Langzeitarchivierung in der Praxis: die Straßennamendatenbank im Stadtarchiv Bochum

von Annett Schreiber

Einführung

Das Stadtarchiv Bochum befasst sich innerhalb seines ämterübergreifenden Gelati-Arbeitskreises (Gesetzliche Langzeitarchivierung und technische Infrastruktur) seit 2012 mit konkreten Maßnahmen zum Langzeiterhalt von Daten städtischer Dienststellen.[1] Die Auswertung der Bochumer Fachverfahrensliste[2] ermöglichte im Jahr 2016 konkrete Gespräche des Stadtarchivs mit Dienststellen über die Aussonderung und Abgabe archivreifer und archivwürdiger Daten. Zeitgleich erfragten das LWL-Archivamt und die LWL.IT den Bedarf an Projekten und Schnittstellen für DiPS-Mandanten mithilfe einer Checkliste.

In Bochum benannten wir die HTML-Version einer Straßennamendatenbank (eine Website), die von einem Mitarbeiter des Amtes für Geoinformation, Liegenschaften und Kataster (Amt 62) Mitte der 1990er Jahre in Eigenregie entwickelt wurde, für die Checkliste. Die Grundlage hierfür bildet eine Access-Datenbank, die mithilfe der 1992 erschienenen Publikation „Bochumer Straßennamen: Herkunft und Deutung“, herausgegeben vom Vermessungs- und Katasteramt, die u.a. mit Quellen des Stadtarchivs enthält, erstellt wurde. Die Website und Access-Datenbank umfassen demnach Erläuterungen zu allen Straßennamen Bochums mit diversen Sortiermechanismen.

(Bochumer) Bürgern steht die HTML-Straßennamendatenbank seit jeher als mind. 1 Mal jährlich aktualisierte CD-ROM-Version zum Kauf zur Verfügung; für den Dienstgebrauch ist sie im Intranet zugänglich. Eine freie Online-Version existiert nicht. Die HTML-Version wurde aus mehreren Gründen als Pilotprojekt für den Gelati-AK sowie für das Stadtarchiv Bochum als DiPS-Mandanten angegeben:

Da bereits zahlreiche Kooperationsprojekte im Bereich Stadtplannutzung und Digitalisierung mit dem Amt 62 bestanden, sicherte der Ersteller der Datenbank für dieses Projekt formlos unbürokratische und schnelle Unterstützung zu. Zudem drehten sich alle anderen Projekte innerhalb des DiPS-Anwenderkreises um „klassische“ Behördenaussonderungen und den Entwurf kompatibler Schnittstellen –die Beschäftigung mit anderen Datentypen sei erwünscht, teilte das LWL-Archivamt für Westfalen (LWL-AAW) damals mit. Letztendlich musste für diese Quelle auch die Datenschutzbeauftragte nicht bemüht werden, da diese Website keinerlei schützenswerte personenbezogene Daten enthält. Einer Kooperation mit den im Text genannten Kolleg*innen diverser Behörden stand also nichts mehr im Wege. Nicht zuletzt war entscheidend, dass die Autorin eine IT-Fortbildung absolvierte, die einen Grundkurs zur HTML-Programmierung umfasste, der es so erst ermöglichte, die bis dahin ihr bekannten Informationen zur Langzeitarchivierung dieses Datentyps einzuordnen und zu erweitern.

Beschreibung der Quelle

Straßennamendatenbanken werden im kommunalen Sektor entweder vom Stadtarchiv oder aber von anderen Fachdienststellen betrieben.[3] Sie sind ein niedrigschwelliges Angebot für Bürger, die Informationen zur Namensherkunft und -vergabe einer bestimmten Straße benötigen. In Bochum steht Bürgern die HTML-Straßennamendatenbank seit jeher als mind. 1 Mal jährlich aktualisierte CD-ROM-Version zum Kauf zur Verfügung; für den Dienstgebrauch ist sie im Intranet zugänglich. Da die HTML-Version auf einem Webserver läuft, der über ein lokales internes Laufwerk ansprechbar ist, besaß das Stadtarchiv bereits eine Version, die es bei Bedarf zur Beantwortung von Einzelfragen der Lesesaalbenutzer herangezogen hat. Als Besitzer der Daten beantwortet jedoch überwiegend das Amt 62 regelmäßig Bürgeranfragen mit dem aktuellen Datenbestand (nach Beschlussfassung im Ausschuss/Rat).

