Eigenschaften vergleichbar machen — warum Fließtext als Datenmodell scheitert

Die meisten Verzeichnisse im Netz bestehen aus Texten, die einander ähneln. Jede Seite beschreibt ihren Gegenstand ausführlich, und trotzdem kann niemand zwei davon nebeneinander legen. Der Grund liegt nicht am Text, sondern daran, dass die Eigenschaften nur im Text stehen.

Wer einen Hund sucht, will wissen, ob eine Rasse zum eigenen Alltag passt. Reine Rassetexte beantworten das nur schwer. „Eher aktiv“ steht in fast jedem Porträt, und ob das nun mehr oder weniger ist als „lebhaft“, kann niemand sagen. Beim Lesen von zwei Texten geht das noch, bei zweihundert nicht mehr.

Dasselbe gilt in ganz anderen Bereichen. Ob Eiche härter ist als Buche, steht in vielen Texten über Holz. Sortieren lässt sich danach trotzdem nichts, solange die Härte ein Adjektiv bleibt und keine Zahl mit Einheit ist.

In meinen Verzeichnissen liegen die Eigenschaften deshalb strukturiert in der Datenbank. Bei den Hunderassen sind das Skalen von eins bis fünf für Dinge wie Aktivität oder Pflegeaufwand, dazu Größe, Gewicht und Lebenserwartung als Werte. Die Angaben sind auf Basis der FCI-Rassestandards recherchiert, der ausführliche Text kommt danach und erklärt, was die Werte im Alltag bedeuten.

Beim Material-Verzeichnis ist es dieselbe Idee mit anderen Feldern. Die Holzarten tragen Brinell-Härte, Rohdichte und Außeneignung als eigene Angaben, weshalb sich 24 Holzarten in einer Tabelle sortieren und filtern lassen, statt in 24 Fließtexten zu verschwinden.

Die Skala selbst ist eine Entscheidung mit Folgen. Fünf Stufen sind grob genug, dass sie sich begründen lassen, und fein genug, dass ein Unterschied sichtbar wird. Eine Skala von eins bis zehn sieht genauer aus, verlangt aber eine Antwort darauf, warum etwas eine Sieben ist und keine Sechs. Diese Antwort gibt es in den seltensten Fällen, und dann steht im Ergebnis eine Genauigkeit, die in den Daten gar nicht existiert.

Der eigentliche Gewinn zeigt sich erst, wenn mehrere Funktionen auf denselben Feldern arbeiten. Die Filter, der Vergleich und ein Matching-Test mit acht Fragen greifen auf exakt dieselben Werte zu wie das Porträt. Dadurch kann der Test nichts empfehlen, was auf der Rasseseite anders steht, und eine Korrektur wirkt an allen drei Stellen gleichzeitig.

Dieselbe Mechanik trägt auch über Projektgrenzen hinweg. Das Rassemodell entscheidet anhand der aufgerufenen Website, welcher Datenbestand gilt, weshalb das Katzenportal dieselbe Filter- und Matching-Engine benutzt wie das Hundeportal. Angepasst wurden nur die Felder, etwa Wohnungshaltung statt Auslaufbedarf. Neue Funktionen stehen damit beiden Portalen sofort zur Verfügung, ohne dass jemand Code kopiert.

Was man nicht sortieren kann, hat man nicht wirklich erfasst.

Diese Bauweise ist nicht umsonst. Die Felder müssen festgelegt werden, bevor der erste Eintrag entsteht, und jede spätere Änderung am Modell betrifft den gesamten Bestand. Wer mittendrin merkt, dass eine Skala von eins bis fünf zu grob ist, darf zweihundert Einträge nachziehen.

Dafür verschwindet eine ganze Klasse von Problemen. Widersprüche zwischen Übersicht und Detailseite gibt es nicht mehr, weil beide dieselbe Quelle lesen. Neue Auswertungen entstehen ohne neue Texte, und Angaben lassen sich an einer Stelle korrigieren statt an dreien.

Zur Sache gehört auch der Umgang mit Lücken. Ist ein Wert für einen Eintrag nicht belegt, bleibt das Feld leer und die Oberfläche sagt das offen. Eine geschätzte Zahl wäre bequemer, würde aber genau die Verlässlichkeit zerstören, für die das ganze Modell gebaut ist.

Für eine Handvoll Einträge ist ein sauberes Datenmodell übertrieben. Sobald Menschen jedoch auswählen sollen statt nur zu lesen, führt kein Weg daran vorbei. Auswählen heißt vergleichen, und vergleichen heißt, dass die Eigenschaften in einer Form vorliegen müssen, die eine Maschine ordnen kann.

Der Text verschwindet dabei nicht. Er bekommt nur eine andere Aufgabe. Statt Eigenschaften zu behaupten, erklärt er sie und ordnet sie ein. Das macht ihn in der Regel besser, weil er sich nicht mehr an Aufzählungen abarbeiten muss.