Agenda

• Projekt: 9 Arbeitspakete (AP) mit 39 Deliverables
• Arbeitsplan, Arbeitsziele, Soll-IST-Zustand
  • SOLL: Kurze Beschreibung der AP
  • IST: Vorstellung der Projektergebnisse
• Fragen: jederzeit, bestenfalls nach Deliverables
  Markierung dazu in dieser Präsentation: ✓

Zeitplan (flexibel)

• OPAL Portal Demo
• 09:15 – 10:30 Uhr
• 10:45 – 12:00 Uhr

Gesamtziel des Vorhabens

"Das OPAL-Projekt konzipiert und entwickelt
ein Linked-Open-Data-Portal mit Fokus auf
öffentlichen Datenquellen aus Deutschland [...]."

Arbeitspakete

1. Anforderungsanalyse und Architektur
2. Datenakquisition
3. Datenanalyse
4. Datenkonvertierung
5. Datenintegration
6. Datenselektion
7. Anwendungsfälle
8. Portalentwicklung
9. Projektmanagement

Arbeitspaket 1:
Anforderungsanalyse und Architektur

Ziel: "Erfassung der Anforderungen,
die Untersuchung & initiale Analyse der Datenbestände
der Entwurf einer Gesamtarchitektur für OPAL."

Arbeitspaket 1:
Anforderungsanalyse und Architektur

• D1.1 Anforderungsanalyse
• D1.2 Datenanalyse
• D1.3 Architektur

D1.1 Anforderungsanalyse

• Analyse
  • Ergebnisse systematischer Literaturrecherche
  • Ergebnisse von Fragebögen
  • Ergebnisse mFUND Workshop
  • Erkenntnisse aus Fachkonzeption und Usability-Untersuchung des mCLOUD-Portals
• Deliverable als PDF-Datei
• Ergebnis: 21 konsolidierte Anforderungen

D1.1 Konsolidierte Anforderungen

1. Semantische Suche
2. Räumliche Suche
3. Zeitliche Suche
4. Zeitverlauf und Aktualisierungen
5. Komponentenbasiertes Metadatenportal
6. Programmatischer Zugriff
7. Konvertierung in Linked Data
8. (Meta-) Datenqualität
9. Automatisierte Verknüpfung von Datensätzen
10. Lizenzinformationen
11. Fokussierter Crawler

D1.1 Konsolidierte Anforderungen

12. Automatisierte Extraktion von Metadaten
13. Selektion von Teilmengen eines Datensatzes
14. Mobile Anwendung / lokal relevante Datensätze
15. Question-Answering Assistent für soziale Netzwerke
16. Untersuchung von Datensätzen
17. Persistente versionierte Speicherung von Metadaten
18. Anzeige von existierender und neuer Daten
19. Empfehlungen von relevanten Datensätzen
20. Kommentierung bzgl. Qualität- und Inhalt
21. Bewertung der Datensätze
    Deliverable abgeschlossen ✓

D1.2 Datenanalyse

• Technische und statistische Analyse
• Detaillierte Analyse zufällig ausgewählter Datensätze

• Deliverable als PDF-Datei
• Heute: Informationen obsolet (folgt gleich)

D1.2 Datenanalyse

• Datenvolumen (2,5 Jahre: Mai 2018 – Dezember 2020)
  • mCLOUD: 652 → 3.276
  • EDP: 817.000 → 1.184.000
• Neuerungen / Obsoleszenz:
  • jQuery obsolet (MDM Relaunch) → HTML
  • DCAT-AP.de XML/RDF (mCLOUD 1.5.0, 11.04.19)
  • Datenfluss: mCLOUD → Govdata → EDP
    (mCLOUD 1.6.0, 16.07.19)

D1.2 Datenanalyse

• OPAL Graph (Oktober/November 2020)
  • MDM: 203
  • mCLOUD: 2.853
  • GovData: 37.932
  • European Data Portal (EDP): 795.387
    (191.374 mit deutschen und englischen Titeln)
    
• OPAL Daten auf mCLOUD
  Deliverable abgeschlossen ✓

D1.3 Architektur (2017/2018)

Deliverable als PDF-Datei

D1.3 Architektur (Auszug 2020)

• Neu: Sequentielle Behandlung von Datensatz-Graphen
• Neu: Elasticsearch
• Code: OPAL Batch ✓

Arbeitspaket 2:
Datenakquisition

Ziel: "In Arbeitspaket 2 wird ein fokussierter Crawler entwickelt, der Informationen zu offenen Datensätzen aus Webseiten extrahiert."

