Solitamente i dati sono organizzati ricorrendo al meccanismo della classificazione, che, però, può presentare diversi problemi derivanti essenzialmente dalle differenze di dominio, terminologia, scelta e significato delle varie caratteristiche ritenute importanti e dalle differenze fra le relazioni più significative. È importante, in questo contesto, distinguere le ontologie dai meccanismi di classificazione. Mentre questi ultimi prestano attenzione alle esigenze di accesso all’informazione, basandosi su criteri predeterminati codificati mediante elementi sintattici, le ontologie si concentrano sul significato dei termini e sulla natura e struttura di un dominio. Ne deriva che il problema essenziale è sostanzialmente quello della corrispondenza semantica (semantic matching) e dell’integrazione semantica. Anche sottili differenze fra le diverse terminologie risultano importanti e la definizione di vocabolari standard non è la soluzione al problema: essi sono spesso il risultato di anni di lavoro da parte di esperti, ma non sempre si adattano bene, soprattutto in presenza di domini di conoscenza eterogenei e non sempre vengono utilizzati in maniera corretta.
Un'ontologia, almeno nel senso in cui questo termine viene impiegato nel settore informatico, è un oggetto specifico, progettato per esprimere il "senso inteso" (intended meaning) di un vocabolario. Una caratteristica importante di un’ontologia è il suo livello di precisione, cioè il modo in cui è in grado di esprimere i concetti in maniera non ambigua e con un buon grado di copertura e di precisione rispetto al modello inteso. Anche se per la classificazione è stato utilizzato un core metadata (ad esempio Dublin Core, MAG) esso è sì finalizzato all'integrazione dei dati ma i metadati sono compilati e utilizzati principalmente da esseri umani. La differenza fondamentale con una core ontology è che quest'ultima rappresenta un modello formale utilizzato da strumenti che provvedono all'integrazione di varie fonti e svolgono varie altre funzioni. Di conseguenza, mentre i fattori umani e principalmente la leggibilità, costituiscono un elemento cardine nella definizione dei core metadata, una core ontology può accettare un livello di complessità maggiore, privilegiando la completezza e la correttezza logica rispetto alla comprensibilità umana.
Dopo questa premessa necessaria, ecco perché l'utilizzo di Pinakes3, essendo un'applicazione basata su ontologie, comporta una riflessione sul passaggio di struttura: si passa da una struttura lineare o relazionale (propria ad esempio delle schede per la catalogazione bibliografica, archivistica, artistica, ecc.) ad una struttura ontologica per la costruzione di una base di conoscenza distribuita e condivisa.
Il primo passo per utilizzare Pinakes3 è una riflessione sui dati al fine di arrivare alla creazione di un modello ontologico che esprima la rete di concetti e le relazioni fra di essi. Il modello ontologico è un prerequisito fondamentale per la creazione unificata del dominio di conoscenza e quindi di un'ontologia. Attraverso l'uso di questo modello si perviene alla definizione dello schema concettuale dei dati.
La riflessione che consente di creare un'ontologia, ovvero una vista sulla conoscenza, può essere inoltre utile perché offre una nuova prospettiva e visione sulle relazioni fra i concetti, base per aprire nuove strade ad ulteriori studi ed analisi.
