Auseinandersetzung mit den Chancen und Herausforderungen in diesem Themenfeld erfordern.

In ihrem Impuls fragte Corinna Bittner (Interessengemeinschaft niedersächsischer Gedenkstätten), wer digitale Erinnerungskultur macht und wem sie gehört. Dabei zeigte sie auf, wie es um Einträge zu historischen Orten in der Wikipedia aktuell bestellt ist, welche Abrufzahlen die Einträge haben und beleuchtete die Probleme, die aus erinnerungskultureller Sicht bei Wikipedia-Artikeln gegeben sind.

Dr. Achim Rohde (Stiftung niedersächsische Gedenkstätten) stellte in seinem anschließenden Vortrag heraus, dass digitale Transformationsprozesse die Arbeit von Gedenkstätten und Erinnerungsorten und NS-Verbrechen in vielerlei Hinsicht verändern. Sie bieten neue Möglichkeiten, die aber auch Risiken beinhalten. Anhand ausgewählter Projekte sprach er über Möglichkeiten einer partizipativen und interaktiven digitalen Erinnerungskultur zur NS-Geschichte.

Heike Gleibs (Wikimedia Deutschland e. V.) erläuterte, wie die Wikimedia-Projekte eine offene und kostenlose Infrastruktur für die gemeinsame Erstellung und Pflege von Wissen bereitstellen und welche Beiträge zur digitalen Erinnerungskultur Wikimedia und seine Projekte leisten können und wollen.

In der anschließenden Podiumsdiskussion, moderiert durch Nicole Klimas (ZeitZentrum Zivilcourage), diskutierten Corinna Bittner, Dr. Achim Rohde und Heike Gleibs die Frage „Demokratie stärken – welchen Beitrag kann digitale Erinnerungskultur dabei leisten?“.

Im zweiten Teil der Veranstaltung stellte Martin Munke (Sächsische Landesbibliothek – Staats- und Universitätsbibliothek Dresden – SLUB) unter dem Titel „Demokratie stärken – welchen Beitrag kann digitale Erinnerungskultur dabei leisten?“ zwei Beispiele aus der Arbeit der SLUB vor: Digitale Sammlungen und Virtuelles Kartenforum.

Am Beispiel des Wikipedia-Artikels über ihren Großvater Theo Hespers, Widerstandskämpfer in der NS-Zeit, machte Nora Hespers in ihrem abschließenden Vortrag deutlich, dass Daten keine tote Materie sind. Dass sie ohne einen erläuternden Kontext oft falsch oder missverständlich wiedergegeben werden. Offene Daten als Allmende zu betrachten, bedeutet auch, verantwortungsvoll damit umzugehen und den Kontext stets zu hinterfragen.

Die Beiträge der Veranstaltung wurden aufgezeichnet und stehen in Kürze über das TIB AV-Portal zum Nachschauen bereit.

Abschlusskonferenz WikiRemembrance-Podium, Foto: Lisa Groh-Traumann, CC BY 4.0.

Die Handreichung „WikiRemembrance – Erinnerungskultur digital und partizipativ“
Ein Jahr lang haben wir kollaborativ mit vielen Beitragenden aus Gedenkstätten, Bibliotheken, Vereinen und Einzelpersonen an diesem Thema gearbeitet. Entstanden ist die Handreichung „WikiRemembrance – Erinnerungskultur digital und partizipativ“.

Die Themen der Handreichung sind unter anderem:

• Erläuterungen zu Open Access und Open Data in der Erinnerungskultur
• Ressourcen und Einstiegspunkte für offene partizipative Digitalprojekte
• Sammlung zu den Schwerpunktthemen, die im Barcamp herausgearbeitet wurden
• Projektsteckbriefe, die als Beispiel dienen für das, was mit offenen Daten unter anderem im Umfeld der Wikimedia-Projekte möglich ist

Auch eine kritische Auseinandersetzung im Zusammenhang mit der Öffnung von Daten findet darin statt. Beleuchtet werden daher auch Aspekte wie:

• Wann sollten Daten im Kontext der Erinnerungskultur nicht geöffnet werden?
• Wie kann man der Diskriminierung in (Meta-) Daten entgegentreten?
• Welche Herausforderungen und Kritik gibt es an Wikidata?

Online ist die Handreichung hier abrufbar.

Da die Arbeit an der Handreichung lediglich eine Momentaufnahme darstellt, die zudem nur einen Teil der Facetten digitaler Erinnerungskultur abbildet, steht der Text zur Aktualisierung, zur weiteren Bearbeitung, Ergänzung und Kommentierung in der Wikiversity bereit.

