Ich habe das Plugin, mit dem ich Bilder aus dem Smithsonian Institut importieren kann, nochmal deutlich aufgebohrt und erweitert. Es gibt ja noch anderen Museen und Datenquellen, die man für Public Domain Bilder anzapfen könnte, dachte ich mir.

Also ruft das Plugin inzwischen Bilder aus folgenden Quellen ab, die alle jeweils eine Schnittstelle dafür anbieten. Für manche muss man sich einen API-Key besorgen, für die meisten aber nicht.

• Smithsonian Open Access (vereint mehrere Museen aus dem US-Raum)
• Cleveland Museum of Art
• The Metropolitan Museum of Art
• Rijksmuseum
• J. Paul Getty Museum
• Europeana (vereint die Datensätze hunderter europäischer Museen. Hatte ich vorher noch nie von gehört. Toll!)
• Wellcome Collection (vor allem für historische Darstellungen aus dem Bereich Medizin)
• Statens Museum for Kunst – National Gallery of Denmark
• Paris Musées (vereint 14 Museen in Paris)
• National Gallery of Art (Washington)
• Digital Public Library of America (vor allem für historische Werbeanzeigen oder Magazincover)
• Wikimedia Commons (kein Museum natürlich, aber ein riesiger Fundus)

Im Hintergrund holt das Plugin immer ein Dutzend Vorschauen für Bilder ein (plus 12 weitere Bilder als Reserve). Dabei wird auf eine halbwegs ausgeglichene Verteilung der Quellen geachtet. Die Bilder werden auf Grundlage eines zufälligen Zahlenseeds abgefragt. Dann bekommen sie nach einfachen Kriterien einen Score zugewiesen. Gemälde bekommen beispielsweise einen höheren Score als Vasen. Historische Fotografien werden aktuellen Fotografien bevorzugt. Aktuell werden ausschließlich Bilder berücksichtig, die tatsächlich unter der Public Domain oder CC0-Lizenz stehen, aber ich denke, das werde ich in Zukunft noch auf ein paar weitere CC-Lizenzen erweitern.

Am Ende werden mir 12 Bilder mit Vorschau, Quelle, Bildgröße und Link zur Originalquelle angezeigt. Jedes Bild kann ich mit einem Maushover in der Vorschau auch noch vergrößern. Dann kann ich für jedes Bild entscheiden: ob ich es in die WordPress Mediathek importieren möchte, ob ich es vorerst nicht berücksichtigen möchte (dann wird es für mindestens 30 Tage nicht mehr in Abfragen angeboten) oder ob ich das Bild dauerhaft ausschließen möchte. Im letzten Fall kommt es auf eine Blacklist, die auch rudimentär verwaltet werden kann.

Sobald ich die 12 Bilder durchgegangen bin und meine Auswahl bestätige, werden die für die Mediathek bestimmten Bilder in hoher Auflösung abgerufen und auf ein nutzbares Format verkleinert. Und im Hintergrund wird angestoßen, dass die nächste Rutsche Bilder eingesammelt wird. In der Zwischenzeit kann ich mich bei Bedarf noch mit den 12 Reservebildern beschäftigen.

Die vielen zusätzlichen Quellen erweitern natürlich nochmal die Vielfalt der Bilder, bringen aber auch neue Probleme mit sich. Viele Bilder des Rijksmuseums beispielsweise finden sich auch in der Europeana Datenbank und der Wikimedia Commons. Mit der Zeit wird sich zeigen, wie groß das Problem der Doubletten tatsächlich ist. Der Agent hat da zwar ein paar Abgleichmechanismen eingebaut, aber wie gut die greifen, ist mir noch unklar.

In der Praxis merke ich davon aber bisher wenig. Ich will ja auch kein lückenloses Archivarium schaffen, sondern einfach tolle Bilder fürs Blog einsammeln – und das klappt schon richtig, richtig gut. Ich mag es sehr, immer mal wieder auf den Plugin-Reiter zu wechseln und mir ein paar Bilder anzuschauen. Ein kleiner (und sehr zufälliger) Streifzug durch die Museen.

Trotzdem gibt es noch viel zu tun. Das Feilen an den richtigen Abfragekriterien für die Seeds ist ein nicht endendes Optimierspiel. Und dann habe ich inzwischen schon über 600 Bilder auf der Blacklist (oft sind das zum Beispiel Abbildungen von Tonscherben etc.). Früher oder später muss das bestimmt nochmal anders vorgehalten werden.

Es gibt noch ein, zwei Datenquellen, die ich mit der Zeit anbinden werde. Aber insbesondere mit den großen Verbundquellen Smithsonian, Europeana und Wikimedia Commons sollten mir die Bilder nicht so schnell ausgehen. Es ist mehr als genug. Therotisch sollte das Plugin etwa 150 Millionen Datensätze abklappern können. Wenn man die Dubletten und anderen Kriterien (Lizenz, inhaltliche Kriterien, Bildgröße etc.) reinrechnet, dürfte es sich immer noch um etwa 3 bis 10 Millionen Bilder hadeln. One less thing to worry about.