Archiv des Autors: stk

Über stk

Medieninformatik-Student mit Visionen. Geht aber trotz Helmut Schmidts eindringlicher Aufforderung deswegen nicht zum Arzt.

Abfragen im dezentralen Semantic Web. Oder: Baut viele SPARQL-Endpunkte statt grosser Datenplattformen

Wie Abfragen ueber verteilte Wissensquellen aussehen (nicht eine Super-Datenplattform!), ist in diesem Video von 2018 schoen erklaert (danke MarcelOtto). Ein praktisches Beispiel eines federated query mit Wikidata hatten @saerdnaer und @Wikidatafacts als kleine Fingeruebung fuer den kleineren Massstab bei einem Wikidata-Workshop in Ulm entwickelt.

(quelle:internet)

Ab 09:27 kommt im Video ein anschauliches Beispiel des dahinter liegenden Paradigmenwechsels. Anstelle von Apps, die auf hardcodierte APIs zugreifen muessen (und die dann wieder angeflanscht an zentralisierte Datensilos sind), werden Abfragen im dezentralen Modell lokal synthetisiert. Die notwendigen Daten kommen dann aus denjenigen verteilten Quellen, die fuer genau diese Frage notwendig sind.

In Ergaenzung (und technisch notwenige Voraussetzung) zum auf den Kopf gestellten Nutzungsversprechen von Open Data erlaubt diese Herangehensweise eine Abkehr von zentralisierten Superdatenplattformen. Die bisherige Idee war, dass es ja eine Vielzahl von Fachverfahren gebe, deren Daten in einzelnen Silos liegen. Um das aufzubrechen muessten Verfahren standardisiert werden und alle Daten in ein zentrales Silo anliefern. Was auch bedeutet, dass z.B. einzelne Kommunen oder Bezirke ihre bisherigen Fachverfahren fuer ein Thema aufgeben und sich der Mehrheit anschliessen muesten – und sei es mit Zwang.
Im Gegenmodell waere die interne Datenhaltung oder zumindest das Ergebnis eines ETL-Prozesses der Fachverfahrensdaten ein Knowledge Graph – und ueber verteilte Knowledge Graphs lassen sich wie im Video demonstriert wunderbar Abfragen fahren, nur durch die Magie von 5-Sterne-Daten mit Semantik. Die Bausteine dafuer sind mittlerweile Jahrzehnte alt und gut abgehangen. Und eigentlich passt das auch viel besser in das Modell eines foederalen Staats, der nicht alles von oben her vereinheitlicht und nach oben hin an sich zieht, sondern auf den Ebenen auch Entscheidungsspielraeume laesst.

Lilith Wittmann ist wie immer gleich deutlich radikaler und sagt: Alles bis drei Sterne sollte eigentlich gar nicht mehr zaehlen, wir muessten noch weiter gehen und Open Data erst ab vier Sternen ueberhaupt „zaehlen“ lassen:

Open Data und das auf den Kopf gestellte Nutzungsversprechen

Tori Boeck hatte im Februar einen Artikel ueber ein sich nun seit Jahren hartnaeckig haltendes Muster in der deutschen Open-Data-Szene veroeffentlicht: Alles scheint sich um „Anwendungsfaelle“ zu drehen, und dass die tatsaechliche Nutzung offener Daten (neben der schieren Zahl veroeffentlichter Datensaetze) ein Erfolgskriterium sei.

Toris Post war mir jetzt endlich aufraffender Anlass, verschiedene Textstuecke zusammenzustellen, die ich seit einer Weile vor mir herschiebe, und im Mai war das nun endlich alles so weit, dass ich einen ersten Entwurf beim Kommunalen Open Data Barcamp vortragen konnte. Denn dieser Fokus „die oeffentliche Hand soll Open Data bereitstellen, damit Dritte irgendetwas damit tun“ ist einer der fundamentalsten Missverstaendnisse des letzten Jahrzehnts in dieser Szene. Und ich fuerchte, dieses Missverstaendnis sabotiert seit Jahren die eigentlich anzugehenden Aufgaben.

Eine Quelle dieses Missverstaendnis koennte das typische “Showing what’s possible“-Muster aus dem Digitalen Ehrenamt sein. An einem konkreten Beispiel wird gezeigt, was mit offenen APIs und/oder offenen Daten oder einem besseren User Interface moeglich waere. Dabei ist beinahe egal, ob man nun einen bestehenden Dienst besser macht (wie z.B. kleineanfragen.de das tat), oder ob man an einem ganz konkreten Beispiel (fuer das man irgendwie an Datenpunkte kam) ein anschaulich nutzbares Produkt baut, wie die Trinkwasser-App.

Wolfram Eberius, Cfg-summit-20211127-codefor-berlin-02, CC BY-SA 4.0

Ende November hatten wir im Netzwerk Code for Germany einmal versucht, typische Aktivitaeten der lokalen Open-Data-Arbeitsgruppen einzuordnen, und an vielen Stellen kam dieses „showing what’s possible“ zur Sprache. Menschen machen das aus den verschiedensten Beweggruenden: Weil sie selber einen praktischen Anwendungsfall fuer das Ergebnis haben. Weil sie zeigen wollen, was geht. Oder einfach auch nur aus Spass.

