Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für nutzerfreundliche Open-Data-Portale

Eger, Björn-Lennart; Ullmann, Franziska; Dinter, Barbara; Gluchowski, Peter Article — Published Version Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für nutzerfreundliche OpenData-Portale HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Eger, Björn-Lennart; Ullmann, Franziska; Dinter, Barbara; Gluchowski, Peter (2025) : Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für nutzerfreundliche Open-Data-Portale, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 62, Iss. 5, pp. 1112-1126, https://doi.org/10.1365/s40702-025-01197-1 This Version is available at: https://hdl.handle.net/10419/330521 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/deed.de SCHWERPUNKT https://doi.org/10.1365/s40702-025-01197-1 HMD Praxis der Wirtschaftsinformatik (2025) 62:1112–1126 Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für nutzerfreundliche Open-Data-Portale Björn-Lennart Eger · Franziska Ullmann · Barbara Dinter · Peter Gluchowski Eingegangen: 14. Februar 2025 / Angenommen: 2. Juni 2025 / Online publiziert: 20. Juni 2025 © The Author(s) 2025 Zusammenfassung Die Verfügbarkeit und Qualität von Metadaten sind zentrale Erfolgsfaktoren für die effektive Nutzung von Open Data. Unvollständige oder inkonsistente Metadaten erschweren jedoch die Auffindbarkeit, Interoperabilität und Wiederverwendung offener Datenbestände erheblich. Dieser Beitrag untersucht, inwieweit Open-Source Large Language Models (LLMs) zur automatisierten Generierung hochwertiger Metadaten beitragen können. Aufbauend auf dem Data Catalog Vocabulary (DCAT) wird ein prototypischer Ansatz entwickelt, der Open-SourceLLMs in den Upload-Prozess von Open-Data-Portalen integriert. Die Evaluation anhand realer Open-Data-Datensätze zeigt, dass die generierten Metadaten in vielen Fällen mit Expertenbewertungen übereinstimmen und insbesondere die Konsistenz und Kategorisierung verbessern. Herausforderungen bestehen jedoch in der präzisen zeitlichen Zuordnung von Daten sowie in der Skalierbarkeit auf unterschiedlichen Datenformaten. Der Beitrag beleuchtet methodische sowie technische Optimierungsmöglichkeiten und gibt Hinweise auf potenzielle Verbesserungen hinsichtlich Skalierbarkeit und zeitlicher Einordnung von Metadaten. Schlüsselwörter Open Data · Metadaten · Metadatenqualität · Open-Source Large Language Models · DCAT-Standard · FAIR-Prinzipien Björn-Lennart Eger · Franziska Ullmann · Barbara Dinter · Peter Gluchowski Fakultät für Wirtschaftswissenschaften, Technische Universität Chemnitz, 09107 Chemnitz, Deutschland E-Mail: [email protected] K Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für... 1113 With Open Source LLMs to Meaningful Metadata: Large Language Models as the Key to User-friendly Open Data Portals Abstract The availability and quality of metadata are key success factors for the effective use of Open Data. However, incomplete or inconsistent metadata significantly hinder the discoverability, interoperability, and reusability of open datasets. This paper examines the extent to which open-source Large Language Models (LLMs) can support the automated generation of high-quality metadata. Based on the Data Catalog Vocabulary (DCAT), a prototype is developed that integrates open-source LLMs into the upload process of Open Data portals. The evaluation using real Open Data datasets demonstrates that the generated metadata often aligns with expert assessments, particularly improving consistency