21. Oktober 2009, Letzte Änderung: 21. Oktober 2009

Wie das Web lernt: Explizite und implizite Bedeutung

Aber wie lernt das Web? Einige Leute glauben, dass die Bedeutung von Inhalten zunächst in spezielle Taxonomien übersetzt werden muss, damit Computerprogramme sie verstehen und darauf reagieren können. Dagegen sehen wir, dass in der Praxis die Bedeutung über Schlussfolgerungen auf Basis zahlreicher Daten erkannt wird.

Hervorragende Beispiele für diese Form des Lernens durch Maschinen sind Spracherkennung und visuelle Verarbeitung. Dabei ist es wichtig zu verstehen, dass die dafür benötigten Methoden auf weit mehr als die Auswertung reiner Sensordaten basieren. Google Adwords ist ein lernendes System, das den optimalen Ort und Preis für Anzeigen automatisch in Echtzeit generiert, und das mittels eines Algorithmus’, der sich selbst immer weiter verbessert.

In anderen Fällen wird Bedeutung dem Computer »beigebracht«. Das bedeutet, dem Programm steht ein Mapping zur Verfügung zwischen einem Satz strukturierter Daten und einem anderen. Die Verbindung zwischen GPS-Daten und Adressen wird beispielsweise besser beigebracht als erlernt. GPS-Daten und Adressen sind strukturierte Daten, aber es ist ein Gateway notwendig, das sie miteinander in Beziehung setzt.

Ein anderer Weg, Struktur in unstrukturierte Daten zu bringen, ist es, einem Programm beizubringen, wie es einen Sinn in den Daten erkennt. Die iPhone-Applikation You R Here beispielsweise kombiniert beide Ansätze geschickt: Angenommen, Sie nutzen Ihre iPhone-Kamera, um ein Foto einer Karte aufzunehmen, die Details enthält, die auf gewöhnlichen Routenplanern wie Google Maps nicht zu finden sind, beispielsweise eine Wanderkarte. Sie verwenden die GPS-Position des iPhones, um den aktuellen Standpunkt auf der Karte festzulegen. Sie wandern ein wenig und setzen dann einen zweiten Punkt. Nun kann die Applikation Ihre genaue Position auf der fotografierten Wanderkarte genau so einfach und exakt ausfindig machen wie auf Google Maps.

Einige der bekanntesten und nützlichsten Webservices sind genau auf diese Art und Weise entstanden: Unstrukturierte Daten konnten strukturiert werden, indem Regeln gefunden wurden, die zunächst übersehen wurden.

Ti Kan, Steve Scherf und Graham Toal, die Entwickler von CDDB, erkannten, dass die Länge der Stücke auf einer CD eine einzigartige Signatur formen, die in Verbindung gebracht werden kann mit dem Künstler, dem Album und den Songtiteln. Larry Page und Sergey Brin erkanten, dass ein Link eine Empfehlung darstellt, so wie Marc Hedlund von Wesabe erkannte, dass jede getätigte Online-Zahlung ebenfalls eine Empfehlung darstellt und dass es etwas bedeutet, wenn ein Kunde einen (Online-)Händler immer wieder aufsucht. Mark Zuckerberg von Facebook erkante, dass freundschaftliche Beziehungen online ein reelles soziales Beziehungsgeflecht repräsentieren. Dadurch haben sie Daten, die zunächst unstrukturiert zu sein schienen, in strukturierte Daten verwandelt. Und jeder von ihnen nutzte dafür sowohl Menschen als auch Maschinen.

Was Sie mitnehmen sollten: In der Web-2.0-Ära ist eine Schlüsselkompetenz, Zusammenhänge in scheinbar heterogenen Daten zu erkennen, die Daten dadurch nutzbar zu machen und ein Ökosystem um sie herum aufzubauen.