Wir hatten ja im letzten Video bereits einige BiblioGraph-Basisanwendungen gesehen. Denn hauptsächlich geht es hierbei um das „Clustering“ von Daten.

Normalisierte Cluster können als solche bereits ins Netz gestellt werden. Aber man kann mit ihnen nun auch weiterarbeiten.

Wenn ich z. B. anderenorts um eine bedeutende Sammlung weiß, kann ich deren Metadaten nach einer Transformation in BIBFRAME dazu verwenden, herauszufinden, wie viele Medien ich im Vergleich mit dieser Sammlung bereits besitze oder wie viele ich u. U. noch erwerben möchte.

Ein etwas komplexerer Prozess kann zuweilen die Zusammenführung mehrerer thematischer Bestandsmengen sein, aber auch das ist möglich, wenn meine Bibliothek das für sinnvoll erachtet.

Das bringt uns bereits zum Thema „Anreicherung“. Ein beliebtes Anwendungsbeispiel ist die Zusammenstellung von Informationsbestandteilen bzgl. einer Person.

Hier sehen wir, dass etwa Auszeichnungen Einsteins, die nicht zum ursprünglichen Metadatensatz gehörten, aus externen Linked-Data-Quellen wie z. B. Wikidata herangezogen werden können.

Solche neuen Informationscluster können dann wiederum im Netz „ausgestellt“ werden, um letztlich potentielles Klientel auf die Bibliothek aufmerksam zu machen.

Das Anwendungsbeispiel schlechthin ist gewiss die Anreicherung aktueller bibliografischer Datensätze mit Normdateneinträgen, um etwa zahlreiche alternative Schreibweisen desselben Namens hinzuzufügen. Die eingerahmten Einträge sind im vorliegenden Falle allesamt Varianten „Einsteins“.

Anreicherungen sind in der Praxis vielgestaltig. Ein durchaus plastisches Beispiel ist der Datenpool „NoveList“ — hierbei handelt es sich um eine durch Fachreferenten kreierte Menge von Belletristikattributen, die z. B. literarische Figuren oder den Erzählstil einzelner Werke charakterisieren.

Sofern man also über viel Belletristik verfügt, können nach Anreicherung mit solchen Daten nun bislang unbemerkte thematische Cluster wie etwa „Bücher mit tapferen Hauptfiguren“ identifiziert werden.

Dies ist selbstverständlich nur eine Beispielanreicherung, denn akademische, pharmazeutische oder andere Anwendungsfälle sind ebenso denkbar, sofern ein geeigneter Linked-Data-Pool genutzt werden kann.