and categorization. However, challenges remain in the precise temporal classification of data and scalability across various data formats. This paper discusses methodological and technical optimization opportunities and provides insights into potential improvements regarding scalability and temporal classification of metadata. Keywords Open Data · Metadata · Metadata Quality · Open-Source Large Language Models · DCAT Standard · FAIR Principles 1 Einleitung: Von manueller Metadatengenerierung zu KI-gestützter Automation Die zunehmende Verfügbarkeit von Open Data (Open Data Watch, 2023; United Nations, 2020) hat in den letzten Jahren erheblich zur Innovationsfähigkeit in Wissenschaft, Wirtschaft und öffentlicher Verwaltung beigetragen (Dinter & Kollwitz, 2016; Numajiri & Hayashi, 2024; Yan & Weber, 2018). Open-Data-Portale ermöglichen den transparenten und einfachen Zugang zu umfangreichen Datensätzen. So fördern diese Portale nicht nur die informierte Entscheidungsfindung, sondern unterstützen auch die gesellschaftliche Teilhabe, indem sie eine breite Nutzerschaft – von Forschenden über Unternehmen bis hin zu Bürgerinnen und Bürgern – mit wertvollen Informationen versorgen (Chua et al., 2020). Trotz dieses Potenzials stehen Open-Data-Portale vor einer grundlegenden Herausforderung: der Qualität der zugehörigen Metadaten. Metadaten, also die begleitenden Informationen, die unter anderem den Inhalt, die Struktur und die Nutzungsbedingungen der Datensätze beschreiben, sind häufig unvollständig, inkonsistent oder fehlerhaft (Wenige et al., 2021). Solche Mängel erschweren die Auffindbarkeit, Interpretation und Wiederverwendung der Daten erheblich (Neumaier et al., 2016; Nogueras-Iso et al., 2021). Die traditionelle manuelle Erstellung von Metadaten erfordert spezialisiertes technisches Fachwissen und ist mit einem hohen Zeitaufwand sowie einem beträchtlichen Fehlerrisiko verbunden – ein Ansatz, der angesichts der stetig wachsenden Datenmengen zunehmend an Effizienz verliert (Kindel et al., 2019). Vor diesem Hintergrund ergibt sich die zentrale Forschungsfrage dieses Beitrags: Inwieweit können Large Language Models (LLMs), insbesondere Open-SourceK 1114 B.-L. Eger et al. Modelle, die automatisierte Generierung qualitativ hochwertiger und standardisierter Metadaten in Open-Data-Portalen unterstützen? Die Untersuchung dieser Frage ist von großer Relevanz, da LLMs in der Lage sind, komplexe sprachliche Strukturen zu verarbeiten und präzise, kontextbezogene Informationen zu generieren. Damit eröffnen sie die Möglichkeit, den manuellen Aufwand bei der Metadatengenerierung zu reduzieren und somit die Datenqualität signifikant zu verbessern. Ziel der vorliegenden Arbeit ist die Entwicklung und Evaluation eines Ansatzes, der LLMs zur automatisierten Erstellung von Metadaten einsetzt. Das Data Catalog Vocabulary (DCAT) dient als Standardrahmen, um eine konsistente und interoperable Metadatenstruktur zu gewährleisten, die den Anforderungen moderner OpenData-Portale entspricht. Ein eigens konzipierter Prototyp demonstriert, wie eine sorgfältig definierte Checkliste und eine optimierte Datenvorbereitung den manuellen Aufwand minimieren und gleichzeitig die Konsistenz der Metadaten sicherstellen kann. Der Beitrag folgt einem gestaltungsorientierten Vorgehen im Sinne des Design Science Research (DSR): Es wird ein artefaktbasiertes Lösungskonzept entwickelt, das sich aus einer Checkliste, einem Prompting-Schema sowie einer LLM-basierten Generierung zusammensetzt. Im Zentrum steht