Hoe richt je metadata en taxonomie in een beeldbank in?
Metadata maakt je beeldbank doorzoekbaar. Zo ontwerp je een taxonomie die je marketingteam echt bijhoudt, en daarom wint een vaste woordenlijst van diepte.
Elk DAM-project dat mislukt, mislukt hier. Niet bij de software, niet bij de migratie, maar hier. Je koopt het platform, je uploadt de assets, en achttien maanden later levert zoeken niets bruikbaars op, omdat de helft van de bibliotheek drie tags heeft en de andere helft geen enkele. Aan de software lag het nooit.
Metadata in een beeldbank is de beschrijving die bij elk asset hoort: wat erop staat, waar het vandaan komt en wat je ermee mag doen. De taxonomie is de afgesproken structuur die je voor die beschrijvingen volgt: welke velden je gebruikt en welke waarden erin toegelaten zijn. Zit de taxonomie goed, dan blijft de metadata onderhoudbaar. Zit ze fout, dan onderhandel je bij elke upload even met jezelf over hoe je iets noemt.
Het goede nieuws: wie het goed wil doen, moet zich vooral inhouden, niet harder werken. We overlopen het stap voor stap.
Taxonomie, metadata en tags zijn drie verschillende dingen
Leveranciers gebruiken de drie in hun marketing door elkaar, en daarom ontsporen workshops erover bijna altijd.
- Taxonomie is het kader: de dimensies waarop je classificeert en de goedgekeurde waarden binnen elke dimensie. Het is een beslissing, geen functie.
- Metadata zijn de gestructureerde gegevens op een specifiek asset: velden met een vast type en, idealiter, een vaste lijst van waarden.
- Tags zijn vrije trefwoorden. Ze zijn flexibel en ideaal voor de lange staart, en ze lopen als eerste uit de hand zodra niemand oplet.
Een bibliotheek die werkt, heeft alle drie nodig. Met de taxonomie leg je de vorm vast, metadata voedt de filters waar je op kan rekenen, en tags vangen op wat niemand had voorzien.
De zes soorten metadata
Zes klinkt als veel theorie, maar de indeling is om één praktische reden belangrijk: elke soort heeft een andere eigenaar en een andere levensduur.
| Soort | Voorbeelden | Meestal ingevuld door |
|---|---|---|
| Beschrijvend | Onderwerp, campagne, product, locatie, personen | Uploader plus AI |
| Technisch | Afmetingen, kleurruimte, codec, bestandsgrootte, EXIF | Automatisch |
| Administratief | Uploader, uploaddatum, goedkeuringsstatus, eigenaar | Systeem en workflow |
| Rechten | Licentie, modelrelease, vervaldatum, creditregel | Juridische dienst of marketing ops |
| Structureel | Relaties, master, uitsnede, cutdown, taalversie | Systeem |
| Bewaring | Checksums, archiefformaat, bewaarbeleid | Systeem |
Maar twee daarvan zouden ooit een mens moeite mogen kosten: beschrijvende metadata en rechten. Al de rest hoort het systeem voor je te regelen. Vraagt je DAM een fotograaf om de afmetingen van een bestand in te typen, koop dan een ander DAM-systeem.
Ontwerp je taxonomie rond vragen, niet rond je organigram
De nuttigste oefening doe je nog voor je aan software begint: verzamel de laatste dertig echte vragen naar assets die je team kreeg. Noteer ze letterlijk, in de woorden die mensen gebruikten.
"Hebben we foto's van de nieuwe productielijn?" "Ik heb een liggende foto van de locatie nodig, met mensen erop." "Hebben we iets van de opendeurdag van 2025 dat we publiek mogen gebruiken?" "Het logo, wit, op transparant, voor print." "Recente portretten van het managementteam."
Groepeer ze nu. Die groepen zijn je dimensies, en in de bibliotheek van bijna elk marcomteam komen ze ongeveer hierop uit:
- Wat erop staat: onderwerp, product, locatie, personen
- Waar het vandaan komt: campagne, event, shoot, fotograaf, agency
- Wat het is: type asset, oriëntatie, formaat, taal
- Wat je ermee mag doen: goedkeuringsstatus, gebruiksrechten, vervaldatum, intern of publiek
- Wanneer: aanmaakdatum, publicatiedatum, seizoen
Ontwerp voor de vragen die je echt krijgt. Een taxonomie die vertrekt van de structuur van de marketingafdeling, beschrijft de afdeling en niet de content. Ze is achterhaald bij de volgende reorganisatie, en die komt er, statistisch gezien, binnenkort aan.
Zo blijft je taxonomie bruikbaar
Hou het ondiep
Drie tot vijf niveaus is in de praktijk het plafond. Gaat je structuur dieper, dan kan niemand ze nog onthouden en beginnen mensen toch te zoeken. Dat is op zich geen probleem, maar dan heb je al dat zorgvuldige werk aan de diepte voor niets gedaan. Breedte wint van diepte: meer dimensies met elk minder niveaus onderhoud je veel makkelijker dan één diepe boom.
