Mehr als eine Suche: Intelligente Abfragen für vernetzte Kulturdaten in histify oikos

Vernetzte Welt - vernetzte Suche

Museen, Archive und Gedächtnisinstitutionen stehen vor der Herausforderung, ihre Daten immer komplexer und vernetzter abzubilden. Während sie traditionell oft mit "flachen" Datenmodellen gearbeitet haben, welche wenig über die Beziehungen zwischen Objekten, Personen und Kontexten aussagen, gibt es inzwischen modernere Modelle wie die DCMI Metadata Terms, EDM (Europeana Data Model) oder RiC (Records in Contexts). Diese Standards helfen, die vernetzte Realität zu erfassen und die Vielzahl an Informationen über Objekte, ihre Herkunft, Nutzung, Entstehungszeiträume und vieles mehr miteinander zu verbinden.

In einem Museum oder Archiv stehen Objekte respektive Archivalien nicht nur für sich, sondern sind mit ihren eigenen Geschichten und Kontexten verknüpft. Ein Museumsobjekt hat Beziehungen zu geografischen Orten, Sammlungsräumen, restauratorischen Massnahmen, früheren und aktuellen Besitzverhältnissen und kann Reisen in weltweite Ausstellungen antreten. Darüber hinaus werden Objekte in der wissenschaftlichen Literatur behandelt und durchlaufen diverse Bearbeitungsschritte, die mit dem Sammlungsmanagementsystemen dokumentiert werden. Die Aufgabe moderner Systeme wie histify oikos ist es, diese komplexen Informationen in einer vernetzten Struktur zu erfassen und nutzbar zu machen.

histify oikos bietet Museen und Archiven eine flexible Plattform zur Abbildung dieser vernetzten Welt. Das System erlaubt es, Objekte miteinander sowie mit Personen, Organisationen und weiteren Kontexten zu verknüpfen und diesen Verbindungen zusätzliche Informationen hinzuzufügen. So entsteht ein umfangreiches und durchsuchbares Netz von Informationen, das dabei hilft, Zusammenhänge sichtbar zu machen und neue Erkenntnisse zu gewinnen.

Bisher bestand jedoch die Schwierigkeit darin, dieses Informationsnetzwerk für Benutzer:innen einfach zugänglich zu machen. Abfragesprachen wie SPARQL, die oft im Umfeld von Linked-Open-Data-Technologien (LoD) verwendet werden, sind komplex und schwer zugänglich. Traditionelle Volltextsuche wiederum ist nur bedingt in der Lage, verknüpfte Informationen effizient zu durchdringen. Es besteht daher ein Bedarf an intelligenten, benutzerfreundlichen Suchmöglichkeiten, die auch komplexe Fragestellungen abbilden können.

Mit dem Release 2024.22.0 hat histify die histify Query Language HQL eingeführt. Diese neue Abfragesprache ermöglicht es, den Datenbestand von oikos präzise und flexibel zu durchsuchen. Neben klassischen Filtern für einfache Suchen bietet HQL die Möglichkeit, auch komplexere Anforderungen effizient abzubilden. Eine direkte Abfrage auf Datenbankebene wäre zwar theoretisch möglich, birgt aber in der Praxis erhebliche Sicherheitsrisiken und eine hohe Komplexität für die Nutzer:innen.

HQL stellt eine ideale Lösung dar, indem sie komplexe Suchanfragen und Sicherheitsanforderungen vereint. Jede Abfrage in HQL wird beispielsweise in SQL übersetzt, sodass Nutzer:innen die Vorteile einer strukturierten Sprache ohne zusätzliche Sicherheitsrisiken nutzen können.

Technischer Hintergrund von HQL

HQL basiert auf djangoql, einer Abfragesprache, die logische Operatoren, Verschachtelungen und Tabellen-Joins unterstützt. histify oikos hat djangoql erweitert, um die spezifischen Anforderungen des umfangreichen oikos-Datenmodells optimal abzubilden. Zu den Erweiterungen gehört die Abfrage benutzerdefinierter Felder sowie eine Autovervollständigung, die die Nutzung der Abfragesprache erleichtert.

Für viele Anwender:innen bietet HQL eine intuitive Benutzeroberfläche, in der sie ohne tiefere Kenntnisse der Syntax Abfragen erstellen können. Die Nutzer:innen können dabei Felder aus einem vorab berechneten Schema auswählen und Verknüpfungen zu anderen Feldern weiter verschachteln, wodurch komplexe Abfragen über mehrere Beziehungen möglich werden. Während der Eingabe werden passende Felder und Auswahloptionen vorgeschlagen, was die Nutzerführung optimiert und Fehler reduziert.

Beispiel für eine HQL-Abfrage

Angenommen, wir möchten alle Objekte finden, die sich am Standort *Barfüsserkirche* befinden, zwischen dem 1. März 2022 und dem 1. Februar 2023 von Mark Keller erstellt wurden und derzeit nicht verliehen sind. Mit HQL lässt sich eine solche komplexe Abfrage effizient und verständlich formulieren:

locations.title = "Barfüsserkirche" and created >= "2022-03-01" and created <= "2023-02-01" and created_by.username = "marc.keller" and lendings = None

Ein weiteres Beispiel wäre die Suche nach einem Objekt, das mit einer Person verknüpft ist, die als "Autor" eingetragen ist und vor 1990 geboren wurde.

HQL als Schlüssel zu vernetztem Wissen

Mit HQL lassen sich die Datenbestände in oikos gezielt durchsuchen und relevante Zusammenhänge erkennen. Ob direkt mit der Abfragesprache oder über die Filteroptionen, die mit wenigen Klicks zusammengestellt werden können – HQL bietet Fachleuten ein leistungsstarkes Tool, um spezifische Fragestellungen zu beantworten und tiefere Einblicke in ihre Daten zu gewinnen. Dadurch wird oikos zu einer Plattform, die nicht nur den Anforderungen von Museen und Archiven entspricht, sondern auch ein einzigartiges und inspirierendes Sucherlebnis ermöglicht.

Interesse geweckt? Jetzt Demo anfordern!