Netzliteratur in Archiven: Von der technischen Analyse zur Emulation

Das Arbeitstreffen "Netzliteratur in Archiven: Von der technischen Analyse zur Emulation" wird am 24.06.2014 am Deutschen Literaturarchiv Marbach stattfinden.

Zielsetzung

Die Archivierung und Analyse von Netzliteratur stellt Archive digitaler Inhalte vor besondere Herausforderungen. Die Komplexität und enge Verknüpfung von Text und Technik benötigen durchdachte Strategien und nicht selten eine Zusammenarbeit mit den Autoren.

Das von der DFG geförderte Projekt „Netzliteratur authentisch archivieren und verfügbar machen“ im DLA Marbach beschäftigt sich seit Januar 2013 mit der Archivierung von Netzliteratur. Bei diesem Arbeitstreffen sucht das Projekt den Austausch mit Experten digitaler Archivierung und der Netzliteratur.

Zentrale Fragestellung des Projekts ist die möglichst authentische Darstellung der archivierten Werke in Zusammenhang mit den Archivierungsmethoden - besonders die Emulation komplexer Werke soll dabei eine Rolle spielen.

Ablauf des Arbeitstreffens

Das Protokoll befindet sich noch im Bearbeitungsstatus! Die endgültige Version wird am Freitag, 27.06., verfügbar sein!

• Beginn
  • Begrüßung
  • Präsentation des Projekts „Netzliteratur authentisch archivieren und verfügbar machen“: Stand der Arbeiten und Problemdarstellung

  Das Projektteam stellt den Stand der Arbeiten vor. Laufende Arbeiten sind momentan die Rechteeinholung, die Katalogisierung und die Archivierung. Die Auswahl der Werke fand bereits statt. Angedacht sind drei Wege der Datenbeschaffung: Spiegelung/Screencast/Erhalt der (Quell-) Daten von den Autoren. Trotz der ständigen Weiterentwicklung von Crawlern in den lezten Jahren gibt es bisher immer noch Probleme bei der Archivierung von severseitigen Funktionen, von Deep-Web-Komponenten. von externen Datenquellen (z.B. Google Maps oder Youtube) und/oder von Javascript. Auch die Reproduktion von Systemanforderungen, sei es zu Archivierungs- oder Wiedergabezwecken, ist bisher nur zu einem geringen Teil möglich. Deshalb müssen "Momentaufnahmen" der funktionierenden Werke in Form von Screenshots und Screencasts angefertigt werden.

  Das Ergebnis der Archivierung eines Werks muss somit in mindestens einer der folgenden Formen vorliegen: warc-Datei, Videodatei, Quell-Dateien. Damit bleibt das Problem der authentischen Widergabe. Der Screencast stellt das Werk in der zum Zeitpunkt der Anfertigung möglichst authentischen Form dar. Aus den Quell-Dateien kann bei genügender Beschreibung eine authentische Wiedergabe reproduziert werden. Doch die "klassische" Wiedergabe einer warc-Datei mittels der Wayback Machine ist nicht in jedem Fall authentisch, da die Wiedergabe in einem zeitgenössischen Browser mit zeitgenössischer Hardware stattfindet.

  Die Fragestellung lautet somit: Ist auf Grundlage einer warc-Datei in einer emulierten Umgebung eine authentische Wiedergabe möglich?

  Um dies überhaupt möglich zu machen werden in den Metadaten die für eine authentische Darstellung erforderliche Hard- und Softwareumgebung beschrieben.

  In der anschließenden Diskussion ergab sich die Anregung, dass zu allen archivierten Objekten unabhängig von der eigentlich angewendeten Archivierungsmethode ein Screencast angefertigt wird.

  Darüber hinaus wurde die Frage gestellt, wie beurteilt wird, ob ein Werk authentisch archiviert bzw. wiedergegeben wird. Das Projekt entwickelt hierfür Burteilungskriterien, die sich aber momentan noch im Entwicklungsstadium befinden. Diese orientieren sich an der Vollständigkeit der Wiedergabe. Zusätzlich wird hierbei eng mit den Autoren zusammengearbeitet, welche die archivierten Werke auf ihre Korrektheit und Authentizität überprüfen sollen. Auch das Freiburger Projekt bwFLA bereitet für ein zukünftiges solche Kriterien vor. Dafür formulieren sie Erwartungen an das Werk, die anschließend durch die Archivierung erfüllt werden müssen (ähnlich Significant Properties). Hierbei ist vor allem die Definition dieser Erwartungen an sich, aber auch Unterscheidung zwischen inhaltlichen und technischen Features schwierig.

