Das Dokument beschreibt das Webarchivierungsprojekt 'web@rchiv' der Österreichischen Nationalbibliothek, welches 2008 ins Leben gerufen wurde und seit 2009 tätig ist, um Internetinhalte als nationales Kulturgut langfristig zu sichern. Es werden verschiedene Strategien wie Domain-Harvesting, selektives Harvesting und Event-Harvesting eingesetzt, um eine breite Sammlung von Websites zu gewährleisten, insbesondere aus den Bereichen Medien, Kultur und Wissenschaft. Aktuell umfasst das Archiv etwa 6,2 TB komprimierte Daten, die 420 Millionen Objekte beinhalten.

1. Web@rchiv Österreich Webarchivierung an der Österreichischen Nationalbibliothek Michaela Mayr Österreichische Nationalbibliothek [email_address] www.onb.ac.at

2. Umfeld Massenmedium, nationales Kulturgut Sammelauftrag Österreichische Nationalbibliothek: Mediengesetz (Novelle seit März 2009 in Kraft) Herausforderungen: Kurze Lebenszeit von Internet-Seiten: durchschnittlich 44-75 Tage (Quelle: Library of Congress) Deep Web Neue Technologien Viren etc. Langzeitarchivierung : Migration, Emulation?

3. Webarchive international (1) Internet Archive www.archive.org USA, seit 1996 Non-Profit Organisation Derzeit > 4,5 Petabytes Daten Zuwachs von 20 Terabytes/Monat 150 Milliarden Seiten Archiv öffentlich

4. Web@rchiv Österreich (1) Webarchivierungsprojekt Start 2008 Mediengesetznovelle März 2009 Team: 2 VZÄ, Abt. Digitale Bibliothek: Projektmanager Entwickler / Crawl Engineer System Administrator Speicher und Back-Up ausgelagert an Bundesrechenzentrum (+ Kopie ZAS St. Johann) Grafik: Kurier, http://kurier.at/techno/2004890.php

5. Web@rchiv Österreich (2) Software (nur open source) Crawler Heritrix Crawl Management mit NetarchiveSuite (http://netarchive.dk, Kooperation mit Dänemark, Frankreich) Zugang mit Wayback Machine Hardware 8 Maschinen: 6 Crawler (mit je 3 Crawlerinstanzen) 1 für Datentransfer BRZ 1 DB und Indexierung Betriebssystem Linux

6. Web@rchiv Österreich (3) Zugang Nur am Standort der Bibliotheken, nicht online (spezielle Terminals) Nur Ausdruck, kein Speichern oder Versenden Passwortgeschützte Seiten nur Einzeluser Berechtigte Bibliotheken Bundeskanzleramt, Parlament Österreichisches Staatsarchiv Universitäts-, Studien- und Landesbibliotheken

7. Sammlungsstrategien (1) Domain Harvesting Gesamte Top-Level-Domain .at (Stand Okt. 2010: ca. 970.000 Domains, Quelle: nic.at) andere Top-Level-Domains mit Österreich-Bezug (keine Definition im Gesetz, manueller Aufwand) Durchführung alle 2 Jahre , nächstes Domain Harvesting 2011

8. Entwicklung .at Domain Quelle: nic.at

9. Domain Crawl 2009/2010 Dauer: September 2009 - Juli 2010 Ca. 900.000 Domains 1. Durchlauf max. 10 MB/Domain 2. Durchlauf max. 100 MB/Domain Physischer Speicher: ca. 6 TB (komprimiert und dedupliziert, original ca. 8,5 TB) Ca. 386 Mio. Objekte (Komponenten der Webseiten) Erkenntnisse zu .at Webseiten: 14% (115.000) sind > 10 MB 71% (580.000) sind < 1 MB 10% (90.000) enthalten 0 Objekte 53% (470.000) enthalten < 10 Objekte

10. Sammlungsstrategien (2) Selektives Harvesting Ausgewählte Seiten, die häufigen Änderungen unterliegen Harvesting in geeigneten Intervallen Inhalte: Medien national und regional, dynamische Seiten aus den Bereichen Gesellschaft, Wirtschaft, Kultur, Verwaltung/Behörden, Wissenschaft/Universitäten Herbst 2010 Kollektion „Medien“ 2011: „Österreichische Autoren&quot;

11. Sammlungsstrategien (3) Event Harvesting Spezielle Anlässe und Großereignisse (z.B. Wahlen) Webseiten, die nur für den Zeitraum des Ereignisses zur Verfügung stehen Bisherige Event Harvestings: (EURO TM 2008) (Nationalratswahl 2008) EU-Wahl 2009 Olympische Spiele 2010 Bundespräsidentenwahl 2010

12. Sammlungsstrategien (4) Zeit Abdeckung Domain Harvesting Selektives Harvesting Event Harvesting Vgl. Bjarne Andersen, http://netarchive.dk/publikationer/DFrevy_english.pdf

13. Web@rchiv Österreich Statistik Aktuell ca. 6,2 TB Daten (komprimiert und dedupliziert) Entspricht ca. 9,3 TB Rohdaten 350 GB Metadaten 420 Mio. Objekte

19. Web@rchiv Österreich Beispiele ARCHIV LIVE WEB

20. Weitere Infos: http:// www.onb.ac.at / about / webarchivierung.htm Social Media: http:// twitter.com / AT_Webarchive http:// www.facebook.com / ATWebarchive http:// www.slideshare.net / ATWebarchive http:// screenr.com / user / AT_Webarchive Vielen Dank für die Aufmerksamkeit!