Arbeitspaket 2:
Datenakquisition

• D2.1 Spezifikation der Crawler-Komponente
• D2.2 Erste Version der Crawler-Komponente
• D2.3 Benchmark-Spezifikation und Ergebnisse des ersten Crawlers
• D2.4 Metadatenbasierte Crawlingstrategien
• D2.5 Finale Crawler-Komponente
• D2.6 Finale Crawler-Benchmark-Ergebnisse

D2.1 Spezifikation der Crawler-Komponente

• 9 funktionale Anforderungen
• 7 nicht-funktionale Anforderungen
• Schnittstellen, Operationen, Datenformate
• HTML, RDF, verschiedene Protokolle
• Vergleich von 10 Alternativen
• Deliverable als PDF-Datei ✓

D2.2 Erste Version der Crawler-Komponente

Deliverable (Code): Squirrel, Version vom 13. Juni 2019 ✓

D2.3 Benchmark-Spezifikation und Ergebnisse des ersten Crawlers

D2.3 Benchmark-Spezifikation und Ergebnisse des ersten Crawlers

Deliverable als PDF-Datei ✓

D2.4 Metadatenbasierte Crawlingstrategien

Deliverable als PDF-Datei ✓

D2.5 Finale Crawler-Komponente

Deliverable:

• Konfiguration: squirrel-portals-config
• Code: Squirrel, Version 0.3 ✓

D2.6 Finale Crawler-Benchmark-Ergebnisse

Evaluierung: Synthetischer Benchmark

D2.6 Finale Crawler-Benchmark-Ergebnisse

D2.6 Finale Crawler-Benchmark-Ergebnisse

Deliverable als PDF-Datei, Update 2020 ✓

Arbeitspaket 3:
Datenanalyse

Ziel: "Das dritte Arbeitspaket entwickelt Komponenten zur Untersuchung und Gewinnung von Metadaten der in AP2 gefundenen Information."

Arbeitspaket 3:
Datenanalyse

• D3.1 Spezifikation von Qualitätskriterien
• D3.2 Qualitätsanalyse-Komponente
• D3.3 Erste Metadatenextraktionskomponente
• D3.4 Topic-Extraktionskomponente
• D3.5 Finale Datenanalysekomponenten

D3.1 Spezifikation von Qualitätskriterien

• Sichtung von wissenschaftlichen Artikeln
• Aggregation und Anpassung von Kriterien
• Ergebnis: Katalog, bestehend aus
  • 13 Qualitätsdimensionen und
  • 48 zugehörigen Qualitätskriterien und -metriken
• Deliverable als PDF-Datei ✓

D3.2 Qualitätsanalyse-Komponente

• Vokabular in D4.1 erläutert
• Deliverable als PDF-Datei und Code (Civet) ✓

D3.3 Erste Metadatenextraktionskomponente

• Named Entity Recognition mit FOX
  nutzt Disambiguierung: AGDISTIS / MAG (D4.4)
• Spracherkennung mit Apache OpenNLP
• Deliverables:
  • Code: Generation of RDF data statistics
  • Code: metadata-refinement (alpha)
  • Deliverable als PDF-Datei ✓

D3.4 Topic-Extraktionskomponente

Ansatz 1: Topic-Extraction

• Extrahiert Entitäten aus englischsprachigen Texten
  (z.B. Topics: Ort, Datum)
• Ergebnis:
  • date precision: 1.0
  • date recall: 0.087
  • date f1-score: 0.16
  • place precision: 1.0
  • place recall: 0.324
  • place f1-score: 0.489
• Problem: Viele Herausgeber → heterogene Texte
• Deliverable (Code): Topic-Extraction

D3.4 Ansatz 2: Klassifizierung Kategorien

• Klassifizierung von DCAT Kategorien (themes)
• Nutzung von Entscheidungsbäumen und TF-IDF

Deliverable (Code): Classification ✓

D3.5 Finale Datenanalysekomponenten

• Qualitätsanalyse-Komponente Civet (D3.1, D3.2)
• Metadatenextraktions-Komponente (D3.3)
  • Erweiterung um Geo-Daten (D3.5, folgt gleich)
• Topic-Extraction und Klassifizierung (D3.4)

