Das Linguistik-Portal wurde mit Unterstützung der DFG an der Universitätsbibliothek Frankfurt a. M. erstellt und ging 2013 online unter www.linguistik.de. In der ersten Projektphase 2012–2014 galt es, eine klassische ViFa mit den üblichen Modulen aufzubauen: Verzeichnisse wurden erstellt zu thematischen Links, Forschungsprojekten und Online-Wörterbüchern. Linguistisch relevante, elektronische Zeitschriften und Online-Datenbanken wurden intellektuell aus EZB bzw. DBIS selektiert und hinsichtlich behandelter Sprache und linguistischer Thematik erschlossen. Zur Erweiterung der Aufsatztitel-Datenbank Online Contents Linguistik wurden die Inhaltsverzeichnisse ausgewählter Zeitschriften gescannt und zu rudimentären Titelaufnahmen aufbereitet. Die Verzeichnisse zu thematischen Links, elektronischen Zeitschriften, Datenbanken und Wörterbüchern flossen gemeinsam mit Bibliothekskatalogen, Repositorien und Bibliografien in eine indexbasierte Metasuche ein¹.

Das Projekt fand in Kooperation mit zwei Projektpartnern statt. Die Arbeitsgruppe LinseLinks der Universität Duisburg-Essen war hauptsächlich an der Erarbeitung des Link-Verzeichnisses und des zugrundeliegenden Sacherschließungskonzepts beteiligt. Letzteres besteht im Großen und Ganzen aus einer Verzahnung der thematischen Klassifikation der LinseLinks mit der Klassifikation der Bibliography of Linguistic Literature (BLL²). Der zweite Projektpartner, das Institut für Deutsche Sprache (IDS) Mannheim, arbeitete an der Erweiterung von Online Contents Linguistik, dem Link-Verzeichnis und dem Wörterbuch-Verzeichnis mit und war alleinverantwortlich für den Aufbau des IDS-Publikationsservers.

In der zweiten von der DFG bewilligten Förderphase 2015–2017 wurde der Aufbau der klassischen ViFa fortgesetzt: Die unterschiedlichen Verzeichnisse wurden gepflegt und selektiv erweitert. Es wurden Online-Tutorials zur Nutzung des Portals und einzelner Module erstellt. Die Indexsuche wurde um zwölf Kataloge und Bibliografien³ ergänzt sowie für Smartphones optimiert.

Verbunden mit der Gewinnung eines neuen Partners – Prof. Chiarcos aus dem Bereich Angewandte Computerlinguistik am Institut für Informatik der Goethe-Universität Frankfurt a. M. – bekam das Projekt jedoch eine grundsätzlich neue Ausrichtung: Das Linguistik-Portal öffnete sich für Semantic-Web-Technologien.

In der zweiten ViFa-Förderphase wurden die Voraussetzungen geschaffen, um das Linguistik-Portal mit Linked Open Data (LOD) zu vernetzen. Diese Vernetzung generiert zweifachen Nutzen: Auf der einen Seite ermöglicht sie die Integration von linguistisch relevanten LOD-Ressourcen in die Portal-Suche, auf der anderen Seite ermöglicht sie durch die damit einhergehende Veröffentlichung von bibliografischen Metadaten die Nachnutzung dieser Daten durch die LOD-Community. Dank der stark gestiegenen Verbreitung und Akzeptanz von LOD werden immer mehr freie, linguistisch relevante Ressourcen nach Linked-Data-Prinzipien⁴ gemäß der entsprechenden W3C-Standards⁵ aufbereitet. So entstand auch die Linguistic Linked Open Data Cloud (LLOD-Cloud⁶), die auf eine Initiative der Open Linguistics Working Group der Open Knowledge Foundation zurückgeht und Ressourcen wie Wörterbücher, terminologische Repositorien oder Korpora zusammenfasst.

Von besonderem Interesse für die linguistische Forschung und dementsprechend für das Linguistik-Portal sind die Korpora. Dabei verstehen wir unter Korpora (Sprachkorpora, Textkorpora) im Volltext vorliegende Textsammlungen, die linguistisch annotiert sind, d. h. die enthaltenen Wörter oder anderen Sprachbestandteile sind mit Begriffen zur Beschreibung von sprachlichen Phänomenen markiert – z. B. „Kardinalzahl“, „Personalpronomen“. Als Markierung werden sogenannte Tags verwendet, und die Liste aller Tags stellt das Annotationsschema bzw. das Tag-Set eines Korpus dar.

