In diesem letzten Blog-Eintrag unserer Serie geht es darum, wie man Wissen direkt in bestimmten Inhalten finden kann. Wir haben uns bereits angesehen, wie man die Stichwortsuche intelligenter gestalten kann, indem man Schemata mit zusätzlichen Hintergrundinformationen verwendet. Bei der Feinabstimmung der Stichwortsuche mit automatischen Suchvorschlägen ist das äußerst hilfreich.
Doch lassen sich wichtige Fakten auch direkt aus den Inhalten selbst ziehen?
Rich Snippets
In der Internet-Welt gibt es geeignete Methoden. Allerdings nur verbunden mit Mehraufwand für den Webmaster: Er fügt einer Webseite Informationen hinzu, die der Suchmaschine erklären, was der Text eigentlich bedeutet.
Wir alle kennen die Ergebnisse dieser sogenannten „semantischen Auszeichnung“.
Wenn Sie beispielsweise bei Google oder anderen Suchmaschinen den Namen eines Films, Restaurants oder Rezepts eingeben, dann erscheinen häufig zusätzliche Informationen in den Suchergebnissen.
Bei der Suche nach „shrimp salad“ zeigt mir Google ein sogenanntes Rich Snippet mit der Gesamtbewertung anderer Hobbyköche, der Zubereitungszeit und einem kleinen Bild des Gerichts an.
Der Webmaster hat dazu dem HTML-Text der Website bestimmte Begriffe von schema.org hinzugefügt – Gericht, Rezept, Autor usw. – um die Crawler über die Bedeutung der Website-Texte aufzuklären. Wie das genau funktioniert, lesen Sie hier.
Der Lohn der Mühe: Die Ergebnisse sind hochwertiger und die Wahrscheinlichkeit ist höher, dass die Nutzer auf den Link klicken.
Die semantische Auszeichnung ist also unter Umständen eine gute Möglichkeit, um den Traffic auf Websites zu steigern.
Die Struktur unstrukturierter Daten
Dieses Konzept lässt sich auf die unternehmensweite Suche übertragen. Dabei erwartet niemand, dass die Mitarbeiter ihre Berichte, Dokumente, Präsentationen und Tabellenkalkulationen mit zusätzlichen Informationen bestücken. Es geht um unstrukturierte, von Menschen erstellte Texte und nicht um HTML-Code von Entwicklern und Webadministratoren.
Doch tatsächlich verleihen wir allen unseren Inhalten eine gewisse Struktur. Tabellen, Listen, Aufzählungspunkte und formatierter Text sind Beispiele für informell ausgezeichneten unstrukturierten Text, der Informationen über die darin enthaltenen Inhalte liefert.
Vertriebsteam |
Region |
Leiter |
Sales Leads Q1 |
|---|---|---|---|
Bob |
Osten |
Tom |
20 |
John |
Mittlerer Westen |
Tom |
20 |
Kai |
Westen |
Frank |
15 |
Diese Tabelle könnte Teil eines Dokuments oder einer Tabellenkalkulation sein. Die Tabellenüberschriften geben Aufschluss über den grundlegenden Kontext – das Äquivalent zur semantischen Auszeichnung oder, wenn man so will, eine besondere Art von Metadaten.
Eine Suchmaschine für die unternehmensweite Suche, die ein semantisches Schema wie schema.org nutzt, könnte nun wissen, dass das „Vertriebsteam“ aus Personen besteht, dass „Regionen“ Orte und „Leiter“ Personen sind usw.
Bei der Suche nach „Vertriebsteam“ könnten die automatischen Suchvorschläge „Vertriebsteam Bob“, „Vertriebsteam John“ etc. angezeigt werden, wobei die Ergebnisse als Rich Snippet für jedes Mitglied des Vertriebsteams dargestellt würden.
Wenn die Suchmaschine Zugriff auf Active Directory hat, könnte das Ergebnis sogar in etwa so aussehen:
Sehr cool.
Und was ist mit völlig unstrukturierten Inhalten? Daran wird gerade noch getüftelt, doch es gibt bereits erste Erfolge, wenn es darum geht, die Bedeutung von Textabsätzen zu erkennen – zum Beispiel durch die Analyse von Schlüsselsätzen, Überschriften zu Absätzen oder sogar eingebettetem HTML-Text.
Niemand erwartet, dass die Ergebnisse der unternehmensweiten Suche ein so umfassendes Wissen bereitstellen wie die Suche im Internet. Doch in unstrukturierten Unternehmensdaten sind unglaubliche Wissensressourcen vergraben, die nur darauf warten, angezapft zu werden.
The post Unternehmensweite Suche: Die Verbindung von Daten und Wissen, Teil 3 appeared first on Varonis Deutsch.