D3.5 Finale Datenanalysekomponenten

Metadatenextraktions-Komponente: LauNuts

• Neu: Metadatenextraktions-Komponente mit
  • Nomenclature of Territorial Units for Statistics (NUTS)
  • Local Administrative Units (LAU)
• 11.953 Orte (DE/AU) mit Namen und Koordinaten
• Code: metadata-refinement ✓

Arbeitspaket 4:
Datenkonvertierung

Ziel: "Die extrahierten Metadaten werden in für Linked-Data-Anwendungen geeignete Formate konvertiert. Für die effiziente Durchsuchbarkeit werden geeignete Indexstrukturen entwickelt."

Arbeitspaket 4:
Datenkonvertierung

• D4.1 Vokabularspezifikation
• D4.2 Konvertierungskomponente
• D4.3 Prototyp Indexstrukturen und Entitätserkennung
• D4.4 Indizierungskomponente

D4.1 Vokabularspezifikation

• Data Catalog Vocabulary (DCAT)
  Version 2, W3C Recommendation 04 February 2020
  www.w3.org/TR/vocab-dcat-2
   
• Data Quality Vocabulary (DQV)
  15 December 2016
  www.w3.org/TR/vocab-dqv

D4.1 Vokabularspezifikation: DCAT

D4.1 Vokabularspezifikation: DCAT

D4.1 Vokabularspezifikation: DQV

D4.1 Vokabularspezifikation: RDF Beispiel

• Beispiel aus D3.2 Qualitätsanalyse-Komponente Civet
• Deliverable als PDF-Datei ✓

D4.2 Konvertierungskomponente: Converter

• Publish-Subscribe Microservices via Spring Cloud
• Code: Converter
  
• Konfiguration: Converter-configuration

D4.2 Konvertierungskomponente: Batch

• Sequentielle Behandlung von Datensatz-Graphen
• Elasticsearch
• Code: OPAL Batch, OPAL Catfish
• Deliverable als PDF-Datei ✓

D4.3 Prototyp Indexstrukturen und Entitätserkennung

D4.3: Entitätserkennung

• D3.3 Metadatenextraktionskomponente
  • Named Entity Recognition (FOX)
• D3.4 Topic-Extraktionskomponente
  • Topic-Extraction (Ort, Datum)
  • Klassifizierung DCAT Kategorien (themes)
• D3.5 Metadatenextraktions-Komponente
  • LauNuts (Geo Daten)
• D4.4 Indizierungskomponente
  • Disambiguierung (AGDISTIS/MAG)

D4.3: Indexstrukturen

• RDF DCAT → Elasticsearch Mappings
• Deliverable als PDF-Datei ✓

D4.4 Indizierungskomponente

• Disambiguierung / Linking Entitäten, mehrsprachig
• Graph basiertes Verfahren (HITS algorithmus)
• Erweitert in LIMBO: Elasticsearch
• Integration in OPAL: geografische DB LauNuts

D4.4 Indizierungskomponente

Deliverable (Code): AGDISTIS ✓

Arbeitspaket 5:
Datenintegration

Ziel: "Metadaten verschiedener Datensätze sollen automatisiert verknüpft werden, um miteinander in Relation stehende Daten zu erkennen. Damit soll OPAL es ermöglichen, dass Nutzer für komplexere Anwendungsfälle die dafür geeignete Menge an Datensätzen auffinden."

Arbeitspaket 5:
Datenintegration

• D5.1 Erste Version der Verknüpfungskomponente
• D5.2 Lernalgorithmen für Linkspezifikationen auf Metadaten
• D5.3 Lizenzintegrationskomponente
• D5.4 Erweiterte Lernalgorithmen für Linkspezifikationen auf Metadaten
• D5.5 Finale Verknüpfungskomponente

D5.1 Erste Version der Verknüpfungskomponente

• Deliverable (Code): LIMES 1.5.0
• Im Folgenden verwendet

D5.1 Verknüpfungskomponente: LIMES (1/3)

• LIMES: Link Discovery Framework for Metric Spaces
• Überschneidungen in versch. Wissensgraphen finden
  • z.B. Erstellung Verknüpfungen zwischen gleichen Ressourcen in verschiedenen Wissensgraphen
  • z.B. geografische Ähnlichkeiten finden
• Verwendung von Metriken, die Inhalte vergleichen
• Verwendet Dreiecksungleichung (aus der Geometrie / Mathematik).
• Verringert Anzahl benötigter Vergleiche.
• LIMES-Framework: Grundlage maschinellen Lernens