ein lauffähiger Prototyp, dessen Funktionalität anhand realer Datensätze aus einem Open-Data-Portal überprüft wurde. Die Evaluation erfolgt durch den systematischen Vergleich der generierten Metadaten mit Einschätzungen menschlicher Experten. Diese Vorgehensweise zielt darauf ab, sowohl die technische Umsetzbarkeit als auch die Qualität der Ergebnisse praxisnah zu bewerten. Zu diesem Zweck erfolgt zunächst eine Darstellung der theoretischen Grundlagen sowie des aktuellen Stands der Technik, gefolgt von einer nachvollziehbaren Präsentation des Vorgehens und der anschließenden Evaluation des Prototyps. 2 Grundlagen: Open Data, Standardisierung und Sprachmodelle 2.1 Tabellarische Daten als Herzstück von Open Data Open-Data-Portale ermöglichen privaten und institutionellen Usern den Zugang zu umfangreichen Datensätzen. Ein erheblicher Teil dieser Daten liegt in tabellarischen Formaten wie CSV, Excel oder TSV vor. Zur quantitativen Bestimmung des Anteils tabellarischer Daten wurde im Januar 2025 eine Abfrage im European Data Portal durchgeführt, bei der die dort hinterlegten dcat:mediaType-Werte analysiert wurden. Die Ergebnisse (Abb. 1) zeigen, dass etwa die Hälfte der bereitgestellten Informationen in dieser Struktur vorliegt. Diese strukturierte Darstellung ermöglicht einen maschinenlesbaren Zugang zu quantitativen und qualitativen Informationen, liefert jedoch isoliert betrachtet oftmals nur Rohdaten. Ohne eine ergänzende Kontextualisierung bleiben wichtige inhaltliche, strukturelle und semantische Zusammenhänge unerschlossen. Für den Ansatz, der die Verbesserung der Metadatengenerierung für CSV-Dateien in Open-Data-Portalen zum Ziel hat, ist es daher unerlässlich, diese Formate mit narrativen und semantischen Informationen anzureichern. Dadurch und unter der Prämisse, dass sowohl Excelals auch TSV-Dateien in wenigen Schritten K Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für... 1115 Abb. 1 Anteile der Datentypen im Open-Data-Portal der EU Tabellarisch 48,9% PDF 6,6% JSON 9,4% ZIP 10,0% Andere 11,3% XML 13,8% Verteilung der Medientypen in CSV-Dateien umgewandelt werden können, kann der volle Mehrwert tabellarischer Daten für User nutzbar gemacht werden. 2.2 DCAT und FAIR: Grundlagen für konsistente Metadaten Open-Data-Portale ermöglichen privaten und institutionellen Usern den freien Zugang zu vielfältigen Datensätzen. Die effektive Nutzung dieser Daten leidet jedoch häufig unter unzureichenden oder inkonsistenten Metadaten. Präzise Beschreibungen, treffende Schlagworte und klar strukturierte Kontextinformationen sind entscheidend, um den inhaltlichen Mehrwert vollständig zu erschließen (Khalid & Zimányi, 2024). Ein zentrales Element zur Verbesserung der Metadatenqualität bildet der sogenannte Data Catalog Vocabulary (DCAT) Standard1, der vom World Wide Web Consortium (W3C, 2024) entwickelt wurde. Er dient der strukturierten und maschinenlesbaren Beschreibung von Datensätzen in Datenkatalogen. DCAT definiert dafür verschiedene Metadatenfelder, etwa zur allgemeinen Beschreibung des Datensatzes, zur technischen Bereitstellung oder zum Dateiformat. Diese strukturierte Darstellung erleichtert die automatische Verarbeitung und Bewertung – insbesondere im Rahmen des in Open-Data-Portalen eingesetzten Metadata Quality Assessments (MQA). Ergänzt wird der DCAT-Standard durch das sogenannte DCAT Application Profile (DCAT-AP), das domänenspezifische Felder integriert und die Interoperabilität in 1https://www.w3.org/TR/vocab-dcat-3/. K 1116 B.