EXPLORE INFORMATION / CREATE KNOWLEDGE

04 _ Semantische Karten

Zahlreiche Online-Projekte nutzen die Möglichkeiten des Internets: eine Überwindbarkeit großer Distanzen ohne nennenswerten Zeitverlust, einem möglichen Zugriff auf die zur Verfügung gestellten Inhalte von fast jedem beliebigen Ort der Welt und die Möglichkeit einer Vernetzung von Information. Konventionelle Suchmaschinen wie "Google" nutzen meist eine Volltextsuche und die so genannten Metatags (eine im HTML-Code versteckte Liste mit nicht klassifizierten Schlagwörtern) als Grundlage und können dabei Webpages nicht wirklich in ihrer Semantik erfassen. Als Lösungsansatz zur Erschließung auch sich diesen Suchmechanismen entziehender, dynamisch generierter Webpages, des "unsichtbaren Webs", wird derzeit das so genannte [link 01] Semantic Web gesehen, das von Tim Berners-Lee konzipiert wurde und vom World-Wide-Web-Konsortium W3C propagiert wird. Hierbei sollen Metadaten (also beschreibende Daten, die Erklärungen und Kontexthinweise liefern) erstellt werden und zur semantischen Verknüpfung dienen. Kritisch zu bedenken bleibt, dass das System nur dann funktioniert, wenn solche Metadaten konsequent und von allen Autoren angelegt werden.

Die meisten konventionellen Suchmaschinen stellen zudem die Ergebnisse ausschließlich textbasiert dar. Ein visuelles Erschließen von Inhalten wird hierbei nicht unterstützt. Zu einer der ersten Ausnahmen zählt beispielsweise die auf Google basierende Suchmaschine Kartoo. Hier wird bereits versucht, Suchergebnisse als Karte zu auszugeben und dadurch einen assoziativeren Zugang zu ermöglichen. Die gefundenen Objekte sind mit größeren oder kleineren Blättern je nach ihrer Relevanz für das gesuchte Thema dargestellt.

Künstliche, etwa alphabetische oder chronologische Indizierungssysteme erschweren mitunter den Zugang zu einmal gespeicherten Daten. Um verschollene Information wieder zu finden muss in solchen Fällen Verzeichnis für Verzeichnis durchsucht werden. Das menschliche Denken und Erinnern hingegen ist geprägt durch Gedankenassoziationen, durch ein kompliziertes Gewebe von Pfaden zwischen gespeicherten Wissensinhalten und persönlichen Erinnerungen. Hier scheinen Inhalte stets assoziativ miteinander verknüpft und in einer Art komplexen persönlichen Land- oder Informationskarte verortet zu werden. Solche komplexen, aber effektiven Verortungssysteme des menschlichen Gehirns werden bei konventionellen computerunterstützten Suchvorgängen nicht berücksichtigt. Neuere Ansätze innerhalb der Wissensmedien aber entwickeln Methoden des semantischen Verstehens, bei denen Wörterbücher verschiedener Art eine minimale Wissensbasis bilden. Ziel ist eine bessere Nutzbarkeit von Datenbanken und Archiven.
Erstmals zugänglich über semantische Analyseverfahren werden indirekte, bisher verborgene Informationen: die Beziehungen der Daten zueinander etwa, (inhaltliche) Verwandtschaften zwischen Datenbankeinträgen. Inhalte werden kontextualisiert und auf diese Weise auch größere Zusammenhänge überschaubar dargestellt.

