Die Indexierung – der unterschätzte Baustein des Marketing-Resources-Managements

Die richtige Indexierung von Medien wird stark unterschätzt und von Unternehmen oft nicht beherrscht. Dennoch wird sie immer wichtiger für die erfolgreiche Einführung einer Mediathek in Ihrem MRM. Welche typischen Fehler sollte man vermeiden? Welche Herausforderungen gilt es zu meistern? Antworten darauf hat das Indexierungs-Team von Wedia.

„In einem Unternehmen möchte jeder die Mediathek so durchsuchen können, als ob er eine Google-Suche durchführen würde. Aber um wirklich gute Ergebnisse zu erhalten, ist eine gründliche Vorbereitung unabdingbar und genau darin liegt das Problem …“, erläutert Marion Quantin, Verantwortliche für den Indexierungsservice von Wedia. Tatsächlich stellt eine ungenaue Indexierung von Inhalten ein großes Handicap für das gesamte MRM-Projekt (Marketing-Resources-Management) dar. Ohne eine qualitativ hochwertige Indexierung sind die Mitarbeiter mit den Suchergebnissen unzufrieden und werden das Tool, das eigentlich das Repository ihres Contents sein sollte, nicht mehr verwenden. Mit bekannten Folgen: Bleibt die Möglichkeit, Bilder, Videos, PDFs und andere Dokumente wiederzuverwenden, verwehrt, hat dies negative Auswirkungen auf den ROI der Content-Produktion.

Berechtigte Frage: Warum wird die Indexierung des Contents nicht durch die MRM-Lösung erleichtert oder sogar komplett automatisiert? Dafür gibt es einen ganz einfachen Grund: Es gibt einfach keine allgemeingültige Klassifizierung, die alle Unternehmen zufriedenstellen würde. Jede Marke zeichnet sich durch ihre eigene Historie aus, ihre Produkte, einen speziellen Wortschatz, das Fachvokabular und … unterschiedliche Mitarbeiterprofile. „Das ist die Hauptherausforderung bei der Indexierung“, meint Marion Quantin. „Eine Mediathek steht vielen Mitarbeitern zur Verfügung und jeder von ihnen verwendet seinen eigenen Wortschatz. Deshalb ist die Wahrscheinlichkeit, dass ein Bild, das mit einer einfachen allgemeinen Legende versehen ist, von Nutzern bei der Suche gefunden wird, sehr gering. Tatsächlich wählen wir die Suchbegriffe nicht so aus, als ob wir eine Legende schreiben würden …“

Ein konkretes Beispiel: Bilder, auf denen Personen zu sehen sind, deren Metadaten aber nicht zwischen Männern, Frauen und Kindern unterscheiden, werden kaum den Ansprüchen eines Marketingverantwortlichen entsprechen, der auf der Suche nach einem Bild ist, das eine Familie darstellt. „Das andere Problem, das übrigens vor allem bei kommerziellen Bilddatenbanken vorkommt, ist die Überindexierung“, erklärt Marion Quantin. Das heißt, dass einem Content zu viele Keywords zugeordnet werden.“ Für die Nutzer zeigt sich diese Überindexierung in starkem „Dokumentenrauschen“, da lange Ergebnislisten für das gesuchte Objekt angezeigt werden. Und das ist leider das Schicksal vieler Mediatheken: Sie werden aufgrund dieses „Dokumentenrauschens“ unpraktikabel oder erfahren aufgrund unzureichender, mit dem Content verknüpfter Metadaten das gegenteilige Problem, nämlich die „Dokumentenstille“.

Kann die Nutzung von Künstlicher Intelligenz die Aufgabe vereinfachen? „Kunden erwarten, dass KI die Indexierung automatisiert und diese Erwartungen sind nachvollziehbar: die Algorithmen des Machine Learning und des Deep Learning versprechen große Fortschritte in diesem Bereich. Aber auch dabei wird ein Thema stark unterschätzt: das Training. Um KI effizient nutzen zu können, muss sie gut trainiert sein. Man muss einstellen, was sie wiedererkennt und mit welchem Wahrscheinlichkeitslevel. Das ist alles notwendig, um sie zu befähigen, eine Vorverarbeitung durchzuführen. Denn standardmäßig würde beispielsweise ein helles Fenster in einem Bild von der KI als Bildschirm interpretiert … “

