ⓘ Dieser Beitrag wurde verfasst von @acka47, @TobiasNx & @NDahmen (alle hbz).
Hintergrund
Als die Verbunddatenbank des Hochschulbibliothekszentrum des Landes Nordrhein Westfalen (hbz) noch mit Ex Libris’ Aleph-Software betrieben wurde, hatten wir einen Prozess etabliert, der Schlagwortfolgen aus den DNB-Reihen A und H extrahierte und mit Hilfe eines komplexen, mehrstufigen Matchverfahrens die entsprechenden Verbunddatensätze anreicherte. Nach Abschaltung der Aleph-Verbunddatenbank Ende 2024 konnte dieser nicht fortgeführt werden, da Alma systembedingt keinen vergleichbaren Prozess ermöglichte. Für die Recherche in den Bibliothekskatalogen sind die Schlagworte essentiell und folglich wünschten die Bibliotheken eine Wiederaufnahme der Schlagwortanreicherung aus dem DNB-Katalog, siehe etwa Übernahme Verschlagwortungen in hbz.
Zunächst konzentrierten sich unsere Überlegungen auf die Übernahme aus Culturegraph. Allerdings befinden sich in den bibliografischen Titelsätzen des hbz-Verbundkatalogs eine Vielzahl von Identifikatoren aus anderen Verbünden und der Deutschen Nationalbibliothek (DNB). Deshalb haben wir beschlossen zunächst diese „low hanging fruit“ zu ernten und vorhandene Schlagwörter aus den Einträgen dieser Kataloge für die Anreicherung zu nutzen. Dieser Beitrag beschreibt unser Vorgehen und liefert einige Zahlen.
Abdeckung mit IDs aus der DNB und anderen Verbundkatalogen
Hier ist eine Übersicht mit ungefähren Zahlen vom Juni 2026 zum Vorkommen einiger externer Identifikatoren in den hbz-Verbunddatensätzen (ohne Titel der Zeitschriftendatenbank (ZDB)) und wieviele noch keine Verschlagwortung hatten:
| Quelle/ID | Anzahl gesamt | davon ohne Schlagwörter (vor Anreicherung) |
|---|---|---|
| DNB | 87.000 | 44.000 |
| BVB | 420.000 | 201.000 |
| GBV | 761.000 | 715.000 |
| K10Plus | 308.000 | 177.000 |
| KOBV | 12.000 | 8.000 |
| OBV | 26.000 | 12.000 |
| HeBIS | 29.000 | 23.000 |
| BSZ | 247.000 | 194.000 |
| Gesamt | 1.890.000 | 1.374.000 |
Das heißt die Anzahl der Titelsätze, die potentiell direkt aus anderen Katalogen mit Schlagwörtern angereichert werden konnten, betrug Ende Juni knapp 1,4 Millionen. Um das Potential zu schöpfen und um zu sehen, was sich tatsächlich dabei gewinnen lässt, setzten wir ein Verfahren zur Anreicherung auf.
Das Anreicherungsverfahren
Der Anreicherungsworkflow wurde offen auf Github veröffentlicht und entwickelt
- Filterung der etwa 1,4 Millionen hbz-Verbunddatensätze ohne Schlagwortfolgen und mit einem Identifikator aus einem der genannten Kataloge
- Erstellung eines #Metafacture-Workflows, der die hbz-ALMA-MMS-IDs sowie die relevante externen Verbund-IDs extrahiert (Den hebis-Katalog haben wir dabei ausgelassen, weil er per Verbundkonvention keine Schlagwörter enthält.)
- Generierung von SRU-Abfragen an die entsprechenden Schnittstellen auf Basis der externen IDs (Pro Identifier wird ein einzelne SRU-Abfrage konstruiert, um einen einzelnen MARC-Datensatz zu harvesten.)
- Diese Datensätze werden dann auf die Existenz von Schlagwortfolgen geprüft.
- Sollten Schlagwörter existieren, werden die MARC-Datensätze auf die Felder
001,035und689reduziert und der Verbund-Identifier, der in001steht, wird auf035umgeschrieben. In001wird mit Hilfe der initialen Liste die hbz-ID übertragen. - Die Sammlung der reduzierten MARC-Datensätze mit Schlagwortfolgen, wird an die hbz-Verbundgruppe übergeben und via Import in die Alma Netzwerkzone eingespielt.
Nach der Anreicherung
Knapp 170.000 hbz-Verbunddatensätze konnten durch das Verfahren mit Schlagwortfolgen angereichert werden:
| Quelle/ID | Anzahl gesamt | angereicherte Titel |
|---|---|---|
| DNB | 87.000 | 9.000 |
| BVB | 420.000 | 26.000 |
| GBV | 761.000 | 66.000 |
| K10Plus | 308.000 | 25.000 |
| KOBV | 12.000 | 900 |
| OBV | 26.000 | 3.000 |
| BSZ | 247.000 | 39.000 |
| Gesamt | 1.890.000 | 168.900 |
Automatisierung
Nach einem initialen Update auf Basis von DNB, BVB, k10Plus, KOBV, OBV, BSZ, wird seit dem 1.9. ein automatisiertes Verfahren genutzt, welches sich auf DNB, K10Plus und BVB beschränkt. Hier die Zahlen vom ersten Lauf von Anfang September 2026:
| Quelle/ID | angereicherte Titel |
|---|---|
| DNB | 1.233 |
| BVB | 4.369 |
| K10Plus | 5.430 |
| Gesamt* | 11.032 |
Die Zahlen sind für den kurzen Zeitraum von etwa einem Monat recht hoch. Das spricht dafür, dass einige Titel im ersten Lauf – etwa aufgrund von Aussetzern bei den SRU-Abfragen – nicht angereichert und dies nun nachgeholt wurde.
Da die Einzelabfrage per SRU-Schnittstelle relativ ineffizent ist, beabsichtigen wir in einer kommenden Version die SRU-Schnittstelle in 10er Schritten abzufragen, um so die Dauer des automatisierten Prozessen zu reduzieren. Aktuell benötigen die Prozesse für DNB, K10Plus und BVB knapp 3 Tage. Durch die Zusammenführung erhoffen wir uns eine Reduzierung auf einen Tag.
Ausblick
Im nächsten Schritt werden wir uns an die ursprünglich anvisierte Anreicherung von Schlagwortfolgen auf Basis von Culturegraph machen, das die Daten der DNB und der Verbünden anhand weiterer Kriterien bündelt. Wir sind gespannt, wieviel zusätzliche Titel sich dadurch anreichern lassen und werden nach erfolgter Umsetzung darüber berichten.