Metadaten

Versucht man zwischen Daten und Metadaten zu unterscheiden, so ist es hilfreich, den „Zweck“ als Begriff einzuführen. Der Zweck bestimmt das Ergebnis; um in der Lage zu sein, einen bestimmten Zweck zu erfüllen – ein bestimmtes Ergebnis zu erreichen –, werden Metadaten benötigt. Das Ergebnis kann aus Daten bestehen, insbesondere können Metadaten in ihrer Rolle als Daten Teil des Ergebnisses sein.

Beispiele:

• Zweck: Suche innerhalb einer Bibliothek nach allen Standorten (Signaturen) verfügbarer Bücher eines bestimmten Autors
• Metadaten: „Name des Autors“ und „verfügbar“
• Ergebnis: „Signatur“ (über die Signatur ist der Standort erschließbar)

„Operabel“ bedeutet in fachsprachlichen Fügungen zunächst „so beschaffen, dass damit gearbeitet, operiert werden kann“. Die Vorsilbe „inter“ stammt aus dem Lateinischen und bedeutet so viel wie „zwischen“. Interoperable Metadaten sind also Metadaten aus potenziell unterschiedlichen Quellen, zwischen denen („inter“) eine Beziehung in der Weise besteht, dass mit ihnen gemeinsam gearbeitet („operiert“) werden kann.

Standards für interoperable Metadaten haben die Aufgabe, Metadaten aus unterschiedlichen Quellen nutzbar zu machen. Sie umfassen dazu zunächst die Aspekte Semantik, Datenmodell und Syntax.

Die Semantik beschreibt die Bedeutung, die in der Regel von Normierungs-Gremien festgelegt wird (vgl. Dublin Core). Das Datenmodell legt fest, welche Struktur die Metadaten besitzen können. Als „Daten“ lassen sich im Zusammenhang mit Metadaten Aussagen auffassen, die über ein zu beschreibendes Objekt (Dokument, Ressource, …) getroffen werden. Als „Modell“-Komponente des Begriffs Datenmodell lässt sich eine Beschreibung dessen auffassen, wie die Aussagen strukturell beschaffen sind (der Begriff Datenmodell bedeutet damit im Kontext von Metadaten so viel wie „Grammatik“ oder „Struktur von Aussagen“). Beispiele für Datenmodelle von Metadaten sind einfache Attribut/Wert-Kombinationen (z. B. HTML-Meta-Elemente) oder Sätze mit Subjekt, Prädikat und Objekt (z. B. Tripel in RDF). Die Syntax dient schließlich dazu, die entsprechend dem Datenmodell generierten Aussagen zu repräsentieren. Beispiel für ein Repräsentationsformat ist XML (eXtensible Markup Language).

Zwischen diesen drei Aspekten besteht nun folgende Beziehung: Die Semantik wird durch Konstrukte des Datenmodells repräsentiert. Das Datenmodell wird wiederum durch syntaktische Konstrukte repräsentiert. Die syntaktischen Konstrukte werden schließlich aus Zeichen eines vereinbarten Zeichensatzes (wie bei Unicode) zusammengesetzt. Diese drei Aspekte lassen sich als hierarchisch übereinander liegende Schichten auffassen, da jede Schicht jeweils auf der darunter befindlichen Schicht aufbaut. Die Schichten sind dabei voneinander unabhängig, d. h. die Verwendung eines bestimmten Standards in einer Schicht erfolgt unabhängig von den anderen Schichten (wie die Schichtenmodelle der Netzwerkkommunikation, beispielsweise das ISO/OSI-Schichtenmodell). So kann eine bestimmte Semantik durch Konstrukte verschiedener Datenmodelle repräsentiert werden (z. B. Attribut/Wert-Kombination, Tripel), die wiederum durch verschiedene Syntaxen repräsentiert werden können (Graphen, XML-Formate).

