[Allgemein: Die Untersuchungen stützen sich auf die folgenden Standards: ISO 25964, CDWA/CCO, LRM, LIDO.]

Das DHM-Vokabular wurde zunächst als PDF-Datei geliefert. Die Datei enthält alle für die Objekterschließung genutzten Begriffe mit ihren bevorzugten und alternativen Bezeichnungen sowie ihren Oberbegriffen. Diese Daten wurden in eine SKOS-basierte Form gewandelt, mit temporären Identifikatoren und rekonstruierten Oberbegriffsbeziehungen versehen und in eine RDF-Datenbank (Triplestore) überführt. Auf dieser technischen Plattform folgten mehrere Durchgänge automatischer Zeichenkettenvergleiche mit Sachbegriffs-Benennungen der hier ebenfalls installierten Linked-Data-Fassung der GND.

Zu den einzelnen Matching-Durchgängen siehe auch → Matching-Verfahren für DHM.

Die Daten des DDK und der saarländischen Museen wurden als "flache" Vokabularlisten verarbeitet und denselben Matching-Verfahren unterzogen wie das DHM-Vokabular. Neben dem exakten Zeichenketten-Vergleich kamen hierbei verschiedene unscharfe Verfahren zur Anwendung, darunter eine experimentelle Suche nach Grundworten in Komposita und die häufig genutzte Distanzmetrik nach Damerau und Levenshtein.

Die weiteren Arbeitsschritte sind noch nicht abgeschlossen: Positive Matching-Ergebnisse werden intellektuell auf Plausibilität geprüft und die Ursachen für Mismatches untersucht. Für die negativen Ergebnisse wird intellektuell nach möglicherweise doch vorhandenen Äquivalenten in der GND gesucht und es wird dokumentiert, warum sie nicht im automatischen Matching-Prozess gefunden wurden. Diese Untersuchungen dienen der sukzessiven Verfeinerung der Matching-Algorithmen.

Dabei zeigen sich Hindernisse für einen automatischen Zeichenkettenabgleich auf beiden Seiten der Vokabulare: Fehlende Synonyme und Homonyme sind dabei die häufigsten Ursachen für ein Versagen des automatischen Abgleichs in Fällen, in denen tatsächlich ein bedeutungsgleicher Begriff im Vokabular des Museums und in der GND existiert.

Wir haben sechs Typen von Matching-Ergebnissen identifiziert:

eindeutiger und korrekter Match (sowohl die Benennung wie auch die Bedeutung stimmen auf beiden Seiten überein),
zu viele Treffer im Zielvokabular (tritt auf, wenn beispielsweise Homonymzusätze fehlen oder nicht ausgewertet werden können),
falsch positiver Match (der gefundene Begriff hat eine andere Bedeutung als der gesuchte Begriff),
falsch ergebnisloser Match (der gesuchte Begriff ist im Zielvokabular vorhanden, wurde aber nicht gefunden),
ergebnisloser Match (tatsächlich ist kein Äquivalent in der GND vorhanden; der Match ist ein Kandidat für eine Neuaufnahme in die GND),
ähnliche Schreibweisen von Benennungen, die durch eine unscharfe Suche gefunden werden, können verschiedene Begriffe repräsentieren;
es können durch eine unscharfe Suche aber auch exakte Übereinstimmungen entdeckt werden.

Stichproben von Matching-Ergebnissen werden manuell einem der sechs Typen zugeordnet. Die Gründe für falsche Matches, falsch ergebnislose Matches sowie unentscheidbare Fälle bei zu vielen Ergebnissen werden intellektuell untersucht. Warum werden identische Zeichenketten nicht gefunden? Warum werden äquivalente Begriffe nicht gefunden? Was sind die Gründe für falsch positive Matches? Die Ergebnisse dieser Untersuchungen werden auch zur Verbesserung der Matching-Algorithmen herangezogen.

In jenen Fällen, in denen ein Begriff des Museumsvokabulars mit Sicherheit kein Äquivalent in der GND hat, stellt sich die Frage, ob dieser relevant genug ist, um in die GND aufgenommen zu werden. Für die Einschätzung der Relevanz gehen wir von folgenden heuristischen Annahmen aus: Ein Begriff könnte relevant für die GND sein, wenn

es einen Oberbegriff zum Kandidaten in der GND gibt
es gleichgeordnete Begriffe (Geschwisterbegriffe) zum Kandidaten in der GND gibt
er als Oberbegriff für vorhandene Begriffe der GND in Frage kommt
Bezeichnung und Begriff in Vokabularen und/oder Wörterbüchern belegt sind
der Gebrauch in der Objekterschließung in Datenbanken und Portalen nachgewiesen ist.

