Wie 55.154 Einträge aus 20 offenen Quellen zu einer auditierbaren viersprachigen Plattform wurden.
Die gemeinsamen Entscheidungen der drei Register (Portugal, Frankreich, Spanien) und die gemeinsame AAT-Ontologie sind auf einer eigenen Seite in fünf Sprachen erklärt. Gemeinsame Methodik →
No existe un CSV nacional: 20 agentes de investigación verificaron por HTTP los portales de datos abiertos de 19 territorios (17 comunidades autónomas + Ceuta + Melilla) y el endpoint BICA del Ministerio; tabla viva en tools/fuentes.csv. Agregación multi-fuente con licencia por CCAA y lagunas publicadas (Mallorca, Menorca, Formentera, La Rioja general, Ceuta y Melilla; Múrcia, Gran Canaria y La Palma pendientes de licencia).
20 scripts tools/ingest_*.py, cada uno con prueba de recuento contra las cifras reales verificadas y guarda de límites geográficos por CCAA. Defectos de fuente detectados y corregidos (documentados): columnas UTM intercambiadas (GVA), duplicación sistemática ×2 (País Vasco), miles con puntos en el ODS de Galicia («4.697.704»), geometrías inválidas (Castilla y León), fila-residuo del XLSX de Extremadura. Euskadi: la clave FICHA_NUME+EUSTAT solo es única dentro de cada capa del servicio (construido/arqueológico) y borraba bienes arqueológicos reales como falsos duplicados; se deduplica por el número de ficha Ondarea.
build_dataset.py funde los 20 intermedios en 55.154 registros (25.132 BIC y 30.022 del inventario andaluz, marcados «inventariado») con claves únicas globales validadas; provincias con nombres canónicos INE (50 + Ceuta + Melilla); inventario de categorías brutas (t1) como entrada del vocabulario.
Los 77 valores brutos se canonicalizan en 24 categorías de display (los filtros conservan el valor bruto); traducciones ES/EN/DE/PT con fuentes; 12 alineamientos al Getty AAT (con semillas FR/PT) verificados mediante fetch_aat_es.py (46 sondas SPARQL).
52 provincias (es-atlas / IGN, CC BY 4.0); prepare_map_points.py pre-filtra en la build: 29.990 puntos georreferenciados (PIP o <15 km) y 4 628 provincias rellenadas por PIP donde la fuente no las aportaba. Andalucía (IAPH) entra sin coordenadas.
Motor multi-país (docs/design-meta-site.md): un único motor con configuración y datos por país; 69 páginas estáticas × 4 idiomas (ES/EN/DE/PT), datos client-side sin pérdida SEO.
Un vocabulario controlado de 39 tipologías (cuatro lenguas + alineamiento Getty AAT verificado) se asigna al 95% de los registros. Como ninguna fuente abierta española trae tipología de edificio, la asignación es derivada: valores exactos de las fuentes cuando existen (Navarra «Dolmen», Cataluña «Castell»…), heurísticas del nombre con reglas explícitas de cabecera, topónimos de relieve y falsos amigos («Casa cueva» es casa; «Cerro del Castillo» es yacimiento), y reservas por categoría arqueológica/conjunto/jardín. Una auditoría por LLM (825 registros, dos rondas) midió la precisión; los resultados y las reglas quedan en tools/typology_es.json y raw/typology_audit/.
Las fechas de construcción (3% de los registros) vienen por tres vías, por este orden: campos de las fuentes (CLM «S. XVI», periodos de Asturias, texto de Cantabria), Wikidata P571 y pistas inequívocas del nombre («románico» = S. XI-XIII). Siglos a. C. quedan en eras arqueológicas y no en siglos numéricos; cada valor lleva proveniencia y no se toca el temporal de la protección. Con más cobertura de fechas de construcción de los BIC, el ES podría sumarse a los gráficos de siglos de la comparación entre países.
En preparación: cruce con Wikidata P808, fotografías, fechas de protección normalizadas, dumps citables multi-licencia, SKOS, /api/ y comparación triangular ES·FR·PT; la auditoría de fidelidad cierra el ciclo.
Partielle Abdeckung: BIC aus offenen Quellen von 18 autonomen Gemeinschaften (Murcia, Gran Canaria und La Palma mit ausstehender Lizenz) und für Andalusien das IAPH-Inventar (30.022 Einträge), das BIC und lediglich inventarisierte Güter ohne unterscheidendes Feld mischt: sie erscheinen als „inventarisiert“, mit 4.598 Punkten des IAPH-Lokators und 971 von Wikidata (17.579 Güter nur mit Gemeindekreis), und außerhalb des Ländervergleichs. Personen noch nicht extrahiert; Materialien ohne Daten (Netzwerk ersetzt durch Kategorie ↔ Bezeichnung); Datierung nach Jahrhunderten nur teilweise: die meisten Einträge führen Schutzdaten.
Keine der spanischen Offenen-Data-Quellen veröffentlicht ein Feld für Gebäudetypologie (das portugiesische SIPA schon, die spanischen nicht). Jede Typologie wurde nur mit Belegen vergeben: zuerst exakte Quellenwerte, wo vorhanden (Navarra «Dolmen», Castilla y León «HÓRREOS Y PALLOZAS»), dann Namensheuristiken mit expliziten Regeln (der Kopf des Namens entscheidet, Relief-Toponyme zählen nicht, falsche Freunde sind gelöst: «Casa cueva» ist ein Haus, «Cerro del Castillo» eine Ausgrabungsstätte), dann Wikidata P31, zuletzt Reserven nach Kategorie. Entschließt keine Regel, bleibt das Feld leer: ehrliche Leere statt Fehler. Die Qualität wird nicht behauptet, sondern gemessen: ein LLM-Audit (825 Datensätze in geschichteter Stichprobe, zwei Runden, Agenten sehen nur Name und Quellfelder) lieferte Verdicts pro Datensatz, gescheiterte Regeln wurden korrigiert und betroffene Typologien mit neuer Stichprobe nachgeprüft. Regeln, Muster und Tests liegen in tools/typology_es.json und tools/build_typology_es.py; dieselbe Kombination aus Heuristik und LLM-Audit galt für die Bauchronologie.
Ein Gremium von 8 Agenten wird die Treue Seite↔Quelle über die Gesamtpopulation prüfen, sobald der Datensatz stabil ist; Berichte werden auf dieser Seite veröffentlicht.
Audit-Berichte herunterladen — informes de auditoría (próximamente)
El dataset agrega 20 fuentes abiertas, cada una con su licencia; los dumps respetarán la licencia original por fuente. Detalle por territorio en tools/fuentes.csv y docs/fuentes/; fallback para lagunas: BICA (Ministerio de Cultura).
Die autonomen Quellen enthalten Schutzakte und -daten in heterogenen Formaten (Decreto, Resolución, BOE/BOC/BOPA…); eine normalisierte Agenten-Extraktion ist als eigene Phase geplant.