#wikiremembrance #Veranstaltung #Handreichung #LizenzCCBY40INT #OpenScienceLab #Projekte

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

Kompakkt and Semantic Kompakkt – A future-proof alternative for 3D models

diesen Beitrag auf Deutsch lesen

With the upcoming rebranding of Sketchfab to Fab and the associated changes, the stronger re-orientation towards the commercial sector is becoming clear. As a result, many cultural heritage institutions may be currently asking themselves whether this platform still meets their requirements. Especially when it comes to retaining control over their own 3D models and their visibility, it is worthwhile considering alternatives.
Kompakkt [1] and the Semantic Kompakkt [2] extension offer just such an alternative.

The software is open source, which means that it is freely customisable and independent of commercial interests. A particular advantage is the fact that institutions do not have to upload their 3D models – instead, they can be hosted directly on their own servers and integrated via the Kompakkt Viewer. This gives full control over data and presentation.Preview images of participating projects and institutions. CC-BY Creator: Zoe Schubert In addition, the Kompakkt Viewer makes it possible to present models on institutional websites via iframe without having to make them public on Kompakkt’s platform. This gives institutions the flexibility to decide for themselves when and how their digital collections are displayed. In addition, multimedia annotations of the models are available and remain free of charge unconditionally.

Kompakkt and Semantic Kompakkt aims to promote exchange and collaboration between researchers, creating an environment that is ideal for scientific publications and projects. We are actively working to be compliant with the first version of the iiif standard for 3D.

If you are looking for an open and flexible alternative to Sketchfab that gives you more control and customisation options, please get in touch with us. Kompact can be the solution to present your 3D models sustainably and independently!

[1] Kompakkt was originally conceived at Institute for Digital Humanities, University of Cologne, and a team of researchers there continues development of new features.
[2] Semantic Kompakkt is a service of NFDI4Culture, developed and maintained by a team of developers and researchers at the Open Science Lab, TIB.

#lizenzCcBy4Int #openScienceLab #wikibase #nfdi4culture #3dModels #3dArchitekturdaten #3dObjects #kompakkt #openAccess #semanticKompakkt

Kompakkt and Semantic Kompakkt – A future-proof alternative for 3D models

diesen Beitrag auf Deutsch lesen

With the upcoming rebranding of Sketchfab to Fab and the associated changes, the stronger re-orientation towards the commercial sector is becoming clear. As a result, many cultural heritage institutions may be currently asking themselves whether this platform still meets their requirements. Especially when it comes to retaining control over their own 3D models and their visibility, it is worthwhile considering alternatives.
Kompakkt [1] and the Semantic Kompakkt [2] extension offer just such an alternative.

The software is open source, which means that it is freely customisable and independent of commercial interests. A particular advantage is the fact that institutions do not have to upload their 3D models – instead, they can be hosted directly on their own servers and integrated via the Kompakkt Viewer. This gives full control over data and presentation.Preview images of participating projects and institutions. CC-BY Creator: Zoe Schubert In addition, the Kompakkt Viewer makes it possible to present models on institutional websites via iframe without having to make them public on Kompakkt’s platform. This gives institutions the flexibility to decide for themselves when and how their digital collections are displayed. In addition, multimedia annotations of the models are available and remain free of charge unconditionally.

Kompakkt and Semantic Kompakkt aims to promote exchange and collaboration between researchers, creating an environment that is ideal for scientific publications and projects. We are actively working to be compliant with the first version of the iiif standard for 3D.

If you are looking for an open and flexible alternative to Sketchfab that gives you more control and customisation options, please get in touch with us. Kompact can be the solution to present your 3D models sustainably and independently!

[1] Kompakkt was originally conceived at Institute for Digital Humanities, University of Cologne, and a team of researchers there continues development of new features.
[2] Semantic Kompakkt is a service of NFDI4Culture, developed and maintained by a team of developers and researchers at the Open Science Lab, TIB.

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

📣 #DresdenConcept, #UNUFLORES und #SLUB laden zum ersten Dresden-weiten #CitizenScience-Workshop ein. Angesprochen sind in erster Linie Institutionen, die mit Bürgerwissenschaftler:innen zusammenarbeiten.

Im Workshop werden Erfahrungen ausgetauscht. Es gibt auch die Möglichkeit sich gemeinsam zu organisieren in Form von Arbeitsgruppe, Task Force oder Community of Practice.

#SLUBdresden #Bürgerwissenschaften #Workshop #OpenScience #OpenScienceLab #citsci #science #Wissenschaft

📣 #DresdenConcept, #UNUFLORES und #SLUB laden zum ersten Dresden-weiten #CitizenScience-Workshop ein. Angesprochen sind in erster Linie Institutionen, die mit Bürgerwissenschaftler:innen zusammenarbeiten.

