DigiKAR-Logo

User Stories und Competency Questions im DigiKAR-Projekt

Diese Website enthält die User Stories and zugehörigen Competency Questions des DigiKAR Projekts. Diese ‚Fragen‘ behandeln Anforderungen verschiedener Nutzergruppen und sind die Grundlage für die Entwicklung der Ontology Design Patterns für das Projekt.

Über DigiKAR

Das Projekt »Digitale Kartenwerkstatt Altes Reich – historische Räume neu modellieren und visualisieren« ist ein Kooperationsprojekt des Leibniz-Instituts für Europäische Geschichte Mainz (IEG), des Leibniz-Instituts für Länderkunde Leipzig (IfL), des Leibniz-Instituts für Ost- und Südosteuropaforschung Regensburg (IOS), der Johannes Gutenberg-Universität Mainz (JGU) und der École des Hautes Études en Sciences Sociales Paris, Frankreich (EHESS). Das Projekt widmet sich Fragen der Fragmentierung, Verflechtung, Pluralität und Konkurrenz räumlicher Strukturen im frühneuzeitlichen Heiligen Römischen Reich deutscher Nation. Anhand zweier Fallstudien zu den Kurfürstentümern Mainz und Sachsen werden in der ‚digitalen Kartenwerkstatt‘ alternative Ansätze für die Erfassung, Aufbereitung und Darstellung mehrdeutiger räumlicher Konfigurationen und Praktiken erarbeitet. DigiKAR möchte damit einerseits generell einen Beitrag zur geschichtswissenschaftlichen Erforschung des Alten Reichs als Raum geteilter und überlappender Herrschaft leisten. Andererseits sollen innovative und für andere Forschungsprojekte anschlussfähige Konzepte sowie ‚Best Practices‘ der Sammlung, Modellierung und Visualisierung von ortsbezogenen historischen Daten entwickelt werden.

Das Vorhaben wird für den Zeitraum von drei Jahren durch das Programm »Leibniz-Kooperative Exzellenz« der Leibniz-Gemeinschaft gefördert.

Einführung in das Konzept der User Stories und Competency Questions

Eine User Story beschreibt in strukturierter Form Anforderungen an die Datenmodellierung bzw. das Datenmodell. Eine User Story wird aus Anwenderperspektive formuliert, d.h. aus Sicht einer Historikerin oder eines Historikers, einer Forschungsdatenmanagerin oder eines Forschungsdatenmanagers, einer Kartographin oder eines Kartographen usw.

Die Sammlung von User Stories und die Ableitung von Competency Questions sind Teil eines iterativen Vorgehens zur Entwicklung von Ontologie-Entwurfsmustern. Dieser Vorgang folgt den Methoden des Ontology Engineering. User Stories beantworten die Frage “Wer will was und warum?” und sind daher der erste Schritt in diesem Prozess, da sie helfen, verschiedene Anforderungen zu identifizieren. Sie beschreiben diese Anforderungen in kurzer, strukturierter Form und folgen in der Regel einem Format, das die Rolle des Fragenden, sein Ziel und die Vorteile, die er sich von der Funktion oder Anforderung verspricht, kurz beschreibt:

“Als [Rolle] möchte ich [Ziel/Wunsch] um zu [Nutzen]”

In einem zweiten Schritt können aus den jeweiligen User Stories sogenannte Competency Questions abgeleitet werden. Eine Competency Question kann im Prinzip in eine Datenbankabfrage übersetzt werden, um zu prüfen, ob die Datenbank die in Frageform formulierten Anforderungen erfüllen kann.

Im dritten Schritt werden, sofern vorhanden, bereits existierende Ontologie Design Patterns ausgewählt, die geeignet sind, die in den Competency Questions ausgedrückten Anforderungen an die Daten bei der Datenmodellierung zu erfüllen. Falls erforderlich, werden die am besten geeigneten Entwurfsmuster angepasst, um die Anforderungen zu erfüllen. Ist dies nicht ausreichend, müssen eigene Entwurfsmuster aus möglichst gut passenden Klassen und Eigenschaften aus bestehenden Ontologien zusammengestellt werden. Sollte auch dies nicht genügen, müssen eigene Klassen und/oder Eigenschaften definiert werden, um damit die Anforderungen an die Datenmodellierung erfüllen zu können. Ontologie-Entwurfsmuster sind die Voraussetzung für die Integration oder das Mapping von Daten.

Informationen zur Erstellung bzw. Benutzung von User Stories und Competency Questions für Nutzergruppen

  • Historiker*innen (bzw. an inhaltlichen Datenauswertungen interessierte Personen)
  • Archivar*innen (bzw. Personen und Institutionen, die Quellen bereitstellen und Metadaten vorhalten)
  • Informationswissenschaftler*innen (mit Fokus auf Modellierung und Interoperabilität)
  • IT-Expert*innen/Entwickler*innen (z.B. mit Blick auf Datenbankentwicklung und Erstellung komplexer Abfragen)