Inhaltsverzeichnis I

Inhaltsverzeichnis   

Abbildungsverzeichnis   III

Tabellenverzeichnis   IV

1  Hintergrund und Forschungsfragen der Arbeit  1

2  Grundlegende Begriffe  4

2.1  Suchen oder Finden  4

2.2  Struktur von Datenbest anden  7

2.3  Unterschiedliche Arten der Relevanz  8

2.4  Information Retrieval  9

3  Suchen  11

3.1  Suchmaschinenarten  11

3.1.1  Suche in lokalen Datenbanken  11

3.1.2  Volltextsuchmaschinen.  11

3.1.3  Metasuchmaschinen.  11

3.1.4  Verzeichnisse  12

3.1.5  Spezielle Suchdienste  13

3.2  Suchmechanismen und Funktionsweisen  13

3.2.1  Webcrawler  13

3.2.2  Indexierung  14

3.2.3  Rangierungsprinzipien  14

3.3  Probleme der Suche und L osungsans atze.  15

3.3.1  Schwachstellen  15

3.3.2  L osungsans atze.  17

4  Finden  19

4.1  Personalisierte Internetsuche  19

4.1.1  Nutzerprofile als Basis der Personalisierung.  19

4.1.2  Personalisierung der Suchanfrage  19

4.1.3  Personalisierung des Suchalgorithmus  20

4.1.4  Personalisierte Pr asentation der Suchergebnisse  21

4.2  Kontextorientierte Konzepte.  21

4.2.1  Semantic Web  21

4.2.2  Nutzenspotentiale  24

4.2.3  Problemfelder  25

4.2.4  Bisherige Umsetzung neuer Suchkonzepte  25

5  Vergleich verschiedener Suchmaschinen  26

Inhaltsverzeichnis II

5.1  Beschreibung des Vorgehens  26

5.2  Auswahl der Testobjekte.  28

5.3  Ergebnisse und Auswertung  32

6  Zusammenhang und Ausblick  37

Literatur   38

A  Suchbegriff “Positip VRZ 659  V

B  Auswahl der zu testenden Maschinen - Teil 1  VI

C  Auswahl der zu testenden Maschinen - Teil 2  VII

D  Gefundene Antworten zur ersten Testfrage  VIII

E  Gefundene Antworten zur zweiten Testfrage  IX

F  Gefundene Antworten zur dritten Testfrage  X

Abbildungsverzeichnis   

Abbildungsverzeichnis   

Abbildung  1: Forschungsframework  

Abbildung  2: The DIKW hierarchy  

Abbildung  3: The wisdom hierarchy  

Abbildung  4: Die Weisheitspyramide als Kontinuum zwischen Suchen und Finden  

Abbildung  5: Relevanz  

Abbildung  6: Typischer Suchprozess und Probleme des Suchenden  

Abbildung  7: Ebenen des Semantic Web  

Abbildung  8: Testcase 1  

Abbildung  9: Ergebnis von Wolfram Alpha im Test Case 1  

Abbildung  10: Testcase 2  

Abbildung  11: Testcase 3  

Abbildung  12: Fr asmaschine mit Steuerungseinheit “Positip VRZ 659  

Abbildung  13: http://answers.yahoo.com/question/index?qid 20070902161031AA4vKY5.  

Abbildung  14: http://wiki.answers.com/Q/How far is Mars from Pluto.  

Abbildung  15: http://www.care2.com/greenliving/11-most-popular-apple-varieties.html  

Abbildung  16: http://wiki.answers.com/Q/Which apple is the most popular  

Abbildung  17: http://www.milesfaster.co.uk/postcodes/london-eye-hotels.htm.  

