Corporate Semantic Web (eBook)

Börteçin Ege hat Informatik an der Technischen Universität Wien studiert. In 2007 hat er die Arbeitsgruppe DACH+ Semantic Web (3500 Mitglieder) in XING gegründet und ist seit mehreren Jahren in Semantic Web-Projekten aktiv tätig. Zudem ist er einer der Ersten im deutschsprachigen Raum, der Trainings über die Semantic Web Technologien angeboten hat. Er ist auch der Autor von zahlreichen wissenschaftlichen Publikationen. Seine Forschungsschwerpunkte sind Linked Data, Semantische Interoperabilität und Corporate Semantic Web.Bernhard Humm ist Professor für Software Engineering und Projektmanagement am Fachbereich Informatik der Hochschule Darmstadt und Direktor des Instituts für Angewandte Informatik Darmstadt (aIDa). Seine Forschungsschwerpunkte liegen in den Bereichen Semantic Web, Software Architektur und Programmiersprachen. In diesen Bereichen führt er Forschungsprojekte im Industrie- und Hochschulumfeld durch und publiziert regelmäßig. Prof. Humm arbeitete 11 Jahre beim Software- und Beratungshaus sd&m AG als technischer Senior- und Chefberater, Bereichsleiter und Leiter von sd&m Research. Seine Promotion erhielt er an der University of Wollongong in Australien, sein Diplom mit Auszeichnung an der Universität Kaiserslautern.Anatol Reibold hat Mathematik und Mechanik an der Universität Novosibirsk studiert. Forschungsschwerpunkte: Semantic Web, Ontologien, Datenanalyse, Data Mining, Data Science, Sentiment Analysis und Web Analytics. Nach mehrjähriger wissenschaftlichen Tätigkeiten an der Universitäten Novosibirsk, Darmstadt und Leipzig als Senior Berater in einem Social Web Monitoring Unternehmen tätig. Leidenschaftlicher Verfechter von Semantischen Technologien in sozialen Netzwerken.

Vorwort der Herausgeber 6
Inhaltsverzeichnis 8
Kapitel 1 11
Corporate Semantic Web 11
1.1 Das Semantic Web 12
1.2 Semantische Anwendungen im Unternehmenseinsatz 12
1.3 Bereitstellen von Linked Data reicht nicht 12
1.4 Eine global vernetzte Wissensbasis – Fiktion oder Realität? 14
1.5 Semantik?=?RDF? 15
1.6 Richtig vorgehen 15
1.7 Modellieren ist einfach (?!) 16
1.8 Juristische Fragen 17
1.9 Semantische Anwendungen stiften Nutzen in Unternehmen – nachweislich! 17
1.10 Fazit 18
Literatur 18
Kapitel 2 20
Einordnung und Abgrenzung des Corporate Semantic Webs 20
2.1 Grundlegende Begriffe 21
2.2 Corporate Semantic Web 23
2.3 Public Semantic Web 25
2.4 Social Semantic Web 3.0 26
2.5 Pragmatic Web 27
2.6 Zusammenfassung und Ausblick „Ubiquitous Pragmatic Web 4.0“ 27
Literatur 29
Kapitel 3 31
Marktstudie: Welche Standards und Tools werden in Unternehmen eingesetzt? 31
3.1 Einleitung 31
3.2 Semantische Suche in Webarchiven (Quantinum AG) 32
3.2.1 Kundenanforderungen 32
3.2.2 Technische Umsetzung 32
3.2.3 Erfahrungswerte 34
3.3 Semantische Analyse und Suche in Kundenspezifikationen (Ontos AG) 34
3.3.1 Kundenanforderungen 34
3.3.2 Technische Umsetzung 35
3.3.3 Erfahrungswerte 35
3.4 Sicherheit für Banken im Risikomanagement (VICO Research &  Consulting GmbH)
3.4.1 Kundenanforderungen 36
3.4.2 Technische Umsetzung 36
3.4.3 Erfahrungswerte 38