  Für den Umgang mit den erzeugten warc-Dateien hat das Projekt am DLA Software entwickelt. Diese werden im Laufe des Projekts auf Github publiziert. Siehe dazu Software

  • Vorstellung des BagIt-Formats als AIP

  Das BagIt-Format ist eine hierarchische Verzeichnisstruktur. Die vorgegebene Spezifikation wird am DLA um eine metadata.xml erweitert. Darüber hinaus muss am DLA zusätzlich zu den zu archivierenden Daten zwei Screenshots beigelegt werden.

  Die den Bags beigelegten Metadaten werden nach dem Upload in SWBcontent interpretiert und eine Auswahl davon dargestellt werden.

  Evtl. zu archivierenden Container-Dateien wird eine structMD beigegeben, welche die Struktur des entpackten Objekt beschreibt und die enthaltenen Objekte grundlegend beschreibt. Diese wird im Projekt als externe structMD.xml beigelegt und in den übergeordneten Metadaten als Objekt beschrieben. Sie hätte allerdings auch ebenso gut in die übergeordneten METS-Struktur eingebettet werden können.

  Sollten für ein Werk mehrere Versionen archiviert werden so wird pro Version eine neue Bag angelegt und archiviert.

  In der Diskussion kam die Frage auf, ob es angedacht ist, die warc-Datei zu mounten bzw. als Filesystem zu verwenden. Dies ist bisher nicht vorgesehen.

  An der DNB wird das BagIt-Format bisher nicht verwendet. Stattdessen wird das Universelle Objektformat verwendet, das auf METS basiert. Die British Library verwendet ebenfalls eine abgespeckte Variante von METS,

  Die im Projekt angedachte Beschreibung der Hard- und Softwareumgebung kann dem Application profile entnommen werden. Die Teilnehmer von bwFLA merkten an, dass die Beschreibung in manchen Punkten evtl. zu genau ist. Darüber hinaus fehlt ein Hinweis, wo Informationen zu Lizenzen bzw. Makefiles oder Informationen zur Konfiguration (z.B. Bildschirmauflösung) untergebracht werden sollen.

  Ebenfalls wurde die Idee formuliert, die nötige Hard- und Softwarebeschreibung an Hand von Zeitschnitten zu definieren und zu beschreiben. Werke, die in einer bestimmten Zeit entstanden sind, sind üblicherweise auch für die zu dieser Zeit gängigen Soft- und Hardware ausgelegt. Deshalb sollte für die meisten Werke das Entstehungsdatum in Kombination mit der Beschreibung der zu dieser Zeit üblichen technischen Uumgebung genügen. Dabei bleibt allerdings die Frage bestehen, ob eine solche Beschreibung die Beschreibung in den Metadaten zum Objekt ersetzen oder nur ergänzen kann. Dies würde zur Definition von verschiedenen Referenzumgebungen führen, die auch national standardisiert werden könnten. Die hieraus resultierende Umgebungsbeschreibung wäre evtl. genauer und könnte auch detaillierte Informationen zur Wiederherstellung der betreffenden Umgebung beinhalten (z.B. Installationsanleitungen oder Lizenzinformationen). Allerdings bleibt die Frage, wie mit Werken umgegangen wird, die nicht für eine solche Referenzumgebung entwickelt wurden und stattdessen Besonderheiten hinsichtlich der technischen Umgebung aufweisen.

  Für komplexe Objekte, die beispielsweise Datenbanken beinhalten müsste eine solche Umgebung manuell aufgebaut werden.

  Anschließend wandte sich die Diskussion der Erstellung von Screencasts zu. Es war Konsens, dass hierfür ein möglichst verlustfreies Format ausgewählt werden soll. Es liegt bisher kein langzeitarchivierungsfähiges Videoformat vor. Die erstellte Video-Datei wird anschließend in das data-Verzeichnis der Bag gepackt und archiviert. Hr. Auer wies darauf hin, dass in Kanada auch Screencasts angefertigt werden. Das Drehbuch für einen solchen Screencast zu erstellen ist eine intellektuelle Leistung, die ein individuelles Herangehen an jedes einzelne Werk erfordert. Darüber hinaus ist es selbstverständlich ein stark subjektiver Ansatz der Archivierung. Screencasts sind auch im Bereich der Computerspiele ein gängiges Vorgehen.