Abbildung  18: http://www.hotelplanner.com/Hotels/2315-NEAR-London-Eye  

Abbildung  19: http://maps.google.com/  

Abbildung  20: http://www tvtrip com/hotels-near-Other-landscape 35-geo/London-Eye  

Tabellenverzeichnis IV

Tabellenverzeichnis

Tabelle 1: Steigerung der Wortanzahl bei Suchanfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Tabelle 2: Listen der besten Suchmaschinen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VI Tabelle 3: Maschinenstatistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . VII

Hintergrund und Forschungsfragen der Arbeit 1

1 Hintergrund und Forschungsfragen der Arbeit

Das rasante Wachstum des Internets h¨ alt kontinuierlich an und verkn¨ upft eine unvorstellbar große Menge an Daten. Schon lange ist es auf eine Gr¨ oße angewachsen, bei der eine sinnvolle Nutzung ohne automatisierte Hilfsmittel nicht mehr m¨ oglich ist. Zwar ist aufgrund der dezentralen Struktur des Internets eine genaue Berechnung des existenten Datenumfangs kaum m¨ oglich, erhobene Sch¨ atzungen versuchen aber einen Eindruck davon zu vermitteln. So besagt eine Studie der IDC, dass sich die digitalen Informationen bereits 2006 auf 161 Exabyte belief. Vorhersagen ¨ uber die weitere Entwicklung gehen davon aus, dass diese Masse sich bis 2010 von 161 auf 988 Exabytes mehr als versechsfacht hat. Außerdem ergab die Studie, dass ca. 95% der Daten im Internet in unstrukturierter Form vorliegen. Diese nutzbringend zu verarbeiten, stellt eine große Herausforderung dar (Gantz, 2007). Eine effektive Suche nach relevanten Informationen in dieser digitalen Welt bildet den Grundstein der Informationsgewinnung. Kurz nach der Erfindung des World Wide Webs galt in den Jahren 1991 bis 1994 das “Browsen” als die dominierende Fortbewegungsmethode in diesen Netz. Parallel dazu entwickelten sich die ersten Webcrawler, welche die Dokumente des Internets automatisch durchsuchen und in Datenbanken indexierten. Die automatische Volltextsuche wurde m¨ oglich. Mit dieser neuen Option wandelte sich das Suchverhalten der Nutzer. Anstatt zu erraten, welche Listeneintr¨ age am passendsten sind, konnten nun Suchbegriffe eingegeben und die Relevanz einzelner Treffer einer Ergebnisliste ¨ uberpr¨ uft werden. Die Geschwindigkeit des Suchens wurde durch dieses neue Konzept erheblich erh¨ oht, nicht aber die Geschwindigkeit des Findens. Denn auch die Anzahl der potentiell relevanten Ergebnisse stieg deutlich an (Buzinkay, 2006, S. 177). So durchsuchen Webcrawler stetig das Netz nach relevanten Informationen. Doch bleibt ihnen der gr¨ oßte Teil des World Wide Webs verborgen und nur ein Teil der tats¨ achlich vorhandenen Dokumente kann gefunden werden. Dar¨ uber hinaus liefert eine konkrete Suchabfrage eine so unfassbar große Menge an Treffern, dass die Wahrscheinlichkeit eines Fundes beim ersten Ergebnis der Wahrscheinlichkeit eines Lottogewinns nahe kommt. Durch Mehrdeutigkeiten im Text, die Komplexit¨ at und die schiere Masse des WWW stoßen traditionelle Suchmaschinen schnell an ihre Grenzen (Sack, 2010, S. 14).

Im Verlauf dieser Arbeit wird der Unterschied zwischen “Suchen” und “Finden” anhand einer Case Study dargestellt. Dabei wird die Sucheffizienz verschiedener Onlinesuchmaschinen mithilfe der notwendigen Klickanzahl bis Fund nach Eingabe einer Suchabfrage ¨ uberpr¨ uft. Die dabei gewonnenen Erkenntnisse bilden die Basis f¨ ur eine ¨ Ubersicht der verschiedenen Maschinen sowie

ihrer Funktionsweisen und Eigenschaften. Abschließend werden die wichtigsten Zusammenh¨ ange in einem Fazit kumuliert aufgezeigt und es wird ein Ausblick auf die weitere Entwicklung gege- ben.