Die Heterogenität⁷ der linguistischen Annotationen erschwert oft die Nachnutzung der linguistischen Ressourcen. Um die Interoperabilität möglichst vieler linguistischer Daten und Metadaten zu ermöglichen, wurden die Ontologies of Linguistic Annotations (OLiA⁸) entwickelt, die einen zentralen Knoten in der LLOD-Cloud darstellen. OLiA ist ein modular aufgebautes Metadaten-Repositorium, das aus verschiedenen Komponenten besteht⁹:

• –

  Das OLiA Reference Model definiert die Terminologie (z. B. „Nomen“ „Plural“, „Akkusativ“), die als Referenz für linguistische Annotationen dient.

• –

  Die OLiA Annotation Models sind formalisierte Versionen der integrierten Tag-Sets.

• –

  Die OLiA Linking Models definieren jeweils die Beziehungen zwischen einem gegebenen Annotation Model und dem OLiA Reference Model.

Da das OLiA Reference Model als Mediator zwischen den verschiedenen Annotationsschemata dient, spielt es bei der Vernetzung des Linguistik-Portals mit LOD eine besondere Rolle: Es wurde als Anker in der LLOD-Cloud ausgewählt. Als Anknüpfungspunkt auf Seiten des Linguistik-Portals fungiert der Schlagwort-Thesaurus der BLL, der seit über 40 Jahren an der UB Frankfurt gepflegt und weiterentwickelt wird. Der BLL-Thesaurus ist für diese neue Funktion prädestiniert, denn er liefert die Grundlage sowohl für die thematische Klassifikation des Linguistik-Portals als auch für die normierten Schlagwörter, die der intellektuellen Erschließung in den Modulen dienen. In der zweiten ViFa-Förderphase wurde der BLL-Thesaurus nach LOD-Prinzipien aufbereitet und mit dem OLiA Reference Model verknüpft. Der Fokus lag dabei auf der Bearbeitung der Thesaurus-Begriffe aus den Bereichen Syntax, Morphologie und Morphosyntax, die auch das Kernvokabular des OLiA Reference Model darstellen.

Die konkrete Umsetzung erfolgte, indem der vollständige Thesaurus zuerst in SKOS konvertiert wurde. SKOS¹⁰ steht dabei für „Simple Knowledge Organisation System“, was das standardmäßig genutzte Vokabular für die Linked-Data-konforme Repräsentation von Thesauri und anderen Dokumentationssprachen ist. Ein Terminologie-Modell kann allerdings nur dann reibungslos in die modulare Architektur von OLiA integriert werden, wenn es die formalen Kriterien einer Ontologie erfüllt. Die Beziehungen zwischen den Begriffen innerhalb des BLL-Thesaurus genügen jedoch nur bedingt diesen Kriterien¹¹. Deshalb war eine inhaltliche und formale Aufarbeitung vonnöten: Der Thesaurus wurde basierend auf der SKOS-Version und unter Verwendung der Web Ontology Language (OWL) um eine komplexe, ontologische Struktur ergänzt.

Im Zuge dessen musste jedes Schlagwort hinsichtlich seiner Beschaffenheit intellektuell geprüft und ggf. überarbeitet werden. Einige Schlagwörter wurden umbenannt, andere wurden neu hierarchisiert. „Pronominalisierung“ ist im Thesaurus bspw. eine Subkategorie von „Pronominalsyntax“ und wurde in der Ontologie als Subklasse von „SyntaktischerProzess“ eingeordnet. Mehrdeutige Begriffe wurden als komplexe Klassen modelliert. So wurde z. B. das Thesaurus-Schlagwort „Komposition“, das sowohl den morphologischen Prozess als auch das Ergebnis dieses Prozesses abdeckt, als die Disjunktion zweier neu definierter Klassen – „Kompositum“ und „Komposition“ – dargestellt. Die so entstandene BLL-Ontologie eignet sich für maschinelle Reasoning-Verfahren und kann wiederum mit anderen Ontologien verknüpft werden.