Die HTML-Straßennamendatenbank wurde als ein Archivobjekt (eine Website) betrachtet. Sie stellt zahlreiche Sortiermöglichkeiten sowie statistische Informationen zur Verfügung und wird generell laufend inhaltlich und strukturell angepasst.[4] Die Straßen sind alphabetisch, nach Gemarkung (Stadtteil), nach Gebietskörperschaft (Unterhalt der Straße) sowie innerhalb von Motivgruppen (Benennung nach wem oder was) oder Namensverbund (z.B. Benennung aller Straßen einer Siedlung nach heimischen Vogelarten) darstellbar. Zudem lassen sich Straßen nach Ihrem Benennungsjahr sortieren. Für Archivzwecke hat die Gegenüberstellung (Konkordanz) alter und neuer Straßenbezeichnungen sowie eine Liste inoffizieller Bezeichnungen, die aus dem regionalen Sprachgebrauch stammen, besondere Relevanz.

Das Archivierungsziel umfasste den vollständigen Erhalt der Website mit allen Unterseiten sowie Funktionalitäten (Erhalt des Look & Feel).

Ergänzend zu dieser Quelle existiert im Amt 62 eine Beschlussliste zu Straßenbenennungen. Zudem wird je Straße eine Akte geführt, die einen Plan, die Vorschlagsliste, Zeitungsartikel, Widmungen, Leserbriefe und Material des Stadtarchivs enthält. Die Unterlagen sind langfristig nicht abgabereif, können jedoch bei berechtigtem Interesse zumindest durch Dienstkräfte der Stadtverwaltung genutzt werden.

Suche nach dem geeigneten Tool

Seit 2016 erfolgten mehrere Besprechungen mit dem Amt 62 sowie dem LWL-AAW und der LWL.IT, die Überlegungen zum möglichst zweckmäßigen und ressourcenschonenden Einsatz eines Crawlers[5], Harvesters oder anderer Methoden[6] zum Gegenstand hatten.

Nach Übermittlung der Version 10/2013 durch Amt 62 über ein sicheres Datenaustauschprogramm im Herbst 2017 wurden die Daten lokal im Stadtarchiv gesichert. Zunächst wurde die HTML-Version als Website von der Autorin inhaltlich vollständig analysiert. Sie wurde in ihrer Ursprungsform in Gänze als archivwürdig klassifiziert. Die Access-Datenbank wurde aus diversen Gründen nicht zur Langzeitarchivierung vorgesehen (siehe unten).

Da es sich um eine statische Website, die keine dynamischen Inhalte enthält, im Stil der 1990er Jahre handelt, erfolgte der erste Versuche zur Archivierung aller Einzelseiten in Form von PDF-Dateien mithilfe der Speicherfunktion des Browsers Firefox. Diese Methode gestaltete sich als technisch und inhaltlich zwar praktikabel, war jedoch wegen Problemen mit der Dateibenennung und der Nachbildung einer Navigation / Strukturierung letztendlich nicht durchführbar.

Das Programm Pablo[7], das eine Bilddatei der Website mit METS-Dateien zur Darstellung der Verlinkung erzeugt, eignete sich trotz Unterstützung durch den Hersteller startext nicht, da es konkrete URL’s benötigt, also mit reinen Pfadnamen auf einem Webserver nicht umgehen kann. Es kann zwar Seiten, die über einen Login im Intranet erreichbar sind, crawlen, technische Schwierigkeiten in der Soft- und Hardwareumgebung der Stadt Bochum standen diesem Versuch jedoch entgegen.

Der Prozess erfuhr eine entscheidende Wende durch einen Termin mit den für die Langzeitarchivierung zuständigen Kollegen im Landesarchiv NRW (LAV) im Januar 2019. Sie stellten Vor- und Nachteile derzeit weltweit eingesetzter Crawler und Harvester vor, darunter Heritrix[8], HTTrack[9], Webrecorder[10] und wget[11]. Zudem erläuterten sie Bewertungsmaßnahmen, Vorgehensweisen für eigene Projekte innerhalb der Landesverwaltung NRW, Formatfragen, notwendige Konfigurationen der von ihnen geprüften und sonstigen verfügbaren Tools, die Metadatenvergabe sowie Verbreitung und Nutzungsmöglichkeiten archivierter WARC-Dateien. Zudem wurde darüber beraten, die zugrundeliegende Access-Datenbank im SIARD[12]– oder im csv-Format[13] zu archivieren. „Doch das ist in diesem Fall, als würde man mit Kanonen auf Spatzen schießen.“, kommentierte der Kollege des LAV das Vorhaben. Der Installations- und Umsetzungsaufwand sowie die Rekrutierung notwendiger technischer Ressourcen in der Stadt Bochum standen in keinem Verhältnis zum Projekt als Ganzem. Der Sachbearbeiter im Amt 62 hatte bereits die Archivierung im csv-Format erläutert – am Ende sahen wir wegen der Schwierigkeiten im Nutzungsprozess der Dateien davon ab.