Hintergrund und Forschungsfragen der Arbeit 2

Es sollen folgende Forschungsfragen in dieser Arbeit beantwortet werden. 1. Inwieweit sind bestehende Suchkonzepte f¨ ur das Internet geeignet? 2. Welche Suchkonzepte existieren derzeit und welche Trends werden verfolgt? 3. Welche Suchmaschinen erweisen sich bei einer Fallstudie mit multiplen Cases menschlicher Suchanfragen am geeignetsten?

Die folgenden Hypothesen werden durch die Antworten auf die Forschungsfragen best¨ atigt oder widerlegt. Zur ersten Frage ist anzunehmen, dass die bisher bestehenden Suchkonzepte eher ungeeignet sind. F¨ ur die zweite Frage wird angenommen, dass die meisten Maschinen immer noch auf dem klassischen Information Retrieval der Suche in strukturierten Datenbest¨ anden basiert und nur wenige der neuen Konzepte einer semantischen Suche implementieren. Bez¨ uglich der dritten Forschungsfrage wird vermutet, dass die neueren Suchkonzepte besser geeignet sind, um pr¨ azise Suchanfragen zu beantworten. In Abbildung 1 ist visualisiert, wie sich die Forschungsfragen und Hypothesen in den Forschungsrahmen dieser Arbeit eingliedern. Forschungsfragen wurden mit einem “F” veranschaulicht und Hypothesen durch ein “H” in der Darstellung gekennzeichnet

Abbildung 1: Forschungsframework (eigene Darstellung)

Das Ziel dieser Arbeit ist es, einen ¨ Uberblick bereits bestehender oder noch in Entwicklung be-

findlicher Konzepte zur Suche in strukturierten und unstrukturierten Datenbest¨ anden zu geben. Zu diesem Zweck werden diese Konzepte im ersten Teil der Arbeit ausf¨ uhrlich betrachtet und erkl¨ art, w¨ ahrend im zweiten Teil ein Vergleich derzeit bestehender und popul¨ arer Suchdienste mit Hilfe einer Case Study durchgef¨ uhrt wird. Die Motivation dieser Vorgehens besteht darin, vorhandene wichtige Literaturquellen aus diesem Bereich zusammenzuf¨ uhren, zu strukturieren und anschließend den Testergebnissen gegen¨ uber zu stellen.

Eine relevante Literaturquelle dieser Arbeit ist insbesondere Rowley, 2007, welche den Zusammenhang von Daten, Informationen, Wissen und Weisheit illustriert und somit eine Art der Dif- ferenzierung von Suchen und Finden erm¨ oglicht. Ein umfassender Vergleich von Lewandowski,

Hintergrund und Forschungsfragen der Arbeit 3

2005 dient der Unterscheidung der Stukturen von Datenbest¨ anden in Kap 2.2. Hartmann, N¨ af & Sch¨ auble, 2000 unterschieden in ihrem Buch zwischen verschiedenen Arten der Relevanz, was f¨ ur die Beurteilung der Treffenqualit¨ at von Suchmaschinen von großer Bedeutung ist. In vielen Quellen sind die unterschiedlichen Arten von Suchmaschinen und ihre Funktionsweisen beschrieben. Stellvertretend sollen hier Bischopinck & Ceyp, 2009 und Erlhofer, 2008 als besonders wichtige Werke genannt werden. Eine in Riemer & Br¨ uggemann, 2007 gegebene Zusammenfassung der personalisierten Suchkonzepte, bildet das Grundger¨ ust des ersten Teils des vierten Kapitels. F¨ ur den zweiten Teil, welcher sich dem Semantic Web widmet, sind unter anderem Schmaltz, 2004, und Sack, 2010 wichtige Quellen.

