Wissensgraphen stellen ein universelles Mittel zur Repräsentation von Wissen dar, das sowohl von Menschen als auch von Maschinen genutzt werden kann. Sie bilden damit eine zentrale Grundlage moderner datengetriebener Informationssysteme und KI-Anwendungen, die sowohl domänenspezifisches als auch allgemeines Weltwissen benötigen. Wissensgraphen finden zunehmend Einsatz in Unternehmen und großen Organisationen. Ein bekanntes Beispiel ist der Google Knowledge Graph, der die Suchmaschine unterstützt. Darüber hinaus existieren frei verfügbare, großskalige Wissensgraphen wie DBpedia oder Wikidata, die als Grundlage leistungsfähiger KI-Anwendungen dienen.
Das Modul vermittelt eine Einführung in die grundlegenden Standards und Konzepte von Wissensgraphen, einschließlich Wissensrepräsentation, Anfragesprachen und logischer Inferenz. Neben theoretischen Inhalten umfasst das Modul praktische Übungen sowie ein Projekt, in dem eine kleine wissensgraphbasierte Anwendung entwickelt wird.
Mögliche weitere Themen sind:
- Einbindung von Wissensgraphen in moderne KI- und Machine-Learning-Pipelines (z. B. Knowledge-Graph-Embeddings, Retrieval-Augmented Generation, LLMs und Wissensgraphen)
- SPARQL als Standard-Anfragesprache für RDF-Wissensgraphen
- Skalierbarkeit und Performance von Wissensgraphen (verteilte Graphdatenbanken, Cloud-basierte Plattformen)
- Praktische Fallstudien aus Industrie und Verwaltung (z. B. Datenintegration, Such- und Empfehlungssysteme)
- Automatisierte und halbautomatisierte Erstellung von Wissensgraphen (Information Extraction, Entity Linking, Ontologie-Lernen)
- Governance, Versionierung und Wartung von Wissensgraphen in produktiven Systemen
- Grundlagen zu Datenschutz, Lizenzierung und ethischen Fragestellungen im Kontext offener Wissensgraphen
Empfohlene Vorkenntnisse
- Grundkenntnisse in Datenbanken und Datenmodellen
- Grundlagen der Informatik und Softwareentwicklung
- Basiskenntnisse in formalen Sprachen oder Logik (von Vorteil, aber nicht zwingend erforderlich)
- Erfahrung in Programmierung, in der Veranstaltung wird Python eingesetzt.
Inhalte
- Historische Entwicklung von Wissensgraphen und des Semantic Web
- Graphbasierte Repräsentationssprachen und -formate
- Wissensmodellierung: Ontologien, Linked Data, Property-Graph-Modelle
- Integration heterogener Wissens- und Datenquellen
- Datenqualität und Konsistenz in Wissensgraphen
- Praktische Übungen und Projektarbeit zur Entwicklung einer wissensgraphbasierten Anwendung
Lernziele/Kompetenzen
Die Studierenden sind in der Lage,
- die grundlegenden Konzepte, Standards und Architekturen von Wissensgraphen und des Semantic Web zu erklären,
- geeignete Repräsentationssprachen und Modellierungsansätze für konkrete Anwendungsfälle auszuwählen,
- Ontologien zu entwerfen und Domänenwissen strukturiert in Wissensgraphen zu modellieren,
- Abfragen auf Wissensgraphen zu formulieren und Ergebnisse zu interpretieren,
- unterschiedliche Datenquellen zu integrieren und Qualitätsprobleme in Wissensgraphen zu identifizieren,
- eine einfache wissensgraphbasierte Anwendung konzipieren, implementieren und evaluieren.