-L. Eger et al. unterschiedlichen Anwendungskontexten sicherstellt. Ergänzend zu diesen technischen Standards sind die FAIR-Prinzipien – Findability, Accessibility, Interoperability und Reusability – von zentraler Bedeutung. Sie zielen darauf ab, die nachhaltige Nutzbarkeit von Daten sicherzustellen, indem sie eine konsistente und standardisierte Datenbeschreibung fördern. Dies erleichtert den automatisierten Austausch von Informationen zwischen verschiedenen Open-Data-Portalen und stellt sicher, dass die Daten langfristig auffindbar und wiederverwendbar bleiben (Sundaram & Musen, 2023; Wilkinson et al., 2016). Darüber hinaus bildet der europäische Rahmen einen wesentlichen Kontext für die Interoperabilitätszielsetzung. Die Europäische Union hat durch das European Interoperability Framework und die Open Data Directive übergreifende Ziele formuliert, um den nahtlosen Austausch von Daten über nationale Grenzen hinweg zu fördern (European Commission, 2017, European Commission 2022). Diese politischen Vorgaben unterstützen die Implementierung von Standards, wie DCAT, und unterstreichen die Bedeutung der FAIR-Prinzipien für die Entwicklung interoperabler Datenökosysteme (European Commission, 2017). Die konsequente Anwendung dieser europäischen Vorgaben trägt dazu bei, dass Metadaten nicht nur technisch konsistent, sondern auch im gesamten europäischen Raum harmonisiert vorliegen – ein entscheidender Schritt zur Förderung der Datendemokratisierung. Die Kombination aus DCAT/DCAT AP, FAIR-Prinzipien und den europäischen Interoperabilitätszielen gewährleistet eine standardisierte und konsistente Erzeugung von Metadaten. Dies schafft die Grundlage für eine nachhaltige und effektive Datenbereitstellung in Open Data Portalen und verbessert signifikant die Auffindbarkeit, Verständlichkeit und Wiederverwendbarkeit der Datensätze. Die im folgenden Beitrag hergeleitete Checkliste sowie der entwickelte Prototyp setzen an diesen Standards an und operationalisieren sie für den Upload-Prozess in Open-Data-Portalen. 2.3 Offene Sprachmodelle als Katalysatoren Large Language Models (LLMs) haben in den letzten Jahren erhebliche Fortschritte gemacht und finden zunehmend Anwendung in der automatisierten Verarbeitung und Anreicherung semistrukturierter Daten. Traditionell erfolgt die Metadatengenerierung meist regelbasiert oder manuell, was zeitaufwändig und fehleranfällig ist (Kindel et al., 2019). LLMs bieten hier eine flexible, kontextbezogene Analyse, die eine konsistentere und präzisere Erfassung von Metadaten ermöglicht. Im Gegensatz zu klassischen Natural Language Processing (NLP)-Methoden sind LLMs nicht nur in der Lage, einzelne Informationen zu extrahieren, sondern auch komplexe Zusammenhänge zu erkennen und zu strukturieren (Vaswani et al., 2017). Die Wahl des zugrundeliegenden Modells beeinflusst maßgeblich die Qualität, Anpassungsfähigkeit und Transparenz der generierten Metadaten. Open-SourceModelle, wie Mistral 7B (Jiang et al., 2023), bieten wesentliche Vorteile gegenüber proprietären Alternativen. Diese Modelle sind öffentlich zugänglich, erlauben spezifische Anpassungen und gewährleisten die langfristige Kontrolle über die Datenverarbeitung und -interpretation. Proprietäre Modelle hingegen sind durch ihre geschlossene Architektur und nicht zugänglichen Trainingsdaten eingeschränkt, was die Nachvollziehbarkeit und Anpassbarkeit erheblich beeinträchtigt. In der Open-DaK Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für... 1117 Open-Data-PortalLLMAppUser Checkliste Daten-Upload Repräsentation