18 april: webarchivering in Nederland: wie doet wat?

Webarchivering is een nieuwe discipline. En het blijkt een ingewikkelde tak van sport te zijn. Niet omdat het bewaren van een html-pagina moeilijk is, maar wel omdat een website nooit op zich staat: er worden allerhande objecten aangehangen (embedded) en het wemelt van de links naar andere websites. Het medium is ook nog eens vluchtig (de gemiddelde levensverwachting van een webpagina is ooit berekend op 44 dagen) en de hoeveelheid informatie eindeloos. Het .nl domein bevatte enkele jaren geleden al zo’n 2,4 miljoen websites, zo berekende de KB. En die veranderen continu.

In de eerste jaren van internet werd er soms een beetje denigrerend gedaan over informatie op internet. Vluchtig, en het bewaren niet waard. Daar zijn we inmiddels wel op teruggekomen. Het UNESCO Charter on the Preservation of Cultural Heritage bestempelt websites als waardevol erfgoed, en hoewel de Archiefwetgeving in de uitwerking wat achterloopt, zijn de archiefinspecteurs er al wel van overtuigd dat informatie op websites van belang is voor de ‘recht en bewijs zoekende burger’, en dus bewaard moet worden. In de wetenschap zien we zogenaamde ‘verrijkte publicaties’ – websites worden gebruikt om extra informatie te geven bij een gedrukte of digitale publicatie (zie mijn blog over The Other Josquin) .

 

Organisatie van webarchivering in Nederland

Maar wie gaat wat doen? Websites zijn geen boeken, geen (traditionele) archiefstukken, geen videobanden, geen fysieke museumstukken, geen wetenschappelijke artikelen. Websites lopen dwars door alle collectieprofielen heen. Ze zijn vaak een beetje van alles wat.
En dus moeten er goede afspraken gemaakt worden. Over wat er bewaard zou moeten worden en hoe, en wie wat voor zijn rekening neemt. Daar wil de NCDD een aanzet toe geven met een rondetafelbijeenkomst over webarchivering in Nederland, op 18 april a.s. Wie betrokken is bij webarchivering of daar plannen voor heeft, is welkom.

Ik wil hier benadrukken dat we het niet of nauwelijks gaan hebben over de technische aspecten van webarchivering. Dat is een thema voor een andere bijeenkomst (die ik trouwens ook best wil organiseren als daar behoefte aan is, maar dat terzijde). We willen het echt hebben over werkafspraken, wie archiveert welke websites? En wat wordt er dan gearchiveerd? Alleen een snapshot, een plaatje van de html-pagina, of ook de embedded objecten en de inhoud van de links? Hoe ver ga je daar in?

Een aantal dingen weten we. Bijvoorbeeld dat de KB al een aantal jaren een selectie van Nederlandse websites archiveert, maar dat er nog gewerkt wordt aan beschikbaarstelling (daar willen we natuurlijk meer van weten). Hoe ziet die selectie er uit en waarop is die gebaseerd? Ontslaan de activiteiten van de KB andere publieke organisaties van de plicht om te bewaren of niet? Ooit gaf een woordvoerder van het Nationaal Archief aan dat het NA websites zag als publicaties, die dus bij de KB thuis hoorden, maar voortschrijdend inzicht heeft ook daar toegeslagen. Beeld en Geluid verzamelt de programma’s van de omroepen. Maar archiveren ze ook de websites? Diverse gemeentes laten hun websites inmiddels archiveren door commerciële aanbieders (zie de hele discussie bij de LinkedIngroep Het Nieuwe DIV), maar hoe ver gaat die archivering, en is die Archiefwetwaardig? En wat doen wetenschappelijke initiatieven als bijvoorbeeld Archipol? Doen die dubbel werk ten opzichte van de KB of het NA of ligt dat anders?

En wie oh wie gaat zich ontfermen over de duurzame toegang tot Duurzame Toegang? En over de tweets over digitale duurzaamheid waar die naar verwijst? Of vallen die door de mand bij het selectieproces?
Meld je aan voor 18 april, 13.30 tot 17.00, met napraatborrel, bij de KB. Er zijn geen kosten aan verbonden, maar aanmelding is wel verplicht in verband met de zaalcapaciteit en de catering. En we verwachten van iedereen actieve deelname aan de discussie – wat doet je organisatie aan webarchivering? Of: Wat zou je organisatie willen doen, maar ontbreken je de mogelijkheden? Wat is jullie visie op hoe de taken verdeeld zouden moeten worden?

Aanmelden kan bij mij (inge.angevaare@kb.nl) – met naam, functie, organisatie en een korte beschrijving van je bemoeienis met webarchivering. Zie ook de officiële flyer op de NCDD-website.


