Das Forschungsteam fördert den Einsatz von Offene Daten Förderung von Transparenz, Innovation und faktengestützter Politik. Unsere Arbeit in diesem Bereich untersucht die technischen, institutionellen und gesellschaftlichen Dimensionen von Datenoffenheit und -wiederverwendung.
Wir konzentrieren uns darauf, wie Daten des öffentlichen Sektors veröffentlicht, bereichert und verknüpft werden können, um ihren Wert für Bürger, Unternehmen, Forscher und die Zivilgesellschaft zu maximieren. Unser Team kombiniert semantische Technologien, Visualisierungstools und partizipative Methoden, um Open-Data-Praktiken voranzutreiben.
Forschungsschwerpunkte:
Linked Open Data (LOD) kombiniert die Prinzipien von Linked Data mit Open Data, was bedeutet, dass die Daten nicht nur strukturiert und miteinander verbunden sind, sondern auch für jedermann frei verfügbar sind, um sie zu verwenden, wiederzuverwenden und zu verteilen. Zu den Schlüsseltechnologien, die LOD unterstützen, gehören Uniform Resource Identifiers (URIs) zur eindeutigen Identifizierung von Entitäten, HTTP zum Abrufen dieser Ressourcen und das Resource Description Framework (RDF) als grafikbasiertes Datenmodell zur Strukturierung und Verknüpfung der Daten. SPARQL ist die Abfragesprache, die verwendet wird, um im RDF-Format gespeicherte Daten abzurufen und zu manipulieren. Ziel ist es, ein Datennetz zu schaffen, in dem Informationen aus verschiedenen Quellen einfach miteinander verbunden, geteilt und von Maschinen verarbeitet werden können, was zu umfassenderen Erkenntnissen und neuen Anwendungen führt.
Semantische Anreicherungs- und Metadatenstandards beziehen sich auf die Prozesse und Frameworks, die verwendet werden, um digitale Inhalte mit aussagekräftigen, strukturierten Informationen zu verbessern, die die Auffindbarkeit, Interoperabilität und das Kontextverständnis verbessern. Semantische Anreicherung beinhaltet die Verknüpfung von Daten mit kontrollierten Vokabularien, Ontologien oder Taxonomien, während Metadatenstandards konsistente Formate für die Beschreibung von Inhalten über Systeme hinweg bieten. Die Hauptziele bestehen darin, einen effizienteren Informationsabruf zu ermöglichen, die plattformübergreifende Integration zu erleichtern und fortschrittliche Anwendungen wie verknüpfte Daten und intelligente Suche zu unterstützen. Eine effektive Implementierung erfordert eine bereichsübergreifende Zusammenarbeit, die Einhaltung etablierter Standards und eine fortlaufende Governance, um die Datenqualität und -relevanz in verschiedenen digitalen Umgebungen sicherzustellen.
Offene statistische Daten und Visualisierung, einschließlich multidimensionaler Linked Open Data (LOD), beziehen sich auf die Veröffentlichung und Darstellung strukturierter statistischer Informationen in zugänglichen, wiederverwendbaren und maschinenlesbaren Formaten. Durch die Anwendung semantischer Webtechnologien und die Verknüpfung von Datensätzen über Domänen hinweg ermöglicht multidimensionales LOD eine dynamischere Exploration, Integration und Analyse komplexer Daten. Visualisierungstools verbessern das Verständnis weiter, indem sie Rohfiguren in interaktive Diagramme, Karten und Dashboards verwandeln. Die Hauptziele bestehen darin, Transparenz zu fördern, eine faktengestützte Politikgestaltung zu unterstützen und die Nutzer – von Forschern bis hin zu Bürgern – in die Lage zu versetzen, aussagekräftige Erkenntnisse zu gewinnen. Eine erfolgreiche Implementierung setzt auf offene Standards, Interoperabilität und benutzerzentriertes Design, um sicherzustellen, dass Daten sowohl technisch robust als auch praktisch nutzbar sind.
Offene Datenökosysteme und Governance-Modelle beziehen sich auf die Frameworks und kollaborativen Umgebungen, die die gemeinsame Nutzung, Verwaltung und Wiederverwendung öffentlicher Daten in allen Sektoren ermöglichen. Diese Ökosysteme basieren auf den Grundsätzen der Transparenz, Interoperabilität und Zugänglichkeit und fördern die Beteiligung von Regierungsbehörden, privaten Einrichtungen, Hochschulen und der Zivilgesellschaft. Governance-Modelle definieren die Rollen, Verantwortlichkeiten und Richtlinien, die die Datenqualität, die ethische Nutzung und die langfristige Nachhaltigkeit gewährleisten. Die Hauptziele bestehen darin, den Wert von Daten für Innovation, Rechenschaftspflicht und öffentlichen Nutzen freizusetzen. Eine wirksame Umsetzung erfordert klare rechtliche Rahmenbedingungen, eine institutionelle Koordinierung und ein kontinuierliches Engagement der Interessenträger, um das Vertrauen zu wahren und die Wirkung von Open-Data-Initiativen zu maximieren.