Anschließend wurde ein Linking Model (BLL-OLiA-Linking) erstellt, das die Zuordnung von BLL-Schlagwörtern zu den einzelnen Begriffen aus dem OLiA Reference Model beinhaltet. Damit war die Grundlage für die Realisierung eines Anwendungsszenarios geschaffen: die Implementierung einer LOD-basierten Suchfunktion im Linguistik-Portal.

Um LOD-Ressourcen in das Linguistik-Portal einbinden zu können, wurde ein Webcrawler entwickelt. Ausgehend vom Metadaten-Portal Linghub¹² durchsucht der Crawler zunächst die LLOD-Cloud nach relevanten Datensätzen. Indiziert werden alle LLOD-Ressourcen, die eine Verknüpfung mit dem OLiA Reference Model aufweisen. Das sind vor allem Korpora, deren Tag-Set bereits in die modulare Architektur von OLiA integriert wurde, aber auch Wörterbücher, die Begriffe aus dem OLiA Reference Model als linguistische Referenzterminologie einsetzen. Anschließend werden die indizierten Daten unter Verwendung des BLL-OLiA-Linking nach den entsprechenden BLL-Begriffen durchsucht. Die Ergebnisliste wird um die Linghub-Metadaten ergänzt und in das Linguistik-Portal exportiert. Durch die nahtlose Integration in die bestehende Katalogsuche wird ein niederschwelliger Zugriff auf LLOD-Ressourcen ermöglicht.

Zu Projektende erfolgte unter http://data.linguistik.de/bll die Veröffentlichung der LLOD-Edition des BLL-Thesaurus. Dazu gehören nicht nur die SKOS-Version und die BLL-Ontologie, sondern auch eine Datei, die die Zuordnung frei zugänglicher BLL-Titeldaten zu BLL-Schlagwörtern beinhaltet (BLL-Index). Die Veröffentlichung dieser Datei dient dabei der Realisierung eines zweiten Anwendungsszenarios: Der BLL-Index ermöglicht es, ausgehend von linguistischen Ressourcen in der LLOD-Cloud auf dem Wege über die Verknüpfung von OLiA zu BLL-Schlagwörtern auf thematisch qualifizierte Publikationen im Linguistik-Portal zu verlinken.

Das Linguistik-Portal wird seit 2017 als FID Linguistik an der UB Frankfurt in Kooperation mit dem Institut für Informatik weiter ausgebaut (Projektlaufzeit 2017–2019). Da LOD-Technologien über ein großes Potential verfügen, beim Aufbau eines flexiblen und zukunftsfähigen Systems der Informationsversorgung einen wichtigen Beitrag zu leisten¹³, werden im FID Linguistik die Arbeiten hinsichtlich LOD konsequent fortgesetzt. Zum einen wird die LOD-Funktionalität erweitert, indem die BLL-Sprachbezeichner formalisiert und verlinkt werden. Zum anderen werden Semantic-Web-Technologien angewendet, um Korpora-Metadaten anzureichern und dadurch den Suchhorizont über die LLOD-Cloud hinaus auszudehnen.

Wenn auf diese oder andere Weise gefundene oder selbst erstellte Forschungsdaten schlussendlich in wissenschaftlichen Arbeiten analysiert und die Resultate in Publikationen eingeflossen sind, dann gilt es, nicht nur die Daten und die Veröffentlichung, sondern auch ihre Relation zueinander sichtbar zu machen. Zu diesem Zweck wird im Linguistik-Portal ein neues Modul eingerichtet werden: Hier wird es möglich sein, ausgehend von einem gewählten Korpus zu den dazugehörigen Publikationen zu navigieren oder umgekehrt von einer Publikation auf das behandelte Korpus – im Idealfall auf dessen Webpräsenz – zu verlinken. Zudem ist es geplant, die Korpora hinsichtlich ihrer Sprache zu erschließen und entsprechend aufbereitet in der Modul-Navigation anzuzeigen.