Zu Beginn der Arbeit werden die grundlegenden Begriffe Information Retrieval, Relevanz, Suchen und Finden betrachtet. Außerdem wird auf den Unterschied zwischen einer Suche in strukturierten und unstrukturierten Datenbest¨ anden eingegangen. Dieses Kapitel bildet die Basis dieser Arbeit und erkl¨ art Begriffe und Konzepte, die im weiteren Verlauf eine entscheidente Rolle spielen. Die weiteren Ausf¨ uhrungen gliedern sich in die Abschnitte “Suchen” und “Finden”. Der erste Teil der Arbeit beschreibt die verschiedenen Konzepte der klassischen Suchmaschinen. Zun¨ achst werden der Aufbau, die Funktionsweise und die Suchmechanismen der klassischen Volltextsuchmaschinen beleuchtet. Anschließend werden die Schwachstellen dieser Technik n¨ aher betrachtet und L¨ osungsans¨ atze vorgestellt.

Der zweite Teil der Arbeit widmet sich neueren Suchkonzepten. Dieser Abschnitt der Arbeit tr¨ agt den Titel “Finden”, da er die technischen Neuerungen einiger Suchdienste vorstellt. Diese haben das Ziel, die Suche m¨ oglichst schnell und effizient mit einem Fund zu beenden. Zuerst werden personalisierte Suchkonzepte vorgestellt. Hierbei wird die Suche durch Informationen ¨ uber den

suchenden Nutzer unterst¨ utzt. Ist der Kontext, in welchen die Suche durchgef¨ uhrt wird bekannt, zum Beispiel durch Nutzerprofile, so k¨ onnen relevante Webseiten leichter gefunden werden.Sp¨ ater in diesen Kapitel wird auf die Entwicklungen des “Semantic Webs” eingegangen. Dieses hat zum Ziel, Zusammenh¨ ange der Daten untereinander und die Semantik der Suchanfrage zu erkennen und die Qualit¨ at der Ergebnisse somit wesentlich zu verbessern.

Nachdem im dritten und vierten Kapitel die wesentlichen Konzepte einer Suche in strukturierten und unstrukturierten Datenbest¨ anden vorgestellt und ausf¨ uhrlich erl¨ autert wurden, folgt im Kapitel f¨ unf eine Case Study. Diese vergleicht die Antworten ausgew¨ ahlter Suchmaschinen mit Hilfe von drei verschiedenen Testfragen. Dieser Vergleich verdeutlicht die Unterschiede zwischen den einzelnen Suchdiensten und ihren Technologien.

Das abschließende Kapitel zeigt grundlegende Zusammenh¨ ange auf und gibt einen Ausblick auf die weitere Entwicklung von Suchmaschinen und ihren Technologien.

Grundlegende Begriffe 4

2 Grundlegende Begriffe

2.1 Suchen oder Finden

Der Titel dieser Arbeit ”Die Geschichte von Suchen und Finden in einer digitalen Welt” wirft die Frage nach dem Unterschied zwischen klassischen Suchmaschinen und modernen, kontextorientierten Suchkonzepten auf. Prinzipiell w¨ are eine Maschine in dem Moment eine Findemaschine, wenn sie die Frage des Nutzers so beantwortet, dass dies die Suche beendet. Bisherige Suchmaschinen liefern auf eine Suchanfrage hingegen nur Unmengen an Daten und k¨ onnen dennoch nicht garantieren, dass die Anfrage damit vollst¨ andig beantwortet wird. Es existieren aber bereits kon-textorientierte Konzepte, welche einer Findemaschine n¨ aher kommen als bisherige Systeme. Im Folgenden wird der Unterschied zwischen Suchen und Finden mit Hilfe der Data-Information-Knowledge-Wisdom (DIKW) Hierarchie erkl¨ art. In diesem Rahmen k¨ onnen verschiedene Beispielmaschinen geordnet werden.