Kontextbildung MetadatenGenerierung DCAT Abb. 2 Prozessuales Vorgehen der prototypischen Umsetzung ta-Domäne behindern solche Einschränkungen nicht nur die Integration und Weiterentwicklung, sondern stehen auch dem Kerngedanken der offenen Kultur entgegen. Das europäische Modell Mistral 7B, veröffentlicht unter der Apache 2.0-Lizenz2, stellt in diesem Kontext eine besonders geeignete Wahl dar. Mit 7,3Mrd. Parametern bietet es eine leistungsfähige Architektur und hohe Flexibilität. Die Möglichkeit zur Integration und Anpassung in bestehende Open-Data-Workflows macht Mistral 7B zu einer robusten Alternative gegenüber geschlossenen Systemen. Im weiteren Verlauf analysiert dieser Beitrag den Einsatz von LLMs zur Erzeugung DCAT-konformer Metadaten, damit verbundene methodische Herausforderungen sowie mögliche Optimierungspotenziale für ihre Anwendung in Open-DataPortalen. 3 Konzeption und prototypische Umsetzung: die Pipeline zur automatisierten Metadatengenerierung Der folgende Abschnitt stellt die Konzeption und prototypische Umsetzung eines Ansatzes zur automatisierten Metadatengenerierung für Open-Data-Portale vor. Zur besseren Orientierung gibt Abb. 2zunächst einen Überblick über die gesamte Pipeline. Diese umfasst die Validierung der Eingangsdaten mittels einer Checkliste für den User, die Erstellung einer Repräsentation sowie die ergänzende Kontexterweiterung und die darauf aufbauende Generierung DCAT-konformer Metadaten durch ein Open-Source-LLM. Der Ansatz wird in die Upload-Prozesse eines Open-DataPortals integriert und zielt darauf ab, die Metadatenqualität nachhaltig zu verbessern und den Aufwand für die User zu reduzieren. Auf die einzelnen Schritte der Pipeline wird in den folgenden Abschnitten detailliert eingegangen. 3.1 Prüfung der Metadatenqualität in Open-Data-Portalen Der folgende Ansatz beschreibt die Integration einer App in den Upload-Prozess eines Open-Data-Portals, welches den DCAT-Standard umsetzt. Dabei liegt die Annahme zugrunde, dass der User eine CSV-Datei zur Verfügung stellt und die App daraus bei Bedarf eine Repräsentation generiert. Ein Sprachmodell erzeugt auf Basis dieser Repräsentation wiederum Metadaten. Die Auswahl der zu generierenden Metadaten erfolgt auf Grundlage der Vorgaben des sogenannten Metadata Quality Assessment (MQA) des Konsortiums des Open-Data-Portals der Europäischen 2https://mistral.ai/en/news/announcing-mistral-7b. K 1118 B.-L. Eger et al. Union (European Union, o.J.). Die MQA-Methode umfasst die fünf Dimensionen Findability (Auffindbarkeit), Accessibility (Zugänglichkeit), Interoperability (Interoperabilität), Reuseability (Wiederverwendbarkeit) und Contextuality (Kontext). Diese Dimensionen basieren auf den FAIR-Prinzipien, die als Leitlinien für die Veröffentlichung von Daten aller Art dienen (Wentzel et al., 2023). Jede der aufgelisteten Dimensionen ist durch bestimmte Indikatoren charakterisiert, die jeweils eine festgelegte Gewichtung aufweisen. European Union ( o.J.) zeigt die vollständige Auflistung und Zuordnung der Metadatenfelder und den jeweiligen Dimensionen mit den jeweils zugeordneten Indikatoren3. Durch die explizite Angabe von DCATMetadatenfeldern für jeden Indikator wird verdeutlicht, welche Metadaten zur Erreichung der entsprechenden Punkte erforderlich sind. Die Auffindbarkeit kann dabei als einzige Dimension mithilfe eines in die App integrierten LLM unterstützt werden, da einzig die DCAT-Felder der zugehörigen Indikatoren durch inhaltliche, datenbezogene Gegebenheiten gefüllt werden können. Im Folgenden kommt eine in diesem Beitrag entwickelte Checkliste zum Einsatz, die dem User aufzeigt, welche Anforderungen erfüllt sein müssen, damit die App und das LLM die Eingabedaten adäquat analysieren können. Das Ziel besteht in der automatischen Befüllung aller notwendigen DCAT-Objekte, um einen möglichst hohen MQA-Score zu erzielen. 