4.2: Metadaten

Im vorigen Kapitel wurde beschrieben, wie die Struktur von Dokumenten bei der Suche verwendet werden kann. Ein anderer Ansatz, die Suche zu verbessern, besteht darin, zusätzliches Wissen zu nutzen, das über die Dokumente existiert. Das geschieht auch, wenn Literaturdatenbanken oder Kataloge verwendet werden. Diese Hilfsmittel sind aber zugleich zentralisierte Verweise auf die Dokumente einer Sammlung, mit denen der Zugriff organisiert wird, indem z.B. ein Standort in einer Bibliothek oder die genauen Veröffentlichungsdaten angegeben werden.

Bei der automatischen Verarbeitung von Dokumenten (oder allgemeiner: digitalen Objekten) kann dieser Zugriff gut über Programme organisiert werden, wenn die Objekte in einer Form beschrieben sind, die von Rechnern verarbeitet werden kann. Wenn solche Beschreibungen auch Daten über die Qualität, die Art der Veröffentlichung und die Zugriffsmöglichkeiten enthalten, können auch Dokumente, die nicht in einer extra aufgebauten und gepflegten Sammlung enthalten sind, gefunden werden. Daher ist es für digitale Objekte wichtiger, dass gute maschinenlesbare Beschreibungen existieren und gefunden werden können, als dass sie bereits als Kataloge organisiert sind. Solche Beschreibungen von Objekten bezeichnet man als Metadaten, also Daten über das eigentliche Dokument.

Mit SGML, XML und anderen Strukturierungsverfahren können verschiedene Textteile unterschieden werden. So können auch Metadaten, die ja eigentlich nicht zum Inhalt eines Textes gehören, in einem Dokument abgelegt werden, wie z.B. die Daten im Head-Element eines HTML-Dokuments. Durch die lange Tradition von Archiven und Bibliotheken gibt es insbesondere für wissenschaftliche Artikel und Bücher eine Vielzahl von bibliografischen Formaten, die Metadaten beschreiben. Dabei steht die formale Erfassung bibliografischer Daten im Vordergrund. Sie enthalten aber auch Daten, die den Inhalt beschreiben, wie Stichwortlisten oder Klassifikationen. Solche Daten werden übrigens auch bei gedruckten Büchern häufig in den Büchern selbst abgedruckt, z.B. als Library of Congress Cataloging-in-Publication Data. Die klassischen Bibliotheksformate sind allerdings für digitale Objekte oder Dokumente nicht unbedingt geeignet.

4.2.1: Dublin-Core-Metadaten

4.2.2: Hierarchisch strukturierte Metadaten

4.2.3: PICS

4.2.4: RDF und das Semantische Web