Viele digitale Projekte starten mit grossem Juhee und verschwinden leise. Wenn sie scheitern, dann meistens nicht spektakulär. Sie sterben am fehlenden Update, am ungeklärten Recht, am Supportaufwand, an der Contentpflege oder schlicht daran, dass niemand mehr Zeit dafür hat. Mit dem Launch ist deshalb noch kein Ziel erreicht. Er ist nur der Startschuss.

Unsere wichtigste Umstellung der letzten Jahre ist darum nicht technisch, sondern organisatorisch: Wir planen Digitales von Anfang an als Betrieb. Ein Pilot ist für uns erst dann erfolgreich, wenn er sich auch im Alltag tragen lässt.

Learning: Betrieb frisst Pilot – ausser wir planen ihn von Anfang an

Digitale Projekte sind anspruchsvoll. Doch viele scheitern nicht am ersten Prototyp, sondern später an fünf wiederkehrenden Fragen: Wer übernimmt die Verantwortung, wenn das Projekt nicht mehr neu ist? Wer aktualisiert Inhalte, Links, Softwareversionen und Geräte? Aus welcher Budgetlinie werden Hosting, Lizenzen, Ersatzteile und Weiterentwicklungen bezahlt? Welche Inhalte dürfen wir zeigen, speichern, weitergeben oder veröffentlichen? Und wer erklärt das Angebot dem Publikum, schult das Team und behebt Störungen?

Unser Vorgehen ist deshalb einfach: Wir überführen digitale Projekte nur dann in den regulären Betrieb, wenn Verantwortung, Pflege, Finanzierung, Rechte und Support geklärt sind. Alles andere kann spannend sein, ist aber nicht nachhaltig.

Fail-Beispiel 1: Robotik – spannend im Test, zu aufwendig im Alltag

Unsere Roboter waren ein Highlight: Der Humanoidroboter Nao turnte mit Besuchenden, während der Telepräsenzroboter Ruby Menschen aus der Ferne in unsere Museumsräume brachte. Beide waren beliebt und halfen uns, die Rollen von Mensch und Technik in der Vermittlung genauer zu fassen. Kontext, Einordnung und der direkte Austausch bleiben menschliche Aufgaben. Technik kann dagegen standardisierte Abläufe übernehmen, Orientierung bieten oder als Einstieg in ein Thema dienen.

Gleichzeitig war die Robotik ein ehrlicher Stresstest für den Betrieb. Betreuung, Handhabung, Wartung und Erwartungsmanagement beanspruchten viel Zeit und liessen sich nicht nebenbei erledigen. Bei Nao wurden im Dauerbetrieb regelmässig Ersatzteile benötigt. Diese waren schwierig zu beschaffen, weil die Herstellerfirma im Ausland lag, später übernommen wurde und das Produkt schliesslich einstellte. Zusätzlich erschwerte ein Carnet ATA den grenzüberschreitenden Transport.

Ruby wiederum war dem rauen Museumsalltag nicht gewachsen. Besuchende hoben den Roboter an, er kippte um und musste zweimal repariert werden. Auch organisatorisch entstand zusätzlicher Aufwand: Damit Ruby gezielt genutzt werden konnte, wäre ein Reservierungssystem nötig gewesen. Der konkrete Bedarf war letztlich zu klein, um diesen Aufwand zu rechtfertigen. Wir beendeten beide Initiativen.

Learning: Content Hub mit Linked Open Data – Strassenbau statt Showeffekt

Hinter den Kulissen ist Ordnung ein Kerngeschäft von Museen. Nur so bleiben Inhalte, Objekte und Dokumente langfristig auffindbar. In der Praxis liegen museale Daten jedoch oft in getrennten Systemen: Sammlungen, Archive, Personen, Orte, Veranstaltungen, Medien und Rechte werden in unterschiedlichen Datenbanken verwaltet.

Unser Content Hub verbindet diese verstreuten Informationen, ohne dass jedes bestehende System neu gebaut werden muss. Er verknüpft zum Beispiel ein Objekt mit den dazugehörigen Personen, Orten, Ereignissen und Geschichten. So entstehen Beziehungen zwischen den Datensätzen, und Informationen können ergänzt oder in verschiedenen Angeboten wiederverwendet werden.

