Multilinguales regionales Weltwissen – Regiowikis mit Wikipedia-Sprachversionen in Wikidata verknüpfen

Von Christian Erlinger

Wikidata bietet als zentraler und offener Datenhub den idealen Ausgangspunkt externe Ressourcen wie beispielsweise regionale Wikis mit anderen, auch multilingualen Quellen zu vernetzen. Die externen Wikis werden dadurch besser auffindbar und können aber auch durch Integration von Elementen aus Wikidata selbst wesentlich aufgewertet werden. Denn was regional von historischem Interesse ist, kann es auch an ganz anderem Ort, in anderer Sprache ebenfalls sein. Biographien des #Nearby, heimatkundliche Biographen, müssen demnach nicht zwangsläufig ausschließlich in der Nähe relevant sein, sie können es auch #Faraway sein. Wikidata hilft dieses Wissen, und vor allem auch die unterschiedlichen Orte, an denen dieses Wissen geteilt oder produziert wurde, zu vernetzen und erfahrbar zu machen. Bei einem Besuch im Kloster Altzella könnte die Frage auftauchen, welche Personen und Geschichten mit diesem Ort in Zusammenhang stehen. Constantia von Österreich ist eine der Personen, die an diesem Ort begraben wurden, wie die Abfrage unter https://w.wiki/47Ko zeigt. Öffnen wir die Frage, an welchen Orten im Netz Informationen zu diesen Personen zu finden sind, so zeigt sich, dass Constatia jene ist, von der ein Eintrag im Stadtwiki Dresden, im österreichischen Regiowiki und nach https://w.wiki/47Ki in einigen nicht deutschsprachigen Wikipedias existiert.

Unter dem Begriff Regio- oder Stadtwiki werden all jene freien Online-Enzyklopädien verstanden, die außerhalb des Wikimedia-Universums bestehen und sich in ihrem Inhalt in erster Linie durch eine geographische Definition verstehen. Eine Vielzahl an regionalen Wikis oder Stadtwikis haben sich im deutschen Sprachraum parallel zur deutschsprachigen Wikipedia etabliert. Die Regiowikis bieten beispielsweise Heimatforscher*innen eine offene Plattform, ihre Forschungen zu veröffentlichen; Beiträge, die regionalgeschichtlich von Wert sind, aber in der (deutschsprachigen) Wikipedia aufgrund der rigiden Relevanzkritierien auf Dauer keinen Platz finden würden. So kennt beispielsweise das mit Unterstützung von Wikimedia Österreich herausgegebene RegiowikiAT keine formalisierten Relevanzkritieren, solange die Beiträge einen erkennbaren Bezug zu Österreich oder einem Ort im Land aufweisen. Frei nach einem Zitat von Anton Ziegler wird hier eine “inklusionistische” Perspektive gelebt:

Jede Belehrung und Berichtigung, welche in Beziehung auf größere Vervollkommnung und Gemeinnutzmachung dieser Herausgabe beabsichtigt ist, wird mit dem ausgezeichnetsten Danke empfangen.[1]

Mit dem 2012 im Wikimedia Universum gegründeten freien Wissensgraphen Wikidata hat sich die freie Erfassung des “Weltwissens” grundlegend geändert. Anstelle von Prosa in unterschiedlichen Sprachen tritt eine strukturierte, verlinkte und multilinguale Datenbank auf den Plan, ein vielfältiges, enzyklopädisches Wissen zu beschreiben und miteinander in Einklang zu bringen.[2] Eine der ersten Implementierungen von Wikidata mit Auswirkungen im gesamten Wiki*versum war die Übernahme der Sprachversion-Verlinkungen. Wikipedia-Sprachversionen, die das gleiche “Konzept” beschreiben, finden im gleichen Wikidata-Item zusammen. Die Links in der Seitennavigation werden auf Basis dieses Matchings ausgegeben (vgl. Abbildung 1). Die Links zu den Wikipedia-Seiten (oder auch zu anderen Wiki-Projekten) sind im korrespondierenden Wikidata-Item als Sitelink gespeichert mit der RDF-Property schema:isPartOf modelliert (vgl. Listing 1).

Abb 1: Artikel zu Constanze von Österreich in der englischsprachigen Wikipedia, in der Menüleiste links die Verknüpfungen zu anderen Sprachversionen.