3.5 Interaktive Fahrzeugdiagnose (semafora GmbH) 38
3.5.1 Kundenanforderungen 39
3.5.2 Technische Umsetzung 40
3.5.3 Erfahrungswerte 41
3.6 Quo Vadis? 41
3.7 Umfrage-Ergebnisse 42
3.8 Semantic Web Standards & Tools
3.9 Ausblick 46
Literatur 47
Kapitel 4 48
Modellierung des Sprachraums von Unternehmen 48
4.1 Hintergrund 49
4.2 Eine Frage der Bedeutung 50
4.3 Bedeutung von Begriffen im Unternehmenskontext 51
4.3.1 Website-Suche bei einem Industrieunternehmen 51
4.3.2 Extranet-Suche bei einem Marktforschungsunternehmen 53
4.3.3 Intranet-Suche bei einem Fernsehsender 53
4.4 Variabilität unserer Sprache und unseres Sprachgebrauchs 53
4.4.1 Konsequenzen des Sprachgebrauchs 55
4.5 Terminologiemanagement und Unternehmensthesaurus 56
4.5.1 Unternehmensthesaurus 57
4.5.2 Mut zur Lücke: Arbeiten mit unvollständigen Terminologien 58
4.6 Pragmatischer Aufbau von Unternehmensthesauri 59
4.6.1 Begriffsanalyse des Anwendungsbereichs 59
4.6.2 Informationsquellen 60
4.6.3 Häufigkeitsverteilung 60
4.6.4 Aufwand und Nutzen 61
Literatur 64
Kapitel 5 65
Schlendern durch digitale Museen und Bibliotheken 65
5.1 Einleitung 65
5.2 Anwendungsfall 1: Schlendern durch das Digitale Museum 66
5.3 Anwendungsfall 2: Literatur in Bibliotheken finden 67
5.4 Herausforderungen 69
5.5 Die Anforderungen treiben die Architektur 70
5.5.1 Semantic ETL 70
5.5.2 Semantic Logic 72
5.5.3 Client 73
5.6 Diskussion 74
5.7 Empfehlungen und Fazit 74
Literatur 75
Kapitel 6 77
Semantische Suche im Bereich der Energieforschungsförderung 77
6.1 Das Projekt EnArgus® 77
6.2 Die Fachontologie 80
6.2.1 Semantische Suche 80
6.2.2 Repräsentation der semantischen Relationen in der Fachontologie 80
6.2.3 Evaluation des EnArgus-Systems 83
6.3 Erstellung und Evaluation der Fachontologie 83
6.3.1 Das Wiki 84
6.3.2 Vom Wiki zur Ontologie 85
6.3.3 Visualisierung 86
6.3.4 Evaluation der Ontologie 88
6.4 Ausblick 88
Literatur 89
Kapitel 7 92
Semantische Suche in einer digitalen Bibliothek 92
7.1 Einführung 92
7.2 Die Deutsche Digitale Bibliothek (DDB) 93
7.2.1 Das Europeana Datenmodel (EDM) 94
7.2.2 Suche durch Indizierung von Linked Data 95
7.2.3 Personenseiten mit aggregierten Informationen 97
7.2.4 Automatische Verknüpfung mit Normdateien 99
7.2.5 Externe Nutzung der DDB-Daten 103
7.3 Ausblick: Übertragung auf Unternehmensszenarien 103
Literatur 104
Kapitel 8 106
Semantische Beratung im Tourismus-Sektor 106
8.1 Einleitung 106
8.2 Reiseportale heute 107
8.3 Herausforderungen an das Reiseportal der Zukunft 108
8.4 Wie beschreibt man ein touristisches Produkt? 109
8.5 Wie spielt alles zusammen? 112
8.6 Resümee 114
Kapitel 9 116
Messung des Nutzens semantischer Suche 116
9.1 Motivation 116
9.2 Bewertung von Information Retrieval Systemen 117
9.2.1 Relevanz, Textkorpora und Goldstandards 117
9.2.2 Rahmenbedingungen des Unternehmenskontextes 119
9.2.3 Rahmenbedingungen bei der Bewertung von Suchmaschinen 119
9.3 Semantische Suche 120
9.3.1 Mehr Ergebnisse 121
9.3.2 Genauere Ergebnisse 122
9.3.3 Widersprüchliche Ziele? 122
9.3.4 Konsequenzen für die Bewertung semantischer Suche 123
9.4 Vergleich und Bewertung durch Gegenüberstellung 123