Dem Stadtarchiv wurde klar, dass keines der Programme ad hoc mit den zur Verfügung stehenden technischen Mitteln und Kenntnissen eingesetzt werden konnte.

Technische Umsetzung – die Lösung

Wenige Monate später hat jedoch die LWL.IT Serviceabteilung im Rahmen ihrer Serviceleistungen für Kommunalarchive die Archivierung der HTML-Straßennamendatenbank mit wget erfolgreich durchgeführt. Das Tool war dort bereits standardmäßig auf einem Linux-Server installiert und war direkt einsatzbereit.

Um die browserbasierte Straßennamendatenbank mit einem Crawler archivieren zu können, wurde sie auf einem Suse Linux Enterprise Server über die Python-Komponente SimpleHTTPServer als Website zugänglich gemacht. Die Website wurde vor der Archivierung auf Vollständigkeit geprüft und danach mit dem Programm „wget“ in einen WARC-Container[14] archiviert. Der erzeugte warc-Container wurde anschließend mit jhove[15] auf Validität überprüft und zeigte keine Auffälligkeiten.

WARC ist ein Containerformat, das alle Dateiformate und Ressourcen, die zur Darstellung der Ursprungswebseite notwendig sind, zusammen mit Links und Metadaten abspeichert. Der ISO-Standard[16] wird trotz seiner weiten Verbreitung unter langzeitarchivierenden Einrichtungen[17] und der Nutzung in der Internet Archive Way Back Machine[18] kontrovers diskutiert. Die DiPS-Produktionsstätten Stadt Köln und LWL haben sich trotz der Herausforderungen in Bezug auf dessen Langzeiterhaltung entschieden, das WARC-Format als Archivformat für DiPS.kommunal zuzulassen, da es offen dokumentiert, lizenzfrei und weit verbreitet ist. Damit entspricht es zumindest formal einigen Kriterien für die Verwendung von Langzeitarchivformaten.

Für die Nutzung der WARC-Datei wurde der Webrecorder Player[19] – eine Art Browser für archivierte Websites – ausgewählt. Eine Qualitätskontrolle der Daten sowie eine Kontrolle der Verlinkungen durch das Stadtarchiv im Webrecorder Player ergab eine 99%ige Übereinstimmung mit den Originaldateien. Das Archivierungsziel wurde demnach vollständig erreicht.

Einlieferung über den PIT.plus und Anbindung an Faust

Die WARC-Datei konnte nach einer Anpassung der Konfigurationsdatei hinsichtlich der Formaterkennung über den PIT.plus, einem Ingesttool für unstrukturierte Daten als Vorstufe für die Einlieferung nach DiPS.kommunal, verarbeitet und mit technischen, inhaltlichen und archivischen Metadaten versehen werden. Anschließend wurde die VZS-XML, die das Langzeitarchiv DiPS.kommunal für die Weiterverarbeitung von rudimentären Erschließungsdaten für das Erschließungsprogramm erstellt, erfolgreich nach Faust importiert. Das archivierte Objekt kann nun über die Bestandssuche in der Erschließungssoftware aufgefunden und an einem Sachbearbeiter-PC digital benutzt werden. Für Benutzer des Archivs steht dieser Service noch nicht zur Verfügung.

Perspektive

Die Straßennamendatenbank soll in regelmäßigen Abständen archiviert werden. Es wurde noch nicht darüber entschieden, ob die Stadt Bochum die Technik dafür implementieren wird.

Langfristig wird das Stadtarchiv Bochum auch eine Lösung für die Website www.bochum.de, das städtische Intranet sowie die Webpräsenzen von Schulen, Tochtergesellschaften und anderer städtischer Einrichtungen mit Bochum-Bezug finden müssen. Die Ergebnisse zum Einsatz von wget bei dynamischen Websites mit Videoinhalten, externen Links usw. sind noch nicht so zufriedenstellend, als dass das Tool uneingeschränkt empfohlen werden könnte.[20] Mit dem Abschluss dieses Projekts ist jedoch ein Projektziel des Gelati-AK erreicht.