Orthogonal zu diesen Schichten liegt als vierter Aspekt die Identifizierung, die alle drei Schichten betrifft. Um Metadaten verschiedener Quellen sinnvoll verarbeiten zu können, muss (weltweit) eindeutig gekennzeichnet werden, um welche Semantik, welches Datenmodell und welche Syntax es sich handelt. Hierzu ist ein Identifikationsmechanismus erforderlich, wie ihn die URIs (Uniform Resource Identifier) bereitstellen.

Generisches Framework

Alle vier Aspekte – Semantik, Datenmodell, Syntax und Identifizierung – sind erforderlich, um Standards für interoperable Metadaten zu schaffen. Sie können daher gemeinsam in ein Framework eingeordnet werden. Ein Framework bietet also eine Art Grundgerüst oder Gerippe, das bereits die wichtigsten Elemente bzw. Komponenten eines Systems und deren Beziehungen beschreibt, jedoch ohne genaue Vorgaben hinsichtlich deren Ausgestaltung zu machen. Es fungiert somit als eine Art „Bezugssystem“, das die sinnvolle Eingliederung neuer Komponenten ermöglicht. Da ein Framework Elemente und deren Beziehungen zeigt, kann dies leicht durch die grafische Anordnung von Elementen visualisiert werden. Die Abbildung „Generisches Framework“ zeigt ein Framework für Metadaten, auf einer Metaebene. Im Gegensatz zu konkreten Ausprägungen von Frameworks, d. h. also der Ausprägungs- oder Instanzenebene, beschreibt ein Framework auf der Metaebene ein verallgemeinertes Framework – erkennbar an den generischen Bezeichnungen der Bestandteile.

Als Beispiel für ein konkretes Framework für Metadaten sei RDF (Resource Description Framework) des World Wide Web Consortium (W3C) genannt. RDF enthält alle der oben genannten vier Aspekte mit spezifischen Ausprägungen, wie in der Abbildung dargestellt.

RDF als Framework für Metadaten

Die Komponenten im Detail:

• Semantik: Domänenspezifische Semantiken können über Namensräume importiert werden, womit die Semantik eines RDF-Vokabulars beliebig erweitert werden kann
• Datenmodell: RDF besitzt ein festgelegtes Datenmodell, das Aussagen über Ressourcen in Form von Tripeln mit Subjekt, Prädikat und Objekt gestattet
• Syntax: Zur Repräsentation solcher Aussagen kann eine beliebige Syntax verwendet werden, RDF/XML, Graphen, oder die N-Triple-Notation; RDF/XML ist jedoch die normative Syntax
• Identifikation: Als universeller Identifikations-Mechanismus werden URIs verbindlich vorgeschrieben

Der Idee eines Frameworks folgend definiert RDF selbst keine domänenspezifische Semantik, sondern spezifiziert lediglich einen Mechanismus, wie über Namensräume mit Hilfe einer URI weitere Semantiken eingebunden werden können. Verbindlich legt RDF hingegen ein gemeinsames Datenmodell in Form von Tripeln fest sowie die universelle Verwendung von URIs als Identifikationsmechanismus. Diese werden sowohl eingesetzt, um die einzelnen Komponenten eines Tripels (Subjekt, Prädikat, Objekt) zu kennzeichnen, als auch deren Werte und Datentypen. Die konkrete Syntax zur Repräsentation der Tripel kann jedoch, wiederum dem Gedanken eines Frameworks folgend, frei gewählt werden, wobei RDF/XML als Standard vorgesehen ist. Mit RDF Schema enthält RDF außerdem noch eine Schema-Sprache, um eigene Metadaten-Vokabulare zu definieren.

