Unter der Überschrift Knowledge Graphs werden aktuell Technologien in die breite Anwendung gebracht, die in der Forschung im Bereich Künstliche Intelligenz unter den Stichworten Linked Data und Semantic Web entwickelt wurden. In dieser Vorlesung werden die grundlegenden Technologien aus diesen Bereichen behandelt. Die Technologien gehören zum Handwerkszeug von Data Engineers und ermöglichen z.B. Datenintegration, flexible Datenmodellierung, erklärbare KI und Datenbereitstellung in den verschiedensten Anwendungsbereichen, z.B. Data Lakes in der Produktion, Drug Discovery in der Pharmaforschung, Publikation und Nutzung der Daten von öffentlichen Stellen (Open Data), Annotation von Produktdaten im E-Commerce, gutes Forschungsdatenmanagement (FAIR) und dezentrales, datensouveränes Teilen von sensiblen, z.B. personenbezogenen, Daten.

Konkret behandelt die Vorlesung die grundlegenden Technologien RDF, RDFS, OWL, SPARQL, und dem Web in den folgenden Themenblöcken:

• Lesen und Schreiben von RDF-Dokumenten in der Turtle-Syntax
• Nutzung und Publikation von RDF-Dokumenten als Linked Data
• Formulieren von Anfragen in SPARQL gegen lokale Quellen und solche im Netzwerk
• Übersetzung von SPARQL-Anfragen in SPARQL-Algebra
• Anwendungen semantischer Technologien in der Wirtschaft und Wissenschaft
• Modellierung von Ontologien und Vokabularen in RDFS und OWL sowie deren Veröffentlichung im Web
• Semantik von Vokabularen und Ontologien mittels Modelltheorie
• Kombination von SPARQL-Anfragebearbeitung mit logischem Schlussfolgern
• Definition und Ausführung von User Agenten zur Integration und zum Download von Linked Data mittels Regeln in Notation3

Lernziele:

Der/die Studierende

• besitzt Grundkenntnisse über Ideen und Realisierung von Semantic Web Technologien, inklusive Linked Data
• besitzt grundlegende Kompetenz im Bereich Daten- und Systemintegration im Web
• beherrscht fortgeschrittene Fertigkeiten zur Wissensmodellierung mit Ontologien

Empfehlungen:

Informatikvorlesungen des Bachelor Wirtschaftsinformatik Semester 1-4 oder gleichwertige Veranstaltungen werden vorausgesetzt. Kenntnisse im Bereich Modellierung mit UML sind erforderlich. 

Arbeitsaufwand:

• Gesamtaufwand bei 4,5 Leistungspunkten: ca. 135 Stunden
• Präsenzzeit: 45 Stunden
• Vor- und Nachbereitung der LV: 60 Stunden
• Prüfung und Prüfungsvorbereitung: 30 Stunden

• Pascal Hitzler, Markus Krötzsch, Sebastian Rudolph, York Sure: Semantic Web – Grundlagen. Springer, 2008.
• John Domingue, Dieter Fensel, James A. Hendler (Editors). Handbook of Semantic Web Technologies. Springer, 2011.

Weitere Literatur

• S. Staab, R. Studer (Editors). Handbook on Ontologies. International Handbooks in Information Systems. Springer, 2003.
• Tim Berners-Lee. Weaving the Web. Harper, 1999 geb. 2000 Taschenbuch.
• Ian Jacobs, Norman Walsh. Architecture of the World Wide Web, Volume One. W3C Recommendation 15 December 2004. http://www.w3.org/TR/webarch/
• Dean Allemang. Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL. Morgan Kaufmann, 2008.
• Tom Heath and Chris Bizer. Linked Data: Evolving the Web into a Global Data Space. Synthesis Lectures on the Semantic Web: Theory and Technology, 2011.