<https://de.wikipedia.org/wiki/{PAGE}>

<schema:isPartOf>

<https//www.wikidata.org/wiki/{QID}>

Listing 1: RDF-Tripel der Wikipedia-Sitelinks in Wikidata

Wikidata hat sich neben der inhaltlichen strukturierten Beschreibung der Items auch als dynamischer Hub zur Verlinkung mit einer Vielzahl an externen Ressourcen entwickelt. So können auch externe Wikis, wie bspw. Regiowikis, mit einer eigenen Wikidata-Eigenschaft (Property) eine direkte Verlinkung in den jeweiligen Items einsetzen (vgl. Listing 2).

<https//www.wikidata.org/wiki/{QID}>

<wdt:{RegiowikiProperty}>

{Regiowiki-Identifer}::String

Listing 2:  RDF-Tripel zur Verlinkung Regiowikis mit eigenständiger Wikidata-Property

Somit ist es möglich, all jene Items abzufragen, die bei einer gesetzten Verlinkung in ein Regiowiki auch Sitelinks in Wikipedias aufweisen (vgl. Listing 3).

SELECT * WHERE {

?item wdt:P6228 ?rwatID.

?wpArtikel schema:about ?item;

schema:inLanguage ?inLang.

FILTER(CONTAINS(STR(?wpArtikel), "wikipedia.org"))

}

Listing 3:  SPARQL-Code der Abfrage aller RWAT-Einträge in Wikidata mit korrespondierenden Wikipediaartikeln (vgl. https://w.wiki/45Mh)

Um herauszufinden, welche Sprache die jeweils verlinkte Wikipedia-Version repräsentiert, ist ein gewisser Bearbeitungsbedarf notwendig, da dies nur über Rückschluss durch das Sprachkürzel in der Wikipedia-URL ermittelbar ist. Das Sprachkürzel orientiert sich an Standards und ist in den jeweiligen Wikidata-Items der Wikipedia-Versionen mit der Property Wikimedia-Language-Code abgebildet. (Beispiel “cs” als Sprachkürzel der tschechischen Wikipedia: https://www.wikidata.org/wiki/Q191168#P424) Das Sprachkürzel kann somit durch eine SPARQL-Query als Abfrageparameter zur Ermittlung der Sprache herangezogen werden (vgl. Listing 4).

SELECT * WHERE {

?item wdt:P424 "cs";

(wdt:P31/(wdt:P279*)) wd:Q10876391;

wdt:P407 ?language.

?language wdt:P1705 ?languageLabel.

}

Listing 4:  SPARQL-Code der Abfrage nach der Sprachbezeichnung der Wikipedia-Version mit dem Sprachkürzel “cs” (vgl. https://w.wiki/45N8)

Eine Zusammenführung der beiden Abfragen aus Listing 3 und 4 ist zwar theoretisch möglich, aber für das vorliegende Beispiel des RegiowikiAT aufgrund der Ergebnisanzahl von gegenwärtig rund 280.000 korrespondierenden Wikipedia-Artikeln und den technischen Limitierungen des Wikidata SPARQL-Endpoints, der Abfrageschnittstelle des Knowledge-Graphen, nicht durchführbar.

Integration der Wikipedia-Links ins RegiowikiAT

Das RegiowikiAT beinhaltet wie in Listing 3 gezeigt eine Vielzahl an Artikeln, denen in unterschiedlichen Sprachversionen korrespondierende Wikipedia-Einträge gegenüberstehen. Entgegen der Wikipedia, die in der Seitenleiste der Artikel Links zu den anderssprachigen Artikelversionen auflistet, besitzen externe Wikis diese direkte Möglichkeit der Verlinkung (noch) nicht. Für das RegiowikiAT wurden Überlegungen angestellt, eine solche Verlinkung durch Integration eines Textblockes am Ende der Seite, der sämtliche Links in gegebenenfalls existierende fremdsprachige Wikipedia-Versionen beinhaltet, herzustellen. (vgl. Abb. 2) Für die erste Implementierung beschränkte sich das RegiowikiAT auf die biographischen Artikel. Von den anfänglich weit über 200.000 potentiellen Wikipedia-Links von allen Regiowiki-Artikel in jede beliebige Wikipedia, bleiben bei den Biographien unter Ausschluss der deutsprachigen Wikipedia noch mehr als 5.000 Verlinkungen verteilt auf über 360 biographischen Artikel im Regiowiki über (vgl. Listing 5). Eine im Vergleich zur Gesamtzahl von knapp 13.000 Artikel im Regiowiki und mehr als 220.000 Wikipedia-Links schon eindeutige Reduzierung, aber dennoch zu viel um dies manuell zu pflegen.