Das Stadtarchiv Bochum sagt Dank an die abgebende Stelle (Amt 62), dem Landesarchiv NRW, dem LWL-Archivamt für Westfalen und der LWL.IT, ohne deren Kooperation das Projekt nicht möglich gewesen wäre.

[1] Annett Schreiber, DiPS in der Praxis. Einstieg in die Elektronische Langzeitarchivierung im Stadtarchiv Bochum, siehe https://archivamt.hypotheses.org/11062.

[2]Annett Fercho, Erfassung und Bewertung der elektronischen Fachverfahren durch das Stadtarchiv Bochum im Rahmen des Projekts Erarbeitung einer Konzeption zur Sicherstellung einer revisionssicheren und vertrauenswürdigen digitalen Langzeitarchivierung bei der Stadt Bochum, 2015 (interner Bericht); Annett Fercho, Stefan Pätzold, Die Erfassung und Bewertung der elektronischen Fachverfahren der Stadt Bochum. Ein Werkstattbericht, in: Archivpflege in Westfalen-Lippe 81 (2014), S. 40ff, siehe https://www.lwl-archivamt.de/de/Service/Archivpflege_Westfalen-Lippe/hefte50ff/

[3] Beispiele hierfür sind: https://www.iserlohn.de/aktuelles/strassenverzeichnis/ ; https://www.marchivum.de/de/strassennamen

[4] In der aktuellen Version von 2020 steht auch die Sortierung nach Stadtbezirk sowie nach Geschlecht (Anzahl der nach Frauen und Männern vergebenen Straßennamen) zur Verfügung.

[5] https://de.wikipedia.org/wiki/Webcrawler

[6] https://en.wikipedia.org/wiki/List_of_Web_archiving_initiatives

[7] https://www.startext.de/produkte/pablo

[8] https://github.com/internetarchive/heritrix3 Das damit erstellte WARC-Format ist Grundlage für die Wayback-Machine, siehe https://archive.org/web/ . Valentin Kramer, Konzept zur Archivierung des Webauftritts des MFKJKS NRW, Transferarbeit Archivschule Marburg, 2017.

[9] https://www.httrack.com/ Angela Ullmann, ARNE – Archivierung von Netzressourcen des Deutschen Bundestags, in: nestor Handbuch. Eine Enzyklopädie der digitalen Langzeitarchivierung. Version 2.0, 2009, siehe https://www.langzeitarchivierung.de/Webs/nestor/DE/Publikationen/nestor_Handbuecher/nestor_handbuecher_node.html;jsessionid=38FEC0E5535EF3853133EBDE74F52616.internet562

[10] https://webrecorder.io/ Das Tool erlaubt das Mitschneiden beim Besuch von Webseiten in Echtzeit (WARC-Format).

[11] https://www.gnu.org/software/wget/

[12] https://www.bar.admin.ch/bar/de/home/archivierung/tools—hilfsmittel/siard-suite.html SIARD ist eine vom Bundesarchiv entwickelte Software zur einfachen Archivierung von relationalen Datenbanken. SIARD Suite extrahiert Inhalte aus relationalen Datenbanken und speichert sie im für die Archivierung geeigneten SIARD-Format. Dieses Dateiformat ermöglicht es, die Daten im Archiv langfristig und unabhängig von der ursprünglichen Software aufzubewahren. Bei Bedarf lassen sich die Daten in eine neue Datenbank laden. Dadurch können sie unabhängig von der ursprünglichen Datenbank aufbewahrt und auch in Zukunft in modernen Datenbanksystemen wiederverwendet werden.

[13] https://de.wikipedia.org/wiki/CSV_(Dateiformat)

[14] https://www.loc.gov/preservation/digital/formats/fdd/fdd000236.shtml . Information and documentation – The WARC File Format, 2008.

[15] https://de.wikipedia.org/wiki/JHOVE ; https://jhove.openpreservation.org/ ; https://jhove.openpreservation.org/getting-started/

[16] https://www.iso.org/standard/68004.html

[17] https://en.wikipedia.org/wiki/List_of_Web_archiving_initiatives

[18] https://archive.org/web/

[19] https://github.com/webrecorder/webrecorder-player

[20] Siehe die archivierte Website des Schauspielhauses unter http://web.archive.org/web/20191023084245/https://www.schauspielhausbochum.de/de/ Die Erhaltungs- und Nutzungsziele sind durch das Stadtarchiv bereits definiert worden. Sie können zu einem Großteil durch Wget realisiert werden.


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.