640000 TEN-0001 1 true 640000 TPA-0001 LOT-0001 Angebot Twitter CON-0002 2024-08-26+02:00 ORG-0001 M/HSB1/OT746/SOWI2_DS TEN-0001 TPA-0001 ORG-0003 25 true ORG-0001 Universität der Bundeswehr München Werner-Heisenberg-Weg 39 ZV I.3 Neubiberg 85579 DE21H DEU +49 8960044015 zv.i.3@unibw.de ORG-0002 Bundeskartellamt - Vergabekammer des Bundes Bonn 53123 DEA22 DEU +49 22894990 +49 2289499163 ORG-0003 Twitter Inc. 1355 Market Street Suite 900 San Francisco CA 94103 USA +49 22894990 +49 2289499163 00514413-2024166/20242024-08-27+02:00 2.3 eforms-sdk-1.11 09d91e1b-6377-41e7-a364-eb4b40b4e022 faf1d432-d018-4066-80a2-4b02701d341f 2024-08-26Z 07:25:46Z 01 32014L0024 veat DEU body-pl education ORG-0001 neg-wo-call technical Zur Bearbeitung benötigt die UniBw M einen direkten und unmittelbaren Zugang zu historischen und Echtzeit-Rohdaten der Tweets, die weder aggregiert, noch vorverarbeitet sind und alle relevanten Metadaten enthalten. Nicht aggregierte Daten sind insoweit wesentlich, da nur diese im vollen Maße für die Forschungszwecke ausgeschöpft werden können. Jegliche Aggregation durch etwaige Vermittler schränkt die Datenanalyse stark ein, was nicht im Sinne des Forschungsprojektes ist. Daher ist die Bereitstellung der nicht aggregierten Tweets-Daten ein Alleinstellungsmerkmal der hier zu beschaffenden Twitter APIs, die ausschließlich durch Twitter direkt bereitgestellt werden können. Twitter verbietet explizit jede Weitergabe bzw. Publikation von nicht aggregierten Twitter-Daten in großen Maßen bei der Zulassung von Dritten zu seiner API, so dass damit automatisch ein Monopol auf diese Art von Daten besteht. Aus technischen Gründen steht der Auftragnehmer – Twitter – von vornherein fest. Denn nur Twitters Datenzugang kann die Anforderungen der UniBw M kumulativ erfüllen. Ein Wettbewerb scheidet von vornherein aus, da ein Monopol auf nicht aggregierte Twitter-Rohdaten besteht, die im Rahmen des Forschungsprojektes erforderlich sind. M/HSB1/OT746/SOWI2_DS Datenzugang zur Twitterdatenbank Die UniBw M beabsichtigt, im Rahmen des Projekts SPARTA einen Zugang zu Twitter-Daten zu beschaffen. Die UniBw M plant hierfür den Einkauf von Daten sowie der Programmier-schnittstellen, mit denen sie auf Daten von Twitter, insbesondere Tweets, zugreifen kann. Die UniBw M benötigt einen direkten und unmittelbaren Zugang zu historischen und Echtzeit-Rohdaten der Tweets, die weder aggregiert, noch vorverarbeitet sind und alle relevanten Metadaten enthalten. Nicht aggregierte Daten sind insoweit wesentlich, da nur diese im vollen Maße für die Forschungszwecke ausgeschöpft werden können. Die Twitter-Daten müssen in großen Mengen automatisiert über eine fest definierte programmierbare Schnittstelle abgerufen werden können. Reine Anzeige von Tweets mit allen Metadaten über eine Benutzeroberfläche, bei der eine menschliche Interaktion erforderlich ist, ist nicht ausrei-chend. Der automatisierte Abruf soll über die Schnittstelle in großen Batches von Tweets – im Falle der historischen Daten – und in Streams von Tweets – im Falle von Echtzeitdaten – an-hand der dedizierten Filterkriterien erfolgen, so dass diese Daten in weiteren Schritten maschinell verarbeitet und abgespeichert werden können. Darüber hinaus ist erforderlich, dass die Abfrage (Lookup) von einzelnen Tweets und Benutzern sowie deren Followern anhand eindeutiger ID möglich ist. Die bereitgestellte Schnittstelle muss fähig sein, die Daten in JSON-Format auszuliefern. Die Schnittstelle muss zudem ermöglichen, mittels offener und