[link 02] Conversation Map von Warren Sack (1997-2000) ist ein graphischer Browser für Datenmengen, die durch emailbasierte Unterhaltungen innerhalb sehr großer Personengruppen (VLSCs), zum Beispiel in Newsgroups und Chaträumen, entstehen. Das System wertet Tausende elektronischer Nachrichten aus und präsentiert die Ergebnisse graphisch. So wird ersichtlich, wer mit wem korrespondiert und welche Themen die Unterhaltungen dominieren. Darüber hinaus stellt eine Graphik ein semantisches Netz wiederkehrender Synonyme und Metaphern dar. Zuvor in den Daten verborgene Informationen über soziale Netzwerke und Gesprächsfelder werden auf diese Weise visuell erfahrbar. Ziel ist es, dem Benutzer die interessengeleitete Navigation durch solche großen Datenmengen zu ermöglichen.

Benjamin Fry's Projekt [link 03] Valence ist ebenfalls ein Beispiel für eine graphische Visualisierung komplexer semantischer Zusammenhänge, die sich zum Beispiel in einer einfachen tabellarischen Aufzeichnung aufgrund des Umfangs dem Verständnis entziehen würden. Zur Darstellung des Wortgebrauchs in Büchern (zum Beispiel Mark Twains Buch "The Innocent Abroad") verwendet Valence Formen organischer Informationsvisualisierung. Jedes Wort wird als Knotenpunkt visualisiert, von dem "Äste" ausgehen. Diese wiederum stellen Verbindungen zu anderen Begriffen her, die wiederholt im Textumfeld des Wortes auftreten. Das Programm "liest" den Text von Beginn an und platziert nach und nach jedes Wort im dreidimensionalen Raum. Je häufiger ein Wort Verwendung findet, desto weiter außen tritt es in der Graphik auf und ist daher wesentlich besser und auf den ersten Blick sichtbar als selten verwendete Begriffe im Inneren des sich entwickelnden semantischen Geflechts. Die entstehende dreidimensionale Repräsentation verändert sich, solange neue Daten eingespeist werden. Es bilden sich Gruppen (Cluster) ähnlicher Worte und Wortzusammenhänge. Der Benutzer kann seine Perspektive auf die Repräsentation verändern, an Details heranzoomen, einzelne Zusammenhänge genauer betrachten und in weiter innen gelegene Schichten vordringen.

Auf die Analyse und anschauliche Darstellung semantischer Zusammenhänge zielt auch das am Mars Lab entwickelte [link 04] Semantic Map Interface. Es macht, auf einem Kohonen-Map-Verfahren basierend, große Datenmengen zugänglich und leistet eine Visualisierung der semantischen Beziehungen zwischen den im Archiv der Internetplattform netzspannung.org enthaltenen Informationen nach wählbaren Kontexten. [link 05] [13] Die durch das Interface ermöglichte Interaktion besteht in der Auswahl des zu visualisierenden Informationskomplexes und der thematischen Aspekte nach denen sich semantische Gruppen bilden. Die Semantic Map ist ein Knowledge Discovery Tool, das Daten, bzw. Objekte nach inhaltlicher Verwandtschaft, das heißt nach semantischen Bezügen, ordnet und visualisiert. Die Semantic Map schließt Inhalte graphisch zu Clustern zusammen, wobei die räumliche Distanz die inhaltliche bezeichnet. Je verwandter sich zwei Projekte sind, desto näher werden sie aneinander platziert. Das Interface ermöglicht eine vom individuellen Forscherdrang gesteuerte Navigation durch das semantische Beziehungsgeflecht und macht auf diese Weise auch interdisziplinäre Zusammenhänge erfahrbar. Keywords geben Hinweise auf die Inhalte der gebildeten Objektgruppen, die einzelnen Objekte sind in separaten Anzeigefenstern abrufbar.