RDF-Schema verhält sich zu RDF ähnlich wie XML Schema zu XML. Ein RDF Schema ist gleichzeitig ein gültiges RDF-Dokument, ebenso ist ein XML Schema gleichzeitig ein gültiges XML-Dokument. In beiden Fällen handelt es sich also um spezialisierte Teilmengen einer Auszeichnungssprache. Während XML Schema jedoch syntaktische Einschränkungen beschreibt, z. B. Elementnamen, Häufigkeit des Auftretens etc., beschreibt RDF Schema semantische Einschränkungen, also z. B. dass ein Attribut „hasPublished“ nur auf Instanzen der Klasse „Mensch“ oder „juristischePerson“ angewendet werden darf, nicht jedoch auf Instanzen der Klasse „Tier“ – in der Schemasprache formuliert, hat das Attribut „hasPublished“ die Domäne „Mensch“ oder „juristischePerson“.

Wie XML dem Grundsatz der Einfachheit und Erweiterbarkeit folgend die Welt der Daten gründlich veränderte, in dem es durch eine einheitliche Syntax, ein genormtes Typsystem und seine Textbasiertheit die Definition problemlos zwischen verschiedenen Systemen und Programmen austauschbarer Datenformate ermöglichte, versucht RDF die Welt der Metadaten durch ein einheitliches Datenmodell zu verändern. Durch den Charakter eines Frameworks knüpft RDF dabei ebenfalls an bewährte Grundsätze wie Einfachheit und Erweiterbarkeit an.

In statistischen Datenbanken werden diejenigen Daten als Metadaten bezeichnet, die nicht direkt den Inhalt einer Statistik darstellen, so als Branchen- oder Berufsbezeichnungen, Gemeindeverzeichnisse und andere Kataloge. Zu den statistischen Metadaten zählen auch Beschreibungen der Datenfelder in Umfrageformularen, unter Umständen auch komplette Formularbeschreibungen. Die eigentlichen statistischen Daten bezeichnet man in Abgrenzung zu den Metadaten als Mikrodaten und Makrodaten.

In der Umfrageforschung werden spezielle Metadaten zur Umfrage als Paradaten bezeichnet.

In der INSPIRE-Richtlinie sowie in dem darauf aufbauenden Gesetz über den Zugang zu digitalen Geodaten (Geodatenzugangsgesetz – GeoZG) findet sich eine Legaldefinition für Metadaten im Bereich der Geoinformationsverarbeitung: „Metadaten sind Informationen, die Geodaten oder Geodatendienste beschreiben und es ermöglichen, Geodaten und Geodatendienste zu ermitteln, in Verzeichnisse aufzunehmen und zu nutzen.“ (§ 3 Abs. 2 GeoZG)

In der Softwareentwicklung wird der Metadatenbegriff für verschiedene Zwecke gebraucht:

• Man bezeichnet Bestandteile eines Programmquelltextes als Metadaten, die nicht vom eigentlichen Übersetzungswerkzeug, meist einem Compiler, sondern Zusatzwerkzeugen ausgewertet werden. Diese Metadaten werden meist zur Dokumentation oder mit Hilfe von Annotationen zur Codegenerierung eingesetzt. Beispiele sind die Annotations in Java oder die Attribute innerhalb des .Net-Frameworks.
• Eine von der klassischen Programmierung abweichende Form ist die Verwendung von Metadaten in Universal-Software. Hierbei sind die meisten benötigten Anwendungsfunktionen vorkompiliert vorhanden und werden über eine Metadaten-Engine aufgerufen und parametrisiert. Die gewünschte Zielanwendung muss vorher mittels spezifischer Metadaten deklarativ beschrieben werden. Dieser Ansatz wird insbesondere von Data-Warehouse- und Business-Intelligence-Produkten verfolgt. Einige Hersteller wie Tenfold, Data-Warehouse GmbH und Scopeland Technology wenden dieses Prinzip auch auf die Erstellung schreibender Datenbankanwendungen an.
• Unter Metadaten versteht man auch die Datensatzdefinition in einem Data-Dictionary einer Datenbank.
• Als Metadaten können auch die Informationen in der Software-Versionsverwaltung gelten. Diese machen es oft möglich, den Autor einer jeden Zeile eines Programmcodes zu identifizieren. Dafür werden Nutzdaten (der Quellcode) und Metadaten aus dem Versionsverwaltungsarchiv korreliert. Bei vielen Versionsverwaltungssoftwaren (etwa Git und SVN) heißt dieser fest eingebaute Befehl blame (eng. für beschuldigen).