9.4.1 Vergleichsmodell 123
9.5 Vergleich einer semantischen Suche mit zwei Volltextsuchen 125
9.5.1 Experiment für ein Internetportal 125
9.5.2 Experiment für das WDB Suchportal für Weiterbildung in Berlin-Brandenburg 127
9.5.3 Vergleich der Ergebnisse 131
9.6 Resümee 131
Literatur 132
Kapitel 10 134
Verlage müssen sich neu erfinden 134
10.1 Einleitung 134
10.2 Wolters Kluwer und JURION 135
10.3 LOD2 137
10.4 Status der angestrebten technischen Gesamtinfrastruktur 141
10.5 Herausforderungen bei der Umsetzung 143
10.6 Öffnung neuer Datenquellen 144
10.7 Weitere Planung 146
10.8 Zusammenfassung und Ausblick 147
Literatur 147
Kapitel 11 149
Semantische Technologien für Mobilfunkunternehmen 149
11.1 Einleitung 150
11.2 Datenbasierte Mehrwertdienste für Mobilfunkbetreiber 151
11.2.1 In-House-Dienste 151
11.2.2 B2B-Dienste 152
11.2.3 B2C-Dienste 153
11.3 OpenMobileNetwork – eine offene Plattform für approximierte und semantisch angereicherte Netztopologiedaten 154
11.4 Umsetzung semantischer Mehrwertdienste 159
11.4.1 Semantische Ortung 163
11.4.2 Mehrwert für reale Nutzer 166
11.5 Fazit 167
Literatur 168
Kapitel 12 170
Semantische Analyse großer Datenbestände aus unternehmensinternen und externen Quellen 170
12.1 Marktforschung im digitalen Zeitalter 170
12.2 Struktur und Import interner Daten 172
12.3 Kategorisierung der internen Daten 175
12.4 Sentiment-Analyse: Möglichkeiten und Grenzen 176
12.5 Semantische Analyse von Begriffsbeständen und -relationen 178
12.6 Zusammenführung interner und externer (Web-)Daten 182
12.7 Das eingesetzte Research- und Analyse-System 183
12.8 Erkenntnisgewinne und Kundennutzen 185
12.9 Herausforderungen und Grenzen aus Entwicklersicht 186
Literatur 187
Kapitel 13 189
Intelligente Datenauswertung mit Linked Open Data 189
13.1 Einleitung 189
13.2 Linked Open Data in der Datenauswertung – die RapidMiner Linked Open Data Extension 191
13.3 Fallstudie 1: Analyse von Statistiken mit Hintergrundwissen 194
13.4 Fallstudie 2: Analyse von Messdaten mit Hintergrundwissen 196
13.4.1 Initiales Datenset 198
13.4.2 Externe Datenquellen 198
13.5 Zusammenfassung und Ausblick 200
Literatur 201
Kapitel 14 204
Sicheres Spielzeug für Kinderhände – mit Hilfe semantischer Datenbanken 204
14.1 Motivation I 205
14.2 Motivation II 205
14.3 Die Herausforderung: die Nachverfolgbarkeit bis hin zur Charge 206
14.4 Die Umsetzung: ein semantisches Wissensnetz macht es möglich 209
14.5 Agilität und Übertragbarkeit 211
14.6 Rechtemodell des semantischen Netzes 212
14.7 Aktuelle Situation und Erfahrungen 213
Literatur 214
Kapitel 15 215
Markttopologien mit semantischen Netzen 215
15.1 Die Situation heute 215
15.2 Ein semantisches Beispiel 217
15.3 Abgrenzung 222
15.4 Über ETL und Excel hinaus 223
15.5 Fazit 225
Literatur 226
Kapitel 16 227
Ontologien als Schlüsseltechnologie für die automatische Erzeugung natürlichsprachlicher Texte 227
16.1 Einleitung 228
16.2 Das Template-basiertes Generierungsverfahren 230
16.2.1 Anwendungsbeispiel Fußballbundesligaspielbericht Borussia Dortmund: SC Freiburg 234
16.3 Funktionsweise der Textgenerierung auf Basis von Templates 235
