Was bedeutet Semantic Web?

Das Semantic Web be­zeich­net die nächste Ent­wick­lungs­stu­fe des World Wide Web. Im so­ge­nann­ten Web 3.0 werden In­for­ma­tio­nen nicht nur verknüpft, sondern Web­in­hal­te mit ma­schi­nen­les­ba­ren, se­man­ti­schen Metadaten an­ge­rei­chert und mit­ein­an­der verbunden. Ziel ist es, den In­for­ma­ti­ons­aus­tausch im Web zu op­ti­mie­ren, indem Maschinen ma­schi­nen­les­ba­re Be­deu­tun­gen, also se­man­ti­sche Inhalte, un­ter­schei­den und gezielt ver­ar­bei­ten.

Der Begriff „Semantic Web“ ist nur einer von vielen Begriffen, die eine se­man­ti­sche Wei­ter­ent­wick­lung des World Wide Web de­fi­nie­ren sollen. Neben Semantic Web sind auch folgende Be­zeich­nun­gen für das globale, se­man­tisch ver­knüpf­te In­for­ma­ti­ons­netz im Gespräch:

• Web 3.0: Wurde vom US-Jour­na­lis­ten John Markoff in Umlauf gebracht, um zu be­schrei­ben, wie das in­ter­ak­ti­ve, kol­la­bo­ra­ti­ve Web 2.0 um ma­schi­nen­les­ba­re Be­deu­tun­gen erweitert wird.
• GGG (Giant Global Graph): Von Tim Berners-Lee, dem Erfinder des WWW, als Be­schrei­bung der globalen In­for­ma­ti­ons­struk­tur genutzt, die eine se­man­ti­sche Struk­tu­rie­rung von Metadaten und Inhalten nutzt; GGG über­schnei­det sich kon­zep­tu­ell mit dem se­man­ti­schen Web.
• Linked Open Data: Wurde 2007 ein­ge­führt, um Metadaten-Standards, Abfrage-Routinen und vernetzte se­man­ti­sche Daten als Grundlage des Semantic Web zu betonen.
• Web der Daten: Vom W3C, dem World Wide Web Con­sor­ti­um, 2013 ein­ge­führ­te De­fi­ni­ti­on, um die syn­tak­ti­sche und se­man­ti­sche Ver­net­zung von Daten in einem Begriff zu­sam­men­zu­füh­ren.

Bisher richtet sich das WWW vorrangig nach der Syntax von In­for­ma­tio­nen aus. Hierzu nutzen Com­pu­ter­pro­gram­me Al­go­rith­men, die Daten-Indexe, Stich­wör­ter und Such­an­fra­gen ana­ly­sie­ren. Je nachdem, wie eindeutig eine Anfrage ist, liefern Such­ma­schi­nen mehr oder weniger passende Such­ergeb­nis­se (SERP). Für Nutzer und Un­ter­neh­men ist es jedoch wichtig, dass Programme Such- und Nut­zer­inten­tio­nen möglichst effizient ver­ar­bei­ten. Daher richtet sich das Semantic Web nicht nur nach Such­be­grif­fen und Syntax aus, sondern auch nach Be­deu­tungs­wer­ten. Maschinen können somit nicht nur Inhalte finden, sondern ihre Bedeutung verstehen und un­ter­schei­den.

Suchen Nutzer zum Beispiel nach der Phrase „Wann begann Angela Merkels Amtszeit?“, so werden heutige Such­ma­schi­nen in der Regel nicht „22. November 2005“ als Antwort liefern, sondern, basierend auf Keywords, möglichst passende Treffer zu Angela Merkel. Im Semantic Web würden Maschinen jedoch nicht nur den Inhalt, sondern auch die Bedeutung der Such­an­fra­ge verstehen und eine exakte Antwort liefern. Die Analyse von Be­deu­tun­gen umfasst im Semantic Web zudem nicht nur Texte, sondern auch Bilder, Laute, Zahlen und Symbole – alle Objekte also, die Be­deu­tungs­trä­ger sind.