Diese Annahmen haben wir der intellektuellen Untersuchung der Matching-Ergebnisse zu Grunde gelegt:

Wenn kein Äquivalent in der GND zu finden ist, wird für den Schlagwortkandidaten ein passender Oberbegriff aus der GND gesucht (später möglicherweise teil-automatisch über Grundworterkennung). Die Anzahl seiner Unterbegriffe wird ermittelt, weil sie mögliche Geschwisterbegriffe des Kandidaten sind. Das Vorhandensein solcher gleichgeordneter Begriffe würde für die Relevanz des Kandidaten als GND-Deskriptor sprechen. Nach Übereinstimmungen mit anderen Vokabularen und Lemmata in Wörterbüchern wird aus mehreren Gründen gesucht: In jedem Fall ist das Vorkommen der Bezeichnung ein Indiz für die terminologische Gebräuchlichkeit, darüber hinaus geben Wikidata-Datenobjekte und AAT einen Hinweis auf die strukturelle Position des Begriffs. Das Vorkommen eines Begriffs im AAT ist ein Hinweis auf den tatsächlichen Bedarf in der Museumsgemeinschaft. Stichprobenartig wird außerdem die Häufigkeit des Kandidaten in den Freitextindizes des DNB-Katalogs und der DDB sowie der entsprechenden Stichwörter in der DDB zur Einschätzung von Bedarf und Relevanz erhoben.

Die Mapping-Relationen werden in den Kürzeln von ISO 25964-2:2013 angegeben (Kapitel 4 und 11):

Tabelle 1

Nr.	Bezeichnunng	Kürzel	Entsprechung in SKOS
1	Exact equivalence	=EQ	skos:exactMatch
2	Inexact equivalence	~EQ (hier ≈EQ)	etwa skos:closeMatch
3	Broader mapping	BM	skos:broadMatch
4	Narrower mapping	NM	skos:narrowMatch
5	Related mapping	RM	skos:relatedMatch
6	AND-Verknüpfung	EQ +
7	OR-Verknüpfung	EQ \|

Spalten der Tabelle:

Tabelle 2

Spalte	Erläuterung	Diskussion
Deskriptor	bevorzugte Bezeichnung im DHM-Vokabular
Synonym	alternative Bezeichnung im DHM-Vokabular
Mapping zur GND	Übereinstimmung des Deskriptors aus dem DHM-Vokabular (Quellvokabular) mit der GND (Zielvokabular) beziehungsweise Oberbegriffe der GND
Art	Art der Übereinstimmung in der Nomenklatur von ISO 25964-2:2013
NT	Anzahl der Unterbegriffe, die in der GND zu dem mit BM gemappten Begriff vorhanden sind, das heißt potenzielle Geschwisterbegriffe
Typ Mismatch	Grund für ein falsch negatives oder falsch positives Match des Deskriptors und/oder Synonyms zu GND-Bezeichnungen ohne Äquivalent: In der GND ist keine entsprechende Bezeichnung, das heißt auch kein entsprechender Begriff, vorhanden. Bezeichnung: Das falsch negative Match ist in den Bezeichnungen begründet; es wird in der Tabelle nicht differenziert, ob die Bezeichnung des Quell- oder des Zielvokabulars betroffen ist; Synonyme fehlen etc. Zusatz: Das falsch negative Match ist durch fehlende oder nicht erkannte Zusätze bedingt.
WD-ID	Identifikator des Wikidata-Datensatzes, der dem Begriff im DHM entspricht
AAT-ID	Identifikator des Datensatzes im Art & Architecture Thesaurus, der dem Begriff im DHM entspricht
Duden/DWDS	Lemma im Duden oder in Digitales Wörterbuch der deutschen Sprache
Gebrauch	Anzahl des Vorkommens des Deskriptors und/oder des Synonyms als Ergebnis einer Freitextsuche in dem entsprechenden Portal oder Katalog (Anzahl als Stichwort, falls vorhanden ist in Klammern nachgestellt). Die Zahlen für die DDB beziehen sich immer auf eine Anfrage nach der Vereinigungsmenge der Bezeichnung im Singular und im Plural (Beispiel: "Fliegerbombe OR Fliegerbomben"). Die Ergebnisse der Freitextsuche können auch nicht gewünschte Datensätze enthalten. DHM: Deutsches Historisches Museum DNB: Katalog Deutsche Nationalbibliothek DDB: Portal Deutsche Digitale Bibliothek
Relevanz	Vorschlag, ob der Begriff als relevant für die GND eingestuft werden könnte x = relevant 0 = nicht relevant ? = Relevanz ist fraglich

