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.