Die "Wayback Machine" hat jetzt über 240 Millionen URLs archiviert, hier die Pressemitteilung: http://bit.ly/ZMhiCD. Das Internet Archive – www.archive.org – wurde in einer Großaktion überholt und um 90 Millionen URLs ergänzt. Wie gut ist die Nutzbarkeit archivierter Webseiten?

Diese URLs werden zum Teil seit 15 und mehr Jahren regelmäßig gecrawlt und die Inhalte archiviert. Das klingt viel und ist auch eine Riesenmenge – jedoch nur ein Ausschnitt des Internets. Auch stellt sich die Frage, wie es um die Qualität, Visualisierung und Vollständigkeit der abgegriffenen Webseiten bestellt ist. Wir haben hierfür unsere eigenen Webseiten (u.a. PROJECT-CONSULT.net, PROJECT-CONSULT.COM, PROJECT-CONSULT.de, MoReq2.de u.a.), die zum Teil in der vorangegangenen Version des Internet Archive bis 1997 zurück verfolgt werden konnten, einmal betrachtet. Dabei zeigte es sich, dass die älteren Versionen nicht mehr visualisiert werden konnten. Bei anderen liefen die Crawler ins Leere. Bei jüngeren Archivkopien liess sich nur die oberste Ebene der Navigation benutzen. Darunter liegende Ebenen und Dokumente versuchte dann das Internet Archive aus dem aktuellen Web nachzuladen. Alles in allem doch nur ein eingeschränkter Erfolg. 

Wir sind daher froh, dass wir (fast) alle unser älteren Versionen unserer Webseite im Sommer 2012 mit qumram (www.qumram.ch) archiviert haben: "PROJECT CONSULT archiviert ihre alten Webseiten" (http://bit.ly/PC-WebArchiv). In diesem Archiv sind nicht nur alle Inhalte vorhanden sondern auch mit der usprünglichen Navigation nutzbar. Wir haben im Folgenden einmal den Versuch gemacht, qumram und das Internet Archive für unsere Webseiten zu vergleichen.

Beim Vergleich sind die beiden verschiedenen Ansätze zu differenzieren:

Das Internet Archive macht im Prinzip Schnappschüsse, Momentaufnahmen, die den Zustand zum Zeitpunkt des Besuches des Crawlers dokumentieren. So sind auch Informationen verfügbar, die zu einem späteren Zeitpunkt entfernt worden sind. Je nach Häufigkeit des Crawlerbesuches und der Änderung der Webseiteninhalte gibt es so Lücken wie auch Überschneidungen im Inhalt. Eine Steuerung des Besuches und die Sicherstellung der Vollständigkeit des Crawlens ist nicht gegeben.

Bei den Beispielen von PROJECT CONSULT wurde mit dem qumram Crawler der letzte Online-Zustand der Webseiten dokumentiert. Dies schloss alle zu diesem Zeitpunkt erreichbaren Informationen und Unterseiten ein. Anders als beim Internet Archive wurden allerdings nicht mehr vorhandene Inhalte oder in der Navigation nicht mehr erreichbare Seiten nicht dokumentiert. Diese finden sich teilweise, jedoch nicht systematisch, im Internet Archive. Durch die individuelle Anpassbarkeit des qumram Crawlers konnte aber die vollständige Nutzbarkeit der usprünglichen Seiten mit Navigation und (mit Einschränkungen) auch Suche umgesetzt werden. Zeitpunkte und Vollständigkeit sind hier kontrollierbar. Dies ist besonders dann wichtig, wenn es um die Transaktionsarchivierung und Aufbewahrung von temporären geschäftlichen Informationen geht, die mit dem Internet Archive nicht dokumentiert werden können. 

Der Vergleich in den letzten beiden Zeilen der Tabelle "hinkt", da bisher noch kein sich dynamisch aktualisierendes und Zwischenstände historisierendes Web-Archiv mit qumram eingerichtet wurde. Hier lässt sich nur das Internet Archive mit Momentaufnahmen nutzen, die allerdings nicht immer das Aussehen, die Navigation und die Inhalte korrekt wiedergeben.

Das öffentliche Internet Archive und die auf die eigene Web-Präsenz bezogene Archivierung mit qumram stellen so zwei unterschiedliche Szenarien der Web-Archivierung dar. Vollständigkeit und Nachvollziehbarkeit kann nur mit qumram erreicht werden, wobei man sich allerdings um das Verfügbarhalten der Webseite selbst kümmern muss. Das Internet Archive dagegen macht erratisch Momentaufnahmen des Internets mit dem Anspruch, möglichst viel zu erfassen. Bereitgestellt wird dieses öffentliche Archiv von einer Community, die von Unternehmen gesponsert wird.