SELECT * WHERE {

?item wdt:P6228 ?rwatID; wdt:P31 wd:Q5.

?wpArtikel schema:about ?item;

schema:inLanguage ?inLang.

FILTER(CONTAINS(STR(?wpArtikel), "wikipedia.org"))

MINUS { ?wpArtikel schema:isPartOf <https://de.wikipedia.org/>. }

}

Listing 5:  Biographische Artikel in Regiowiki und deren korrespondierde Wikipedia-Artikel in nicht deutscher Sprache (vgl. https://w.wiki/45RH)

Daher wurde ein Bot programmiert, der diese Arbeit regelmäßig erledigen kann. Im verlinkten Juypter-Notebook ist der Python-Code des Bots verfügbar. Der Bot führt folgende Schritte durch:

  • Abfrage der Wikidata-Einträge mit Regiowiki-Verlinkung und Verlinkung in fremdsprachige Wikipedias ggf. unter entsprechender inhaltlicher Filterung der Wikidata-Items. Im vorliegenden Fall werden nur biographische Artikel abgefragt, also Wikidata Items mit dem Statement “ist ein(e)” (P31) “Mensch” (Q5) (vgl. Listing 5)
  • Das SPARQL-Ergebnis wird durchiteriert. Da das Abfrageergebnis eine simple Tabelle ist, die alle Regiowiki-Seiten mit den jeweils vorliegenden Wikipedia-Artikeln beinhaltet, muss bei jedem neuen Schleifendurchlauf zuerst überprüft werden, ob eine neue Regiowiki-Seite im Ergebnis vorkommt, oder ob die Regiowiki-Seite der laufenden Ergebniszeile ident mit der vorherigen ist.
  • Das Skript erzeugt ein Ergebnisarray, in das Wikidata-ID, Regiowiki-ID und ein Textwert gespeichert werden. Der Textwert ist eine Zusammensetzung aus Wikilinks in die jeweiligen Sprachversionen mit einem Trennzeichen versehen.
  • Das Skript iteriert nun durch das Eregbnisarray. Am Ende der jeweiligen Regiowiki-Seite wird der Vorlagenbaustein eingesetzt (vgl. Abbildung 2)  und als Subseite zu der Vorlage eine Datenseite mit der jeweiligen QID als Artikelnamen und dem Textwert der Sprachlinks als Inhalt angelegt. (vgl. Datenseite für Constantia von Österreich)

Abb. 2: Wikipedia-Link-Box am Ende der RegiowikiAT-Seite zu Constantia von Österreich

Das Skript hat gegenwärtig zwei auffällige Schwächen: Erstens wird das Sprachlabel mittels SPARQL aus Wikidata abgefragt. Bei manchen Sprachen sind mehrere Label gleichwertig hinterlegt, bspw. bei Tschechisch (“cestina” oder “cesky jazyk”). Treffender als Label für die Wikilinks wäre immer jene Bezeichnung die sich aus dem substantivisch gebrauchten Adjektiv ergibt, das kann aber leider gegenwärtig so nicht abgefragt werden. In Wikipedia werden die Sprachlabels aus einer fix definierten Liste im MediaWiki-Core bezogen. Zweitens ist das lokale Ablegen der Verlinkungen in Regiowiki aufwendig und bedarf beständiger Aktualisierungen durch den Bot. Eine direkte Integration und Abfrage derartiger Werte aus Wikidata wäre wünschenswert; MediaWiki Extensions wie LinkedWiki sind hier ein erster Weg, allerdings sind SPARQL-Abfrage einerseits langsam andererseits bietet gerade die genannte Extension gegenwärtig gar nicht die Möglichkeit den schema-Namespace der Sitelinks im Wikidata-Item anzugreifen.

Vergleich Abdeckung Regiowikis – Sprachversionen

Neben der gezeigten praktischen Implikation die sich aus der Verlinkung externer Wikis mit Wikidata ergeben kann, bietet die Vernetzung externer Ressourcen in Wikidata auch ein vielfältiges Potential an vergleichenden Analysemöglichkeiten der unterschiedlichen verlinkten Quellen. Eine Fragestellung die sich aus dem hier diskutierten Kontext ergibt, ist jene nach der Abdeckung von Inhalten externer (Regio)Wikis mit anderssprachigen Wikipedias.

