Knowledge Graphs (KGR)

Daten und Wissen als Netzwerk verstehen und nutzen: Du lernst, wie Informationen in Wissensgraphen vernetzt dargestellt und strukturiert werden. Im Fokus stehen die Modellierung von Datenbeziehungen, das Zusammenführen verschiedener Datenquellen sowie die Sicherung von Datenqualität. Zusätzlich entwickelst du einfache wissensgraphbasierte Anwendungen und lernst, Abfragen zu formulieren und Ergebnisse auszuwerten.

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.

Literatur

Dozentinnen / Dozenten

• Prof. Dr. Kai Eckert
• Tobias Malmsheimer

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.

Daten zum Modul

Semester	6/7
Unterrichtssprache	Deutsch
Häufigkeit	Unregelmäßig
Kreditpunkte	5
Modulverantwortlich	Prof. Dr. Kai Eckert
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Keine
Prüfungsleistung	Continuous Assessment (CA)

Semesterwochenstunden

Vorlesung	2 SWS
Übung	2 SWS
Summe	4 SWS

Arbeitsaufwand (work load)

Vorlesung	30 h
Labor	30 h
Selbststudium	30 h
Aufgaben	30 h
Projekt	30 h
Summe	150 h