KollOM-FIT - Kollaboratives Ontologiemanagement für die föderale IT

Kurzbeschreibung

Sicherung und Bereitstellung von maschineninterpretierbarem Wissen. Für die Prozessdigitalisierung in der Verwaltung ist sehr viel Kontext- und Fachwissen notwendig. Dieses soll im Projekt KollOM-FIT: Kollaboratives Ontologie-Management sichtbar werden.

Zielsetzung

In einem Wissensgraphen werden Begriffe aus verschiedenen Themenbereichen, die für die Prozessdigitalisierung wichtig sind, gesammelt, geordnet, verknüpft und maschinenlesbar aufbereitet.

Zielgruppe

Föderale IT-Landschaft und FIM (Förderales Informationsmanagement)

Mehrwert für die Zielgruppe

Wissensgraphen erleichtern u. a. die Nachvollziehbarkeit von Entscheidungen der Maschine und können in Suchmaschinen, Empfehlungssystemen und beim Datenaustausch Kontextwissen bereitstellen.

Herausforderungen

Verwaltungsprozesse sind teils komplex und Informationen dazu verstreut. Die Herausforderung besteht darin, diese Informationen zu bündeln und zugänglich zu machen. Digitales Verwaltungswissen und darauf aufsetzende Computer-Anwendungen können helfen, solche Informationen zugänglich zu machen, indem sie Verwaltungswissen visualisieren, durchsuch- und filterbar machen und so die Orientierung, Recherche und schließlich das Verstehen erleichtern. Im Projekt KollOM-FIT wurde dafür digitales Verwaltungswissen gesammelt, in Form von semantischen Zusammenhängen digital beschrieben und dadurch aufbereitet. Es wurden unter anderem verschiedene Ontologien auf Basis von FIM entwickelt, die mit weiteren Datenquellen angereichert und zu einem Wissensgraphen verknüpft wurden. Darauf aufbauend wurde im Projekt eine Webanwendung zur Visualisierung entwickelt, die Informationen aus diesem Wissensgraphen darstellt und so die Digitalisierung in der Verwaltung unterstützen soll. Mit Big Data hat die Erfassung, Weitergabe, Analyse und Verwaltung von Wissen eine neue Dimension angenommen. Datensilos und fehlende Vernetzung von Systemen erschweren die Schaffung einer ganzheitlichen Datengrundlage, die effektive Entscheidungen ermöglicht. Mit klassischen Suchmethoden ist es mühsam, Erkenntnisse aus diesem heterogen verteilten Wissen einfach und gezielt zu ermitteln.

Zentrale Erfolgsfaktoren

Eine effektivere und dauerhaft nutzbare Lösung wäre, die betreffenden Daten in einem sogenannten "Wissensgraphen" abzulegen. Die Graph-Technologie ist insbesondere zum Speichern und Abrufen heterogener und vernetzter Daten ideal. Die wissensgraphbasierte Infrastruktur nutzt semantische Modelle (Terminologien) für das Mapping und die Verlinkung der spezifischen Datenmodelle. Wissensgraphen kodieren Wissen als Knoten und Datenbeziehungen. So können Menschen und Maschinen von einem dynamisch wachsenden semantischen Fakten-Netzwerk profitieren und es für Datenintegration, Suche und vertiefende Analysen nutzen. Zugriff auf Informationen würde dadurch vereinfacht und der Wissenstransfer zwischen Standorten und Abteilungen ermöglicht. Im Projekt ist eine kollaborative Plattform mit einem Schwerpunkt auf der Modellierung und dem Management von Terminologien sowie Tools für die Integration, Transformation und Harmonisierung der Daten entwickelt. Damit wird die Basis für Dienste zum Mapping von Prozessdatenschemata und Prozessmodellobjekten als Input für die Optimierungsverfahren und für die semantische Annotation von Prozessmodellen geschaffen. Der Wissensgraph wird somit zu einem semantischen Brokersystem zwischen den Prozessdatenquellen und den KI-/Optimierungsanwendungen.

Weiterführender Link

https://opendva.usercontent.opencode.de/kollomfit-report/Paket1/

Besonders hilfreich war

Diese Dokumentation beschreibt die funktionalen, technischen und inhaltlichen Anforderungen an eine Terminologie- und Wissensgraph-Management-Plattform, die sowohl von technischen als auch von administrativen Akteuren genutzt wird. Dabei werden insbesondere Aspekte der Usability, Datenstrukturen sowie regulatorische und organisatorische Vorgaben berücksichtigt. Die Plattform soll nicht nur zur Verwaltung von Terminologien dienen, sondern auch als zentrale Lösung für das Management von Wissensgraphen eingesetzt werden: https://opendva.usercontent.opencode.de/kollomfit-report/Paket4/

Lessons learned

Usability-Anforderungen: Die Software muss einen intuitiven, anpassbaren visuellen Editor bieten, der ohne tiefes technisches Wissen Ontologien und Wissensgraphen erstellt. Ein Rollenkonzept mit differenzierten Rechten sichert Zugriffe. Echtzeit-Kollaboration, Kommentare, Benachrichtigungen und eine Änderungshistorie fördern Teamarbeit. LLM-gestützte Suche, Visualisierungs- und Analysetools erleichtern die Nutzung. Schulungen, Support und Mehrsprachigkeit verbessern die Usability.

Technische Anforderungen: Software muss gängige Formate wie RDF, OWL und SKOS unterstützen sowie Import/Export versch. Ontologien ermöglichen. Versionierung mit Änderungsverfolgung und „Staging Area“ sind essenziell. Leistungsfähige Abfragen via SPARQL, Linked Data Deployment und Datenintegration sind nötig. Reasoning, LLM-basierte Suche, APIs und Plugins sind wichtig. On-Premises-Betrieb, kostenlose Lizenz, regelmäßige Updates und ein öff. Issue-Board fördern Nutzung und Weiterentwicklung.

Inhaltliche Anforderungen: Software muss versch. Wissensrepräsentationsmodelle wie Taxonomien, Thesauri, Ontologien und Wissensgraphen unterstützen sowie Hierarchien, Relationen und Metadaten verwalten. Standardisierte Datenstrukturen nach KoSIT o. ä. sollten integriert sein. Terminologie-Management zur Harmonisierung normierter Vokabulare ist erforderlich. Anforderungen aus Verwaltung, Wissenschaft und Wirtschaft inklusive Datenhaltung, Datenaustausch und Governance sind zu berücksichtigen.

Projektpartner und Kooperationen

Wissenschaftliche Einrichtung — Friedrich-Schiller-Universität Jena

Fürstengraben 1
07743 Jena
marianne.mauch@uni-jena.de
https://opendva.usercontent.opencode.de/kollomfit-report/Paket4/

Wissenschaftliche Einrichtung — Institut für Angewandte Informatik e.V.

Goerdelerring 9
04109 Leipzig
info@infai.org
https://infai.org/

Wissenschaftliche Einrichtung — Deutsches Zentrum für Luft- und Raumfahrt

Linder Höhe -
51147 Köln
contact-dlr@dlr.de
https://www.dlr.de/de

Unternehmen — SHI Stein-Hardenberg Institut GmbH

Hardenbergstraße 8
10623 Berlin
mail@shi-institut.de
https://shi-institut.de/

Ansprechperson

Prof. Dr. Antje Dietrich

Kinzigallee 1
77694 Kehl
+49 7851 894-229
dietrich@hs-kehl.de
https://www.hs-kehl.de/