Internet Archive

Internet Archive
Universal access to human knowledge
Web-Archivierung
Sprachen	Oberfläche engl.
Betreiber	Internet Archive, San Francisco CA
Redaktion	Brewster Kahle
Registrierung	optional
Online	1996
http://www.archive.org

Das Internet Archive in San Francisco ist ein gemeinnütziges Projekt, das 1996 von Brewster Kahle gegründet wurde. Es hat sich die Langzeitarchivierung digitaler Daten in frei zugänglicher Form zur Aufgabe gemacht.

Es speichert Momentaufnahmen von Webseiten, Usenet-Beiträgen, Filmen, Tonaufnahmen (einschließlich von Live-Konzerten), Büchern und Software. Ein Spiegelserver der Daten von San Francisco befindet sich in der Bibliotheca Alexandrina.

Dienste

Internet Archive in San Francisco (1996-2009)

Neue Zentrale des Internet Archive seit November 2009 in einer ehemaligen Christian Science-Kirche

Internet Archive in der Bibliotheca Alexandrina. Hinter den Glasscheiben stehen die Racks mit den Archivcomputern.

Zum Web-Archiv gehört die Wayback Machine („Take Me Back“), mit der man die gespeicherten Webseiten in verschiedenen Versionen abrufen kann. Die Auswahl der zu speichernden Seiten erfolgt über den Dienst Alexa Internet. Alle dort hinterlegten URLs werden regelmäßig aufgerufen und archiviert. Der Gesamtumfang betrug im November 2009 etwa 150 Milliarden Seiten. Die Seiten werden erst ca. sechs Monate nach dem Indexieren öffentlich verfügbar gemacht.

In dem Million Book Project werden durch das Internet Archive Bücher, die durch das Ablaufen des Copyrights (US-amerikanisches Urheberrecht) oder aus anderen Gründen gemeinfrei geworden sind, digitalisiert und in den Dateiformaten DjVu, TIFF und PDF zum Herunterladen zur Verfügung gestellt. Die Digitalisate sind Teil der Open Library.

Es werden mehrere Scan-Center (2009 insgesamt zwölf) unterhalten, zum Beispiel in Richmond. Gescannt wird per Auftrag, berechnet werden pro Seite zehn US-Cent (Stand 2009). Die Auftraggeber, meist Bibliotheken, erhalten das Digitalisat, eine per OCR erstellte Textdatei, eine persistente Internetadresse sowie die Möglichkeit, die Digitalisate auf den Servern des Vereins zu hosten. Weiterhin bestehen Kooperationsvereinbarungen mit selbst digitalisierenden Bibliotheken für einzelne Dienste, wie OCR und redundantes Hosting.

Die Library of Congress hat im Dezember 2006 sechs Ausnahmen des US-Copyright-Gesetzes Digital Millennium Copyright Act gewährt. Das Internet Archive darf somit Computer-Software oder -Spiele mit der Absicht der Erhaltung speichern, wenn die Originalhardware, -formate oder -technologie veraltet sind.

Das Archiv hat eine geschätzte Größe von drei Petabyte und wächst um ca. 100 Terabyte pro Monat. Das Archiv ist vom US-Bundesstaat Kalifornien seit Anfang Mai 2007 offiziell als Bibliothek anerkannt.

Kritik

Problematisch an der Wayback Machine ist zum einen, dass auch Inhalte erhalten bleiben, die die Autoren nicht mehr vertreten. Auch rechtswidrige Inhalte, etwa üble Nachreden, werden über Jahre der Öffentlichkeit zugänglich gemacht. Dies lässt sich jedoch durch eine entsprechende robots.txt-Datei im Stammverzeichnis der Domain beheben.

Zum anderen wird nicht alles gesichert, beispielsweise werden Bilder von Internetseiten häufig nicht mitgesichert und stehen nach dem Verschwinden der Originalseite nicht mehr zur Verfügung.

Siehe auch

• WebCite

Weblinks

 Commons: Internet Archive – Sammlung von Bildern, Videos und Audiodateien

• Offizielle Website (englisch)
  • WayBack Machine, BETA Version

(enthält nach 2008 archivierte Inhalte, die über die Standard-Version nicht erreichbar sind)

• Million Book Project (englisch)
• Mirrorseite des Webarchivs bei Bibliotheca Alexandrina
• Technology Review: Online in die Vergangenheit (Artikel bei Heise.de)
• Beispiel für die Wayback Machine (benötigt Javascript)
• Video-Interview mit Internet-Archiv-Gründer Brewster Kahle