Zie ook:
de blog van Ingmar Koch van 23 februari over het bewaren van overheidswebsites
en de reactie van Peter Waters hieronder.

IIPC (3): organisatie van webarchivering

What do web archivers (or is it archivists) really do? Gina Jones, Library of Congress. Wat is een 'internetarchivaris' en wat moet zo'n functionaris in huis  hebben? Omdat acquisitie een hoofdtaak is, moet je in elk geval weten wat er technisch allemaal mogelijk is in web crawls (en hoe je de zoekvragen goed definieert), je moet internet kennen (om precies te kunnen vinden wat je zoekt), je moet een collectieplan hebben, en je moet weten hoe je de gebiedsdeskundigen betrekt bij het proces. Aan de kant van de toegang moeten webarchivarissen  weten hoe gebruikers zoeken en welke gereedschappen ze hebben. De juiste metadata genereren is ook een kunst apart. Ten aanzien van het bewaren van websites moeten archivarissen weten wat er in de archieven zit om die goed te kunnen beheren. De eerste masteropleiding webarchivaris is inmiddels opgestart door de School of Information Science van de University of North Carolina.

Let's talk! Organization schemes and metrics for preservation planning and management negotiation in web archiving institutions - Gildas Ilien, Bibl. nationale de France. (De titel is ingewikkeld en vaag, maar het gaat hier om communicatiestoornissen en prestatie-indicatoren.) In het digitale tijdperk hebben bibliothecarissen en IT-staf elkaar hard nodig, maar ze lijken soms wel een andere taal te spreken. Bibliothecarissen hebben het gevoel dat ze de controle over hun collecties kwijt zijn; IT-staf heeft weinig affiniteit met de inhoud. En het management moet ervoor proberen te zorgen dat de twee kampen toch dicht genoeg bij elkaar komen om goed te kunnen samenwerken. De BnF heeft beide partijen in een aantal flinke workshops bij elkaar gezet om de hele workflow in detail te beschrijven. Daardoor werden verantwoordelijkheden verduidelijkt. Ook ten aanzien van vakjargon moest er het nodige worden opgehelderd. Dat hielp. Niettemin blijft het lastig om de schaal, de snelheid en het wereldwijde karakter van internet te vertalen in organisatorische voorzieningen en in eenheden waarmee je je prestaties kunt meten (metrics).

Web archives are forever: defining a workflow for long-term preservation of web archives, Maureen Pennock, The British Library. De IIPC heeft een speciale digitale duurzaamheidswerkgroep die de workflow in kaart probeert te brengen nadat het oogsten voltooid is . De echte langetermijnbewaring, dus. Zo'n workflow moet generiek toepasbaar zijn en moet continuïteit, consistentie en authenticiteit waarborgen. Gezien de hoeveelheden moet de workflow zoveel mogelijk geautomatiseerd zijn. Na analyse van bestaande documenten (van o.a. de BL, de BnF, de KB en de National Library of New Zealand) heeft de werkgroep een aantal flowcharts ontwikkeld die ik hier niet kan herhalen. Wie een webarchief wil inrichten, verwijs ik graag naar de werkgroep, de IIPC website waar de presentaties worden geplaatst, of naar Maureen.

Duurzaamheid: (ook) een kwestie van organiseren

Afgelopen woensdag organiseerde de NCDD een workshop op de jaarlijkse conferentie van Digitaal Erfgoed Nederland (DEN). Voor een publiek van zo'n veertig erfgoedinstellingen (vooral musea en bibliotheken, bleek later, een paar archieven en enkele 'overige' instellingen) mocht ik de workshop openen met de belangrijke constatering dat we voor duurzame toegang natuurlijk techniek nodig hebben, maar dat we er met techniek alleen niet komen (zie powerpoint). Digitale informatie is mobiel, het overschrijdt grenzen tussen instellingen en tussen sectoren, wat je vandaag opslaat wordt wellicht over 50 jaar opgevraagd door een gebruiker met een totaal ander soort computer. Omdat digitale informatie zorg vereist van wieg tot graf, betekent dit dat al die betrokkenen actief moeten samenwerken om de informatie zodanig te managen dat zij toegankelijk, bruikbaar, begrijpelijk en authentiek blijft. Het is een soort keten, en als er één zwakke schakel tussen zit . . .

En er is meer. Zoals de volgende spreker, Tom Wever van de ING-bank beaamde: het managen van digitale data is een vak apart dat veel specialistische kennis vereist. Als erfgoedinstelling moet je je afvragen of je dat allemaal wel zelf moet willen doen. Het was bijzonder dat Tom er zijn vrije dag én drie uur fileleed voor over had om ons erfgoedinstellingen een kijkje te geven in de keuken van een grote bank; en ik zal niet de enige zijn geweest die bij het luisteren naar Tom naast al dat mooie erfgoed ook de veiligheid van mijn eigen spaarrekening daarbij in gedachten had :-).