D5.1 Verknüpfungskomponente: WOMBAT (2/3)

• WOMBAT: A Generalization Approach for Automatic Link Discovery
• Ansatz des Maschinellen Lernens (ML) zur Link Discovery
• Supervised Learning, benötigt ausschließlich positive Lernbeispielen
• Unsupervised Learning, ohne Lernbeispiele
• Algorithmus : Zwei aufeinander aufbauende Teile
  • Einzelner (atomic) Vergleich von Bestandteilen zweier Graphen
  • Kombinierung (generalization)

D5.1 Verknüpfungskomponente: DRAGON (3/3)

• DRAGON: Decision Tree Learning for Link Discovery
• Verwendet Entscheidungsbäume zum Erlernen von Link Spezifikationen
• Beim rekursiven Erstellen von Entscheidungsbäumen kann dabei
  • entweder die Trefferquote (recall) unter Verwendung des lokalen Gini Index, oder
  • die Genauigkeit (precision) unter Verwendung des globalen F-Maß fokussiert werden
• Im Rahmen von OPAL entwickelt (Springer)
  u.a. auch: LimesWebUI ✓

D5.2 Lernalgorithmen für Linkspezifikationen auf Metadaten

• 5 Experimente zur Deduplizierung
• Linkspezifikationen für OPAL/DCAT Datensätze
• jeweils 30 GB Arbeitsspeicher
• Deliverable (Code): OPAL Datenintegration
• Deliverable als PDF-Datei

D5.2: WOMBAT unsupervised complete (1/5)

• Linkspezifikation: dcat:Dataset und
  23 optionale weitere Eigenschaften
• Anzahl erkannter Duplikate:
  • 0 (Schwellenwert: 0,95)
  • 0 (Schwellenwert: 0,9)
• Aufgrund Größe der Eingabedaten bei der Ausführung mit 30 GB Arbeitsspeicher vorzeitig beendet.
  java.lang.OutOfMemoryError: GC overhead limit exceeded

D5.2: WOMBAT unsupervised simple II (2/5)

• Linkspezifikation: dcat:Dataset und
  23 optionale weitere Eigenschaften
• Anzahl erkannter Duplikate:
  • 0 (Schwellenwert: 0,9)
  • 23.744.536 (Schwellenwert: 0,8)
• keine Ergebnisse und
  zu viele Ergebnisse

D5.2: WOMBAT unsupervised simple I (3/5)

• Linkspezifikation: dcat:Dataset,
  Distributionen dcat:downloadURL und
  10 optionale weitere Eigenschaften von
• Anzahl erkannter Duplikate:
  • 888 (Schwellenwert: 0,9)
  • 18.373 (Schwellenwert: : 0,5)
• 888 Duplikate von Datensätzen

D5.2: LIMES (Dataset) (4/5)

• Linkspezifikation: dcat:Dataset,
  Distributionen dcat:downloadURL und
  10 weitere optionale Eigenschaften von Distributionen
• Anzahl erkannter Duplikate: 888 Datensätze

D5.2: LIMES (Distribution) (5/5)

• Linkspezifikation: dcat:Distribution
  und dcat:downloadURL
• Anzahl erkannter Duplikate: 1.833 Distributionen ✓

D5.3 Lizenzintegrationskomponente

• Kombinierung von Datensätzen:
  Wahl aus erlaubten Lizenzen
• Deliverable (Code): licences

D5.3 Lizenzen: Vokabulare

D5.3 Lizenzen: Attribute

D5.3 Lizenzen: Kombination

D5.3 Lizenzen: Evaluierung

"Choose two works you wish to combine or remix. [...]
Use at least the most restrictive licensing of the two
(use the license most to right or down state)
for the new work." CC wiki

D5.3 Lizenzen: Evaluierung

• Auflistung aller kompatiblen Lizenzen zur Re-Lizensierung von kombinierten Datensätzen.
• Als Artikel in IEEE International Conference on Semantic Computing (ICSC 2021) Resource Track ✓