Entitäten und On­to­lo­gien zählen zu den wich­tigs­ten Be­stand­tei­len des se­man­ti­schen Webs. „Entität“ ist ein Begriff aus der Semantik – eine solche Sinn­ein­heit besteht aus einem Iden­ti­fi­ka­tor und zu­ge­hö­ri­gen At­tri­bu­ten. Als Beispiel: „Barack Obama“ wäre in einer Entität der Iden­ti­fi­ka­tor, während In­for­ma­tio­nen wie „US-Präsident“, „Rechts­an­walt“, „Demokrat“ die Attribute, also be­schrei­ben­de Ei­gen­schaf­ten sind. Entitäten wiederum können zu­ein­an­der in Be­zie­hun­gen stehen und the­ma­tisch verwandt oder ver­schie­den sein.

Stehen Entitäten in einem Kontext zu­ein­an­der, ist von „On­to­lo­gien“ die Rede. On­to­lo­gien sind für Menschen bzw. Maschinen lesbar for­mu­lier­te, geordnete In­for­ma­ti­ons­men­gen und logische Aussagen, die Ver­bin­dun­gen her­stel­len und Be­zie­hun­gen aufzeigen.

Entitäten und On­to­lo­gien sind für das Semantic Web un­er­läss­lich. Nur mit ihnen können Programme Be­zie­hun­gen zwischen Worten, Satz­kon­struk­tio­nen, Bildern und Zeichen verstehen, Mehr­fach­be­deu­tun­gen und Duplicate Content in­tel­li­gent filtern, Web­in­hal­te in­ter­pre­tie­ren und Entitäten the­ma­tisch un­ter­schei­den. Auf diese Weise entsteht ein reiches Wis­sens­netz­werk, das nicht nur aus un­struk­tu­rier­ten In­for­ma­tio­nen, Keywords und Adressen besteht. Künst­li­che In­tel­li­gen­zen werden in Zukunft in der Lage sein, das ge­sam­mel­te Wissen des WWW nicht nur ober­fläch­lich zu durch­su­chen, sondern zu verstehen und ziel­füh­rend zu in­ter­pre­tie­ren.

Zur Rea­li­sie­rung des se­man­ti­schen Webs müssen Com­pu­ter­pro­gram­me lernen, Be­deu­tun­gen zu ex­tra­hie­ren. Das ist nur möglich, wenn vor­han­de­ne oder neue WWW-Inhalte struk­tu­rier­te Daten enthalten, die ma­schi­nen­les­bar for­mu­liert sind. Struk­tu­rier­te Daten werden mittels spe­zi­el­ler Standards und Klas­si­fi­zie­run­gen for­mu­liert und in Form von Schema-Markups und In-Page-Markups auf Websites codiert. Mit struk­tu­rier­ten Daten können Programme eindeutig un­ter­schei­den, was in einer Website bei­spiels­wei­se das Objekt „Bank“ als Geld­in­sti­tut vom Objekt „Bank“ als Sitz­mög­lich­keit un­ter­schei­det. Für eine ein­heit­li­che ma­schi­nen­les­ba­re Sprache wiederum sind Semantic Web Standards er­for­der­lich, wie sie das W3-Con­sor­ti­um bereits for­mu­liert hat.

Weitere Ansätze für ein­heit­li­che Semantic-Web-Standards sind die Con­tex­tu­al Browsing Language (CBL), die Zu­sam­men­hän­ge zwischen In­for­ma­tio­nen be­schreibt, sowie die Web Ontology Language (OWL), die In­for­ma­tio­nen hier­ar­chisch ordnet und klas­si­fi­ziert. Darüber hinaus helfen u. a. folgende Markups und Standards dabei, se­man­ti­sche Meta-Angaben, Standards und Regeln zu erstellen:

• RDF/RDFa (Ressource De­scrip­ti­on Network in At­tri­bu­tes): Dient zur de­tail­lier­ten Be­schrei­bung von Websites, um logische, se­man­ti­sche Aussagen über beliebige Inhalte zu treffen und kann durch RDFa ergänzt werden, um RDF in XML zu in­te­grie­ren.
• URI (Uniform Resource Iden­ti­fier): Iden­ti­fi­ziert In­for­ma­ti­ons­ein­hei­ten und verweist gleich­zei­tig auf frei ver­füg­ba­re Linked Open Data (LOD), also wei­ter­füh­ren­de Daten in HTTP-Do­ku­men­ten.
• RIF (Rule In­ter­ch­an­ge Fromat): Definiert Regeln, nach denen Be­deu­tungs­zu­sam­men­hän­ge zu erstellen sind.
• Dublin Core: Ein Standard für Metadaten, die in digitalen Do­ku­men­ten in­te­griert sind, und für die ma­schi­nen­les­ba­re In­ter­pre­ta­ti­on von Elementen, die in RDF for­mu­liert sind.
• RDFS (Resource De­scrip­ti­on Framework Schema): Kenn­zeich­net das RDF-Vokabular und legt die zu ver­wen­den­de Struktur und Syntax fest.
• SPARQL (SPARQL Protocol And RDF Query Language): Dient als Ab­fra­ge­spra­che und -protokoll für Inhalte aus dem RDF-System, das aus logischen Be­schrei­bun­gen und Zu­sam­men­hän­gen von Daten besteht.

Vor allem für das On­line­mar­ke­ting sind die Vorteile des Semantic Web nicht zu un­ter­schät­zen. Schon jetzt sind Un­ter­neh­men darauf an­ge­wie­sen, sich an die Di­gi­ta­li­sie­rung der Ge­schäfts­welt an­zu­pas­sen. Wer das Kauf- und Such­ver­hal­ten von Kunden und Ziel­grup­pen ana­ly­siert, kann per­so­na­li­sier­te In­for­ma­tio­nen be­reit­stel­len und mehr Traffic ge­ne­rie­ren. Im On­line­mar­ke­ting lässt sich Werbung, die sich auf die Semantik von Web­in­hal­ten aus­rich­tet, besser anpassen und mit Keywords verbinden, die den eigenen Leis­tun­gen und Produkten ent­spricht.

Auch für such­ma­schi­nen­op­ti­mier­te Websites kommt es nicht nur auf gefragte, gute Keywords an, sondern auf se­man­ti­sche Zu­satz­in­for­ma­tio­nen, die Inhalte struk­tu­rie­ren und für eine ma­schi­nen­les­ba­re In­for­ma­ti­ons­ar­chi­tek­tur sorgen. Achten Sie darauf, struk­tu­rier­te Daten in Websites ein­zu­bin­den und Web­in­hal­te mittels se­man­ti­scher Standards so viel­sa­gend wie möglich zu gestalten. Auf diese Weise ver­bes­sern Sie nicht nur Ihr Ranking in den Such­ma­schi­nen, sondern werden von genau den Ziel­grup­pen gefunden, die Sie auf sich auf­merk­sam machen wollen.

Das Semantic Web steht noch am Anfang, erste Schritte in die richtige Richtung werden jedoch seit einigen Jahren un­ter­nom­men. So zeigen sich die Mög­lich­kei­ten des Semantic Web in Googles Rank Brain, das Such­an­fra­gen, die dem Al­go­rith­mus bisher unbekannt sind, the­ma­tisch zuordnen kann. Auch Googles Bil­der­su­che „erkennt“ bereits, wonach Nutzer suchen, und liefert the­ma­tisch ähnliche Bild­ergeb­nis­se. Ebenso ist Googles Feature Knowledge Graph in der Lage, se­man­ti­sche Entitäten zu erkennen und die wich­tigs­ten zu­sam­men­hän­gen­den oder ver­wand­ten In­for­ma­tio­nen zu­sätz­lich zu den Such­ergeb­nis­sen an­zu­zei­gen. Ähnlich auch Googles Rich Snippets und Rich Cards, die struk­tu­rier­te Daten in Form von Info-Ka­rus­sells und Auszügen von Websites auf­be­rei­ten.