Tabelle 1: Indexterme aus dem Vokabular des DHM, für die beim automatischen Zeichenkettenvergleich keine Entsprechungen in der GND gefunden wurden, intellektuelle Mappings zur GND und Gründe für nicht erfolgreiche Matches.

Hinweis

Die folgende Tabelle ist in Arbeit. Es handelt sich um einen kleinen Auszug aus einer Untersuchung von etwa 1.000 Schlagwörtern aus dem DHM, die keine automatischen Matches hatten. Die Tabelle soll exemplarisch das Vorgehen zeigen sowie mögliche Fälle kritischer Mappings weitgehend aufdecken und an Beispielen dokumentieren. Die Zahlen in "Gebrauch" stammen aus Anfragen im Mai/Juni 2019.

Tabelle 3

Deskriptor	Synonym	Mapping zur GND			Mismatch		WD-ID	AAT-ID	Duden/DWDS	Gebrauch			Relevanz
		ID und Bezeichnung	Art	NT	Typ	Grund				DHM	DNB	DDB
Abtreibungsparagraf	Paragraph 218	7501785-4 Paragraf 218 StGB USE+ Schwangerschaftsabbruch AND Strafrecht	EQ+		4	Bezeichnung			Abtreibungsparagraf
Anti-Atom-Bewegung	Anti-AKW-Bewegung	4002288-2 Antikernkraftbewegung	=EQ		4	Bezeichnung	Q574580
Backwaren		4019489-9 Gebäck UF Backware	=EQ		4	Numerus
Badekarre	Badekarren	4199059-6 Karren	BM	3	5		Q644886		Badekarren	80		42 (16)	x 5 Sparten historisch
Bartpflege		4132949-1 Haarpflege 4073578-3 Körperpflege	BM	0 4	5		Q809579		fehlt			2.294 (67)
Contergan-Skandal	Contergan-Opfer	7503102-4 Contergankind Kind AND Thalidomid-Embryopathie; 4125832-0 Skandal RT 4148295-5 Contergan-Prozess	≈EQ BM		4	Bezeichnung	Q875992		Contergankind				x
Einwegpfand	Dosenpfand	4173985-1 Pfand	BM		5				Dosenpfand
Fliegerbombe		4338394-4 Bombe BT Abwurfmunition falsch	BM	5	5						1	386 (11)	x 6 Sparten
Messegelände		4074745-1 RT Messe <Wirtschaft>	RM		5	Zusatz			Messegelände
Quäkertum	Quäker	1162588810 Religiöse Gesellschaft der Freunde (Quäker); 4239330-9 Quäkerin vorhanden, Quäker fehlt	RM		5		Q170208	300157276		206
Rasierklinge		4176970-3 Rasiermesser	BMP		5		Q11625433	300024919
Rauchwaren		4662637-2 Rauchutensilie	≈EQ		4	Bezeichnung
Rentier		4177757-8 Ren	=EQ		4	Zusatz
Schilderhaus		4705021-4 Wachlokal	?		?								x historisch
Schlossplatz		4046326-6 Platz	BM	7	5								x
Sektorengrenze		985597690 MARC 653 a (VLB-FS)
Seuchenschutz		Schlagwort ungebunden in 740400681
Typhus	Fleckfieber	4071253-9 Fleckfieber	=EQ		4	Bezeichnung
Vorkriegszeit		4421423-6 Nachkriegszeit	RM		5
Weltuhr		7606633-2 Weltzeituhr	=EQ		4	Bezeichnung	Q1451661		Weltzeituhr
Zofe	Kammerzofe	4824772-8 Kammerdiener	RM		5	Äquivalent	Q25110562	300379706	Zofe; Kammerzofe; Kammermädchen; Kammerfrau; Kammerdienerin

Browser nicht unterstützt