Gebruik een gecontroleerde woordenlijst
Dit is de beslissing met de grootste hefboom van de hele oefening. Sla je ze over, dan verzamel je voor één en dezelfde plek dit:
Antwerpen · antwerpen · Antwerp · Antwerpen HQ · kantoor Antwerpen · ANT
Dat zijn zes waarden voor één stad, en geen enkele filter geeft ze allemaal terug. Met een gecontroleerde woordenlijst biedt het veld een lijst aan, en kan je niets nieuws intypen, of alleen met goedkeuring. In de eerste maand voelt dat beperkend. In het derde jaar red je er je bibliotheek mee.
Ondersteunt je platform tag recycling (het systeem stelt tijdens het typen de bestaande term voor, in plaats van je een bijna-dubbel te laten verzinnen), dan gebeurt het meeste van dat werk zonder dat je het merkt.
Maak weinig velden verplicht
Elk verplicht veld maakt uploaden zwaarder, en dan gaan mensen het uploaden uit de weg. Kies het minimum waarmee een asset vindbaar en veilig bruikbaar is. Voor de meeste teams zijn dat er vier:
- Onderwerp of beschrijving (AI kan een voorstel doen)
- Campagne, event of project
- Gebruiksrechten of goedkeuringsstatus
- Datum, als die niet betrouwbaar in het bestand zit
Al de rest is optionele verrijking. Een bibliotheek waarin 100% van de assets vier goede velden heeft, doet het beter dan een bibliotheek waarin 20% er twaalf heeft.
Schrijf de definities op
Wat betekent "goedgekeurd" precies? Goedgekeurd door wie, voor welke kanalen, tot wanneer? Als twee mensen een waarde anders kunnen lezen, gaan ze dat ook doen. Met één pagina die elk veld koppelt aan een definitie in gewone taal, voorkom je het meeste afdrijven. Het is ook wat je een nieuwe collega op de eerste dag in handen geeft.
Geef het een eigenaar
Taxonomieën verouderen. Er komen nieuwe producten, merken fuseren, termen raken in onbruik. Eén persoon met naam en toenaam hoort de woordenlijst te beheren en te herzien; voor de meeste teams volstaat dat één keer per kwartaal. Zonder eigenaar voegt iedereen termen toe en haalt niemand er een weg, en zit je weer met zes schrijfwijzen van Antwerpen.
Waar AI helpt, en waar niet
AI-tagging is intussen echt goed. Vision-modellen beschrijven heel nauwkeurig wat er zichtbaar op een beeld staat, lezen tekst in beelden, herkennen gezichten die terugkomen en schrijven bruikbare bijschriften in tientallen talen. Zo verdwijnt het saaiste deel van het metadatawerk. (Het deel dat iedereen stiekem toch al oversloeg.)
Wat AI niet kan, is je bedrijf kennen. Een model kan je vertellen dat er op een beeld twee mensen, veiligheidshelmen, een staalstructuur, bewolkt te zien zijn. Het kan je niet vertellen dat dit het project Borssele II is, geschoten door het agency dat je in maart inschakelde, en vrijgegeven voor publiek gebruik tot het embargo van de klant wordt opgeheven.
De verdeling ziet er in de praktijk dus zo uit:
- AI neemt de beschrijvende metadata voor zijn rekening: onderwerp, objecten, scène, kleuren, tekst in beeld, gezichten, gelijkenis
- Mensen vullen de zakelijke metadata in: campagne, rechten, goedkeuring, projectcodes, interne woordenschat
Wat betrouwbaar werkt, is een aanpak in twee stappen. Laat AI bij het binnenkomen algemene beschrijvingen genereren en koppel of vul die aan met je gecontroleerde woordenlijst, met een controle op alles waar het model twijfelde. Gestructureerde uploadformulieren doen die tweede stap op het moment van uploaden, het enige moment waarop de uploader de context nog kent.
Nog één waarschuwing. AI-tagging vervangt geen taxonomie, het versnelt er een. Laat je automatische tagging los op een bibliotheek zonder afspraken, dan heb je in korte tijd een enorme hoeveelheid inconsistente tags waar niemand nog greep op heeft.
Metadata toevoegen aan een bestaande bibliotheek
Niemand begint met een schone lei. Zo pak je het realistisch aan:
Verrijk niet alles. De meeste bibliotheken volgen een steile gebruikscurve: een klein deel van de assets is goed voor bijna alle opvragingen. Verrijk dat deel grondig en laat de rest vindbaar zijn via AI-zoeken en technische metadata alleen.
Gebruik wat je al hebt. Mapnamen, bestandsnamen en EXIF bevatten echte informatie. 2024-09_Opendeurdag_Hasselt/ geeft je een campagne, een datum en een locatie. Pas dat tijdens de migratie in bulk toe, in plaats van het later met de hand opnieuw uit te zoeken.
