Metadata als ruggengraat van je digitale archief

·

Een gescand document zonder goede metadata is als een dossier zonder label in een kast zonder volgorde. Je hebt het bestand, maar je vindt het niet terug. Dat is het centrale probleem van veel digitaliseringsprojecten: de scan is gemaakt, maar het werk was eigenlijk nog niet begonnen. Metadata bepalen of je archief bruikbaar is of alleen maar digitale chaos. In dit stuk leg ik uit hoe je metadata structureert, welke velden je minimaal nodig hebt, en waar het in de praktijk misgaat.

Wat metadata eigenlijk zijn en waarom ze er toe doen

Metadata zijn gegevens over gegevens. Ze beschrijven een document zonder dat je het hoeft te openen. Denk aan de naam van een document, de datum waarop het is aangemaakt, de auteur, het documenttype en de afdeling waartoe het behoort. Die beschrijving maakt het mogelijk om snel te zoeken, te filteren en te sorteren.

In een papieren archief vervulde de fysieke locatie een deel van die functie. Een factuur lag in de map “Crediteuren 2019”, in de kast van de financiële administratie, op de derde plank links. De locatie was zelf al een stuk metadata. Digitaal valt die ruimtelijke context weg. Je hebt dan expliciete, ingetypte of automatisch gegenereerde metadata nodig om dezelfde oriëntatie te bieden.

Bij accountantskantoren die ik heb geholpen digitaliseren, was dit steevast het eerste struikelblok. Scans waren gemaakt, bestanden opgeslagen, maar niemand had afgesproken welke velden verplicht waren en wat de toegestane waarden waren. Het resultaat: tien manieren om hetzelfde documenttype te noemen, datums in drie verschillende notaties en lege velden waar een categorie had moeten staan.

De minimale veldset die je nodig hebt

Je kunt eindeloos uitbreiden, maar begin met het minimum. Een werkbaar archief heeft in elk geval de volgende velden:

  • Documenttype — factuur, contract, correspondentie, rapport, vergunning
  • Datum document — de datum op het document zelf, niet de scandatum
  • Relatie of entiteit — de klant, leverancier of instantie waarop het document betrekking heeft
  • Afdeling of eigenaar — wie is verantwoordelijk voor dit dossier
  • Bewaartermijn of categorie — kort, middellang of lang, of een concrete termijn in jaren
  • Status — concept, definitief, vervallen, gearchiveerd

Dit zijn zes velden. Meer is mogelijk, maar begin hier. Elk veld dat je toevoegt zonder duidelijk gebruik, wordt vroeg of laat niet ingevuld. Lege velden zijn ruis. Ruis maakt een archief onbetrouwbaar.

De notatie van datums is een apart aandachtspunt. Gebruik altijd het formaat JJJJ-MM-DD. Dat is de internationale standaard en het sorteert correct, ook als je bestanden op naam sorteert. Een datum als “3 maart 2021” of “03-03-21” leidt tot sorteerproblemen en is foutgevoelig bij handmatige invoer.

Gecontroleerde vocabulaires voorkomen vervuiling

Een vrij tekstveld voor documenttype klinkt flexibel. In de praktijk levert het chaos op. De ene medewerker typt “factuur”, de andere “Factuur”, een derde “inkoopfactuur” en een vierde “fac.” Na een jaar heb je tientallen varianten van hetzelfde begrip en werkt filteren niet meer.

De oplossing is een gecontroleerde vocabulaire: een vaste lijst met toegestane waarden per veld. Je stelt die lijst vooraf op en je past hem alleen aan via een formeel besluit. Iedereen die documenten invoert, kiest uit die lijst. Er is geen vrij invoerveld.

Dit vraagt discipline bij de inrichting. Je moet van tevoren nadenken over alle documenttypen die in je organisatie voorkomen. Dat is ook meteen een goede oefening: het dwingt je om je eigen documentstromen in kaart te brengen. Welke soorten documenten ontvang je? Welke maak je zelf? Welke bewaar je vanwege een wettelijke verplichting en welke vanwege operationele waarde?

Het concept van gecontroleerde vocabulaires is niet nieuw. Bibliotheken en archiefinstellingen werken er al decennia mee. Een artikel op Wikipedia over thesauri en classificatiesystemen laat zien hoe diep dit vakgebied gaat — van de Dewey Decimaalclassificatie tot moderne ontologieën voor kennisbeheer. Voor een kantoorarchief hoef je dat niveau niet te bereiken, maar het principe is hetzelfde: consistentie in naamgeving is een voorwaarde voor vindbaarheid.

Metadata bij scannen: automatisch of handmatig

Bij het inrichten van een scanworkflow moet je beslissen hoeveel metadata je automatisch genereert en hoeveel je handmatig invoert. Beide hebben voor- en nadelen.

