»Bisher haben wir es mit sehr überschaubaren Datenmengen zu tun, weil die Kapazität der überlieferten Medien gering ist. Was aber, wenn in künftigen Nachlässen externe Festplatten mit hunderten von Gigabyte auftauchen, auf denen ein ganzes literarisches Leben auch in Bildern und Videodateien dokumentiert ist?«

1. »Arme Nachlassverwalter…« –
Herausforderungen, Erkenntnisse
und Lösungsansätze bei der Aufbereitung
komplexer digitaler Datensammlungen
Weimar, 11. März 2014
juergen.enge@hawk-hhg.de
heinz.werner.kramski@dla-marbach.de

2. D-Archiv 1.0: ca. 2003 bis 2013
Digitale Nach- und Vorlassteile
insgesamt bis 2013 (ohne
Friedrich Kittler):
• 35 Bestände, 281 Disketten,
15 CD-Rs etc., 14 Zugänge
via E-Mail/USB-Stick etc.
• 26.700 Originaldateien mit 14
GB

3. D-Archiv 1.0: ca. 2003 bis 2013
Digitale Nach- und Vorlassteile
insgesamt bis 2013 (ohne
Friedrich Kittler):
• 35 Bestände, 281 Disketten,
15 CD-Rs etc., 14 Zugänge
via E-Mail/USB-Stick etc.
• 26.700 Originaldateien mit 14
GB
Adler, Hans Günther; Berbig, Roland;
Claudius, Hermann; Delius, Friedrich
Christian; Domin, Hilde; Elias, Norbert;
Gadamer, Hans-Georg; Goldschmidt,
Georges-Arthur; Gumbrecht, Hans Ulrich;
Hentig, Hartmut von; Iser, Wolfgang; Jauss,
Hans Robert; Kaufmann, Hans; Koselleck,
Reinhart; Kronauer, Brigitte; Lengemann,
Jochen ; Lübbe, Hermann; Mattenklott, Gert;
Mickel, Karl; Naumann, Manfred; Novak,
Helga M.; Olden, Balder; Pastior, Oskar;
Richartz, Walter Erich; Ritter, Henning;
Rowohlt-Verlag; Rüegg, Walter; Rühmkorf,
Peter; Schlöndorff, Volker; Schnabel, Ernst;
Schumann, Michael; Schwarz, Egon;
Schwenger, Hannes; Strittmatter, Thomas;
Zimmer, Heinrich;

4. Friedrich Kittler: Mengen
- Fünf (sieben?) PCs
- Sechs Festplatten(-Images) mit
10 Partitionen (»hd«)
- 336 Disketten (»fd«)
- 104 optische Medien (CD-R,
»od«)
- 4 Dateisammlungen auf
externen [DLA-]Medien, »xd«)
- ca. 250 Dateien mit Video-
Mitschnitten (DV, AVI)
Ca. 1,7 Mio. Dateien, ca. 1,1 TB

5. »arme Nachlaßverwalter…«

6. FK: Anzahl Datenträger
FK: 444
Bisher: 281

7. FK: Anzahl Dateien (ohne Mediendok.)
FK: ca. 1,7 Millionen
Bisher: ca. 26.700

8. DLA Workflow 1.0: Grenzen
Der bisherige Workflow skaliert nicht:
1. Eine implizite Relevanzzuschreibung für das gesamte digitale
Material existiert nicht.
2. Kittlers unkonventionelle Arbeitsweise (root) und kreative
Benennungsschemata lassen einfache Schlüsse jedoch nicht zu
(so ist z.B. /home idR. irrelevant, /usr/ich aber sehr relevant).
3. Eine Dateiformatmigration für alle Dateien ist wegen des Umfangs
unmöglich, eine Auswahl muss getroffen werden.

9. Lösungsansatz
Ironmaiden
»Intelligent Read-Only Media Identification Engine«
»Intelligent Recursive Online Metadata and Indexing Engine«
(aka »Indexer«)
Autor: Jürgen Enge, ZIMT (HAWK Hildesheim/Holzminden/Göttingen)
Status: reifer Prototyp auf VM des DLA, alle (ca. 300) mountbaren
Datenträger-Images als Loopback-Devices im Zugriff, Dateianalyse
und Volltext-Indexierung nahezu abgeschlossen; nur (sehr) interner
Zugang wg. sehr privater Dokumente.