An vielen Orten entstanden genau so vor ca. 10 Jahren die ersten veroeffentlichten Datensaetze. In Ulm hatte die Gruppe Engagierter einzelne Datensaetze per Mail von der Stadtverwaltung erhalten, und beispielsweise die Geodaten der Stadtbezirke selber zum Download und ueber eine CouchDB ausgespielt, und in Click-that-Hood praktisch erfahrbar gemacht.

Andere Staedte sprangen auf den „Trend“ auf. Datensaetze wurden immer noch haendisch herausgesucht und veroeffentlicht – und meist orientierte man sich dabei an den Datensaetzen, die bereits anderswo veroeffentlicht oder gar in einen praktischen Anwendungskontext bezogen wurden. Und nebenbei glaubte man, dass Datenportale hermuessten, Metadatenbeschreibungen fuer jede Excel-Liste im Datenportal wurden umstaendlich gepflegt, und viel dergleichen haendische Arbeit mehr.

Auf der zivilgesellschaftlich engagierten Seite entstand dadurch der empfundene Druck, die bisherigen Konzeptprototypen und Showcases zu „redeployen“. Anderswo gab es nun auch Stadtbezirks-Geoshapes, Trinkwasserinformationen und dergleichen mehr. Also, war die Annahme, muesse man die aktuellen Daten nun auch in einen lokalen Ableger dieser Showcases einpflegen. Gleichzeitig stieg die Erwartung, dass diese Beispielvisualisierungen auch auf lange Frist unterhalten und gepflegt werden wuerden. Und an den Orten, an denen sich niemand auf die aufwaendig bereitgestellten Daten stuerzte, war die Enttaeuschung gross. Denn wofuer macht man sich ueberhaupt den Aufwand?

Tbachner, Container Terminal Dortmund 12.01.2013, CC BY 3.0

Eigentlich seltsam, denn die Metapher ging ja eigentlich schon lange dahin, dass die Bereitstellung offener Daten so etwas wie ein automatisierter Containerhafen werden sollte – derweil die Daten immer noch wie haendisches Stueckgut aus den Fachverfahren und Excel-Listen herausgetragen werden.

Und da sind wir eigentlich am Kernproblem: An viel zu vielen Stellen wird haendisches oder maessig automatisiertes 3-Sterne-Open-Data immer noch als akzeptables Zwischenziel angesehen.

Wir erinnern uns aus dem Covid-Daten-Beispiel: Bis zu 3-Sterne-Daten kommen als CSV daher – ohne Informationen, was eigentlich in welcher Spalte steht und was das sein soll. Ist es ein Datum? Ein Strassenname? Die Zahl der Infizierten am gestrigen Tag? Wenn ich das auswerten will, muss ich das meinem Parser erst einmal haendisch pro Spalte beibringen. Und wenn das RKI die Reihenfolge der Spalten aendert, faellt der Parser auf die Nase.

Ich glaube, dass all das damit zusammenhaengt, dass in der Regel intern gar nicht die Voraussetzungen vorhanden sind, um mit diesen Daten in groesserem Umfang etwas anzufangen. Die Listen sind Datenbasis fuer (haendisch erstellte) Reports, (haendisch erstellte) Schaubilder, aber es sind weder die notwendigen Werkzeuge noch die notwendigen Infrastrukturen vorhanden, um schon verwaltungsintern Daten ueberhaupt strukturiert abzulegen und dann an anderer Stelle damit zu arbeiten – idealerweise mit dem Ziel eines Knowlege Graphs fuer 5-Sterne-Open-Data.

Und gerade weil die notwendige Voraussetzung fuer die Herstellung eines solchen Zustands eine hervorragende IT-Infrastruktur auf dem Stand der Technik ist, muessen wir die bisherigen Herangehensweisen weitgehend auf den Kopf stellen. Bisherige Beispielkataloge, was denn ueberhaupt als Open Data veroeffentlicht werden koennte, orientieren sich meist daran, was anderswo da war. Das waren aber eben entweder die beruechtigten “Low Hanging Fruits”, oder eben Datensaetze fuer die genannten Proofs of Concept. Das ist aber meist komplett losgeloest von einer internen Nutzung, die ueberhaupt erst die Motivation und den Anlass geben koennte, die dafuer notwendigen Strukturen aufzubauen. Idealerweise wuerde eine Strategie nicht damit beginnen, die hunderten Fachverfahren zu kartieren und wie man deren Daten per ETL herauskratzen kann. Sondern (mit einer klaren Strategie zu Linked Open Data im Kopf!) praktische Anwendungsfaelle zu finden, in denen Einheit A intern Daten braeuchte, die Einheit B bislang unstrukturiert ablegt oder auf Zuruf aufbereitet – und dann beginnt, Prozesse fuer die automatische Verdatung zu bauen. Inklusive des Aufbaus der notwendigen Kompetenzen und des Unterbaus, um das selber machen zu koennen oder zumindest den Weg dahin kompetent selbst zu bestimmen. Open Data darf kein Mehraufwand sein, sondern faellt quasi als Abfallprodukt aus besseren Prozessen heraus – wer etwas veraktet, produziert automatisch Linked Data, das bereits behoerdenintern nachgenutzt werden kann. Der Open-Teil ist dann „nur“ noch eine Frage dessen, was nach aussen veroeffentlicht werden soll.