Het voorbeeld van de ING-bank

Wat een grote bank wel en niet mag doen met digitale informatie wordt gelukkig streng bewaakt door De Nederlandsche Bank. Alle transactiegegevens moeten bijvoorbeeld na een jaar worden vernietigd. De Afdeling Marketing mag wel onderzoek doen naar financiële profielen van klanten, maar alleen anoniem. Informatie die wel moet worden bewaard (verzekeringen, pensioenen) wordt uiteraard goed beheerd op uitstekende schijven die her en der back-ups en spiegels hebben. De ING migreert de data wanneer nodig, en Tom gaf aan dat dat tot nu toe niet zo'n groot probleem is geweest, omdat er in de jaren 60 nog maar weinig digitaal werd bewaard. Hij ziet het probleem wel groeien in de toekomst, als de hoeveelheden enorm zullen toenemen. Schijfruimte is daarbij niet het probleem, die wordt steeds goedkoper. De echte kosten gaan zitten in het beheer van die data: wie weet wat er op de schijven staat, wanneer moet het weer worden omgezet en naar welk formaat? En je moet natuurlijk de risico's in de gaten houden en beperken. Tom gaf aan dat wat hem betreft de risico's niet zozeer in de pure techniek zitten - die is tegenwoordig robuust genoeg. De welbekende hackers vormen eigenlijk ook maar een klein probleem. Wat blijkt? De grootste risico's zitten toch in menselijke fouten. Een nulletje meer of minder is gauw getikt en ook de IT-medewerkers die de back-ups verzorgen zijn maar mensen die een keer de fout in kunnen gaan. Het beperken van die risico's vraagt om ijzeren discipline in de organisatie en vele controleslagen - organisatie, dus.

Daarbij - en dat vond ik wel opmerkelijk - kijkt de bank niet verder dan een termijn van een jaar of vijf. Onder het motto "we will cross that bridge when we get there" doet de bank nu alles wat in haar macht ligt om duurzaamheid te bevorderen, ervan uitgaande dat ze dat steeds zal blijven doen. Pragmatisch stap-voor-stap-denken, dus, met weliswaar een langetermijnperspectief, maar geen 'langetermijnblokkade' ("we weten nog niet hoe we het voor 100 jaar goed moeten doen, dus we doen maar even niets").

Tom had een aantal duidelijke adviezen voor erfgoedinstellingen:

- "Wordt geen IT-center" - kijk als organisatie naar wat je uniek maakt, en steek daar al je energie in. Andere zaken, vooral specialistisch werk dat je niet dagelijks doet, kun je beter uitbesteden. Dat doet ING ook.
- Probeer coöperaties te vormen met even grote instellingen als je diensten gaat uitbesteden. Zo krijg je een betere onderhandelingspositie.
- Koop geen computersystemen maar huur ze. Computersystemen verouderen razendsnel, en als je ze zelf moet vervangen, stel je die beslissing vaak te lang uit.
- Je hoeft zelf geen IT expert te zijn, maar je moet als inkoper wel de expertise hebben om de prestaties van je service providers te beoordelen.

Yola de Lusenet, die bekwaam het voorzitterschap voor haar rekening nam, merkte na Toms presentatie op dat deze adviezen eigenlijk helemaal tegen het gevoel van erfgoedinstellingen indruisen: van oudsher zijn we gewend dat we objecten juist in veiligheid brengen door ze binnen onze muren te halen; nu zouden ze veiliger zijn door ze weg te brengen?? Dat is echt even wennen . . .

De lessen van zes jaar KB e-Depot

Zelf doen of uitbesteden? Hilde van Wijngaarden van de KB, die samen met IBM een eigen e-Depot ontwikkelde, vertelde dat ook de KB nu besloten heeft om te gaan uitbesteden, precies om de redenen die Tom Wever noemde. Wat overigens niet wegneemt, zo benadrukte Hilde, dat de KB zelf veel expertise in huis zal moeten hebben en houden om externe providers aan te sturen en te controleren. Hilde toonde zich ook direct bereid die kennis te delen met andere partners - bijvoorbeeld in het kader van de NCDD.

Daarmee haakte ze in op een deel van mijn presentatie: samenwerking is geboden als we de uitdaging van digitale duurzaamheid willen aangaan, met name op het gebied van expertise en financiering. Geen enkele instelling kan dit alleen oplossen. Daarom is de NCDD opgericht, met als doel een solide landelijk netwerk van beleid, organisatie en faciliteiten waarin de digitale informatie van de publieke sector veilig kan worden bewaard.