3.2 Validierung der Eingangsdaten: Checkliste als Grundlage Da ein LLM effektiv mit den verfügbaren Informationen aus verschiedenen Quellen arbeiten soll, wird die gezielte Aufbereitung der Daten durch den User in unserem Beitrag durch eine Checkliste unterstützt. Diese dient der Sicherstellung einer ausreichenden Informationsversorgung des LLMs sowie der Einhaltung von Formatund Strukturvorgaben, sodass der Datensatz bzw. die Datei vom LLM verstanden und auf vorliegende Metadaten analysiert werden kann. Unter Checkliste wird in diesem Fall eine Aufzählung von Bedingungen verstanden, die vom User umgesetzt werden müssen, damit das Sprachmodell die übergebenen Daten möglichst effizient auswerten kann. Dadurch verringert das Verfahren das Risiko von Fehlern, die durch unzureichende Formatierung, sinnleere Bezeichnungen oder ähnliche Probleme entstehen, auf ein Minimum. Dementsprechend enthält die Checkliste Hinweise zur Benennung von Spalten innerhalb der Datei sowie zum Dateinamen und Hinweise zu Inhalt und Format der Daten selbst. Die Checkliste wird dem User vor dem Upload der Daten zur Verfügung gestellt. Tab. 1zeigt den Inhalt der Checkliste und erläutert die Notwendigkeit der jeweiligen Anforderungen anhand der MQA-Kriterien. Im ersten Abschnitt der Tabelle wird auf das Format Bezug genommen, welches auf CSV-Dateien eingeschränkt wird. Die zugehörigen DCAT-Objekte können direkt von der App gebildet werden und bedürfen keiner Verarbeitung durch das LLM. In den anderen drei Abschnitten stehen der Dateiname und die Spaltenbezeichnungen im Fokus. Die App übergibt dem LLM sowohl den Dateinamen als auch die Daten selbst mithilfe von insgesamt vier Prompts. Jeder Prompt steht in direktem 3https://data.europa.eu/mqa/methodology?locale=de. K Mit Open-Source-LLMs zu aussagekräftigen Metadaten: Sprachmodelle als Schlüssel für... 1119 Tab. 1 Zuordnung von MQA-Kriterien und Checklistenanforderungen Anforderungen der Checkliste MQA-Kriterien [DCAT-Objekte] Die Daten müssen als valide CSV-Dateien abgelegt werden. Die CSV-Datei muss UTF-8-kodiert sein Format [dct:format] Media Type [dcat:mediaType] Format/Media type from vocabulary [dct:format] Non-proprietary [dct:format] Machine-readable [dct:format] Der Dateiname muss eine räumliche Einordnung enthalten, falls kein räumlicher Bezug in den Daten selbst enthalten ist Geo Search [dcat:spatial] Der Dateiname muss eine zeitliche Einordnung enthalten, falls kein zeitlicher Bezug in den Daten selbst enthalten ist Time-based Search [dcterms:issued, dcterms:modified, dcterms:termporal] Die erste Zeile der Datei muss die Spaltenbezeichnungen enthalten Die Spalten müssen so aussagekräftig wie möglich benannt werden Der Dateiname muss so aussagekräftig wie möglich sein Keyword Usage [dcat:keyword] Categories [dcat:theme] Bezug zu einem MQA-Kriterium (Keyword Usage, Categories, Geo Search, Timebased Search) und den damit verbundenen DCAT-Objekten. Um eine vollständige zeitliche Einordnung der Daten erreichen zu können, wurde dcterms:temporal hinzugefügt, da sich dcterms:issued und dcterms:modified lediglich auf das Veröffentlichungsbzw. letzte Änderungsdatum des Datensatzes beziehen. 