Veranstaltungs-Nachbesprechungen, aber verteilt. Hybrid forever!

Am Donnerstag war eine Veranstaltung der Friedrich-Ebert-Stiftung zu „Digitaler Souveraenitaet“, und natuerlich musste ich da unbedingt mal reinschauen. Eigentlich war die in Praesenz in Karlsruhe geplant, und da waere ich auch extra hingefahren. Kurz vorher gab es aber einen Schwenk auf online, und das ermoeglichte auch vielen anderen Leuten aus dem weiteren Civic-Tech-Umfeld, teilzunehmen.

Abgesehen von einigen Seltsamkeiten (siehe Liliths Tweet) war das ein spannender Austausch, und im Chat gab es eine rege Diskussion auch mit Menschen, die offenbar Kommunalbackground hatten. Etwas den Rahmen verschoben hatte die Anwesenheit von MdL Jonas Hoffmann, dessen Forderungen zur Vermarktung oeffentlicher Daten ich hier schon kommentiert hatte. Das loeste natuerlich den Bedarf zu weiterer Diskussion aus – wohlgemerkt leider nicht „auf der Veranstaltung selbst“, denn von den vielen Diskussionsstraengen im Chat wurde nur wenig offiziell ausgewaehlt und besprochen. Aber Liliths gewohnt provokante Art sorgte dafuer, dass wir uns fuer nach der Veranstaltung noch in einem Twitter Space verabredeten und dort auch noch eine Stunde quatschten. Die Aufzeichnung ist auch nachhoerbar (im Tweet verlinkt).

Ich will jetzt gar nicht auf das Fuer und Wider von Twitter Spaces (oder anderen solchen Walled Garden) eingehen. Ich wuenschte, es gaebe mehr Alternativen, aber am Ende wird mir dann wieder unironisch die Forderung nach Digitalkommunismus vorgeworfen.

Was ich viel spannender fand: Jemand meinte im Codeforde-Austauschchat, dass man selber ja nicht nochmal eine Stunde investiert haette fuer so eine Nachbesprechung. Aber andererseits war das ja genau das Format, wie man es frueher in der Hosenwelt nach einer Praesenzveranstaltung gehabt haette mit rumstehen und quatschen. Nur dass es sich jetzt weniger in Teildiskussionsrunden aufteilt – und dass Leute von ganz woanders teilnehmen und mitdiskutieren koennen, die in Praesenz nicht unbedingt dabei sein koennten.

Ich glaube ja zwar nicht an eine Rueckkehr in „ein Leben wie vor der Pandemie“. Hybride Veranstaltungen sollten ganz normal werden. Aber ich baue jetzt schon ein wenig in meinem Kopf Setups, wie wir eigentlich auch bei Teilpraesenz-Veranstaltungen gerade solche Nach-Diskussionsrunden unter Einbeziehung moeglichst vieler nicht-anwesender Dritter technisch gut abwickeln koennen. Im Verschwoerhaus hatte der Verein diesen Winter richtig dick Geld in die Hand genommen, um genau solche hybriden Sachen noch besser abwickeln zu koennen (Symbolbild oben). Und uns ist immer wieder aufgefallen, dass all die praktischen Faehigkeiten aus Congress-Streaming, bisherigen Veranstaltungen und natuerlich den Erfahrungen aus pandemischen Loesungen total viel Wissen und Skills aufgebaut haben, die sich relativ gut auf solche Situationen uebertragen lassen duerften.

Ich wuerde das fuer einen grossen Gewinn halten.

Was tun in Krisen: Technologie ist nicht (immer) die Loesung

Ich sass die letzten Tage – vermutlich wie viele andere – oft doomscrollend die Lage in der Ukraine beobachtend herum. Und das ist der Kern: Man sitzt da, man kann beobachten, aber viele fuehlen sich hilf- und machtlos und wuerden gerne etwas tun.

Das trifft offenbar vor allem gerne die Gruppe von Menschen, die es sonst gewohnt ist, viel Zuspruch und Lob dafuer zu bekommen, mit ihren auf dem Markt gefragten Faehigkeiten Dinge zu entwickeln. Und so scrollen mir regelmaessig Vorschlaege und Ideen durch die Timeline, die sich vor allem um Tech-Solutionismus drehen: Irgendetwas bauen, was helfen kann, oder Technologie ausrollen, die… irgendetwas zum Besseren dreht.

Ich verstehe die reinherzige Motivation dahinter. Man fuehlt sich verpflichtet, etwas zu tun. Und sich in einem schnell zusammengefundenen Team zusammenzutun und die eigenen Faehigkeiten einzusetzen, gibt einem das Gefuehl, einen Beitrag zu leisten und wenigstens nicht nur dabeizustehen und nichts tun zu koennen.

