Wer wissen möchte, wie aus verstreuten Informationen ein durchsuchbares digitales Wissensnetz wird, bekommt an der Universität Hamburg bald Gelegenheit zum Ausprobieren: Am Donnerstag, 19. November 2026, findet von 14:15 bis 15:45 Uhr der Hands-on-Workshop „Wikidata: An Open Knowledge Graph for Research and Beyond“ statt. Veranstaltungsort ist das DH Lab im Philturm/VMP 6, Raum C2003, innerhalb der Bibliothek.

Referent ist Mohammad Heidarzadeh vom CSMC Hamburg. Eingeladen sind Forschende, Studierende und TVBP. Die Anmeldung ist erforderlich und muss bis zum 17. November 2026 um 23:59 Uhr erfolgen. Zum Zeitpunkt der Veröffentlichung waren noch 16 Plätze verfügbar. Abgefragt werden bei der Anmeldung unter anderem E-Mail-Adresse, Name, technische Ausstattung und gegebenenfalls eine UHH- oder Gastkennung. Wer keinen Laptop dabeihat, kann ein Leihgerät anfordern.

Vom Wikipedia-Eintrag zur Datenabfrage

Wikidata ist ein gemeinschaftlich bearbeiteter Wissensgraph. Die Plattform strukturiert Informationen aus Wikipedia und anderen Quellen als maschinenlesbare Daten. Gestartet wurde sie 2012 von Wikimedia Deutschland als strukturierte Datengrundlage für Wikipedia; inzwischen ist daraus eine eigenständige offene Wissensinfrastruktur und eine der größten offenen strukturierten Wissensbasen weltweit geworden.

Als zentraler Speicherort strukturierter Daten aus Wikimedia-Projekten wie Wikipedia, Wiktionary und Wikisource enthält Wikidata heute mehr als 120 Millionen Einträge und über 1,6 Milliarden Aussagen. Rund 24.000 freiwillige Beitragende weltweit arbeiten daran, Inhalte in mehr als 600 Sprachen bereitzustellen. Die Daten sind frei verfügbar und stehen unter CC0 beziehungsweise Creative Commons 1.0 Universal – es werden keine Rechte vorbehalten.

Im Workshop geht es um die Bedeutung strukturierter offener Daten für Forschung und Wissensinfrastrukturen. Vorgestellt werden Anwendungen in der akademischen Forschung, in Kultur heritage-Projekten, digitalen Werkzeugen und öffentlichen Wissensinitiativen. Auch Kultureinrichtungen, Entwickler und Wikimedia-Communities nutzen Wikidata. Mehrere darauf basierende Werkzeuge und Projekte zeigen, wie Wissen erkundet, analysiert und wiederverwendet werden kann.

Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Praktisch wird es bei drei Fragen: Wie werden Informationen in Wikidata modelliert? Wie lassen sich Daten mit SPARQL über den Wikidata Query Service abfragen? Und wie können Forschende und Entwickler diese Daten für neue Werkzeuge und Visualisierungen weiterverwenden? Ein bisschen Geduld sollte man mitbringen – der erste Blick auf eine Abfrage wirkt gern einmal wie ein besonders störrischer Stundenplan.

SPARQL, Endpunkte und viele Ausgabeformate

SPARQL, ausgesprochen „sparkle“, ist eine RDF-Abfragesprache und semantische Abfragesprache für Datenbanken. Mit ihr lassen sich Daten mithilfe logischer Kombinationen von Tripeln extrahieren. Wikidata bietet dafür seit September 2015 einen SPARQL-Endpunkt mit grafischer Weboberfläche. Der Wikidata Query Service, kurz WDQS, ermöglicht es, Abfragen dort zu erstellen und zu testen.

Eine Abfrage kann per GET an https://query.wikidata.org/bigdata/namespace/wdq/sparql?query={SPARQL} gesendet werden; der Alias lautet https://query.wikidata.org/sparql?query={SPARQL}. Standardmäßig kommt das Ergebnis als XML zurück. JSON lässt sich über den URL-Parameter format=json oder den Header Accept: application/sparql-results+json anfordern.

Der Dienst unter https://query.wikidata.org/sparql arbeitet mit dem „main“-Teilbestand der Wikidata-Wikibase-Instanz. Ergebnisse können als XML, JSON, CSV oder TSV ausgeführt und heruntergeladen werden. Geografische Daten gibt es zusätzlich als GeoJSON, GPX oder KML; bei KML wird die erste Spalte als Namenswert verwendet. Die Oberfläche bietet außerdem Funktionen wie Begriffserklärungen beim Überfahren mit der Maus und Code-Optimierung.

Für wissenschaftliche Daten existiert der Dienst https://query-scholarly.wikidata.org/sparql. Er fragt den „scholarly“-Teilbestand der Wikidata-Wikibase-Instanz ab und unterstützt dieselben Ausgabeformate sowie GeoJSON, GPX und KML. Auch dort gibt es Begriffserklärungen beim Überfahren und Code-Optimierung. Der Wikimedia Commons Query Service unter https://commons-query.wikimedia.org/sparql führt SPARQL-Abfragen über die Wikimedia-Commons-Wikibase-Instanz aus.

Ganz deckungsgleich mit den RDF-Dumps ist der vom Wikidata Query Service verwendete RDF-Datensatz aus Performance-Gründen nicht. Dokumentation zu föderierten Abfragen ist auf der Seite „Wikidata:SPARQL query service/Federated queries“ gebündelt; außerdem stehen Statistiken und weitere Ressourcen bereit. Der Wikidata Query Service wird 2026–2027 auf ein neues Backend umgestellt. Damit kommen neue Endpunkt-URLs für Version 2, und bestehende Abfragen müssen möglicherweise angepasst werden.

Wer sich vorab einlesen möchte, findet unter anderem die Präsentation „SPARQL and Wikidata intro“ von shonagon, École de Bibliothécaires Documentalistes, auf Französisch vom 4. April 2016. Dazu kommen weitere Hilfsmaterialien für neue Abfragen und zur Anbindung von SPARQL.

Ein Wissensnetz für Maschinen und Menschen

Die offene Struktur ist längst nicht nur etwas für Bibliotheken oder Datenbanken. Suchmaschinen, Reise-Apps und Sprachassistenten brauchen zuverlässige, strukturierte und maschinenlesbare Daten, um Informationen automatisiert zu aggregieren, zu analysieren und bereitzustellen. Mit Wikidata lassen sich etwa Fragen untersuchen wie: Welche berühmten Filme stehen unter freier Lizenz? In welchen Ländern liegen die größten Wüsten? Oder: In welchen Aufsichtsräten anderer Unternehmen sitzen Tech-CEOs?

Wikidata ist als Wissensgraph organisiert und kann dadurch komplexe Beziehungen zwischen Daten abbilden. Zugriff ist unter anderem über den Wikidata Query Service, die MediaWiki Action API, die Wikibase REST API, Wikidata Data Dumps, Wikidata MCP und Wikibase GraphQL möglich. Entwicklerteams können die Daten über mehrere APIs, Dienste und Datenbereitstellungsformate in eigene Projekte einbinden.

Im DH Lab bleibt es am 19. November aber nicht bei großen Begriffen. Laptop auf, Abfrage starten, Ergebnis ansehen – und vielleicht feststellen, dass zwischen einer guten Idee und einer funktionierenden Visualisierung doch ein paar Tripel mehr liegen als gedacht.