Abbildung 2: The DIKW hierarchy (Rowley, 2007, S. 2)

Die DIKW Hierarchie visualisiert den Zusammenhang von Daten, Informationen, Wissen und Weisheit. Daten bilden die Basis dieser Pyramide. Aus ihnen k¨ onnen sp¨ ater Informationen generiert werden, welche die Grundlage f¨ ur Wissen bilden. Die Spitze der Pyramide, die Weisheit, kann wiederum nur ¨ uber Wissen erreicht werden (Rowley, 2007, S. 2 ff). Um verschiedene Suchkonzepte in diese Hierarchie einordnen zu k¨ onnen, werden die einzelnen Stufen (Daten, Information, Wissen und Weisheit) und die ¨ Uberg¨ ange zwischen ihnen im Folgenden n¨ aher betrachtet.

Daten sind das Produkt von Beobachtungen. Sie sind nicht nutzbar, bevor sie nicht in eine sinnvolle Struktur gebracht werden. Es fehlt ihnen sowohl an Wert als auch an Bedeutung, wenn sie ohne Kontext oder Interpretation vorliegen (Vgl.Ackoff, 1989; Groff & Jones, 2003). Beispielsweise beinhaltet eine Kundendatenbank Daten. Alle Fakten, die ¨ uber Kunden bekannt sind, zum

Beispiel Name, Adresse und gekaufte Produkte, werden darin eingetragen. Die Tabelle als Gesamtheit betrachtet, bringt Menschen keine Informationen, da diese nicht alle Eintr¨ age auf einmal ¨ uberblicken k¨ onnen.

Grundlegende Begriffe 5

Informationen sind aggregierte Daten, die eine Bedeutung, Relevanz oder ein Ziel haben. Diese entstehen durch Klassifizierung, Sortierung, Aggregation, Berechnung oder Selektion. Dabei entscheidet jedoch der Mensch als Konsument, ob konkrete, einzelne Dokumente f¨ ur ihn Daten oder Information sind. Um von Bedeutung zu sein, m¨ ussen diese mit seinen bereits gesammelten Erfahrungen oder anderen Daten in Beziehung stehen (Vgl.Curtis & Cobham, 2005; Groff & Jones, 2003). Aus der bereits erw¨ ahnten Kundendatenbank k¨ onnen beispielsweise Informationen gewonnen werden, indem man sich alle Kunden einer bestimmten Stadt ausgeben l¨ asst. Die Information f¨ ur den Menschen w¨ are in diesem Falle die Anzahl der Kunden in dieser Stadt. Wissen entsteht aus Daten und Informationen. W¨ ahrend Daten Objekten zugeh¨ orig sind, tragen Menschen das Wissen in sich. Es ist das Verst¨ andnis f¨ ur ein spezielles Themengebiet, welches durch Lernen und Erfahrung gewonnen wurde und Menschen in die Lage versetzt, Entscheidungen besser f¨ allen zu k¨ onnen (Vgl.Chaffey & Wood, 2005; Boddy, Boonstra & Kennedy, 2005; Awad & Ghaziri, 2004a). Es kann dabei zwischen explizitem Wissen, welches in schriftlicher Form vorliegt oder welches artikulierbar ist und implizitem Wissen, welches in Form von Erfahrungen jedem Menschen zu eigen ist, unterschieden werden (Vgl.Awad & Ghaziri, 2004b; Laudon & Laudon, 2006). Computer sind nicht in der Lage implizites Wissen auszugeben, da dies auschließlich einem konkreten Menschen zugeh¨ orig sein kann. Explizites Wissen ist jedoch generierbar. Wenn implizites Wissen durch Verschriftlichung durch Menschen einmal urbar gemacht wurde, so kann dies von Computern gespeichert und verkn¨ upft werden. Dadurch kann unter Umst¨ anden neues Wissen generiert werden. Beispielsweise hat der Gesch¨ aftsf¨ uhrer eines Unternehmens die M¨ oglichkeit mit Hilfe besagter Kundendatenbank, Ver¨ anderungen im Kaufverhalten der Kunden einer Region ¨ uber mehrere Jahre hinweg zu verfolgen. Die Datenbank gerneriert dieses Wissen intern durch die Kombination verschiedener Datens¨ atze.

