Und beim Online-Shoppen gibt es sie doch auch, diese Funktion: Artikel aus dem Sortiment nach Relevanz sortieren. Ganz einfach eigentlich. Wir müssen natürlich jetzt so etwas sagen wie “Alles ganz anders. Nicht zu beherrschen, die Ergebnisse sind unglaublich disparat und es gibt jene oder solche Algorithmen.” Auch klar. Soweit ja auch richtig, aber das ist genau der Punkt: Weil eben “Relevanz” für
jeden anders ist, gilt das natürlich auch für ferret. Ein nicht nur gefühlt unbeherrschbares Aufkommen von Inhalten im Web steht plötzlich der ganz persönlichen Wahrnehmung von Relevanz gegenüber. Es dürfte vermutlich schief gehen, wenn eine von uns Entwicklern festgelegte Relevanz die potenziell beliebigen Bedürfnisse für praktisch unendlich viele Nutzer generisch beantwortet. Denn nicht ein oder zwei Indikatoren erklären die Welt, sondern die Kombination unterschiedlicher Maße. Sie sind für jeden anders und – komplexer geht’s ja immer – verändern sich über die Zeit hinweg. Suchende schränken Informationen zu verdaulichen Häppchen ein, sie filtern sie, sortieren um und gleichen erzielte Ergebnisse am eigenen Relevanzmaß ab. Die persönliche Erwartungshaltung ist es, was wir und die Wissenschaft Pertinenz nennen. Pertinenz kann z. den zeitlichen Abstand zu Ergebnissen, den Ort des Geschehens, die Menge von Inhalten, die Aufbereitungsart oder inhaltliche Dimensionen umfassen. Und davon noch einige mehr und am besten alle zusammen. Was also tun, um die subjektive Relevanz zu adressieren? Wenn wir also einer bestimmten Menge von Texten schon nicht pauschal zuweisen können, wie relevant sie wohl für den einen oder anderen Nutzer ist, so können wir zumindest dabei helfen, sie mit der eigenen Erwartungshaltung abzugleichen. Technologien, die aus dem klassischen Information Retrieval stammen, helfen uns dabei.