16.4 Originalität, Quantität, Qualität und Lesbarkeit der generierten Texte 239
16.5 Ausblick und weitere Entwicklungen 241
16.6 Fazit 243
Literatur 244
Kapitel 17 246
Semantische Technologien und Standards für das mehrsprachige Europa 246
17.1 META-SHARE und META-NET 247
17.1.1 Zugang zu Sprachressourcen: META-SHARE 247
17.1.2 Hintergrund: Ziele von META-NET 248
17.2 Von Sprachressourcen zu Linked Data – und zurück 249
17.2.1 Motivation für die Bereitstellung von Sprachressourcen als Linked Data 249
17.2.2 Sprachtechnologie hilft Linked Data – ein Anwendungsszenario 250
17.2.3 Auf dem Weg zu weiteren Anwendungsszenarien und mehrsprachigen Linked Data Ressourcen 252
17.3 The Big Picture: Auf dem Weg zur europäischen, mehrsprachigen Informationsgesellschaft 253
Literatur 255
Kapitel 18 257
Linked Data im digitalen Tanzarchiv der Pina Bausch Foundation 257
18.1 Motivation und Ausgangspunkt 258
18.2 Anforderungen und Randbedingungen 258
18.3 Ansatz 260
18.3.1 Konventionelle Datenbanken 260
18.3.2 Linked Data 260
18.4 Szenarien 261
18.4.1 Material sammeln 261
18.4.2 Material annotieren 261
18.4.3 Verschiedene Meinungen, Inkonsistenzen und Widersprüche erhalten 262
18.4.4 Immergente Bilder 262
18.5 Stand des Archivs 263
18.5.1 Experimenteller Aufbau 263
18.5.2 Modellierungs- und Datenerfassungsprozess 264
18.5.3 Daten im Archiv 266
18.5.4 Aktuelles Modell 267
18.6 Diskussion 267
18.6.1 Was wir gelernt haben 267
18.6.2 Was andere machen 271
18.7 Zusammenfassung 271
18.7.1 Hinweis 272
Literatur 272
Kapitel 19 274
Mobile semantische P2P Anwendungen bauen 274
19.1 Einleitung 274
19.2 Salto Funktionen 275
19.3 Programmierframework Shark 276
19.3.1 Wissensbasis 276
19.3.2 P2P Austausch 278
19.4 Implementierung 278
19.4.1 Profil 278
19.4.2 Datenhaltung und -austausch 280
19.4.3 Dezentrales Vokabular/Folksonomie 281
19.4.4 Makan 282
19.5 Zusammenfassung und Fazit 283
Kapitel 20 286
Intelligente Wissenswiederverwendung in internationalen Logistik-Projekten 286
20.1 Wiederverwendung von projektbezogenem Erfahrungswissen 287
20.1.1 Projektmanagement als Wissensmanagement 287
20.1.2 Probleme der Wiederverwendung von Erfahrungswissen 288
20.2 Techniken des „Semantic Web“ für die computergestützte Wiederverwendung von projektbezogenem Erfahrungswissen 291
20.3 Entwicklung des ontologie-basierten CBR-Systems „SCM Project Recommender“ 292
20.3.1 Auswahl der Softwarekomponenten 292
20.3.2 Vorgehen zur Ontologie-Erstellung 293
20.3.3 Beschreibung der Ontologie-Domäne 294
20.3.4 Wiederverwendung bestehender Ontologien 295
20.3.5 Identifikation relevanter Begriffe 295
20.3.6 Festlegung der Klassenhierarchie 296
20.3.7 Definition der Slots (Attribute und Relationen) 297
20.4 Fazit und Ausblick 298
Literatur 300
Kapitel 21 303
Ontologien für klinische Studien 303
21.1 Einleitung 303
21.2 Grundbegriffe der formalen Ontologie 304
21.3 Die Drei-Ontologie-Methode (3OM) 306
21.4 OntoStudyEdit-ein Werkzeug für die Repräsentation und das Management von Metadaten in klinische Studien 308
21.4.1 Metadaten für klinische Studien 308
21.4.2 Die ontologische Architektur des OSE 308