Hilde vertelde dat de KB in het kader van dit landelijke netwerk in ieder geval de zorg op zich neemt voor alle digitale publicaties die in Nederland verschijnen; die kunnen via het webloket van het e-Depot gedeponeerd worden. Ook de publicaties uit de universitaire repositories worden door de KB geharvest, en binnenkort gaat het Nederlandse webarchief van start.

Maar ook de KB moet de tering naar de nering zetten. Enkele jaren geleden kondigde de KB aan dat zij een nationaal TIFF-archief zou ontwikkelen voor digitale masters. Dat plan bleek vooralsnog te ambitieus. Het bestaande DIAS-systeem kon een dergelijk grote toevloed van data niet aan. Daarom is besloten om de hele infrastructuur te gaan vernieuwen voordat eventuele nieuwe projecten worden opgestart. Dit programma "Vernieuwing e-Depot" zal enkele jaren in beslag nemen. Gedurende de looptijd zal de KB de lopende stroom publicaties gewoon archiveren, maar kan zij geen nieuwe verplichtingen op zich nemen.


De dagelijkse realiteit van het Fries Museum

Met de duo-presentatie van Wilbert Helmus en Trineke Kamerling van de Friese musea werd het publiek weer even teruggebracht naar de dagelijkse realiteit van veel erfgoedinstellingen. Toen Wilbert bij het Fries Museum aantrad was er wel sprake van automatisering en digitalisering, maar er was geen ICT-beleid en geen applicatiebeheer. Die situatie bracht grote risico's met zich mee. Inmiddels is een begin gemaakt met duurzaamheidsbeleid: er is een Informatieplan en het museum heeft een data-conservator benoemd (Trineke Kramer). Ook is samenwerking gezocht met andere Friese instellingen om een back-upstrategie te ontwikkelen. En er zijn nieuwe contracten gesloten met service providers. Het Fries Museum evolueert van beheersing naar strategisch beleid, van incident gedreven acties naar vooraf sturen. Wilbert benadrukte ten slotte dat duurzaamheid eigen verantwoordelijkheid is en dat kleine(re) instellingen moeten samenwerken.

Nationale Verkenning Digitale Duurzaamheid

Waarmee we (niet geheel toevallig) terug zijn bij de NCDD. Een team onderzoekers trekt de komende zes maanden het land in om te onderzoeken hoe dat landelijk dekkende netwerk, die samenwerking, gestalte kan krijgen. Wat voor digitale data worden er in Nederland bewaard, door wie en hoe? Waar dreigt digitale data verloren te gaan? En: wat is ervoor nodig om de data uit de publieke sector verantwoord te managen? Al die vragen komen tijdens de Nationale Verkenning aan bod.
Aan het eind van de workshop namen we een voorschot op de Verkenning, en vroegen de aanwezigen wat zij nodig dachten te hebben. Hier zijn de resultaten:














(dubbelklik op de afbeelding voor een betere weergave)



Met stip op één staan: richtlijnen - wat moeten we nu concreet doen? Waar beginnen we?
- Een nationaal servicecentrum haalt de tweede plaats. Ligt hier een taak weggelegd voor de bestaande instellingen? Ik denk dan bijvoorbeeld aan de businessmodellen voor dienstverlening aan het land waarmee het Nationaal Archief volgend jaar gaat experimenteren (zie blog 17 oktober, vlak onder de tweede foto). Of moet er iets heel nieuws ontstaan?
- Over het nut van een centraal depot verschillen de meningen. De musea zien er wel wat in, maar de archieven niet.
- Dat een optie met "dwang" erin laag zou scoren in Nederland, had ik wel verwacht, maar dat hij gelijk zou eindigen met de "onvermoeibare lobby voor meer geld" vond ik eerst opmerkelijk - totdat ik me realiseerde dat de instellingen die in de zaal zaten aan het begin van de workshop op drie na hadden aangegeven dat ze de duurzaamheid van hun digitale data nog niet onder controle hebben. Misschien weten ze gewoon nog niet wat het kost? Is het een idee om Hilde van Wijngaarden voor een volgende workshop te vragen of de KB hier inmiddels meer zicht op heeft?

Uiteraard was dit maar een mini-enquete en mogen we er nog geen waarde aan hechten. Ik ben benieuwd of de resultaten van de Nationale Verkenning anders zullen uitpakken. Het project loopt van januari tot juli, met een nationale conferentie in september. Het projectteam kan niet heel Nederland bezoeken. Daarom worden op basis van netwerkkennis selecties gemaakt van zo representatief mogelijke instellingen (groot, klein, wel actief, niet actief, etc.).

Mocht jij een briljant idee hebben voor de opzet van een nationale infrastructuur, maar mocht het projectteam jou niet kunnen vinden om je te interviewen, meld je dan bij inge.angevaare@kb.nl.