D5.4 Erweiterte Lernalgorithmen für Linkspezifikationen auf Metadaten

• Daten:
  • OPAL LauNuts: 84.000 Koordinaten-Punkte
  • LinkedGeoData.org (OpenStreetMap als RDF)
• ORCHID - Reduction-Ratio-Optimal Computation of Geo-Spatial Distances for Link Discovery PDF Springer

D5.4: SLIPO

D5.4: Geonames

D5.4: OSM

Deliverable (Code): LIMES Spark ✓

D5.5 Finale Verknüpfungskomponente

• RDF Dataset Enrichment Framework: DEER
• Deliverable (Code): LIMES 1.7.4 ✓

Arbeitspaket 6:
Datenselektion

Ziel: "Relevante Teile eines Datensatzes lassen sich anhand von Prädikaten und Relationen sowie räumlichen Relationen auswählen, um den Umfang der übertragenen Daten möglichst zu minimieren."

Arbeitspaket 6:
Datenselektion

• D6.1 Linked-Data-Slicing-Komponente
• D6.2 Räumliches Slicing

D6.1 Linked-Data-Slicing-Komponente

Ansatz 1: ElasticTriples

• Import: 90 Millionen Triple in 77 Minuten
  (16.3 GB im N-Triples Format)
• Splitting: Eine Anfrage dauert 2-3 Sekunden.
  Beispiel: 1 aus 1 Millionen DCAT Datensätzen
  mit 206 zugehörigen Triplen
  nutzt intern 2.281 Anfragen
• Deliverable (Code): ElasticTriples - Elasticsearch powered triple storage

D6.1 Ansatz 2: OPAL Slicer

• Nutzt Muster im SPARQL Format
  um Untermengen von Wissensgraphen zu extrahieren.
• Basiert auf RDFSlice Projekt
• Beispiel:

-source input.ttl
-patterns "Select * where {?d a <http://www.w3.org/ns/dcat#Dataset>}"
-out datasets.ttl

Deliverable (Code): OPAL Slicer ✓

D6.2 Räumliches Slicing

• Integriert in OPAL Portal Demo
• Deliverable (Code): Spatial Slicing ✓

Arbeitspaket 7:
Anwendungsfälle

Ziel: "Die Anwendbarkeit des Linked-Data-Ansatzes zur Extraktion und Verwaltung von Metadaten offener Datensätze soll anhand der Suchfunktion als zentraler Komponente eines Datenportals sowie weiterer Demonstratoren validiert werden."

Arbeitspaket 7:
Anwendungsfälle

• D7.1 Suchkomponente
• D7.2 Benchmarking der Suchkomponente
• D7.3 City-App Demonstrator
• D7.4 Social Media Bot Demonstrator

D7.1 Suchkomponente: Elasticsearch

• Ansatz hier:
  Generierung von Synonym-Listen zur Auffindbarkeit
• Ergebnis:
  • 6.668 deutschsprachige Nomen,
    für die Synonyme bekannt sind
  • 21.634 Synonyme zu den entsprechenden Nomen
  • Auswahl von Nomen aus Titeln und Beschreibungestexten aus mCLOUD und GovData
    → 1.497 Nomen und entsprechende Synonyme

D7.1 Suchkomponente: Elasticsearch

Deliverable als PDF-Datei ✓

D7.2 Benchmarking der Suchkomponente

• Deliverable (Code): Search-Component-Benchmark
• Deliverable als PDF-Datei ✓

D7.3 City-App Demonstrator

• Responsives Webdesign
• W3C Geolocation API Specification
• Deliverable (Code): OPAL Web User Interface ✓

D7.4 Social Media Bot Demonstrator

• Demo
  • Welche Datenformate gibt es?
  • How many Datasets are available in RDF?
• Dokumentation Bachelorarbeit Marten Schmidt
• Deliverable (Code): DCAT QA ✓

Arbeitspaket 8:
Portalentwicklung

Ziel: "In Arbeitspaket 8 wird das Open Data Portal Germany als erweiterbare komponentenbasierte Webanwendung entwickelt."