  • Zusammenfassung des Vormittags und Ausblick
• Mittagspause
  • Zusammenfassung des Vormittags
  • Vortrag bwFLA - Emulation as a service
    • Vortrag wird noch hochgeladen
    • Emulation als alternative Erhaltungsstrategie
    • Nutzer erhält interaktiven Zugang zu Werk in emulierter Umgebung
    • Bereitstellung erfolgt on-Demand
    • der Nutzer erhält ein funktionierendes Windows98, der Nutzer muss alles selbst installieren und die Umgebung manuell anlegen
    • die Änderungen werden dann gespeichert und können wieder aufgerufen werden
    • Die Unterschiede (Delta) können lokal oder ausgelagert gespeichert werden und wieder auf das Basis-Image angewendet werden
    • Jede Umgebung lässt sich per Handle identifizierbar und auch zitierbar
  • bwFLA & Webarchivierung
    • Beispiel: E-Learning Portal viamus.de -> bwFLA erhielt komplettes Image
      • war abhängig von Netzwerk, DNS, Gateways....
      • Beschreibung der Netzwerkstruktur erforderlich (IP-Adressen/Framework/...)
      • Beschreibung wurde zitierbar
    • Beispiel: Geocities
      • Darstellung von Geocities
      • in authentischer Umgebung
    • Emulation bietet punktuelle Lösungen für die "blinden Flecken" der "klassischen" Webarchivierung (Rechert)
  • Diskussion - bwFLA
    • benötigte Bandbreite: alte Systeme waren auch nicht schnell, ansonsten aber relativ hohe Bandbreite benötigt, besonders im Upload
    • große Zahl an zeitgleichen Zugriffen möglich (Freiburg besitzt 150 CPUs), Nutzer muss sich CPUs selbst besorgen
    • es sind auch zwei Maschinen pro CPU möglich
    • Umgebungsbeschreibung Server - Abhängigkeiten beschreiben -> Prozedere wird noch entwickelt, ist gewisser Aufwand, für Massenarchivierung weniger geeignet
    • Server-Image wird zur Archivalie
    • Objekt muss auf Emulator verlinken
    • Browser muss auch archiviert werden (siehe Tablets und Darstellung von Flash)
    • ist der Browser somit auch Teil des Archivobjekts? (Steinke) - nur wenn er nicht Bestandteil der Referenzumgebung ist (Suchodoletz)
    • muss die bwFLA-Umgebung in Zukunft auch emuliert werden? (Auer) - Die Images können relativ leicht von einem Emulator zum anderen migriert werden.
    • rechtliche Situation/Bereitstellung der Images (Sobotka) - Relativ. Nicht rechtlich sicher, aber vermutlich interessieren sich Apple/Microsoft nicht dafür - Darstellung der Images im Web bzw. im Emulator ist schon unsicherer
    • Aufbau der kann mit dokumentiert werden, dafür steht Interface bereit
    • KEEP/Metadaten (Kramski) - Metadaten bwFLA
    • Integration in Workflow (Schmidgall) - Laborumgebung zu erhalten, bisher war diese nur temporäre Lösung
    • Bindung an die Wayback Machine wird aufgelöst!
    • man könnte auch Referenzumgebungen für die Severumgebung machen (wichtig bei serverseitigen Werken)
    • genaue Dokumentation notwendig, um noch mehr Werke archivieren zu können - möglichst mit geringerem Aufwand
    • die meisten Werke sind "einfach" zu archivieren, nur wenige benötigen wirklich Aufwand
    • man kann sich nicht darauf verlassen, dass Spiegelungen auc in Zukunft verfügbar sind
    • Kopierbarkeit (Rechtlich) - bwFLA Wiedergabe ist so gestaltet, dass sie Read-Only ist, kein kopieren möglich
  • Zusammenfassung des Tages
    • Clientumgebungen können relativ einfach gruppiert und archiviert werden
    • man kann sich nicht darauf verlassen, dass die (nicht emulierte) Wiedergabe, die heute funktioniert, auch in Zukunft tragen wird
    • Screencasts sollte in jedem Fall angefertigt werden, um die heutige Anzeige "einzufrieren"
    • serverseitige Funktionen sind um einiges schwieriger zu archivieren und zu gruppieren
    • Die Frage bleibt, ob dies noch in das jetzige Projekt integriert werden kann oder ob dafür ein Folgeantrag gestellt werden sollte
    • Emulationsprojekt DNB: Bereitstellungssystem auf Emulationsbasis, KEEP-Framework, Zusammenarbeit mit bwFLA, konkrete Installation im Lesesaal als Ergebnis, klarer Fokus auf Bereitstellung im Lesesaal
    • Anregung Steinke: Publikation auf Englisch für IIPC
• Ende