Derweil ist dieses Engagement und diese Geschaeftigkeit in vielen Faellen wenig mehr als Selbstzweck. Er bereitet den dabei Engagierten ein gutes Gefuehl und gegebenenfalls auch tolle Publicity, traegt aber wenig zu einer wirklichen Loesung bei, sondern schadet im Zweifel sogar.
In ganzer Laenge daher ein Twitterthread dazu, um etwas Kontext zu schaffen:

tl;dr: Im Zweifel hilfst du als Tech-Person mit schnoedem Geld und Unterstuetzung bestehender Aktivitaeten und Gruppen mehr, als wenn du jetzt anfaengst, Dinge neu zu erfinden. In ukrainischen Staedten fuellen BewohnerInnen Molotowcocktails, um den Angriff einer mechanisierten Armee abzuwehren. Und tausende junge russische Soldaten, die offenbar weitgehend ahnungslos in einen Krieg geschickt wurden, liegen tot auf Strassen und Feldwegen. Das ist kein Zeitpunkt, um sich als Schreibtisch-Tech-Held zu profilieren.

(PS, heute 15 Uhr Demo in Ulm)

DigSouv als Handlungsfaehigkeit

Ein kleiner Nachtrag zur Digitalen Souveraenitaet: Anne Roth hatte diesen Artikel von 2015 auf netzpolitik.org gefunden, in dem Anna Biselli den damaligen Aufschlag des Bitkom zur „Digitalen Souveraenitaet“ kommentiert.

Spannend finde ich, dass sowohl der Artikel als auch das Bitkom-Positionspapier Fragen ueber den „blumigen“ (netzpolitik) bzw undefinierten (Bitkom) Begriff aufwerfen. Waehrend Biselli aber sogleich die fehlende Erwaehnung von Open Source bemaengelt und die Interpretation ins Spiel bringt, nicht auf „Technologie von US-Firmen“ angewiesen zu sein (territoriale Komponente, check), finde ich die Darstellung des Bitkom total interessant.

DigSouv wird dort naemlich als Handlungs- und Entscheidungsfaehigkeit oder vielmehr -kompetenz dargestellt und in Kontrast sowohl zu Fremdbestimmung als auch Autarkie gestellt. Und wenn man das einmal aus der Denkweise heraushebt, dass es dabei um die Fertigung von Software und Technologie geht, halte ich das nicht einmal fuer ein schlechtes Modell.

Am Beispiel der oeffentlichen Hand hiesse das z.B., dass man einerseits nicht in der Beratertreppe landet (schon die Ausschreibung muss extern vergeben werden, weil im Haus niemand Ahnung von der Materie und von Techstrategie hat), und andererseits auch nicht alle Raeder selbst erfinden will („wir pflegen unsere Datensaetze in einem historisch gewachsenen Gemisch aus Windows Server, einem Rudel Excel-Files und hoffnungslos an den Anforderungen vorbeigehenden On-Prem-Datenbanken“). Vielmehr ist man selber in der Lage, die eigenen strategischen Ziele zu ueberblicken, Baustellen in der Infrastruktur zu erkennen und diese gemeinsam mit kuenftigen Zielmarken abzuhaken.

Das halte ich eigentlich fuer ganz erstrebenswerte Ziele. Vielleicht hilft es ja, das einfach als Handlungs- und Entscheidungskompetenz zu bezeichnen und damit den Ballast des magischen Souveraenitaetsbegriffs ueber Bord zu werfen.

Der Wirtschaftstraum vom Datenraum

Ist das ein Datenraum?
Photograph of the Division of Classification and Cataloging, 1937, gemeinfrei gekennzeichnet, Details auf Wikimedia Commons

In den letzten Jahren begegnet man immer wieder Pressemitteilungen zu „Datenraeumen“. Egal ob „urbaner Datenraum“ oder „Datenraum Mobilitaet“, aus irgendwelchen Gruenden will man nun nicht mehr nur Daten haben, sondern in der schoenen Tradition der Komposita muss man jetzt irgendwas dranhaengen, und jetzt ist es eben ein „Raum“.

Ich habe lange nicht verstanden, was es damit auf sich haben soll, und witzigerweise enden auch Nachfragen, was denn der Unterschied eines Datenraums zu einer Datenbereitstellung ist, oder was einen urbanen Datenraum so urban macht, oft in Handwaving. Urbane Datenraeume sind offenbar deswegen urban, weil sie mit urbanen Datenplattformen passieren. Klar.

Erst die Vorstellung der „Datenraum Mobilitaet“ im Open Transport Meetup im Mai 2021 liess einige Lichter bei mir aufgehen. Und gleichzeitig ergaben auch einige andere Projekte, naja, nicht wirklich einen Sinn, aber ihre Intention wurde mir etwas klarer. Und oh boy, laesst sich die oeffentliche Hand da gerade wieder spektakulaer ueber den Tisch ziehen.

Aus sehr sehr weiter Entfernung klingt die Mischung aus Datenraum und zugehoerigen Datenplattformen gar nicht so ganz verkehrt: Irgendwie (vielleicht magisch) sollen Datenpunkte aus verschiedensten Quellen mittels eines Enterprise Service Bus eingesammelt und vereinheitlicht bereitgestellt werden. Und zweitens soll dieser Datenraum am Ende dann alles koennen: Dort sollen nicht nur Daten der oeffentlichen Hand landen, sondern auch von Unternehmen, von BuergerInnen, alles ist an einem Ort, Rehkitze springen hocherfreut durch die bluehenden Landschaften usw usf.

