Datenquellen

Verarbeitete Datenquellen

Im Projekt kunst.bild.daten fließen mehrere kuratierte ZI-Datenbstände und offene Normdatensätze zusammen, um die über Jahrzehnte gewachsene, heterogene Datenlage der Photothek zu konsolidieren.

ZI-eigene Bestände

  • ZI-Photothek — Kernbestand ist das handschriftliche und maschinenschriftliche Inventar der Jahre 1947–1999: ca. 66.000 Seiten mit ca. 529.000 Karten, die rund 700.000 Inventarnummern dokumentieren, ergänzt um 5 handschriftliche Listenbände aus den Anfangsjahren
  • HIDA-Midas-Datenbank (2000–2015) — frühere digitale Erfassung,
  • Google-Arts-&-Culture-Kurzerfassungen — Excel-Tabellen aus dem Google-Digitalisierungsprojekt (2016–2025), Daten zur Topographie Deutschland (TOPD) sowie zur Künstlern (KUE)
  • Inventarverzeichnisse für kleinere Teilbestände — serienspezifische Bestandslisten (KGW, LEHM, MUSTOP)

Externe Normdaten

  • Wikidata — gefilterter Dump (latest-all.json.bz2, ~90 Mio. Entitäten), aus dem über 69 kuratierte Properties ein kunstrelevantes Subset vorgefiltert wird. Für den Künstler-Normdatenabgleich wurde daraus über externe Identifier (u. a. AGORHA ID, Artists of the World ID, RKDartists ID) ein Personensubset von rund 980.000 Einträgen generiert. Wikidata dient dabei als Alignment-Schicht, nicht als Nachschlagewerk, und wird mit ULAN sowie Foto Marburg zur konsolidierten Ressource (1.187.438 Dokumente) zusammengeführt. Für Bauwerke wird Wikidata dagegen nicht herangezogen — die Namensansetzungen ließen sich mit den ZI-Daten kaum in Übereinstimmung bringen; hier kommen stattdessen OpenStreetMap und der Wikipedia-Index zum Einsatz (siehe unten)

  • Getty ULAN — Union List of Artist Names; ca. 176.000 Einträge (133.006 ausschließlich über ULAN, Rest in Kombination mit Wikidata/Foto Marburg) fließen in die konsolidierte Künstler-Ressource ein

  • Foto Marburg / Bildarchiv — Künstlerdokumente (fm_kuenstler-combined.xml), ca. 96.500 Einträge fließen in die konsolidierte Ressource ein

  • OpenStreetMap (Geo-Index) — lokaler Index zur Standortsuche und Geokoordinaten-Anreicherung von Bauwerken; liefert die räumliche Distanz als Anknüpfungspunkt für den nachgelagerten Wikipedia-Abgleich

  • Deutsche Wikipedia — dewiki_content-Volltextindex (Elasticsearch), für Disambiguierung und Geoverlinkung von Bauwerken (erprobt an der Topografie Deutschland: rund 18.000 Bauwerke in ca. 6.000 Orten)

Modelle und Dienste

  • Google Gemini 2.5 Flash — Karteikartenerkennung und Feldextraktion (zweistufige Pipeline: layoutbasierte Extraktion → Überführung in ein Pydantic-Datenmodell mit 22 Feldern)
  • Lokales Qwen-Modell — Suchstringgenerator im geografischen Agentensystem (Normierung von Bauwerksnamen und Erzeugung von Namensvarianten für den Wikipedia-Abgleich)
  • Elasticsearch / OpenSearch — zentrale Such- und Reconcile-Indizes (Facettensuche, Künstler-Reconciliation, Wikipedia- und Geo-Index)
  • DuckDB — Analytics-Schicht