Typische Metadaten bei Musik und anderen Tonaufnahmen sind z. B. Titel, Künstler, Komponist, Veröffentlichungsdatum, Musikverlag oder die ISRC-Nummer; bei digitalen Tonaufnahmen ist es möglich, diese Metainformationen direkt in der Datei abzuspeichern (beispielsweise im ID3-Tag von MP3-Dateien).

Über diese zur Erstellung einer herkömmlichen Musikbibliothek notwendigen primären Daten hinaus gibt es deutlich komplexere inhaltliche Musikmetadaten. Dazu zählen beispielsweise Stilistik, Haupt- und Nebeninstrumente, Genre, Tempo, Tonart, Dynamik, Gesangscharakter und die Beschreibung von Stimmungen und Szenen.

Metadaten digitaler Fotos, wie Aufnahmedatum/-zeit, Brennweite, Blende, Belichtungsdauer und andere technische Parameter (ggf. auch geographische Koordinaten des Aufnahmeorts), werden heute von nahezu allen Digitalkameras am Anfang einer Bilddatei im Exif-Format abgespeichert. Durch geeignete Software kann ein digitales Bild (Foto, Scan oder Grafik) durch Metadaten im IPTC-Format angereichert werden; dabei können im Wesentlichen Angaben gemacht werden zu Bildtitel, Bildbeschreibung, Aufnahmeort (GPS-Koordinaten/Ort/Bundesland/Land), Autor (Fotograf) bzw. Urheberrechts-Inhaber, Kontaktdaten des Urheberrechts-Inhabers oder Lizenzgebers, Urheberrechts-Bestimmungen und Suchbegriffe (Schlüsselwörter). Viele Bildbearbeitungsprogramme ergänzen oder verändern beim Bearbeiten von digitalen Fotos (bzw. Bildern im Allgemeinen) die Metadaten zusätzlich, sodass sich Rückschlüsse auf die Bildbearbeitungssoftware ziehen lässt.

Das Internet-Protokoll folgt einem Schichtenmodell. Am Beispiel des Standards zum Versenden von E-Mails soll dies illustriert werden. Das zur Übermittlung von E-Mails gebräuchliche Protokoll lautet Simple Mail Transfer Protocol. Seine Position in der Internetprotokollschicht lässt sich genau angeben:

Aus Sicht der Versender und Empfänger von E-Mails können alle Schichten unterhalb der Anwendungsschicht als Metadaten angesehen werden. Das wird besonders augenfällig, wenn die Anwendungsschicht verschlüsselt wird. Selbst dann kodiert bereits die Transportschicht (TCP) genügend Informationen, um den Namen des sendenden und empfangenden Servers (oft der globale Teil einer E-Mail-Adresse) sowie Nachrichtenlänge und Zeitraum der Sendung zu ermitteln. Bei häufigem E-Mail-Verkehr zwischen zwei Parteien kann die bloße Frequenzinformation einem recherchierenden Dritten Rückschlüsse auf den Inhalt der E-Mails erlauben.

Die gleiche Situation ergibt sich prinzipiell mit anderen Netzwerkprotokollen, etwa Instant-Messaging-Diensten oder dem World Wide Web. Allgemein spricht man in diesem Zusammenhang von Verkehrsdaten oder Randdaten.

Nach §206 Abs. 5 des deutschen Strafgesetzbuchs zählen neben dem Inhalt der Telekommunikation auch „ihre näheren Umstände, insbesondere die Tatsache, ob jemand an einem Telekommunikationsvorgang beteiligt ist oder war“ zum Fernmeldegeheimnis.