3.3 Aufbau und Konzept des Prototyps Die Einhaltung der Punkte der Checkliste schafft die Voraussetzung, um die jeweils zugeordneten Kriterien bedienen zu können. Allerdings deckt die Checkliste ledigTab. 2 MQA-Kriterien nach Informationsquellen App-Kontext Open-Data-Portal LLM Format Time-based Search Keyword-Usage Media Type AccessURL accessibility Categories Format/Media type from vocabulary DownloadURL Geo Search Non-proprietary DownloadURL accessibility Time-based Search Machine-readable Access restriction – DCAT-AP-compliance Access restriction vocabulary – License information Contact point – License vocabulary Publisher – Access restriction – – Rights – – File Size – – Data of issue – – Modification date – – K 1126 B.-L. Eger et al. Neumaier S, Umbrich J, Polleres A (2016) Automated quality assessment of metadata across open data portals. J Data Inf Qual 8(1):1–29. https://doi.org/10.1145/2964909 Nogueras-Iso J, Lacasta J, Urena-Camara MA, Ariza-Lopez FJ (2021) Quality of metadata in open data portals. IEEE Access 9:60364–60382. https://doi.org/10.1109/ACCESS.2021.3073455 Numajiri H, Hayashi T (2024) Analysis on open data as a foundation for data-driven research. Scientometrics 129(10):6315–6332. https://doi.org/10.1007/s11192-024-04956-x Open Data Watch (2023) Open data inventory: global index of open data. https://odin.opendatawatch.com/ Sundaram S, Musen M (2023) Making metadata more FAIR using large language models https://doi.org/ 10.4126/FRL01-006444995 United Nations (2020) Share of countries with associated features of open government data (OGD) portals in 2020. Statista. https://www.statista.com/statistics/421880/open-government-data-sector/ Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, Kaiser Ł, Polosukhin I (2017) Attention is all you need. In: NIPS’17, proceedings of the 31st international conference on neural information processing systems W3C (2024) Data catalog vocabulary (DCAT): version 3. https://www.w3.org/TR/vocab-dcat-3/ Wenige L, Stadler C, Martin M, Figura R, Sauter R, Frank CW (2021) Open data and the status quo—A Fine-grained evaluation framework for open data quality and an analysis of open data portals in Germany. http://arxiv.org/pdf/2106.09590 Wentzel B, Kirstein F, Jastrow T, Sturm R, Peters M, Schimmler S (2023) An extensive methodology and framework for quality assessment of DCAT-AP datasets. In: Lindgren I, Csáki C, Kalampokis E, Janssen M, Viale Pereira G, Virkar S, Tambouris E, Zuiderwijk A (Hrsg) Electronic government: 22nd IFIP WG 8.5 international conference, EGOV 2023, 2023. Aufl. Budapest, September 5–7, 2023. Lecture notes in computer science, Bd. 14130. Springer, S 262–278 https://doi.org/10.1007/ 978-3-031-41138-0_17 (proceedings) Wilkinson MD, Dumontier M, Aalbersberg IJJ, Appleton G, Axton M, Baak A, Blomberg N, Boiten J-W, Da Silva Santos LB, Bourne PE, Bouwman J, Brookes AJ, Clark T, Crosas M, Dillo I, Dumon O, Edmunds S, Evelo CT, Finkers R, Mons B (2016) The FAIR Guiding Principles for scientific data management and stewardship. Sci Data 3:160018. https://doi.org/10.1038/sdata.2016.18 Yan A, Weber N (2018) Mining open government data used in scientific research. In: Chowdhury GG, McLeod J, Gillet V, Willet P (Hrsg) Transforming digital worlds: 13th International Conference, iConference 2018 Sheffield, March 25–28, 2018. Lecture notes in computer science, Bd. 10766. Springer, S 303–313 https://doi.org/10.1007/978-3-319-78105-1_34 (proceedings) Hinweis des Verlags Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral. K