nicht proprietärer Protokolle zu kommunizieren (z.B. HTTP). Die ausgelieferten Tweets bzw. Benutzer müssen Datenfelder gem. der Twitter-Definition des Tweet- bzw. User-Objektes enthalten. Dabei sind bei den Tweets insbesondere hervorzuhe-ben: Textinhalte des Tweets (Kurznachricht), eingeschlossene Entities wie Hashtags, Medien, URLs etc.; Autordaten, Geolocation, Daten oder Referenz des originalen Tweets bei einem Retweet, Reply oder Quote etc. Zur Filterung der Daten im historischen und Echtzeitmodus muss das System eine dedizierte Sprache zur Bildung von Filterregeln anbieten. Diese Abfragesprache (Query Language) muss neben den Operatoren zum Filtern nach Hashtags und Textausdrücken auch diverse andere Operatoren unterstützen: Abfrage von binären Eigenschaften (Bsp: Ist Retweet, Hat Geolocation etc.), Filtern nach erkannter Sprache des Tweets und der Geolocation nach Na-men (Bsp: Land, Region etc.) und Radius, Abfrage von erkannten Eigennamen für Personen und Orten (Named-entity), Zähleroperatoren (z.B. Anzahl der Tweets des Autores) u.w. Die Filter-Operatoren müssen mit booleschen Operatoren UND / ODER / NICHT gruppiert wer-den können, so dass deren Verbindung eine Filterregel mit einer maximalen Länge von ca. 2000 Zeichen ergeben kann. Das System muss fähig sein, mehrere gleichzeitige 100 Filterregeln für jeden Batch im Rahmen der historischen Abfragen und mehrere 1000 Filterregeln für jede einzelne Streaming-Verbindung im Rahmen der Echtzeitabfragen verarbeiten zu können. Die Filterregeln müssen einen eindeutigen Bezeichner tragen können, so dass nach der Ab-frage ersichtlich ist, welcher Tweet durch welche Regel eingeholt wurde. Im Hinblick auf den Datendurchsatz muss die Schnittstelle für die historischen Daten bis zu 50 Abfragen pro Tag erlauben sowie mindestens 2 gleichzeitig laufende Abfragen bedienen können. Die Schnittstelle für Echtzeitdaten sollte bis zu 50 gleichzeitige aktive Streaming-Verbindungen bedienen. Die UniBw M muss mittels der APIs spontan und flexibel auf gegenwärtige Entwicklungen reagieren und neue Keywords und Hashtags in die API-Abfrage minutiös einspeisen können. Die geladenen Daten müssen unmittelbar und direkt in die internen Analysepipelines eingeführt werden können. Eine historische Langzeitbetrachtung der Twitter-Daten, insbesondere von Tweets, seit der Gründung von Twitter 2006, sowie das Abrufen von Echtzeit-Tweets muss im großen Umfang (> 10 Mio. Tweets pro Monat) möglich sein. Daten-Löschkonzepte müssen umsetzbar sein, die den Löschanforderungen von Twitter entsprechen. services 72320000 Werner-Heisenberg-Weg 39 Neubiberg 85579 DE21H DEU LOT-0001 per-exa 100 price Preis Zugschlagskriterium ist der Preis ORG-0001 ORG-0001 Die Frist zur Einreichung eines Nachprüfungsantrages beträgt zehn Kalendertage ab dem Tag nach der Veröffentlichung dieser ex-ante Bekanntmachung. Auf § 135 Abs.3 GWB wird hiermit hingewiesen. ORG-0002 ORG-0002 true Datenzugang zur Twitterdatenbank Die UniBw M beabsichtigt, im Rahmen des Projekts SPARTA einen Zugang zu Twitter-Daten zu beschaffen. Die UniBw M plant hierfür den Einkauf von Daten sowie der Programmier-schnittstellen, mit denen sie auf Daten von Twitter, insbesondere Tweets, zugreifen kann. Die UniBw M benötigt einen direkten und unmittelbaren Zugang zu historischen und Echtzeit-Rohdaten der Tweets, die weder aggregiert, noch vorverarbeitet sind und alle relevanten Metadaten enthalten. Nicht aggregierte Daten sind insoweit wesentlich, da nur diese im vollen Maße für die Forschungszwecke