Automatisch gegenereerde metadata zijn snel en consistent. Scandatum, bestandsgrootte, resolutie en bestandsnaam kunnen zonder menselijke tussenkomst worden vastgelegd. Sommige systemen lezen barcodes of QR-codes op documenten en koppelen daarmee metadata aan het bestand. Dat werkt goed als je documenten zelf aanmaakt en van tevoren kunt voorzien van een code.

Bij inkomende documenten is het lastiger. Een brief van een leverancier heeft geen barcode. Een handgeschreven notitie heeft geen machineleesbare structuur. Daar is handmatige invoer onvermijdelijk. De vraag is dan: wie voert in, wanneer en op basis van welke instructie?

Maak van metadata-invoer een stap in het scanproces, niet een nabewerking. Als de medewerker die scant ook direct de verplichte velden invult, is de kans op lege velden kleiner. Stel je het in als een aparte taak die later wordt gedaan, dan wordt het uitgesteld of overgeslagen.

Een praktisch hulpmiddel is een invoerformulier of checklist naast de scanner. Niet digitaal, maar op papier, geplastificeerd, aan de muur. Welke velden zijn verplicht? Wat zijn de toegestane waarden? Hoe schrijf je de datum? Dat klinkt ouderwets, maar het werkt. De medewerker hoeft niet te onthouden wat de afspraken zijn. Ze hangen voor hem.

Uitzonderingen en afwijkende documenten

Elk archief heeft uitzonderingen. Documenten die niet in een categorie passen. Bestanden die meerdere documenttypen bevatten. Scans van meerdere pagina’s waarvan de eerste pagina een factuur is en de tweede een bijlage met een andere status.

Spreek van tevoren af hoe je hiermee omgaat. Een paar richtlijnen:

  • Samengestelde documenten — splits ze op als de onderdelen verschillende metadata nodig hebben. Een factuur en de bijbehorende leveringsbon zijn twee documenten met een relatie, niet één document.
  • Onleesbare scans — maak een aparte categorie “te herwerken” en plan een moment om die te verwerken. Laat ze niet in het systeem zitten zonder markering.
  • Documenten zonder duidelijke datum — gebruik de datum van ontvangst of de scandatum, maar noteer in een opmerkingenveld dat de documentdatum onbekend is.
  • Documenten in een vreemde taal — voeg een veld toe voor taal als je regelmatig buitenlandse documenten ontvangt. Dat maakt filteren later mogelijk.
  • Fysieke originelen die je moet bewaren — sommige documenten moeten in originele vorm bewaard blijven, ook als je ze scant. Leg dat vast in de metadata. Voeg een veld toe als “fysiek origineel aanwezig” met de locatie van dat origineel.

De uitzondering is de test van je systeem. Als je geen antwoord hebt op een randgeval, is je systeem niet af. Werk de uitzonderingen uit voordat je begint met het grote scanwerk, niet terwijl je er middenin zit.

Tot slot: metadata zijn een beheerproces, geen eenmalige klus

Een archief is geen project met een einddatum. Het is een doorlopend beheerproces. Metadata-kwaliteit verslechtert als je er niet actief op stuurt. Medewerkers vertrekken en nemen hun kennis van de afspraken mee. Nieuwe documenttypen ontstaan en worden niet aan de vocabulaire toegevoegd. Velden raken verouderd.

Plan daarom periodieke controles in. Niet eens per jaar, maar eens per kwartaal. Bekijk een steekproef van recent ingevoerde documenten. Zijn de verplichte velden ingevuld? Zijn de waarden consistent? Zijn er nieuwe documenttypen opgedoken die nog niet in de lijst staan?

Wijs iemand aan als eigenaar van het metadata-schema. Niet als fulltime taak, maar als verantwoordelijkheid. Die persoon beslist over wijzigingen in de vocabulaire, beheert de instructies en voert de steekproeven uit. Zonder eigenaarschap verwatert elk systeem.

De overgang van papier naar digitaal is geen technisch probleem. Het is een organisatorisch probleem. Techniek kan metadata vastleggen, maar techniek bepaalt niet welke metadata zinvol zijn, wie ze invoert en hoe je de kwaliteit bewaakt. Dat zijn menselijke beslissingen. Maak ze bewust, leg ze vast en herhaal ze.

Een goed metadata-schema is onzichtbaar als het werkt. Je vindt wat je zoekt, je filtert zonder nadenken, je weet direct welke bewaartermijn van toepassing is. Pas als het niet werkt, merk je hoe belangrijk het was. Begin er dus mee voordat je de eerste scan maakt.

Meer om te lezen