10. Ziel
Werkzeug zur Erfassung unstrukturierter digitaler
Datenbestände in der Vorstufe zur Archivierung
• Niederschwelliger Zugang
• Hoher Automatisierungsgrad
• Leichte Erweiterbarkeit
• Performanz
• Transparente Systematik

11. Niederschwelliger Zugang
• Webfrontend
• Einfacher Zugang
• Nutzbarkeit mit verschiedenen Komplexitätsebenen

12. Niederschwelliger Zugang

13. Niederschwelliger Zugang

14. Hoher Automatisierungsgrad /
Leichte Erweiterbarkeit
• Logisches Vorgehen
• Dateistruktur in Datenbank einlesen
• Prüfsummen erstellen
• Identifizieren
• Libmagic
• Gvfs-info
• Tika
• Detex

15. Dateisystem / Prüfsumme

16. libmagic

17. Gvfs-info
application/octet-stream

18. Apache Tika

19. Image Magick

20. avconv/ffmpeg

21. Weitere Volltexte

22. Erkennungs-
resultate
(MySQL)
Indexer
IndexerErkennungs-
kaskade
Dateisystem-
indizierung
Volltextindex
(SOLR)
Webserver
Webclient
Autonomes
Subsystem
Systemarchitektur
Sektor-
Images
(Quelle)
Mountpoints
(Ordner)
Cache

23. Webfrontend
Autocomplete
Facette

24. Webfrontend

25. Webfrontend
Anzahl Dauer
SOLR
Query
Paging

26. Webfrontend
MIME-Type
Dateigröße
Dateiname
Interne
SignaturDatenträger
Änderungs-
datum
Gefundene
Textstelle(n)

27. Webfrontend
#4078.1749383, text/x-csrc (1990-07-06T02:00:00Z). CALLTEST.C,
in: Bestand A:Kittler/DLA Marbach. fd077:// [fd, 389 B].

28. Webfrontend

29. National Software Reference Library
sessionid 4078 =
Floppy 077, 3,5“, vfat,
ca. 1992

30. Mögliche Fragestellungen (Beispiele)
- Welche Dateien sind binäridentisch (lt. Prüfsumme) und können als
Dubletten ausgeschieden werden?
- Welche Dateien haben die Größe 0 Bytes und können/müssen
nicht weiter bearbeitet werden? [live]
- Welche Bilder gibt es im Datenträger-Nachlass? Audio-Dateien?
Videos? [live1, live2, live3]
- Welche Textverarbeitungsprogramme hat Kittler benutzt?
- Auf welchen Datenträgern gibt es Ordner des Namens »ich«? [live]
- Welche Dateien sind MS-Word-Dateien, obwohl sie nicht den Typ
».doc« tragen? [live]
- Welche E-Mails vom, an das oder über das DLA Marbach hat Kittler
aufgehoben? [live]

31. Mögliche Fragestellungen (Beispiele)
- Welche Quelltexte tragen typische Kittler-Spuren (z.B. das Kürzel
»FAK« im Volltext), obwohl sie in typischen Systemordnern liegen?
[live]
- In welchen Varianten kommt die Datei »komment« in den
verschiedenen Backup-Medien und Festplattengenerationen vor?
[live]
- Ist die SGI-Workstation-Festplatte hd06 wirklich komplett
irrelevant?
- (Wann) hat Kittler einen Vortrag beim Chaos Computer Club
Hamburg gehalten? (Und worüber hat er gesprochen? Ist der Text
erhalten?) [live1, live2, live3, weiter]

32. Download

35. Download

37. Destillation der relevanten Dateien

38. Fazit
Ironmaiden aka Indexer
• Einfach erweiterbar
• Robust
• Skalierbar
• Benötigt einfaches Refactoring
• Einfacher Zugriff auf Inhalte
• Ist KEIN Archiv

39. Zusammenfassung und Ausblick
Bitstream Preservation:
Dateiformatanalyse:
Bewertung, Erschließung:
Dateiformat-Migration:
Emulation:
Benutzung: