Metadaten
Metadaten sind Daten über Daten: Sie beschreiben, wann, wo, von wem und in welcher Form etwas entstanden ist, ohne den eigentlichen Inhalt wiederzugeben. Genau diese Zusatzangaben machen große Datenmengen durchsuchbar – und verraten oft mehr über Menschen als der Inhalt selbst.
Metadaten sind Angaben, die etwas über andere Angaben aussagen. Bei einem Foto auf dem Handy ist das eigentliche Bild der Inhalt. Wann es aufgenommen wurde, mit welchem Gerät, an welchem Ort und wie groß die Datei ist – das sind Metadaten. Sie stecken meist unsichtbar in der Datei und werden automatisch mitgeschrieben. Man kann sie sich wie das Etikett auf einem Umzugskarton vorstellen: Das Etikett verrät Inhalt, Zimmer und Packdatum, ohne dass man den Karton öffnet. Fast jede digitale Datei und fast jede digitale Handlung erzeugt solche Etiketten.
Was ein Etikett über den Absender verrät
Ohne Metadaten wären große Datenmengen praktisch unbrauchbar. Eine Festplatte mit 40.000 Fotos ist nur deshalb durchsuchbar, weil jedes Bild Datum, Ort und Format mitbringt. Suchmaschinen, Musikdienste und Bibliothekskataloge arbeiten fast ausschließlich mit solchen Beschreibungen. Sie sortieren, filtern und finden, ohne den Inhalt selbst verstehen zu müssen.
Politisch brisant sind Metadaten aus einem anderen Grund. Bei einem Telefonat sagen sie nicht, was gesprochen wurde. Sie sagen aber, wer wen wann wie lange angerufen hat. Aus einem Anruf bei einer Suchtberatung um drei Uhr nachts lässt sich viel ableiten, auch ohne ein einziges Wort des Gesprächs. Deshalb streiten Gerichte und Parlamente seit Jahren über die sogenannte Vorratsdatenspeicherung, also das anlasslose Speichern von Verbindungsdaten.
Ein verbreiteter Irrtum lautet, Metadaten seien harmlos, weil sie ja nur « Rahmenangaben » enthalten. Das Gegenteil stimmt eher. Inhalte sind unstrukturiert und schwer auszuwerten, Metadaten sind sauber strukturiert und lassen sich millionenfach automatisch vergleichen. Genau deshalb sind sie für Behörden, Werbefirmen und Datenanalysten so wertvoll.
Wo die Zusatzangaben herkommen
Ein Teil der Metadaten entsteht automatisch beim Erzeugen einer Datei. Kameras schreiben nach einem Standard namens EXIF Belichtungszeit, Objektiv, Uhrzeit und häufig auch GPS-Koordinaten ins Bild. Textprogramme hinterlegen Autorennamen, Bearbeitungsdauer und Versionsverlauf. Diese Angaben bleiben erhalten, wenn man die Datei verschickt – oft ohne dass der Absender daran denkt.
Ein zweiter Teil wird bewusst vergeben. Eine Bibliothek trägt Titel, Autor, Erscheinungsjahr und Schlagwörter ein. Redaktionen versehen Artikel mit Ressort, Autorenkürzel und Veröffentlichungszeit. Damit unterschiedliche Systeme sich verstehen, gibt es feste Regelwerke, sogenannte Schemata. Sie legen fest, welche Felder es gibt und wie sie ausgefüllt werden.
Technisch liegen Metadaten entweder direkt in der Datei oder getrennt davon in einer Datenbank. Beide Wege haben Nachteile. Sitzen sie in der Datei, gehen sie beim Konvertieren leicht verloren. Liegen sie in einer Datenbank, kann die Verbindung zur Datei abreißen. Wer Metadaten loswerden will, kann sie in den Dateieigenschaften löschen; viele soziale Netzwerke entfernen Standortangaben beim Hochladen automatisch.
Metadaten in KI-Systemen und im Alltag
Beim Training von KI-Modellen entscheiden Metadaten mit über die Qualität. Sie sagen, aus welcher Quelle ein Text stammt, in welcher Sprache er verfasst ist und wann er entstand. Damit lassen sich Dubletten aussortieren und Lizenzfragen klären. In der Debatte um Urheberrecht bei Trainingsdaten geht es fast immer um solche Herkunftsangaben.
Neu diskutiert werden Metadaten außerdem als Kennzeichnung für KI-Inhalte. Ein Standard namens C2PA hängt an Bilder eine signierte Notiz, die festhält, mit welchem Programm sie erzeugt oder bearbeitet wurden. Auch die EU-Verordnung über künstliche Intelligenz verlangt, dass generierte Inhalte maschinenlesbar markiert werden. Das Verfahren ist allerdings nicht fälschungssicher: Wer die Metadaten entfernt, entfernt auch den Hinweis.
Im Alltag begegnet man ihnen ständig, meist unbemerkt. Die Fotos-App sortiert Bilder nach Reiseorten, Spotify zeigt Album und Erscheinungsjahr, der Mailclient sortiert nach Absender und Datum. Abzugrenzen sind Metadaten von den Nutzdaten, also dem eigentlichen Inhalt. Die Grenze ist nicht immer scharf: Ein Betreff einer E-Mail zählt technisch zu den Kopfdaten, verrät inhaltlich aber oft schon fast alles.