Ein Verfahren zur Identifizierung und Verknüpfung von Datensätzen aus zwei oder mehr Datensätzen, die auf dasselbe reale Objekt referenzieren, durch Vergleich persistenter Kennungen, Kombinationen von Attributen oder Ähnlichkeitswerten; deterministisch bei verfügbaren, autoritativen eindeutigen Kennungen und probabilistisch, wenn Übereinstimmungen aus verrauschten oder unvollständigen Attributen abgeleitet werden.

Prinzip

Verknüpfungsentscheidungen beruhen auf den Identitätsnachweisen: exakte Übereinstimmung von Kennungen erzeugt hoch‑vertrauenswürdige Matches, während Attributähnlichkeit und kontextuelle Regeln probabilistische Matches erzeugen, die False Positives gegen False Negatives abwägen.

Demonstration

Illustratives Szenario → Zwei institutionelle Kataloge führen ‚J. Smith‘ mit übereinstimmenden Geburtsdaten, einer enthält eine institutionelle Kennung. Erkennung → Die Kennungsübereinstimmung verknüpft Datensätze deterministisch; Name+Geburtsdatum werden bewertet und zur Prüfung markiert. Aktion → Deterministische Verknüpfungen werden automatisch zusammengeführt; probabilistische Verknüpfungen nach manueller Prüfung vereinheitlicht. Folge → Konsolidierte Sicht auf die Ressourcen der Person, unsichere Verknüpfungen bleiben dokumentiert und prüfbar.

Fehlanwendung

Die Annahme, dass ein einziges gemeinsames Attribut (z. B. ein häufiger Name) Identität beweist. Das verwechselt Attributgleichheit mit Entitätsidentität und erhöht False‑Positives.

Konsequenz

Korrekte Rekonziliation ermöglicht integrierte Dienste, konsolidierte Analysen und verlässliche Provenienz; fehlerhafte Verknüpfungen führen zu falschen Aggregationen, fehlerhafter Zuordnung von Ressourcen und Vertrauensverlust in abgeleitete Dienste.

Umkehrung

Existiert eine hochwertige, persistente eindeutige Kennung (z. B. nationales Identifikationsmerkmal oder verifizierte Forscher‑ID) und ist zugänglich, reduziert sich Rekonziliation auf deterministische Zuordnung; dagegen können gesetzliche Beschränkungen, Hashing oder starke Pseudonymisierung die Rekonziliation verhindern oder den Einsatz datenschutzwahrender Verknüpfungsverfahren erfordern.

Abgrenzung

Eindeutig innerhalb: Verknüpfung von Personen‑Datensätzen zwischen institutionellen Repositorien mittels ORCID oder multipler Identifikatoren. Grenzfall: Abgleich von Datensätzen mit ähnlichen Namen und Daten, bei dem kulturelle Namenskonventionen oder unvollständige Daten Unsicherheit erzeugen. Eindeutig außerhalb: reine Entitätenerkennung im Text (NER) ohne Datensatzverknüpfung; oder oberflächliche Ähnlichkeitsgruppierung ohne inter‑Datensatz‑Links.

Semantische Spannung

Privatsphäre ↔ Nutzwert — Verknüpfung erhöht analytischen Nutzen, steigert jedoch Datenschutzrisiken und verlangt Governance.

Synthese

Entitätsabgleich ist ein evidenzbasiertes Verfahren, dessen Verlässlichkeit von Kennungsqualität, Attributdichte und expliziten Schwellenwerten abhängt; praktikable Systeme verbinden deterministische Matches, probabilistische Scores, menschliche Prüfung und Provenienzaufzeichnung, um den Zielkonflikt zwischen Skalierbarkeit und Genauigkeit zu steuern.