Verrijk bij gebruik. Haalt iemand een asset op met te weinig beschrijving, vraag dan naar het ontbrekende veld. Wie een asset gebruikt, weet er het meest over, en de moeite komt precies terecht waar de waarde zit.
Trek een grens. Assets ouder dan een vaste datum gaan naar een archief dat doorzoekbaar blijft, maar buiten de standaardweergave valt. Zo vertroebelt oud materiaal je dagelijkse zoekresultaten niet meer, en ontloop je een opruimproject dat toch nooit af zou raken.
Overstappen naar een DAM zet dit allemaal in een volledig stappenplan.
Standaarden die je best kent
Je hoeft ze niet te implementeren. Maar je weet best dat ze bestaan, zodat je geen workshop verliest aan ze opnieuw uitvinden.
- IPTC Photo Metadata: de standaardvelden voor fotografie (maker, creditregel, copyright, beschrijving, trefwoorden). Camera's, Lightroom en DAM-systemen ondersteunen ze breed, en ze reizen mee in het bestand.
- XMP: de container van Adobe voor ingebedde metadata. Zo overleven IPTC en je eigen velden een passage door Photoshop.
- EXIF: technische gegevens die de camera wegschrijft: toestel, lens, belichting, gps, tijdstip.
- Dublin Core: een kleine, algemene set beschrijvende velden. Handige woordenschat als je je eigen schema ontwerpt.
- C2PA Content Credentials: cryptografisch ondertekende herkomstinformatie die beschrijft hoe een asset gemaakt en bewerkt is, ook of er AI bij betrokken was. Steeds relevanter voor compliance; zie GDPR, EU-dataresidentie en de AI Act.
Kies waar het kan voor ingebedde metadata. Metadata die alleen in een database staat, ben je kwijt zodra een bestand het systeem verlaat.
Een startschema
Wil je ergens beginnen, dan houdt dit schema stand voor de meeste marketing- en communicatieteams:
| Veld | Type | Verplicht | Opmerkingen |
|---|---|---|---|
| Beschrijving | Tekst | Ja | Voorgesteld door AI, bevestigd door een mens |
| Type asset | Enkele keuze | Ja | Foto, video, document, logo, template, audio |
| Campagne / project | Enkele keuze | Ja | Gecontroleerde lijst, beheerd door marketing ops |
| Gebruiksrechten | Enkele keuze | Ja | Publiek, alleen intern, alleen partners, beperkt |
| Vervaldatum rechten | Datum | Nee | Verplicht als de rechten in de tijd beperkt zijn |
| Locatie | Enkele keuze | Nee | Gecontroleerde lijst van sites, steden, locaties |
| Personen | Meerkeuze | Nee | Gezichtsherkenning stelt voor, een mens bevestigt |
| Product / dienst | Meerkeuze | Nee | Gecontroleerde lijst |
| Taal | Enkele keuze | Nee | Voor documenten en ondertitelde video |
| Creditregel | Tekst | Nee | Fotograaf of agency, voor publiek gebruik |
| Trefwoorden | Vrije tags | Nee | De lange staart, hergebruikt uit bestaande termen |
Tien velden, waarvan vier verplicht. Begin kleiner dan goed aanvoelt. Later een veld toevoegen is een kleinigheid; er een schrappen na twee jaar gebruik is dat niet.
Veelgestelde vragen
Hoeveel metadatavelden heeft een DAM nodig?
Minder dan je denkt. Mik op vier of vijf verplichte velden en een handvol optionele. Een klein schema dat volledig ingevuld is, doet het beter dan een groot schema dat er alleen op papier rijk uitziet, want verplichte velden zijn pas nuttig als mensen ze ook echt invullen.
Wat is een gecontroleerde woordenlijst in een DAM?
Een vaste lijst van goedgekeurde waarden voor een veld, zodat je hetzelfde begrip altijd op dezelfde manier vastlegt. Zo voorkom je bijna-dubbele tags als "Antwerpen", "Antwerp" en "kantoor Antwerpen", die je zoekresultaten over verschillende waarden versnipperen.
Kan AI het manueel taggen vervangen?
Voor beschrijvende metadata (wat er op een beeld staat, welke tekst erin zit, wie erop staat) grotendeels wel. Voor zakelijke context zoals campagne, rechtenstatus en projectcodes niet, want AI kent je organisatie niet. Wat werkt, is AI voor de beschrijving plus een kort gestructureerd formulier voor de context.
Hoe diep moet een DAM-taxonomie zijn?
Drie tot vijf niveaus, maximaal. Diepere structuren zijn moeilijker te onderhouden en worden zelden gebruikt, omdat mensen gaan zoeken in plaats van bladeren zodra een bibliotheek meer dan een paar duizend assets telt.
Hoe vaak moet je je taxonomie herzien?
Voor de meeste teams volstaat één keer per kwartaal: dubbele termen samenvoegen, ongebruikte termen schrappen en woordenschat toevoegen voor nieuwe producten of merken. Wijs het toe aan één eigenaar met naam en toenaam, anders gebeurt het niet.