Bei genauerem Hinsehen stellen sich dann aber einige Fragen:

  • Warum sollte ich als Privatperson oder Unternehmen die von mir erhobenen Datenpunkte auf dieser urbanen Datenplattform veroeffentlichen? Oeffentlich betriebene Internetdienste haben nicht den allerbesten Track Record dafuer, dass sie dauerhaft verfuegbar sind, dass URIs stabil bleiben, dass es keine ueberraschenden Datenreichtuemer gibt, dass Patches schnell eingespielt werden, etc pp.
  • Wie soll denn eine Plattform alles koennen? Also gleichermassen einigermassen statische (versionierte) Datensaetze, aber gleichzeitig auch Zeitreihen z.B. von Sensornetzwerken?
  • Wenn es am Ende (eigentlich logisch und notwendigerweise) sowieso mehrere verschiedene Plattformen fuer verschiedene Zwecke sind: Warum dann nicht gleich in Richtung Semantik und 5-Sterne-Open-Data arbeiten?
  • Und wenn man in Richtung 5-Sterne arbeitet – ist dann ein verteiltes und verlinktes System nicht eh viel gescheiter, und es ginge einzig darum, passende Infrastruktur als Commodity einkaufen zu koennen (wovon auch die oeffentliche Hand profitieren wuerde)?

Das sind zumindest die Fragen, die ich mir parallel bei den Vorstellungen diverser Datenraeume und beim Betrachten von vermeintlich alles koennen sollenden Datenportalen gestellt hatte. Bis es eben bei der Vorstellung des Datenraums Mobilitaet klick machte: Das alles ergibt genau dann einen Sinn, wenn man von einer Annahme ausgeht, die ich gar nie in Betracht gezogen hatte, weil sie so grotesk und hanebuechen ist: Naemlich, dass man irgendwie Eigentum an Daten haben und sichern kann. Im Zweifelsfall per Digitalem Rechtemanagement.

Vielleicht ist daher die Anlehnung an den (physischen) Datenraum auf neutralem Boden im Rahmen eines Konzernverkaufs oder einer Uebernahme abgeleitet: Die oeffentliche Hand soll ein System bereitstellen, in das sie selbst und privatwirtschaftliche Unternehmen Datensaetze einstellen koennen, und dann sollen die Beteiligten auf irgendeine Weise entscheiden koennen, wer Zugriff auf die geteilten Datensaetze bekommt und zu welchem Zweck sie genutzt werden koennen.

Das Framing findet beispielsweise im Rahmen magischer Begriffe wie der „Digitalen Souveraenitaet“ statt: Man moechte die Kontrolle behalten, auch nachdem man etwas veroeffentlicht hat, und diese Kontrolle verleiht einem irgendwie Souveraenitaet. Dass das de facto eben nur mit digitalen Rechteverwaltungsverfahren geht, faellt stillschweigend unter den Tisch. Das ganze Verfahren ist also nicht nur komplett orthogonal zur Weiterentwicklung in Richtung 5-Sterne-Open-Data und den dafuer notwendigen (und nach dem Datenraum-Projekt immer noch nicht hergestellten) Voraussetzungen, sondern es ignoriert auch die komplette DRM-Debatte der 2000er-Jahre. (Es sei ja eh ODRL und kein DRM und das mache es alles besser, naja)

Gleichzeitig werden wieder die Memes der „grossen auslaendischen Konzerne“ ausgepackt, gegen die es sich zu schuetzen gelte. Warum das Problem vor allem in der Herkunft der Konzerne liegen soll und man gleichzeitig gerne Smart-City-Millionen mit inlaendischen Konzernen verbrennt, bleibt unklar.

Viel schlimmer finde ich aber, dass dieses Framing sich offenbar – ebenfalls in kompletter Verkennung der Diskussionen der letzten 15 Jahre – auch allgemein in Debatten ueber Open Data einschleicht. In der oben eingebetteten Rede von Jonas Hoffmann (SPD) zum von der FDP eingebrachten Open-Data-Gesetzesentwurf in Baden-Wuerttemberg (PDF, 17/513) geht es nicht nur auf einmal auch um personenbezogene Daten und Datenschutz, sondern ab 03:20 soll gar „sichergestellt werden“, dass „Open Data nicht nur auslaendischen Konzernen hilft“. Open Data wird rein als Arbeitsplatzmaschine gesehen – und auf einmal sollen ueber rechtliche und technische Konstrukte die gewerbliche Nutzung von Daten eingeschraenkt bzw Geld daraus beschafft werden.

Das ist nicht nur deswegen bemerkenswert, weil der FDP-Entwurf in Abs. 3 des zu schaffenden § 3a ganz ausdruecklich diejenigen Informationen ausnimmt, zu denen ein Zugang erst nach einem Drittbeteiligungsverfahren moeglich waere oder deren Veroeffentlichung Urheberrechte Dritter entgegenstehen. Rein auf Faktendatenebene bleibt dann sowieso nur noch das Datenbankherstellerrecht als Rechtsgrundlage fuer eine Einschraenkung der Nachnutzung – wir hatten das hier bereits. Der Entwurf haette vor allem dafuer gesorgt, dass all die Informationen, die per Landesinformationsfreiheitsgesetz ohnehin auf Anfrage zu veroeffentlichen waeren, nun eben von Anfang an veroeffentlicht werden sollen. Man koennte die Umsetzung des Entwurfs theoretisch Crowdsourcen. Naja.

