Abstract
Ein ansehnlicher und gehaltvoller Webauftritt allein reicht nicht, um im Internet auf sich aufmerksam zu machen. Zwar sorgen korrekte Schlüsselwörter am richtigen Ort für eine bessere Auffindbarkeit, sind jedoch im Fachgebiet der Suchmaschinenoptimierung und dem Semantic Web für sich nicht ausreichend. Damit das Internet zu einem aussagekräftigen Wissensnetz geformt und mit deren Implementierung eine höhere Suchergebnisplatzierung erzielt werden kann, müssen strukturierte Daten eingesetzt werden. Da sich die Realisierung solcher Daten für wenig Erfahrene schwierig gestalten kann, wird ein Leitfaden erarbeitet, welcher auf aktuelle Konventionen zur Umsetzung von maschinenlesbaren Daten in HTML-Dokumenten eingeht. Es wird auf aktuelle Technologien und weitläufig eingesetzte Methoden eingegangen, welche dafür verwendet werden die Meta-Daten einer Webseite zu beschreiben. Bevor dieser Leitfaden erstellt wird, werden strukturierte Daten aus relevanten Webseiten extrahiert und analysiert. Für diesen Zweck wird eine Analyse- beziehungsweise Scrapingsoftware entwickelt, welche die Datengewinnung unterstützen soll. Anschließend werden die gesammelten Datensätzen statistisch sowie stichprobenartig ausgewertet.
Ausgangslage und Forschungsfrage
Suchmaschinen erfassen Webseiten nicht wie Menschen, sondern als Dokumente, die algorithmisch analysiert, indexiert und gerankt werden. Neben Textsignalen (Keywords, interne Verlinkung, technische Performance) werden deshalb zunehmend semantische Signale wichtig: strukturierte Daten, die Inhalte in einem standardisierten Format beschreiben und damit maschinell auswertbar machen [1].
Die Arbeit untersucht, wie verbreitet strukturierte Daten in der Praxis sind und welche Formate dominieren. Daraus wird ein Leitfaden abgeleitet, der Einsteiger:innen bei der Implementierung in HTML unterstützt.
Behandelt werden strukturierte Daten zur besseren Verarbeitung durch globale Suchmaschinen und die typischen Formate rund um Schema.org. Ausgeklammert bleiben tiefe Ranking-Modelle der Suchanbieter oder eine kausale Messung von Ranking-Effekten einzelner Markup-Änderungen; im Mittelpunkt stehen beobachtete Konventionen, Verbreitung und robuste Umsetzung.