Als Ausgangsbasis dienen Einträge aus dem Titelbestand der BLL. Hier finden sich in reservierten Freitextfeldern über 1.000 verschiedene Korpora (z. B. Austrian Media Corpus, The York Corpus of French Child Language), die für die Beschlagwortung von über 3.000 Publikationen verwendet wurden. Da die zu verlinkenden Entitäten jeweils durch eine URL adressierbar sein müssen, wird vorab ermittelt, ob die verschlagworteten Korpora über eine eigene Internetpräsenz verfügen. Für die Suche nach der URL konsultieren wir vor anderen einschlägigen Portalen zuerst den facettierten Browser von CLARIN²¹. Denn der Nachweis im CLARIN-Browser hat den entscheidenden Vorteil, dass die in zertifizierten CLARIN-Zentren gehaltenen Ressourcen bereits über einen Persistent Identifier wie URN, DOI oder Handle verfügen. Wo dies nicht der Fall ist, kann teilweise auf eine International Standard Language Resource Number (ISLRN²²) zurückgegriffen werden. Um die Verlinkung von Publikation zu Korpus technisch zu realisieren, bedarf es – als letztes Glied in der Verknüpfungskette – nur noch der Umwandlung der bisher als Freitext vorliegenden Korpus-Schlagwörter zu einem vollwertigen BLL-Normdatensatz, der auf die oben ermittelte Internetadresse des jeweiligen Korpus referiert.

Ergänzend zu dieser bibliografischen Aufbereitung ist auch die Verfügbarkeit von (kommerziellen) Korpora ein Thema im FID. Im Zuge der Einrichtung von FIDs entstand das Konzept überregionaler FID-Lizenzen für fachlich definierte Nutzergruppen (Virtueller Nutzerkreis²³). Der FID Linguistik plant hier, in einem Pilotvorhaben FID-Lizenzen auch für neue Medientypen wie Sprachkorpora anzubieten.

Klassische Medientypen werden weiterhin – wenn auch in beschränktem Umfang – erworben. Um hierbei dem Aspekt der stärkeren Nutzerbeteiligung und Ausrichtung an den konkreten Bedürfnissen der Wissenschaftler Rechnung zu tragen, wurde im Linguistik-Portal ein Online-Formular für überregionale Kaufvorschläge installiert.

Jenseits lizenzpflichtiger bzw. allgemein kostenpflichtiger Erwerbung soll im FID die Einbindung von Open-Access-Dokumenten weiter ausgebaut werden, die in der ViFa mit der Indexierung verschiedener Open-Access-Repositorien begann. Deshalb bieten wir im laufenden Projekt interessierten Wissenschaftlern oder kleineren Verlagen eine technische Plattform für das Publizieren von frei verfügbaren Zeitschriften.

Das Linguistik-Portal ist einerseits die letzte ViFa, die von der DFG im auslaufenden Förderprogramm „Überregionale Literaturversorgung“ unterstützt wurde. Andererseits überlappt sich die zweite Förderphase nicht nur zeitlich mit dem Start des neuen DFG-Förderprogramms „Fachinformationsdienste für die Wissenschaft“, sondern weist auch inhaltlich eine Neuausrichtung auf. Bibliothekarisches Arbeiten wird nicht mehr nur als Nachweis und Erschließung gegebener Literatur verstanden, sondern es werden neue Formen der Informationsgewinnung unterstützt. So hat sich hinsichtlich Zeitaufwand und Intensität das Verhältnis von Arbeiten mit aggregierendem Charakter (Indexsuche, Neuerwerbungsliste) über Inhaltserschließung (thematische Verzeichnisse) bis hin zu inhaltsgenerierenden Maßnahmen (Ontologie-Erstellung und -Verlinkung) kontinuierlich verschoben. Und diese Tendenz setzt sich im laufenden FID-Projekt fort (Forschungsdaten-Analyse).

Gleichzeitig ist auch im Bereich der eingesetzten Methoden eine Trendwende zu erkennen: Neben traditionellen Erschließungsmethoden (bibliografisch, intellektuell) wurden zunehmend Semantic-Web-Technologien eingesetzt (Veröffentlichung, Vernetzung, Verarbeitung von LOD). Diese innovativen Ansätze bieten eine hohe Flexibilität bei der Gestaltung der Informationsdienstleistungen und ermöglichen weitere Anwendungen in der Zukunft. Sowohl förderungstechnisch als auch konzeptionell steht das Linguistik-Portal somit für einen fließenden Übergang von Virtueller Fachbibliothek zu Fachinformationsdienst.