Das klingt wenig spektakulär, ist aber skalierbar. Eine solche Datenbasis ermöglicht Portale, Vermittlung und Partizipation. Sie schafft auch die Voraussetzung für Anwendungen mit Retrieval-Augmented Generation (RAG): Dabei greift ein Sprachmodell gezielt auf strukturierte, verlässliche Quellen zu, statt Antworten nur aus seinem allgemeinen Trainingswissen abzuleiten. Aus diesem Ansatz ist unser Onlineportal entstanden, das heute drei unterschiedliche Datenbanken zusammenführt.

Learning: Standards machen Daten zukunftsfähig

Je grösser und älter Sammlungs- oder Archivbestände sind, desto wichtiger werden gemeinsame Standards. FAIR ist für uns ein pragmatischer Massstab: Daten sollen auffindbar, zugänglich, anschlussfähig und wiederverwendbar sein. Standards reduzieren Reibung, erhöhen die Sichtbarkeit und erleichtern die Zusammenarbeit. Vor allem sind sie eine Voraussetzung dafür, dass KI-Anwendungen mit verlässlichen Daten arbeiten können.

Wir behandeln FAIR deshalb nicht als akademische Pflicht, sondern als interne Leitplanke für Qualität. Auch bei KI-Infrastrukturen beobachten wir bewusst offene und lokal betreibbare Ansätze. Offenheit ist jedoch kein Freipass: Open Source und Open Data bedeuten nicht automatisch, dass profitorientierte Akteure Datenbestände ohne Gegenleistung übernehmen dürfen. Entscheidend sind klare Lizenzen, Transparenz und faire Modelle für die Nutzung.

Auch hier sind wir noch nicht am Ziel. Automatisiertes Crawling macht sichtbar, wie schnell offen publizierte Inhalte ihrem ursprünglichen Kontext entzogen werden können. Gleichzeitig ist unklar, ob eine klassische Website oder ein einzelnes Portal langfristig noch der wichtigste Zugang zu Museumswissen sein wird. Unsere Antwort liegt deshalb zunehmend in FAIR aufgebauten Content Hubs. Diesen Anspruch haben wir formuliert, aber noch nicht vollständig eingelöst. 

Fail-Beispiel 2: Digitale Bildwelten – stark als Werkzeug, begrenzt als Sofa-Zwilling

Wir haben mit 3D-Objektscanning, Virtual Reality und 360-Grad-Rundgängen experimentiert. Besonders wertvoll sind diese Formate, wenn sie mehrere Zwecke erfüllen: für die Archivierung, für die Weitergabe oder den Verkauf von Wechselausstellungen, für die Vermittlung und für die Besuchsvorbereitung.

Als vollständiger digitaler Zwilling für einen Museumsbesuch vom Sofa sind sie hingegen nur begrenzt geeignet. Ein digitales Abbild dokumentiert Räume und Objekte, ersetzt weder die räumliche Erfahrung noch die Begegnung vor Ort. In vielen Fällen sind solche Formate deshalb eher Dokumentation und Produktionshilfe als eigenständiges digitales Erlebnis.

Beim 3D-Scanning zeigten sich konkrete technische Grenzen. Glänzende oder spiegelnde Oberflächen liessen sich nur schwer erfassen. Zudem lagerten die Modelle auf einer externen Plattform, die nicht mit unserem Datenbanksystem verbunden war. Damit fehlte eine nachhaltige Einbettung in unsere bestehende Infrastruktur: Die Scans waren zwar vorhanden, aber nicht automatisch auffindbar, verknüpft oder langfristig gesichert.

Auch bei Virtual Reality haben wir mehrere Projekte realisiert. Die anfängliche Euphorie ist inzwischen einer realistischeren Einschätzung gewichen. VR ist kein Selbstzweck und lohnt sich nur, wenn Inhalt, Nutzungssituation und Betrieb zusammenpassen. «SOS in VR» zeigt die positive Seite: Die Anwendung unterstützte den Verkauf der Ausstellung und funktioniert bis heute als interaktive Dokumentation. Andere Projekte bestätigten dagegen, dass der Produktions- und Betreuungsaufwand nicht automatisch zu einer dauerhaften Nutzung führt.

Zurück zur Blog-Übersicht