Wenn man sich KI bei der Indexierung zu Nutze machen möchte, erfordert dies in der Praxis zwei Grundbausteine. Der erste Baustein ist die Vorbereitung der Daten, die für das Lernen erforderlich sind. Dabei geht es konkret darum, dass man auf die Algorithmen große Medienmengen anwendet, deren Metadaten ausreichend bearbeitet und überprüft wurden, um eine zuverlässige Lerngrundlage darzustellen. Der zweite Baustein ist die Erstellung von Referenzwörterbüchern. Sie sind unabdingbar für die Gewichtung, die Filterung und die Verfeinerung der KI-Ergebnisse. Das „einfache“ Auffinden und Erkennen eines Textes in einem Bild erfordert das Filtern falsch geschriebener Texte und das Übergewichten von Tags, die dem Referenzwörterbuch entsprechen (Produktnamen, Fachbegriffe, Namen von Personen usw.).

Die Leistung der KI hängt somit hauptsächlich von der Verfügbarkeit eines ausreichenden Datenvolumens ab, das die Lernphase unterstützt. Wie können Unternehmen stattdessen eine qualitativ ausreichende Indexierung ihrer Ressourcen sicherstellen? „Die Antwort ist bekannt“, erinnert Malaïka Fauveau, Information Manager im Indexierungs-Team von Wedia, „man muss diese Arbeit Dokumentaren anvertrauen.“ Aber in der Praxis wird die Verwaltung des Repository oft an Mitarbeiter der Kommunikations- oder Marketingabteilung übertragen, die andere Verantwortlichkeiten haben und darüber hinaus über wenige oder gar keine Kenntnisse in diesem Bereich verfügen. „Das ist allerdings nicht die schlimmste aller Situationen …“. Der komplexeste Fall tritt dann auf, wenn Dutzende Mitwirkende in der Mediathek arbeiten, ohne über einheitliche Richtlinien zu verfügen. „Auch die Anzahl der Assets selbst trägt zur Komplexität bei. Wir haben Kunden, die mehr als eine Million an Dateien in der Datenbank gespeichert haben. Es ist schwierig, so ein große Menge ohne spezialisierte Ressource zu indexieren. “

Bei vielen Kunden kommt die Erkenntnis, dass eine gute Indexierung des Contents spezielle Fachkenntnisse erfordert, nach sechs bis zwölf Monaten. Das Indexierungs-Team von Wedia wird in solchen Fällen oftmals zu Hilfe gerufen und greift dann in verschiedenen Bereichen ein: Definition einer Dokumentenstruktur, Sammlung von Assets, deren Integration in das Repository und schließlich die Indexierung des Contents durch das Bearbeiten von Metadaten. Alles Aufgaben, die normalerweise völlig unterschätzt werden. Es versteht sich von selbst, dass die Arbeit an einem Repository, das seit Monaten gefüllt wird, mit der Überprüfung der Basis beginnen muss. „Ein anderes Thema, das man nicht vergessen sollte“, präzisiert Malaïka Fauveau „ist das Training derer, die in der Mediathek mitarbeiten. Eine gut funktionierende und leistungsstarke MRM-Lösung erfordert Mitarbeiter, die mit den empfohlenen Praktiken der Indexierung vertraut sind, um deren Potenzial voll auszuschöpfen. “

Einrichten einer Verwaltung der Mediathek, Einsetzen von Dokumentaren, Training … – und für welchen Return on Investment (ROI)? Die Frage stellt sich automatisch. Und die Antwort hat mehrere Facetten. Assets, die gut indexiert sind, werden automatisch häufiger genutzt, was ihren ROI erhöht. Erfolgreichere Suchen für die Mitarbeiter stellen offensichtliche Produktivitätsgewinne dar. Und schließlich kann eine Marke mit einem gut strukturierten Repository die Entwicklung und den Lebenszyklus ihrer Assets viel besser managen. Die Vorteile einer professionellen Indexierung zahlen sich also nicht innerhalb eines Quartals aus, auf jeden Fall tun sie es aber langfristig. Im Arbeitsalltag stellen sie tatsächlich den Grundstock eines MRM-Projekts dar. Und wer würde schon riskieren, darauf zu verzichten?



Demo anfordern
Newsletter abonnieren
Folge uns auf
Kontaktieren sie uns
vulputate, ipsum in commodo et, Sed ut