Auch [link 06] Apartment von Martin Wattenberg und Marek Walczak (2000 - 2001) leistet eine semantische Textanalyse. Hier handelt es sich um Sätze oder einzelne Worte, die der Teilnehmer selbst eingegeben hat. Auf der Basis der Analyse werden automatisch Grundrisse von Räumen generiert, denen die eingespeisten Worte zugeordnet werden. So entstehen Apartments, deren Räume mit Worten "gefüllt" sind. Mit jeder weiteren Eingabe werden die Räume entweder weiter gefüllt oder neue Zimmer angefügt. Auch die Raumanordnung verändert sich aufgrund neuer semantischer Beziehungsstrukturen.
Einzelne Apartments können gespeichert und mit anderen zu Städten zusammengeschlossen werden, die ebenfalls durch eine dynamische Ordnung gekennzeichnet sind. Die räumliche Beziehung der Apartments zueinander reflektiert dann wieder inhaltliche Beziehungen der in ihnen beherbergten Begriffe. Das Stadtbild verändert sich zudem, wenn der Betrachter ein bestimmtes Themenfeld auswählt. Je deutlicher ein Apartment diesem zugehört, desto zentraler erscheint es auf der Karte. Hier eröffnet sich die Möglichkeit einer Erforschung thematischer Zusammenhänge. Da die Basis der semantischen Zuordnung aber einzelne Worte sind, deren ursprüngliche Verwendung in Sätzen meist nicht mehr aus den Apartments zu rekonstruieren ist, fällt eine inhaltliche Deutung der entstehenden graphischen Strukturen schwer.

Das am MARS Lab entwickelte [link 07] Knowledge Explorer Interface schließlich ist ein Werkzeug für eine Experten-Community. Die Konstruktion von Wissen wird hier als sozialer Prozess verstanden und untersucht. [link 08] [14] Das Interface dient zur selbst bestimmten Strukturierung von Datenpools und der Erstellung persönlicher Wissenskarten (Knowledge Maps). Diese lassen sich in so genannte DocumentMaps und ConceptMaps unterscheiden. Während die DocumentMap eine konkrete, individuell erzeugte Visualisierung semantischer Beziehungen zwischen Dokumenten bietet, zeigt eine ConceptMap - als Ergebnis einer Analyse der DocumentMap - die wichtigsten Begriffe und Zusammenhänge zwischen diesen aus der Sicht des individuellen Autors. Diese Wissenskarten sind also dynamische Artefakte, die das implizite Wissen ihres Urhebers repräsentieren. Sie können nun weiteren Personen zur Verfügung gestellt werden und zum Beispiel genutzt werden, um einen anderen Datenpool aus der Perspektive dieser bestimmten Person darzustellen. Das Knowledge-Explorer-System ermöglicht es aber auch, Beziehungen zwischen den verschiedenen persönlichen Karten der Mitglieder einer Community darzustellen und eine semantische Repräsentation des geteilten Wissens dieser Gemeinschaft zu erstellen, ohne dass die einzelnen Teilnehmer sich über dieses explizit verständigen müssen. Auch die Beziehung einer individuellen Knowledge Map zu dieser Repräsentation des gemeinsamen Wissens ist visualisierbar. Auf der Plattform netzspannung.org steht das Knowledge-Map-System zur Erkundung von Archiv-Inhalten zur Verfügung. Eine auf diese Weise angestrebte Vernetzung persönlicher Wissenskarten lässt in der Intention an Vilém Flussers Utopie einer telematischen Gesellschaft denken, in der die neuen Medien die Menschen wie Nervenstränge verbinden. Durch eine solche von Flusser vorgestellte dialogische Vernetzung soll die Gesellschaft in den Zustand eines sich selbst steuernden Systems gelangen und neue partizipative Formen des Handelns (und der gemeinsamen Politik im Besonderen) entwickelt werden.

[13] Zum Prinzip der Kohonen-Map siehe: Kohonen, T.: Self-organizing maps. Berlin, Heidelberg, New York 2001.
[14] Für eine ausführlicher Darstellung des Konzeptes siehe: Novak, J.; Wurst, M.: Supporting Knowledge Creation and Sharing in Communities based on Mapping Implicit Knowledge. In: Journal of Universal Computer Science. Vol. 10, Iss. 03 2004; [link 09] http://www.jucs.org/jucs_10_3/supporting_knowledge_creation_and