Metadaten im Zentrum von individuellen Digital Workplaces.

Metadaten helfen bei der Bewältigung von Herausforderungen bei der Strukturierung eines Intranets.

Komplexe Intranets mit einer Vielzahl von redaktionellen Inhalten, Dokumenten, etc. sind überaus herausfordernd bei der Strukturierung, und oft frustrierend für die Anwender. Das Finden von Inhalten über die Navigation ist schwierig und die Suche führt ohne eine gute Filterung nur selten zum gewünschten Ergebnis. Die Lösung dafür waren schon immer Metadaten, welche jedoch selten bei den Redakteuren beliebt und auch langfristig nicht aus dem Informationschaos geholfen haben.

Gängiger Einsatz von Metadaten

Der Einsatz von Metadaten zur Anreicherung von unstrukturierten Daten mit einer einheitlichen Struktur in Form von „Tags“ ist quasi zum Standard geworden. Über eine solche zusätzliche Strukturierung sind dann Filter oder eine Sortierung bei der Darstellung möglich. Weiter können Metadaten bei der langfristigen Sicherung der Informationsqualität helfen, indem z.B. Informationen zur Verantwortlichkeit und der letzten Freigabe für einen Workflow genutzt werden.

Content Intelligence Definition Smartlogic
Quelle Namics

Die Metadaten folgen dabei einer vorher festgelegten Struktur (Taxonomie) mit hierarchischen oder semantischen Beziehungen oder sind sogar vollkommen frei bei der Definition (Folksonomie). Weiter gibt es die eher technischen und dann die strukturellen/inhaltlichen Metadaten, welche sich dann auch bei der Pflege unterscheiden.

Anwendungsfälle für den Einsatz von Metadaten

Als Anwendungsfälle für den Einsatz von Metadaten wurden bereits ein paar genannt:

  • Strukturierung von Inhalten z.B. ĂĽber generierte Linklisten zu ähnlichen Inhalten
  • Optimierung der Suche durch Bereitstellung von Filter Facetten und Anreicherung des Indizes
  • Steuerung der Informationsqualität z.B. ĂĽber Wiedervorlageprozesse

Zusätzliche beispielhafte Anwendungsfälle für Metadaten wären:

  • Zusätzliche strukturierte Analyse von Inhalten, wie z.B. zu deren Nutzung oder der Auswertung bestimmter Themenbereiche
  • Nutzung von Metadaten bei der Personalisierung und Individualisierung von Inhalten fĂĽr die Anwender
  • Aufbau von unternehmensweiten Topic/Knowledge Maps
  • Verbindung von Systemen z.B. durch Integration oder ĂĽbergreifende Suche
  • Inhaltliche VerknĂĽpfung ähnlicher Inhalte ĂĽber dynamische Listen basierend auf Metadaten und Ă„hnlichkeiten (Recommendations)
  • etc.

Herausforderungen beim Einsatz von Metadaten

Eine Taxonomie für einen Anwendungsfall, wie dem Intranet oder einer Website wird i.d.R. einmalig im Rahmen des Projekts definiert und in der jeweiligen Plattform für die Redakteure und Anwender umgesetzt. Der Normalfall ist, dass es dafür keinen Prozess oder Verantwortlichen gibt, welcher für die kontinuierliche Optimierung dieser Taxonomie zuständig ist und diese potenziell recht schnell „veraltet“.

Komplexere und systemübergreifende Taxonomien bergen das Risiko, dass sie für Anwender und insbesondere für die Redakteure zu komplex sind. Anwendern wird eine zu große Vielfalt an Filtern und Funktionen angeboten, die Redakteure müssen sehr viel zusätzliche Zeit mit der Pflege von Metadaten investieren und ihnen ist selten transparent, was dieses am Ende bringt.

Zumindest früher waren mindestens die strukturellen Metadaten durch die Redakteure zu pflegen. Primär technische Zusatzinformationen könnten z.B. vom Content Management System automatisiert an einen Inhalt angefügt werden, wodurch der Redakteur keinen zusätzlichen Pflegeaufwand hat.

Jedes System (z.B. DMS, Asset Management) hatte hier allerdings einen eigenen Ansatz verfolgt und die jeweiligen Taxonomien waren unterschiedlich bzw. es gab bereits eine ganze Reihe von Überschneidungen, welche allerdings eher zufällig und ungesteuert entstanden sind.

Maximaler Mehrwert durch „Enterprise Information Architecture“

Erst wenn die Metadaten im Sinne einer „Enterprise Information Architecture“ auf einen höheren Level mit einer Strategie, Governance und auch Tools gehoben werden, wird daraus eine Lösung, welche nicht nur im Intranet, sondern potenziell allen Systemen zugute kommt, welche für die Bereitstellung und Verwaltung „unstrukturierter Inhalte“, wie Dokumenten, Wissen, Assets, etc. in Unternehmen zum Einsatz kommen.

Dieses bedeutet allerdings, dass man nicht mehr die Metadaten nur für einen Anwendungsfall definiert, sondern möglichst ganzheitlich eine übergreifende Struktur schafft, mit welcher sich das Potenzial maximal ausschöpfen lässt. Wichtig ist hierbei, dass dabei auch vorhandene Systeme mit einbezogen werden, welche eher strukturierte Informationen bereitstellen. Beispiele dafür sind z.B. ein Product Information Management (PIM), Customer Relationship Management (CRM) oder Master Data Management (MDM) im allgemeinen. Basis solcher Systeme ist eine definierte Struktur unternehmensrelevanter Informationen und damit eine gute Basis für eine Strukturierung von Inhalten, Dokumenten, etc.

