Im Bereich des Business-to-Consumer Electronic Commerce werden Produkte oder Dienstleistungen an den Internet-User verkauft.
In einem typischen Szenario besucht ein User mehrere Online-Shops, stöbert in deren Angeboten, wählt einige aus und bestellt sie. Im optimalen Fall sammelt der Nutzer für ihn relevante Informationen über Preise und Konditionen aller Angebote in verschiedenen Online-Shops, vergleicht diese und bestellt das für ihn beste Produkt. Auch hier wird wieder deutlich, dass mit steigendem Produktangebot im Internet die manuelle Auswahl zwischen den Produkten und Online-Shops eine sehr zeitintensive und aufwendige Angelegenheit ist.
Selbst wenn ein hoher Anspruch besteht, viele Angebote in die Entscheidung mit einzubeziehen, wird der Konsument zurzeit letztendlich nur einen geringen Anteil aller im Internet verfügbaren Produkte vergleichen. Um diese Arbeit zu erleichtern, sind mittlerweile so genannte Shopping-Bots im Internet verfügbar, die verschiedene Online-Shops besuchen und dort die unterschiedlichen Produkt- und Preisinformationen extrahieren und zu einer Markübersicht zusammenstellen. Die Funktionalität dieser Shopping-Bots wird gewährleistet durch so genannte “wrappers“ (Hülle oder Umschlag), Programme also, die Informationen aus einem Online-Shop entnehmen, zerlegen und zusammenführen.
Hierzu muss allerdings jeweils ein “wrapper“ pro Online-Shop entwickelt werden. Es liegt auf der Hand, dass mit diesem Ansatz langfristig einige Probleme verbunden sind, beispielsweise, dass diese Vorgehensweise die Skalierung des E-Commerce zur Zeit noch stark hemmt. Die Informationen, die diese Bots aus den Shops herausfiltern, basieren zum wiederholten Male auf Schlagworten und einer Analyse des Textes.
Dabei funktionieren die Bots aufgrund bestimmter Annahmen: Zur Ermittlung des Preises wird nach dem Wort Preis, gefolgt von einem €-Zeichen und einem positiven Wert, gesucht. Dieses Vorgehen ist fehleranfällig und aufgrund dieser Schwierigkeiten extrahieren die Bots oftmals nur die nötigsten Informationen. Entscheidungskritische Informationen für den Käufer, wie etwa Versandgebühren, Liefergebiet und -zeiten sowie Rückgaberecht, werden normalerweise von den Shopping-Bots nicht mit entnommen.
Die semantische Technologie ermöglicht die Entwicklung von Software Agents respektive Shopping Agents, die die Produktinformationen und Allgemeinen Geschäftsbedingungen interpretieren und verarbeiten können. Daraus entstehen eine Reihe von Vorteilen:
- Produktinformationen und -preise werden korrekt extrahiert und Zustellungskonditionen und die Allgemeinen Geschäftsbedingungen werden hinsichtlich der Anforderungen des Users interpretiert werden können.
- Zusätzliche Informationen über die Reputation des Online-Händlers können aus anderen Quellen hinzugezogen werden, beispielsweise von unabhängigen Ratingagenturen oder aus Bewertungsplattformen von Konsumenten.
- Die aufwendige Einzel-Programmierung von sogenannten “wrappers“ entfällt gänzlich.
- Intelligente Shopping Agents werden automatisch Verhandlungen für den Käufer mit dem Shopping Agent des Verkäufers führen können.¹
Das wahre Potenzial des „data webs“ liegt aber im elektronischen Handel zwischen Unternehmen. Hier weiterlesen zu E-Commerce B2B.
—–
¹Frank Hermelen, Grigoris Antoniou (2004): A Semantic Web Primer. Herausgegeben von The MIT Press.