ausgeschöpft werden können. Die Twitter-Daten müssen in großen Mengen automatisiert über eine fest definierte programmierbare Schnittstelle abgerufen werden können. Reine Anzeige von Tweets mit allen Metadaten über eine Benutzeroberfläche, bei der eine menschliche Interaktion erforderlich ist, ist nicht ausrei-chend. Der automatisierte Abruf soll über die Schnittstelle in großen Batches von Tweets – im Falle der historischen Daten – und in Streams von Tweets – im Falle von Echtzeitdaten – an-hand der dedizierten Filterkriterien erfolgen, so dass diese Daten in weiteren Schritten maschinell verarbeitet und abgespeichert werden können. Darüber hinaus ist erforderlich, dass die Abfrage (Lookup) von einzelnen Tweets und Benutzern sowie deren Followern anhand eindeutiger ID möglich ist. Die bereitgestellte Schnittstelle muss fähig sein, die Daten in JSON-Format auszuliefern. Die Schnittstelle muss zudem ermöglichen, mittels offener und nicht proprietärer Protokolle zu kommunizieren (z.B. HTTP). Die ausgelieferten Tweets bzw. Benutzer müssen Datenfelder gem. der Twitter-Definition des Tweet- bzw. User-Objektes enthalten. Dabei sind bei den Tweets insbesondere hervorzuhe-ben: Textinhalte des Tweets (Kurznachricht), eingeschlossene Entities wie Hashtags, Medien, URLs etc.; Autordaten, Geolocation, Daten oder Referenz des originalen Tweets bei einem Retweet, Reply oder Quote etc. Zur Filterung der Daten im historischen und Echtzeitmodus muss das System eine dedizierte Sprache zur Bildung von Filterregeln anbieten. Diese Abfragesprache (Query Language) muss neben den Operatoren zum Filtern nach Hashtags und Textausdrücken auch diverse andere Operatoren unterstützen: Abfrage von binären Eigenschaften (Bsp: Ist Retweet, Hat Geolocation etc.), Filtern nach erkannter Sprache des Tweets und der Geolocation nach Na-men (Bsp: Land, Region etc.) und Radius, Abfrage von erkannten Eigennamen für Personen und Orten (Named-entity), Zähleroperatoren (z.B. Anzahl der Tweets des Autores) u.w. Die Filter-Operatoren müssen mit booleschen Operatoren UND / ODER / NICHT gruppiert wer-den können, so dass deren Verbindung eine Filterregel mit einer maximalen Länge von ca. 2000 Zeichen ergeben kann. Das System muss fähig sein, mehrere gleichzeitige 100 Filterregeln für jeden Batch im Rahmen der historischen Abfragen und mehrere 1000 Filterregeln für jede einzelne Streaming-Verbindung im Rahmen der Echtzeitabfragen verarbeiten zu können. Die Filterregeln müssen einen eindeutigen Bezeichner tragen können, so dass nach der Ab-frage ersichtlich ist, welcher Tweet durch welche Regel eingeholt wurde. Im Hinblick auf den Datendurchsatz muss die Schnittstelle für die historischen Daten bis zu 50 Abfragen pro Tag erlauben sowie mindestens 2 gleichzeitig laufende Abfragen bedienen können. Die Schnittstelle für Echtzeitdaten sollte bis zu 50 gleichzeitige aktive Streaming-Verbindungen bedienen. Die UniBw M muss mittels der APIs spontan und flexibel auf gegenwärtige Entwicklungen reagieren und neue Keywords und Hashtags in die API-Abfrage minutiös einspeisen können. Die geladenen Daten müssen unmittelbar und direkt in die internen Analysepipelines eingeführt werden können. Eine historische Langzeitbetrachtung der Twitter-Daten, insbesondere von Tweets, seit der Gründung von Twitter 2006, sowie das Abrufen von Echtzeit-Tweets muss im großen Umfang (> 10 Mio. Tweets pro Monat) möglich sein. Daten-Löschkonzepte müssen umsetzbar sein, die den Löschanforderungen von Twitter entsprechen. services 1 72320000 2000-01-01Z