21.5 Das graphische User-Interface des OntoStudyEdit (GUI) 311
21.6 Diskussion und Ausblick 312
Literatur 313
Kapitel 22 315
Die Rolle der Anfragesprache SPARQL im Kontext von Linked Data 315
22.1 Hintergrund 315
22.2 Über die Nutzung von Linked Data 317
22.2.1 Mehrwert durch Nutzen von Daten unterschiedlicher Quellen 318
22.3 Fallstricke für SPARQL im Linked-Data-Kontext 320
22.4 Fazit 321
22.4.1 Alternativen und Perspektiven 322
Literatur 323
Kapitel 23 325
Umbenennungen im Unternehmensalltag 325
23.1 Hintergrund 325
23.2 Problemstellung 327
23.3 Analyse: Identitätsänderungen vs. Bezeichnungsänderungen 328
23.3.1 Arten von Identitätsveränderungen 328
23.3.2 Gültigkeit von Bezeichnungen 330
23.4 Repräsentation von Bezeichnungsänderungen 331
23.4.1 Explizite Modellierung als Instanzennetz 331
23.4.2 Annotation durch Meta-Daten 332
23.4.3 Aspekt-orientierte Modellierung 332
23.4.4 Pragmatische Erweiterung von Triple-Stores 333
23.4.5 Erweiterung existierender Standards 333
23.5 Nutzen der expliziten Modellierung 334
23.5.1 Nutzung historischer Bezeichnungen 334
23.5.2 Einfachere Suche 335
23.5.3 Inferenz von impliziten Zeitangaben 335
23.6 Resümee 336
Literatur 336
Kapitel 24 337
Verteilte und agile Ontologieentwicklung 337
24.1 Einleitung 337
24.2 Ontology Engineering – ein Überblick 338
24.2.1 Erste Generation: Ontologieentwicklung als Expertenkunst 338
24.2.2 Zweite Generation: statische Vorgehensmodelle 339
24.2.3 Dritte Generation: Dynamische und kollaborative Vorgehensmodelle 339
24.3 Agile Vorgehensmodelle 339
24.4 Agile Ontologieentwicklung 342
24.4.1 RapidOWL 342
24.4.2 COLM 342
24.4.3 SWOP 343
24.5 Sequenziell oder agil? 343
24.6 Unterstützung durch Werkzeuge und agile Paradigmen 346
24.6.1 Planung 346
24.6.2 Entwicklung 346
24.7 Modulare Entwicklung 348
24.7.1 Validierung 349
24.7.2 Distribution und phasenübergreifende Management-Werkzeuge 349
24.7.3 Aspektorientierte Ontologieentwicklung 350
24.8 Zusammenfassung 351
Literatur 352
Kapitel 25 355
Unterstützung komplexer Entscheidungsprozesse 355
25.1 Problemstellung 356
25.2 Begriffsnetze 356
25.3 Bewertungsanalyse 358
25.4 Präsentation von Zwischenergebnissen 361
25.5 Die Festlegung von Schwerpunkten 363
25.6 Die Begründung von Schwerpunkten 363
25.7 Verstehen der Gesamtsituation durch den „Gestaltenbaum“ 365
25.8 Zur Relevanz von Variablen 368
25.9 Von Schwerpunkten zu Maßnahmen 370
25.10 Das Pilotprojekt 374
25.11 Fazit 374
Literatur 375
Kapitel 26 377
Lizenzierung und Nutzung vernetzter Daten – Fallstricke und Empfehlungen 377
26.1 Einleitung 377
26.2 Linked Data – Technologische Grundlagen und Wertschöpfungsbeitrag 378
26.3 Immaterialgüterschutz von Linked Data 382
26.3.1 Rechtsschutz von Linked Data 382
26.3.2 Rechtsschutz unter netzökonomischen Bedingungen 383
26.4 Probleme und Empfehlungen in der rechtssicheren Nutzung vernetzter Daten 384
26.4.1 Problem 1: Unzureichende Informationslage 384
26.4.2 Problem 2: Abweichende und sich ausschließende Lizenzbedingungen 386
26.4.3 Problem 3: Maschinelle Erschließung von Lizenzinformation 388
26.5 Fazit und Ausblick 389
Literatur 390
Sachverzeichnis 393