Zum Anderen aber sind Daten, die nicht fuer jedwede Zwecke frei nutzbar sind, schlicht kein Open Data. Das kann man dann Hoffmann-Daten nennen oder sonst etwas, aber Open Data ist das nicht. Und ich finde es etwas erschreckend, dass wir darueber im Jahr 2022 immer noch diskutieren muessen. (Erneut der Verweis auf den Dateneigentum-Artikel samt zugehoeriger Links)

Die einzigen Profiteure solcher Konstrukte sind a) grosse aus… moment… inlaendische Konzerne, die ums Verrecken Datenhandel mit Faktendaten betreiben wollen, und b) die beteiligten Unternehmen und Berater, die im Rahmen grosser Foerderprojekte an den dafuer noetigen DRM-Verfahren und -Plattformen herumdoktorn. Bezahlt wird das indes aus oeffentlichen Foerdermitteln – und leider lassen sich oeffentliche Stellen dafuer einspannen, diese Projekte voranzutreiben. Waehrend sich die technischen Schulden an anderer Stelle weiter ansammeln, und nichts passiert, um Open Data vernuenftig und automatisiert bereitstellen zu koennen.

Ich kann nur dazu aufrufen, als aufgeklaerte Zivilgesellschaft solche Projekte enorm kritisch zu hinterfragen. Es ist nichts weiter als die kuenstliche Privatisierung von Commons – und das traegt nicht etwa dazu bei, die Marktmacht boeser grosser Konzerne zu mindern, sondern verursacht Kollateralschaeden, die Groessenordnungen ueber dem erwarteten Nutzen liegen.

PS: Es geht auch positiv. Das Badische Landesmuseum hat angekuendigt, die Daten zu 10.000 Objekten aus seiner Sammlung im Sommer unter CC-0 gemeinfreiaehnlich zu veroeffentlichen – 3D-Scans, Audiodateien, PDFs, Bilder, Videos. Die Beteiligten schrieben auf Linkedin sueffisant, dass das 2022 doch Standard sei. Baem.

Eine Blockchain- und Web3-FAQ

Ergaenzend zum langen Artikel und dem langen Video zu NFTs und Web3 hat tante bewundernswerterweise noch die Geduld gehabt, eine lange FAQ zum Thema zu schreiben.

Was ich nicht nur in diesem Themenbereich so perfide finde ist der Umstand, dass sich im Feld so viele Gluecksritter aufhalten, die wirklich absurde Zauberprodukte verkaufen und vermarkten und in viele Schichten wohlklingenden Fachjargons wickeln, der sie kompetent und weltmaennisch wirken laesst.

Dem gegenueber stehen Menschen, die das Spiel fachlich beurteilen und als den Unsinn einordnen koennen, der er ist – die jetzt aber das Problem haben, fuer die Entlarvung des Quatschs meist eine Groessenordnung mehr Energie einsetzen zu muessen, als der urspruengliche Zauber erfordert hat. Das betrifft genauso alle moeglichen weiteren Bereiche von „Digitalisierung“.

Umso mehr Respekt fuer alle, die sich die Zeit und die Nerven nehmen, in verstaendlicher Sprache einen Gegenpol zu Unsinn aufzustellen.

Adding shapes to GTFS feeds with pfaedle

Headway frequency mapping in R. Requires shapes.txt

Three years ago, I wrote a little piece about how we cleaned up SWU’s GTFS feed.

I nonchalantly added that adding shapes and Conveyal’s GTFS editor would be a topic for another time, but never came around writing about that. I do not use the GTFS editor anymore, but Patrick Brosi’s pfaedle tool is still invaluable if your GTFS feed does not come equipped with a functional shapes.txt.

I had described the problem and where to find the proper tools back in early 2020 right at the intersection of my activism and public administration work. With the regional transit area spanning two Bundeslaender, there are some pitfalls left, however. Hence, a short primer.

Ingredients:

  • One Linux machine, whatever the flavor. Be it a VM or an old Laptop, it hardly matters. It shouldn’t be the slowest available machine, though, and it should come with a decent amount of RAM (the machine I’m using has 8 GiB). And if you go the germany-latest route (see below), about 100 GiB of hard disk space are required.
  • cmake, gcc (>4.9), git, wget, bzip2: sudo apt install cmake gcc git wget bzip2
  1. Get pfaedle, which is pretty much following the steps outlined in the github repo:
git clone --recurse-submodules https://github.com/ad-freiburg/pfaedle
mkdir build && cd build
cmake ..
make -j4
# optionally:
make install

2. Navigate to the folder where you store your unzipped(!) GTFS feed you want to add shapes to.

3. Get the proper OSM files. Since we are working with Ulm and Neu-Ulm, we’d either need a download of the metropolitan area of both cities, or download and merge the extracts for Bavaria and Baden-Wuerttemberg… or download and use the extract for the whole of Germany :shrug:

# Whole of Germany
wget https://download.geofabrik.de/europe/germany-latest.osm.bz2
bunzip2 germany-latest.osm.bz2

# Merge, requires osmium-tool: apt install osmium-tool
wget https://download.geofabrik.de/europe/germany/bayern-latest.osm.bz2
wget https://download.geofabrik.de/europe/germany/baden-wuerttemberg-latest.osm.bz2
bunzip2 bayern-latest.osm.bz2 && bunzip2 baden-wuerttemberg-latest.osm.bz2
osmium merge baden-wuerttemberg-latest.osm bayern-latest.osm -o merged.osm

Beware: Unzipping the GTFS feeds takes ages, especially the germany-latest. Expect a file exceeding 70 GiB and quite some decompression time. My laptop takes about 4–5 minutes for each Bundesland to unpack.