Im Workshop werden Erfahrungen ausgetauscht. Es gibt auch die Möglichkeit sich gemeinsam zu organisieren in Form von Arbeitsgruppe, Task Force oder Community of Practice.

#SLUBdresden #Bürgerwissenschaften #Workshop #OpenScience #OpenScienceLab #citsci #science #Wissenschaft

👪 Ihr wusstet noch nicht, dass wir spezielle Eltern-Kind-Räume in unseren Bibliotheken haben? Zeit, sie euch vorzustellen.

👉 Mehr Infos findet ihr unter:
https://slubdd.de/elternkind

#SLUBnochbesser #SLUB #SLUBdresden #TextLab #Makerspace #OpenscienceLab #OSL #Eltern #Kind #Kinder #elternkindraum #studieren #studierenmitkind #arbeitenmitkind #arbeitmitkindern #Bibliothek #bibliothekmitkindern #sommerferien #prüfungszeit

Eine Küche (wenn auch mit eingeschränkten Möglichkeiten wegen Brandschutz) ist wichtig für den Erfolg des #OpenScienceLab der @SLUBDresden sagt @wrznr #BiblioCon2024

Eine Küche (wenn auch mit eingeschränkten Möglichkeiten wegen Brandschutz) ist wichtig für den Erfolg des #OpenScienceLab der @SLUBDresden sagt @wrznr #BiblioCon2024

📄 Zum LaTex-Day am 13. Juni erwarten euch zahlreiche Workshops, in denen ihr den Umgang mit dem Programm lernen könnt oder bestehendes Wissen vertiefen. Natürlich ist die Teilnahme kostenfrei und für alle möglich, sowohl in Präsenz als auch von zu Hause aus.

#SLUB #SLUBdresden #OSL #OpenScienceLab #LaTex #LaTexDay #DDLD #Tex #LaTexHacks #Formeln #Textbearbeitung #Wissenschaft #Forschung #Lifehack #MathematischeFormeln #Mathematik #Chemie #Physik #Informatik #Workshop #Wissen #OpenSource

💾 #DigitalCleanUpDay - Der Frühling naht in großen Schritten, die ersten Frühblüher zeigen sich. Zeit, mit dem Frühjahrsputz zu beginnen! Im Rahmen des jährlich stattfindenden Digital Cleanup Days laden die AG Nachhaltigkeit und das Team Forschungsdaten der SLUB erstmals ein, auch auf euren PCs, Smartphones, Servern oder in der Cloud aufzuräumen.

#SLUB #SLUBdresden #OpenScienceLab #OSL #digitalcleanupday2024 #digitalcleanup #zerowaste #climatecrisis #nachhaltigkeit #greendigital #datacleanup

💾 #DigitalCleanUpDay - Der Frühling naht in großen Schritten, die ersten Frühblüher zeigen sich. Zeit, mit dem Frühjahrsputz zu beginnen! Im Rahmen des jährlich stattfindenden Digital Cleanup Days laden die AG Nachhaltigkeit und das Team Forschungsdaten der SLUB erstmals ein, auch auf euren PCs, Smartphones, Servern oder in der Cloud aufzuräumen.

#SLUB #SLUBdresden #OpenScienceLab #OSL #digitalcleanupday2024 #digitalcleanup #zerowaste #climatecrisis #nachhaltigkeit #greendigital #datacleanup

📋 Die Gruppenräume im Open Science Lab eignen sich sowohl für offene als auch geschlossene Runden - für gemeinsames Arbeiten, Seminare, Arbeitstreffen und Diskussionsveranstaltungen. Alle Räume sind mit Projektor und digitalem Whiteboard ausgestattet und ihr könnt sie teilweise mit und ohne vorherige Buchung nutzen. Natürlich kostenlos!

👉 Zum Raumbuchungssystem:
www.slubdd.de/raumbuchung

#SLUB #SLUBdresden #prüfungszeit #studytips #tudresden #bibliothek #SLUBnochbesser #OpenScienceLab

Im SLUB-Open-Science-Lab-Blog gibt es interessante neue Beiträge für Open-Science- und Bibliotheksbegeisterte! 🎉

Für diejenigen unter euch, die sich für #WikimediaCommons interessieren, hat Jens Bemme diese Woche einen sehr spannenden Beitrag über Forschungsdaten und Methoden für Prachtwerke mit Wikimedia Commons veröffentlicht.

https://osl.hypotheses.org/

#SLUB #SLUBdresden #SLUBosl #OpenScienceLab

Mehr als nur Klicken – ein Rückblick auf das Wikisource-Arbeitstreffen

🔎 Vom 13. bis 15. Oktober 2023 war das #SLUB #OpenScienceLab Gastgeber des ersten Wikisource-Arbeitstreffens seit 2013. Das Besondere an diesem Treffen? Es kommt von der Community und ist für die Community,

Bürgerwissenschaft traf Wissenschaft: Im Vordergrund stand der Austausch zwischen etablierten wissenschaftlichen Institutionen und Citizen Science Communities.