Solche vorhandenen Taxonomien lassen sich über das Konzept einer Ontologie wiederum miteinander verbinden und so eine unternehmensweite „Enterprise Information Architecture“ aufbauen.

Keine erfolgreiche Strategie ohne Governance

Um die mindestens langfristig entstehende Komplexität einer „Enterprise Information Architecture“ handhaben zu können, bedarf es klar definierter Verantwortlichkeiten und Prozesse. Dazu etabliert sich heute in den Unternehmen oft die Rolle eines „Librarian“ oder auch „Taxonomist“, welche die „Enterprise Architecture“ als „Business Domain Model“ sowohl aus fachlicher, und auch technischer Sicht verantwortet. Wesentlich für eine solche Rolle ist der Dialog mit den Fachbereichen und für die Systeme verantwortlichen Personen. Ziele müssen definiert und kontinuierlich an der Optimierung der Architektur gearbeitet werden.

Taxonomy Management & Insight Engines

Zur Modellierung, Verwaltung und Implementierung komplexer „Enterprise Architectures“ ist die Nutzung einer darauf spezialisierten Lösung zu empfehlen bzw. unabdingbar. Auch wenn über 90% der Unternehmen zur Verwaltung noch heute Excel einsetzen, lässt sich eine mittel- bis langfristige Qualität des Modells nur über ein entsprechendes Tool erreichen. Zudem sind für die genannten Anwendungsfälle entsprechende Schnittstellen in die einzelnen Anwendungen und insbesondere in Richtung der Suche notwendig.

„Taxonomy Management Tools“ unterstützen den „Taxonomisten“ primär bei der Modellierung, Verwaltung und Redakteure teilweise über eine „automatisierte“ Verschlagwortung.

Joseph A. Busch und Zachary R. Wahl benennen hier u.a. folgende Aspekte eines Taxonomy Management Tools:

  • Taxonomy Development
  • Taxonomy Maintenance
  • Taxonomy Governance
  • Reporting
  • Application Integration

Lösungsanbieter in diesem Bereich sind z.B. Smartlogic, PoolParty und Intelligent Views. Diese verfolgen teilweise sehr unterschiedliche Ansätze und man sollte vor einer Auswahl genau die Schwerpunkte für das Unternehmen festlegen und ggf. im Rahmen eines „Proof of Concepts“ testen.

Der durch Gartner neu benannte Bereich der „Insight Engines“ deckt darüber hinaus als eine „Suite“ auch verschiedene Anwendungsfälle, schafft insbesondere den personalisierten Zugriff auf Dokumente und deckt damit die (proaktive) Suche ab. Solche Lösungen schaffen so die Verbindung zu den CMS und DMS Systemen. Gartner nennt hier z.B. auch Microsoft als Lösungsanbieter mit SharePoint, Graph und Delve und definiert die Lösungen im März 2017 erschienenen Report Magic Quadrant for Insight Engines wie folgt:

„Insight engines apply relevancy methods to describe, discover, organize and analyze data. This allows existing or synthesized information to be delivered proactively or interactively, and in the context of digital workers, customers or constituents at timely business moments.

Insight engines gather content from a broad spectrum of sources, including those relevant to the immediate needs of digital workers. They extend beyond enterprise search by providing the capability to engage with content and extract insights without touching the source of that content.

Natural language and rich context are used in such interactions, which will come to rely less on a search box and a button and more on proactivity over time.“

Smartlogic verfolgt als Anbieter einen solchen Ansatz und bietet mit den Lösungen inbesondere auch Schnittstellen zu DMS, wie Documentum und Sharepoint, sowie eine Integration zu Search Engines wie z.B. Microsoft FAST. Smartlogic spricht dabei von „Content Intelligence“ und definiert dieses wie folgt:

„Content Intelligence is the combination of semantic technology and information science that allows machines to model, interpret, describe, analyze and visualize the content of the enterprise in order to leverage the human intelligence locked in that content“

Neben solchen spezialisierten Lösungen, bauen auch immer mehr Hersteller von Lösungen zur Verwaltung von Content und Dokumenten ihre Lösungen in diese Richtung aus und öffnen diese über entsprechende Schnittstellen. Sollte im Unternehmen z.B. bereits ein Dokumentenmanagement eingesetzt werden, sollte diese einmal in diese Richtung geprüft werden.

Intranet nur ein Baustein im Gesamtbild

Zu einer wirklich zentralen „Enterprise Information Architecture“ ist es ein meist langer Weg und auch Gartner geht in ihrem jährlich erscheinenden Hype Cycle davon aus, dass es noch mehr als zehn Jahre dauern wird, bis sich das Thema „Enterprise Taxonomy and Ontology Management“ in den Unternehmen durchgesetzt und etabliert hat. Ich selbst habe innerhalb meiner Projekte aber schon mehrfach Anknüpfungspunkte gehabt und die Lösungen in diesem Bereich sind bereits sehr weit und es ist abzusehen, dass diese in den Unternehmen auch immer mehr zum Einsatz kommen werden.

Wie sieht es bei Ihnen aus? Beschäftigen Sie sich auch mit dem Thema und haben Sie vielleicht bereits ein eigenes „Business Domain Model“ mit Hilfe solcher Tools erstellt?