Arbeitspaket 8:
Portalentwicklung

• D8.1 Portalinfrastruktur
• D8.2 Erster Portalprototyp
• D8.3 Erweiterter Portaldemonstrator
• D8.4 Finales OPAL-Portal
• D8.5 Anwenderdokumenation zum OPAL-Portal
• D8.6 Evaluierungsergebnisse

D8.1 Portalinfrastruktur (2018)

• Deliverable als PDF-Datei ✓

D8.2 Erster Portalprototyp (2018/19)

• Konfiguration (Code): opal-ckan-docker und
  opal-docker-compose
• Deliverable als PDF-Datei ✓

D8.3 Erweiterter Portaldemonstrator (Juni 2019)

Mockup aus Deliverable als PDF-Datei ✓

D8.4 Finales OPAL-Portal (2020)

Deliverable (Code): OPAL Demo ✓

D8.5 Anwenderdokumenation zum OPAL-Portal

• Anwender: Nutzer der Projektergebnisse
• Übersicht auf Projektwebseite (folgt gleich)
• Code Dokumentation (folgt gleich)
• Beschreibung der 20 Komponenten (Code) auf 40 Seiten:
  Deliverable als PDF-Datei

D8.5 Dokumentation: Projektwebseite

• Links zu allen Ergebnissen
• Mittel- und langfristige Auffindbarkeit
• dice-research.org/OPAL

D8.5 Dokumentation: Code

• Rund 50 Repositorien
• Aufteilung Haupt- und Nebenprodukte
• Kurzbeschreibungen
• README Dateien und im Code
• github.com/projekt-opal/doc ✓

D8.6 Evaluierungsergebnisse

• System Usability Scale (SUS)
• Bewertung der Gebrauchstauglichkeit von Systemen
• Einfacher und technologieunabhängiger Fragebogen
• 10 Fragen nach der Likert-Skala
  • Stimme überhaupt nicht zu (1)
  • Stimme voll und ganz zu (5)
• Kommentare und Feedback

D8.6 Evaluierungsergebnisse

Deliverable als PDF-Datei ✓

Arbeitspaket 9:
Projektmanagement

Ziel: "Dieses Arbeitspaket beinhaltet die Koordination, Dokumentation und Überwachung der Meilensteine des Projekts, die Kommunikation mit dem Projektträger sowie die Kommunikation mit Externen aus Industrie und Forschung."

Arbeitspaket 9

• D9.1 Kommunikations- und Disseminationsplan
• D9.2 Projektbericht Jahr 1
• D9.3 Projektbericht Jahr 2
• D9.4 Projektbericht Jahr 3

D9.1 Kommunikations- und Disseminationsplan

• Projekt-Webseite: dice-research.org/OPAL
  • OPAL Portal Demo
  • Deliverables (PDF)
  • Code (Github, Open Source)
  • Daten (Web, FTP)
  • Wissenschaftliche Publikationen
• Deliverable als PDF-Datei

D9.1 Dissemination: Social Media

Twitter: OPAL Tweets (Auszug)

D9.1 Dissemination: Blog und Publikationen

• Blog, z.B.: OPAL Open Data Hackathon
  • Zweisprachig
  • Studierende
• Konferenzen und Publikationen:
  • OPAL Konferenzbeiträge 2019
  • In 2019 in mind. 11 Beiträgen: "This work has been supported by the German Federal Ministry of Transport and Digital Infrastructure (BMVI) within the project OPAL under the grant no 19F2028A."
  • Liste auf der OPAL Projektwebseite
  • Vollständige Liste im Abschlussbericht ✓

D9.2/D9.3/D9.4 Projektberichte

• D9.2 Projektbericht Jahr 1 ✓
• D9.3 Projektbericht Jahr 2 ✓
• D9.4 Projektbericht Jahr 3 ✓
• Abschlussbericht (bis März 2021)
• mFUND Projektsteckbrief

Langzeitverfügbarkeit

• Projektwebseite DICE (dice-research.org/OPAL)
  • Dokumente & Code & Daten
• Projektwebseite BMVI (www.bmvi.de...opal.html)
• Demo OPAL Portal (dice-research.org/OPAL-Demo)
• Demo Social Media Bot

Zusätzliche Entwicklungen (Auswahl)

OPAL Export

• Exportiert RDF ins CSV Format (Code)
• In Zusammenhang mit mCLOUD/mFUND entwickelt

Apache Jena

Open Source Projekt: Erweiterung um DCAT Version 2 (Code)

Vielen Dank!

Diese Präsentation online:
projekt-opal.github.io/doc/final-presentation/Praesentation/

OPAL Projektwebseite der DICE Fachgruppe:
dice-research.org/OPAL