Die Frage ist somit, sind die Inhalte des Wikis auch in der Wikipedia im Rahmen eines Artikels diskutiert oder stellt das externe Wiki hier einzigartig gewisse Inhalte zur Verfügung? Abbildung 3 zeigt graphisch das Ergebnis dieser Frage zusätzlich im Vergleich zwischen RegiowikiAT und dem Stadtwiki Dresden. (vgl. Abfrage-Code) Abgesehen von dem grundlegenden Umstand, dass für das RegiowikiAT eine insgesamt größere Anzahl an Artikeln aus dem Wikidata-Matching vorliegen, zeigt sich im direkten Vergleich, dass RegiowikiAT über eine weithaus höhere Zahl an Artikeln verfügt, die kein Matching in irgendeine Wikipedia-Sprachversion aufzeigt. Hingegen liegt für das Stadtwiki Dresden eine größere Zahl an Artikeln vor, die auch eine korrespondierende Wikipedia-Seite aufweisen. Dieser Umstand kann wiederum auf zwei Ursachen zurückzuführen sein: Einerseits in Ermangelung einer breiten Erfassung und Beschreibung der externen Wiki-Artikel in Wikidata. Erstimporte die mit Tools wie Mix’n’Match oder OpenRefine durchgeführt werden, bringen naturgemäß vorrangig jene Treffer, für die bereits Einträge existieren, die selber wiederum oftmals durch die initiale Anlegung über das Wikipedia-Matching entstanden sind. Andererseits können höhere Quoten für das Vorhandensein von Wikipedia-Artikel auch in der Natur der externen Quelle liegen, wie dies im Vergleich mit dem Wien Geschichte Wiki der Fall ist (vgl. https://twitter.com/RegiowikiAt/status/1405815820832411651), dessen Inhalte großteils auf das Wien-Lexikon von Felix Czeike zurückgehen, was hinsichtlich Relevanz und auch als Quellengrundlage für Wikipedia einen Rückschluss erlaubt.

Abb. 3: Vergleich der Anzahl an Wiki-Artikeln von RegiowikiAT (blau) und Stadtwiki Dresden (rot), ohne korrespondierende Wikipedia-Artikel (linker Balken) oder mit korrespondierenden Wikipedia-Artikeln (rechter Balken)

An vielen Stellen werden online Informationen gesammelt und offen zur Verfügung gestellt, unabhängig von Ort, Zeit und auch Sprache. Egal ob in einer großen Wikipedia, einem kleinen heimatkundlichen Wiki oder in einem Bibliothekskatalog durch das Vernetzen und Zusammenfinden gleicher thematischer Konzepte entstehen neue Wissensräume und Möglichkeiten. Gerade für die Konzeption mehrsprachiger Dokumentationen oder Ausstellungen bietet die Nutzung von Wikidata als Hub für die “eigenen” Datenbestände einen wertvollen Einstiegspunkt um einfach aber zielgerichtet auch in anderen Sprachen Informationen zu erhalten oder lässt wechselseitig fremdsprachige Informationen inhaltlich übereinstimmend leichter zusammenfinden.


Autor

Christian Erlinger-Schiedlbauer (* 1984) hat Raumplanung und Politikwissenschaft in Wien studiert und arbeitet seit 2013 als Bibliothekar, seit 2021 an der ZHB Luzern. Er ist Wikidata-Enthusiast und arbeitet an Fragen zur Ausweitung der bibliothekarischen Tätigkeitsfelder im Semantic Web. Er twittert zu #Wikidata, #openGLAM und #Bienen. ORCID: 0000-0001-7872-9617.

Publikationen von Christian Erlinger in der Sächsischen Bibliografie


[1] Ziegler, Anton: Wien’s nächste Umgebungen. (1829), [S. 62] https://www.digital.wienbibliothek.at/wbrobv/content/pageview/385757

[2] Denny Vrandečić / Markus Krötzsch: Wikidata: a free collaborative knowledgebase. In: Communications of the ACM 57 (23.09.2014), 10, S. 78–85.

Dieser Text hat das Wikidata-Item (Q108971298).


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.