Weisheit ist gesammeltes Wissen, welches das Verst¨ andnis daf¨ ur bringt, Konzepte einer Wissensdomaine auf Situationen oder Probleme, die in einem anderen Kontext stehen, zu ¨ ubertragen.

Weisheit hat einen starken Bezug zur menschlichen Intuition, Interpretation und dem Verst¨ andnis der Dinge (Vgl.Jessup & Valacich, 2003; Jashapara, 2005). Sie geh¨ ort nach Auffassung der Autorin exklusiv dem Menschen. Durch seine gesammelten Erfahrungen und dem, aus der Datenbank gewonnenem Wissen, ist ein Gesch¨ aftsf¨ uhrer in der Lage, Entscheidungen ¨ uber die weitere Unternehmensstrategie zu f¨ allen. Einer rein computergest¨ utzten Entscheidung ist abzuraten. Einige Eigenschaften der Ebenen der Hierachie ¨ andern sich von Stufe zu Stufe. Wie in Abbildung

3 dargestellt, steigen zum Beispiel Wert, Struktur und Bedeutung in jedem Level. Auf der anderen Seite verringert sich die technische Umsetzbarkeit gegenl¨ aufig. Die Resultate von Suchmaschinen bewegen sich zwischen Daten und Weisheit. Nach der Definition der Encyclopaedia Britannica ist eine Suchmaschine ein Computerprogramm, das Antworten auf Anfragen in einer Sammlung von Informationen finden soll. Die Sammlung kann ein Bibliothekskatalog, eine Datenbank oder das World Wide Web sein. Eine Suchmaschine f¨ ur das Web generiert eine Liste von Seiten, also Dokumenten im Web, die die Terme der Anfrage enthalten

Grundlegende Begriffe 6

(Vgl.Encyclopaedia Britannica, 2009). Die Herausforderung einer jeden Suchmaschine besteht nun darin, Suchergebnisse zu liefern, die einem m¨ oglichst hohen Level der DIKW Hierarchie gerecht werden, um auch wirklich eine Antwort zu liefern und nicht nur eine Ergebnissammlung.

Abbildung 3: The wisdom hierarchy (Rowley, 2007, S. 14)

Es muss angemerkt werden, dass in der Literatur sowohl uneinheitliche Definitionen der Stufen der uber die ¨ DIKW-Hierachie zu finden sind, als auch verschiedene Ansichten ¨ Uberg¨ ange zwischen

ihnen (Vgl. (Rowley, 2007, S.13)). Im Rahmen dieser Arbeit wird davon ausgegangen, dass Daten, Informationen, Wissen und Weisheit auf einem Kontinuum liegen. In dessen Verlauf nehmen Strukturiertheit und Bedeutung stetig zu.

Abbildung 4: Die Weisheitspyramiede als Kontinuum zwischen Suchen und Finden (eigene Darstellung)

Mit Hilfe dieses Konzeptes sollen nun verschiedene Suchmaschinen nach der Qualit¨ at ihrer Dokumentenaufbereitung differenziert werden. In der Literatur besteht der Konsens, dass strukturierte Daten Informationen darstellen. Daher k¨ onnen Informationen nicht nur im menschlichen Geist, sondern auch in Informationssystemen gespeichert werden (Rowley, 2007, S. 12 ff). Eine Suchabfrage liefert nach einem suchmaschineninternen Ranking sortierte Dokumente. Da die Daten somit in einem Kontext stehen und strukturiert wurden, kann davon ausgegangen werden, dass es sich bei den Ergebnissen mindestens um Informationen handelt. Jedoch k¨ onnen durch die Probleme der