Home

Wissensgraphs

Wissensgraphs, auch Knowledge Graphs genannt, sind graphbasierte Darstellungen von Wissen, in denen Entitäten wie Personen, Orte, Dinge oder Konzepte als Knoten und deren Beziehungen als Kanten modelliert werden. Häufig enthalten sie zusätzlich Attribute der Knoten und Kanten. Durch verknüpfte semantische Relationen und Ontologien ermöglichen Wissensgraphen semantische Abfragen, Schlussfolgerungen und eine bessere Interoperabilität zwischen unterschiedlichen Datenquellen.

Aufbau und Formate: Typische Modelle nutzen RDF (Resource Description Framework) oder Property Graphs. RDF arbeitet mit

Aufbauprozesse: Wissensgraphen entstehen durch Extraktion aus strukturierten und unstrukturierten Quellen, Entitätenverknüpfung (Entity Resolution), Ontologie-Engineering, Mapping und

Anwendungen: Sie werden in Suchmaschinen, Frage-Antwort-Systemen, semantischer Suche, Data Integration, Business Intelligence, Personalisiertes Empfehlungssystem und Wissensmanagement

Beispiele und Bedeutung: Wikidata, DBpedia, der Google Knowledge Graph, der Microsoft Academic Graph und verwandte Wissensquellen

Herausforderungen: Zu den Kernherausforderungen gehören Skalierbarkeit, Datenqualität, Konsistenz, Mehrsprachigkeit, Datenschutz, Governance und Vertrauenswürdigkeit von Quellen. Zukünftige

Tripeln
(Subjekt–Prädikat–Objekt)
und
nutzt
RDFS/OWL
zur
Semantik
und
zum
Schlussfolgern.
Property
Graphen
speichern
neben
der
Knoten-
und
Kantentypisierung
auch
Eigenschaften
direkt
an
Knoten
und
Kanten.
Abfragen
erfolgen
über
SPARQL
(für
RDF)
oder
Cypher/Gremlin
(für
Property
Graphs).
Integration
mehrerer
Datenquellen.
Qualitätssicherung,
Provenance-Informationen
und
Vertrauenskennzeichen
spielen
eine
zentrale
Rolle.
in
Organisationen
eingesetzt.
Durch
semantische
Verknüpfungen
ermöglichen
sie
effizientere
Datenintegration
und
kontextbezogene
Antworten.
zählen
zu
prominenten
Vertretern.
Wissensgraphen
spielen
eine
zentrale
Rolle
im
Semantischen
Web
und
inKI-Anwendungen,
die
auf
strukturiertes
Weltwissen
zugreifen.
Entwicklungen
fokussieren
auf
skalierbares
Reasoning,
multi‑modalität
und
verbesserte
Graph-Embeddings.