➡ Mehr dazu im SLUBlog:
https://slubdd.de/wikisourcetreffen

KOOP-LITERA Deutschland 2023 - Rückblick von Daniel Ratkowski
Arbeitstagung der deutschen Literaturarchive und verwandter Institutionen

Das "KOOP-LITERA " ist ein Netzwerk von deutschen, luxemburgischen, österreichischen und schweizerischen Institutionen, die Nachlässe und Autographen erwerben, erschließen, bewahren und der Öffentlichkeit zugänglich machen.

➡ Lest im Blog des #OpenScienceLab eine Zusammenfassung:
https://lnkd.in/eFyiNfhG

#SLUB #SLUBdresden #Literaturarchiv #Nachlass #Tagung

☕ ReproTea meets ReproHack

ReproducibiliTea Dresden ist eine Veranstaltungsreihe, bei der sich Studierende und Forschende über die Reproduzierbarkeit, Replizierbarkeit und generell die Qualität von Forschung austauschen können.

📅 Nächste Veranstaltung: 19. Oktober, 15 Uhr

Ort: #OpenScience der #SLUB (OSL 3) oder digital im Zoom-Raum

➡ Mehr Informationen: https://osl.hypotheses.org/8313

#SLUBdresden #OpenScienceLab #Science #Forschung #Wissenschaft #Metawissenschaft #Forschungsdatenmanagement

☝ „Datenmanagent starts on day one“

Was ist eigentlich #Datenmanagement? Juliane Flade berichtet im Blogbeitrag des SLUB Open Science Lab von ihrer Weiterbildung „Open Data in geisteswissenschaftlichen Citizen Science Projekten“.

➡ Zum Blogbeitrag von Juliane Flade: https://osl.hypotheses.org/8229

▶ Eine frei zugängliche Einführung zu Open Data gibt es hier: https://www.youtube.com/watch?v=AMhMsssUyg0.

#SLUB #SLUBdresden #OpenScienceLab #Opendata #CitizenScience #Metadaten

📣 Einladung zum 2. Wikisource-Arbeitstreffen

10 Jahre sind seit dem letzten großen Arbeitstreffen vergangen und wir freuen uns sehr, dass wir nächste Woche die Wikisource-Konferenz im #OpenScienceLab in den Räumen der SLUB ausrichten können.

📅 Zeit: Fr, 13.10.2023 - So, 15.10.2023

📌 Ort: Interim Bibliothek Bergstraße/Open Science Lab, Zellescher Weg 21–25

ℹ Anmeldung und weitere Infos unter: https://slubdd.de/wikikonferenz

#wikisource #opendata #bigdata #data #datascience #SLUB #SLUBDresden

Walnuss-Alleen verlinken: Urkunden, Straßen oder Baumnetze offen kartieren, Datenpunkte und Datenberge

Neuer Blogbeitrag zum #Wikidata-Projekt #1Lib1Nearby. Walnüsse dienen als Beispiel mit Geokoordinaten. Es geht um verlinkendes Datendenken ‘nearby’, eigene #Metadaten für eigene Projekte und um Geoinformationen, die uns helfen sowohl Walnüsse zu kartieren als auch andere Interessen.

Zum Blog des #OpenScienceLab:
https://lnkd.in/e6CtFZwT

#xWalnutXnearby #opendata #saxorum #SLUB #SLUBDresden

Data Stewardship goes Germany

Heute und morgen lädt die Arbeitsgruppe Forschungsdatenmanagement #TU9 ins #OpenScienceLab der SLUB zum Workshop der FDM-Community.

"Mit diesem Workshop bieten wir sowohl einen Rahmen zum direkten Austausch innerhalb der FDM-Community als auch ein Forum zur Präsentation innovativer Lösungen, kritischer Problemaufrisse und zusammenfassender Bewertungen rund um Data Stewardship."

https://www.slub-dresden.de/besuchen/veranstaltungen/oeffentliche-veranstaltungen/data-stewardship-goes-germany

#FDM #SLUB #SLUBdresden