Die bürgerschaftliche Nutzung von Open-Government-Daten beinhaltet die Nutzung öffentlich zugänglicher Datensätze, um die Bürger zu stärken, Transparenz zu fördern und gemeinschaftsorientierte Initiativen zu unterstützen. Indem Regierungsinformationen zugänglich und wiederverwendbar gemacht werden, können Einzelpersonen, gemeinnützige Organisationen und lokale Organisationen Daten analysieren, um soziale Probleme anzugehen, die Rechenschaftspflicht zu fördern und eine informierte Öffentlichkeitsbeteiligung zu fördern. Die Hauptziele bestehen darin, das bürgerschaftliche Engagement zu stärken, datengestützte Entscheidungsfindung an der Basis zu ermöglichen und Innovationen im öffentlichen Dienst zu fördern. Eine erfolgreiche Einführung hängt von der Sicherstellung der Datenqualität, der Benutzerfreundlichkeit und der laufenden Zusammenarbeit zwischen staatlichen Stellen und dem Bürgersektor ab, um die soziale Wirkung zu maximieren.
Ausgewählte Projekte:
Der Schwerpunkt liegt auf der Modernisierung der öffentlichen Verwaltung durch die Nutzung verknüpfter offener statistischer Daten.
Innovative Open Data Aus- und Weiterbildung auf Basis von PBL und Learning Analytics
Entwickelte und getestete Tools für die Veröffentlichung und Analyse offener statistischer Daten.
Nutzung von Open Data und Social Media Analytics zur Unterstützung des Engagements und der Kommunikation junger Menschen.
Über diese Projekte hinaus, Unser Team forscht aktiv an Automatische Daten-Publishing-Pipelines, semantische Anreicherungstechniken, und die Rolle der Verknüpfte Daten in der intelligenten Governance. Wir sind besonders an der Integration von Offene Datenströme in Echtzeit, die Entwicklung von Rahmen für die Bewertung der Datenqualität, und Methoden zur Folgenabschätzung für Open-Data-Initiativen. Weitere Themen sind: Offene Algorithmen, Datengenossenschaften, und Data-Stewardship-Modelle die die Bürger befähigen und gleichzeitig die Privatsphäre und die Datensouveränität achten. Wir sind bestrebt, sowohl die technischen als auch die institutionellen Dimensionen des Open-Data-Ökosystems voranzutreiben.
Linked Open Data Technologien (Linked Open Data)
Linked Open Data (LOD) kombiniert die Prinzipien von Linked Data mit Open Data, was bedeutet, dass die Daten nicht nur strukturiert und miteinander verbunden sind, sondern auch für jedermann frei verfügbar sind, um sie zu verwenden, wiederzuverwenden und zu verteilen. Zu den Schlüsseltechnologien, die LOD unterstützen, gehören Uniform Resource Identifiers (URIs) zur eindeutigen Identifizierung von Entitäten, HTTP zum Abrufen dieser Ressourcen und das Resource Description Framework (RDF) als grafikbasiertes Datenmodell zur Strukturierung und Verknüpfung der Daten. SPARQL ist die Abfragesprache, die verwendet wird, um im RDF-Format gespeicherte Daten abzurufen und zu manipulieren. Ziel ist es, ein Datennetz zu schaffen, in dem Informationen aus verschiedenen Quellen einfach miteinander verbunden, geteilt und von Maschinen verarbeitet werden können, was zu umfassenderen Erkenntnissen und neuen Anwendungen führt.
Geschäftsprozesse CSD
Im Zusammenhang mit den Finanzmärkten steht CSD für Central Securities Depository. Ein Zentralverwahrer ist eine Finanzmarktinfrastruktur, die im Nachhandelsumfeld eine entscheidende Rolle spielt. Zu den Kerngeschäftsprozessen gehört der Betrieb eines Wertpapierabwicklungssystems, das die Übertragung des Eigentums an Wertpapieren (wie Aktien und Anleihen) zwischen den Parteien erleichtert, oft auf der Basis von Lieferung gegen Zahlung (DvP). Zentralverwahrer übernehmen auch die erstmalige Erfassung neu emittierter Wertpapiere in einem Buchführungssystem (Notardienst) sowie die Bereitstellung und Führung von Wertpapierkonten auf der obersten Ebene (zentraler Wartungsdienst). Im Wesentlichen fungieren sie als zentrale Stelle für das Halten von Wertpapieren, die Gewährleistung der Integrität von Wertpapieremissionen und die effiziente Abwicklung von Transaktionen.
Mehrdimensionale verknüpfte offene Daten
Multidimensional Linked Open Data bezieht sich auf die Veröffentlichung statistischer oder komplexer Datensätze als Linked Open Data, oft unter Verwendung eines Datenwürfelmodells. Dieser Ansatz nutzt das RDF Data Cube Vocabulary (QB), eine W3C-Empfehlung, um Daten mit mehreren Dimensionen (z.B. Zeit, Geographie, Produkttyp) und Maßnahmen (z.B. Umsatz, Bevölkerung) darzustellen. Durch die Strukturierung von Daten auf diese Weise und die Verknüpfung mit anderen relevanten Datensätzen im Web wird es einfacher, komplexe Analysen wie OLAP-Operationen (On-Line Analytical Processing) wie Schneiden, Schneiden und Bohren durchzuführen. Dies erhöht das Potenzial für die Datenintegration, ermöglicht eine umfassendere Abfrage über verschiedene Quellen hinweg und unterstützt die Entdeckung neuer Erkenntnisse aus offen verfügbaren Informationen.
German