All that is left to do now is to let pfaedle do it’s work: pfaedle -D -x merged.osm .
After completion (and again, using it with germany-latest.osm takes quite a lot of time), a new folder gtfs-out is created. Test the results with your usual testing suites, ZIP it up, and off you go.

Open Data, wie es zu Covid haette sein koennen

Die Digitalisierung des Gesundheitswesens sei ein Trauerspiel, titelt das Redaktionsnetzwerk Deutschland. Nachdem man dem Reflex nachgegeben hat, „was, nur des Gesundheitswesens?“ zu rufen, dachte ich mir, man koennte ja mal das mit dem Aufschreiben des besseren Gegenentwurfs machen, der mir seit Monaten im Kopf rumspukt.

Tatsaechlich beobachte nicht nur ich die (Daten)lage seit geraumer Zeit mindestens mit Irritation. Lena Schimmel schrieb kurz vor Weihnachten einen ganzen Thread, dass sie selbst erschreckend lange die eigentlich vom RKI veroeffentlichten Daten ueber Sequenzierungen gar nicht erst gefunden hatte:

Ich glaube, dass „wir“ als „die gesellschaftliche Open-Data-Lobby“ uns wieder viel viel mehr auf Linked Open Data als Ziel konzentrieren und das auch kommunizieren muessen. Bei all dem Einsatz, wenigstens CKAN oder irgendein Datenportal auszurollen, scheint das fernere Ziel ueber die Jahre immer mehr in Vergessenheit geraten zu sein.

Schon vom Nutzungsfaktor her duerfte dieses Ziel jedoch am Beispiel der Pandemie sehr klar zu vermitteln sein. Seit nun beinahe zwei Jahren setzen sich jeden Morgen viele DatenjournalistInnen an ihre Rechner und versuchen, aus den aktuellen Datenpunkten zum Infektionsgeschehen und den Impfungen Erkenntnisse zu ermitteln und diese nachvollziehbar aufzubereiten.

Ueber die Zeit hinweg ist es ein bisschen zu einem Running Gag geworden, dass das RKI dabei immer wieder mal Spalten vertauscht oder neue Daten hinzufuegt, so dass all die gebauten Parser auf die Nase fallen.

5-Sterne-Schema aus den 2000ern. Quelle.

Derweil koennte die Lage mit verlinkten – oder wenigstens semantischen – Daten deutlich einfacher ablaufen. Man kann sich die 5-Sterne-Treppe fuer offene Daten am Beispiel der RKI-Berichte recht anschaulich klarmachen:

  • In der ersten Stufe (die Daten sind irgendwie da) sind die Informationen zwar irgendwie als digitale Symbole codiert, das kann aber auch ein PDF sein, oder im schlimmsten Fall ein PDF eines eingescannten Dokuments. Eine Maschine kann diese Symbole uebertragen und die dadurch codierten Inhalte aufbereiten und anzeigen, aber die Datenpunkte darin sind im unpraktischsten Fall nur fuer Menschen lesbar.

(Exkurs. Wenn wir ueber „Daten“ sprechen, werden schon diese beiden Definitionen haeufig wild durcheinander geworfen. Einerseits die Symbole oder „bits und bytes“, die Information codieren – so wie die Buchstaben, die diesen Satz bilden. Andererseits Datenpunkte, die z.B. verarbeitbare Information ueber einen Temperaturmesswertverlauf abbilden.)

  • In Stufe 2 und 3 sind auch die Datenpunkte fuer Maschinen interpretierbar, weil die Informationen mehr oder weniger strukturiert in einem proprietaeren (Excel) oder offenen (CSV) Format vorliegen. Die Zusammenhaenge bzw. die Semantik erschliessen sich jedoch immer noch nur der menschlichen Betrachterin, die diese Struktur selbst in die automatisierte Auswertung einbauen muss. Wenn das RKI ohne Ankuendigung die Reihenfolge der Spalten aendert, kann ein einmal geschriebenes Auswertungsskript diese Aenderung nicht ohne weiteres erkennen und wird erst einmal falsche Auswertungen ausgeben, bis es auf die veraenderte Datenlage angepasst ist.
  • Das ist der Punkt, der in Stufe 4 behoben wird: Dann ist naemlich auch die Semantik als weitere Ebene im Datensatz codiert. Ich muss nicht mehr als auswertende Person aus dem Originaldokument in menschlicher Sprache lesen und dann fuer das Auswertungsskript festlegen, dass Spalte B das Bundesland und Spalte N die Zahl der in einem Impfzentrum vollstaendig geimpften Personen unter 60 Jahren ist. Ich muss stattdessen dem Auswertungsskript fuer das (zugegeben, einfachere) Beispiel des Bundeslands „nur“ mitgeben, dass es in irgendeiner Spalte eine Beschreibung gemaess Language, Countries and Codes (LCC) erwarten kann, und da wird dann ein passender ISO-3166-2-Code mit dabei sein. In welcher Reihenfolge die Spalten dann ankommen, und ob das jetzt der Impf- oder der Inzidenzbericht ist, spielt eigentlich keine Rolle mehr.
Die Fallzahlen kommen aus einem Repo, die Geoshapes aus einem anderen, auf das als Dependency verlinkt werden kann. Ausserdem: Ich kann keine Karten zeichnen (deswegen brauche ich Shapes)

Im Vollausbau der Stufe 5 verlinkter Daten wird vielleicht am besten deutlich, was man mittlerweile haben koennte. Anstatt dass man sich jeden Morgen ein hoffentlich aktualisiertes Excel-File der Inzidenzen und Impfinformationen herunterlaedt, reicht das Gegenstueck zu einem git pull – alles liegt als von Tag zur Tag (bzw Veroeffentlichungsschnappschuss zu Veroeffentlichungsschnappschuss) versionierter Datenframe vor. Wenn ich den Datensatz einmal ausgecheckt habe, kann ich lokal die Updates bekommen, die Unterschiede von Schnappschuss zu Schnappschuss diffen, und auch in der Historie beliebig zurueckspringen, um Zeitreihen zu machen.

Da aber sowohl die Semantik im Datensatz codiert ist, als auch Links auf andere Datenquellen vorhanden sind oder von mir hergestellt werden koennen, kann ich sehr viel mehr automatisieren, was ich sonst zu Fuss machen muesste: Wenn in irgendeiner Spalte die Landkreise mit Kreisschluessel codiert sind, und ich meine Auswertung per Karte machen will, kann ich aus einer passenden anderen Datenquelle automatisch die Geometrien des NUTS-3-Level in Deutschland laden und mit dem RKI-Datensatz verknuepfen.

Das ist jetzt rein aus der Nutzungsperspektive gesehen, weil das mit die anschaulichste ist. Eigentlich viel spannender ist aber, die Konsequenzen durchzudenken, was es bedeuten wuerde, die dafuer notwendige Infrastruktur im Betrieb zu haben. Das heisst, dass Datenpunkte und Informationen nicht haendisch in der Gegend herumgetragen und zu Fuss alleine in Excellisten vorgehalten und gepflegt werden. Dass es definierte Schnittstellen und Datenfluesse gibt, die auch die behoerdeninterne Nutzung von fuer Entscheidungen relevanter Daten erlauben, ohne dass diese muehsam und fehleranfaellig zusammengekratzt werden muessen. Und nicht zuletzt auch, dass wir dafuer die ueber Jahrzehnte aufgebauten technischen Schulden der oeffentlichen IT-Infrastruktur abgebaut und die Architektur vorausschauend sparsamer weil effizienter(!) geplant und umgesetzt haben.

Es ist total schade, dass so viele der Visionen aus den 2000ern durch das jahrelange Klein-Klein der Umsetzung, die zu schliessenden Kompromisse mit Verwaltungen, und die perverse incentives fuer „Umsetzungen“ verkaufende Dienstleister so tief in die metaphorischen Sofaritzen verschwunden und in Vergessenheit geraten sind.

Manches davon ist natuerlich auch mittlerweile ueberholten Ueberlegungen von damals geschuldet. In der 5-Sterne-Treppe wird beispielsweise als erster Schritt ein „OL“ angegeben, das fuer eine Offene Lizenz stehen soll. Das halte ich mittlerweile fuer ueberholt und teilweise durch die viele Wiederholung auch ein wenig schaedlich. Denn die Diskussion z.B. bei Infektions- oder Impfdaten ist eigentlich gar nicht, ob sie unter der internationalen Creative-Commons-Lizenz oder der nutzlosen und ersatzlos abzuschaffenden Datenlizenz Deutschland „lizenziert“ werden. Denn das sind Faktendaten, und die gehoeren allesamt gemeinfrei gemacht.

tl;dr: Bitte einmal Linked Open Data als Ziel, zum mitnehmen, und etwas mehr freundliche Radikalitaet.

The Problem With NFTs

Als Ergaenzung zu den beiden Artikeln ueber Web3 und NFTs, ein 2:18 Stunden langer Videoessay ueber all die Probleme, angefangen von Cryptowaehrungen an sich, bis hin zum aktuellen NFT-Hype:

Waehrend der Rundumschlag wirklich viele der relevanten Themen abfruehstueckt, wird die Rolle der oeffentlichen Hand als Befeuerer irgendwelcher Blockchainprojekte gar nicht angerissen. Ich frage mich ein wenig, ob die grundlegende Denkweise, alles nur in wirtschaftlichen Transaktionen denken zu koennen, nicht auch ein Kernproblem der Verstaendigungsprobleme der verschiedenen Akteure in den Digitalisierungsdiskussionen sein koennte.