Tagging (alias “Verschlagwortung” bzw. “Annotation”) ist spätestens seit dem Web 2.0 ein gängiger Begriff. Gemeint ist das Beschreiben von zumeist unstrukturierten Webseiten mit Hilfe von “Schlagworten” oder eben neudeutsch mit “Tags”.

Wird das Tagging nun gemeinsam (kollaborativ) im Web durchgeführt, wird also ein und dasselbe Web-Dokument mehrmals von verschiedenen Usern getaggt, spricht man vom “Social Tagging” (oder auch vom “Collaborative Tagging”). Das Resultat dieses Vorgangs wird anschaulich als so genannte TagCloud präsentiert, das u.a. dabei hilft, schnell einen Eindruck vom Inhalt der getaggten Ressource zu bekommen.

TagClouds repräsentieren eine Folksonomy, die gerne als Ersatz oder gar als bessere Alternative zu Taxonomien bzw. Thesauri ins Spiel gebracht werden, wenn es um die Wissensorganisation geht. Wodurch zeichnen sich Folksonomies nun  gegenüber anderen Möglichkeiten der Indexierung aus?

• kein zugrundeliegendes Wissensmodell, keine Vorarbeit nötig
• zumeist keine Syntaxregeln bei der Formulierung der Tags
• Tag-Systeme sind einfach zu bedienen
• Vorschläge via Autocomplete möglich: Tags anderer User (oder eigene Tags) werden angezeigt
• Kaum Möglichkeiten der Disambiguierung, doppeldeutige Tags können nicht unterschieden werden
• sehr eingeschränkte Möglichkeiten, die semantischen Beziehungen der Tags untereinander ausdrücken zu können
• eingeschränkte Möglichkeiten Tags mit Konzepten aus dem Semantic Web (z.B. DBpedia) verknüpfen zu können

Die Vorteile der Web 2.0-typischen Tagging-Systeme für Anwendungen im Internet liegen auf der Hand: Da das Web ohnedies überaus heterogene Inhalte zu verarbeiten hat und die User nur relativ selten Tagging-Systeme nutzen, überwiegen die Vorteile der Folksonomy gegenüber allen konzept-basierten Tagging-Systemen (siehe dazu: Concept Tagging als zentraler Baustein einer Semantic Enterprise Architektur) immer dann, wenn das System auf großen Userzahlen basiert. Beim Vergleich von delicious mit Faviki – einem Tag-basierten bzw. Konzept-basierten System, wird jedoch augenscheinlich, welche Vorteile entstehen, wenn nicht “einfach” mit irgendwelchen Zeichenketten getaggt wird, sondern hinter jedem Schlagwort Konzepte, in diesem Fall aus der DBpedia stammen:

• Disambiguierung wird möglich, das Verschlagworten wird so präziser
• die Tags stehen zueinander in einer Beziehung – dank eines dahinterliegenden Thesaurus
• Vorschläge via Autocomplete sind auch ohne große Userzahlen möglich
• Interoperabilität: die verwendeten Tags beziehen sich von Haus aus auf Ressourcen, die auch in anderen Semantic Web Anwendungen verwendet werden
• das zugrundeliegende Wissensmodell musste zunächst erarbeitet werden, ist im Falle “Faviki” jedoch als Open Data verfügbar

Speziell für ein Enterprise 2.0 Szenario liegt jedoch auf der Hand, dass Tagging besonders dann effizient eingesetzt werden kann, wenn ein unternehmensweites kontrolliertes Vokabular, z.B. in Form eines Corporate Thesaurus vorliegt. Sind erst einmal Business-Objekte wie

• Produkte
• Regionen
• Wissens-Themen
• Skills
• Technologien etc.

mit eindeutigen Identifikatoren (z.B. als URIs) bezeichnet, mit aussagekräftigen (mehrsprachigen) Labels bezeichnet und semantisch zueinander in Beziehung gesetzt, so bekommt semantische Datenintegration eine konkrete Handlungsebene:

Werden Dokumente unternehmensweit mit eindeutig identifizierbaren Konzepten, statt mit einfachen Tags verknüpft, so wird eine Enterprise Search zur Realität

Und die gute Nachricht am Schluss: Der Aufwand, Dokumente mit Konzepten statt mit “einfachen Tags” zu annotieren ist gleich hoch. Mit Hilfe so genannter Tag Recommender bemerkt der End-User gar nicht, dass seine Tags eigentlich eine URI besitzen. Vielmehr wird der belohnt durch leistungsfähige Zusatzfunktionalitäten wie Similarity Search (“Suche nach ähnlichen Dokumenten”) und semantische Suche.

Kurze Demo gefällig? Registrieren Sie sich hier für den 30.6.2010!