Effektives Wissensmanagement von unternehmensinternen Informationsressourcen ist ein Eckpfeiler für einen langanhaltenden Wettbewerbsvorteil. Semantische Web-Technologien bieten neue Möglichkeiten für eine verbesserte Integration heterogener Geschäftsdaten, Informationsentdeckung sowie fortgeschrittene Automatisierung von komplexen Aufgaben. Die Grundlage des Semantic Web basiert auf Ontologien, die Konzepte eines Anwendungsbereichs sowie Beziehungen zwischen ihnen formal und eindeutig beschreiben, wodurch Daten maschineninterpretierbar werden. Ihre Verwendung in Unternehmensportalen zur Darstellung von Geschäftsobjekten könnte sowohl die Inhaltsnavigation als auch die Suchergebnisse erheblich verbessern.
Als eine auf das Geschäft ausgerichtete Forschungsgruppe, die sich auf das Semantic Web innerhalb von Unternehmensstrukturen konzentriert, deckt das Projekt Corporate Semantic Web (CSW) ein breites Spektrum innovativer wissenschaftlicher und anwendungsorientierter Lösungen für Forschungsprobleme im Unternehmenskontext ab. Eine der Säulen der CSW-Forschung wird durch die Corporate Semantic Suche repräsentiert, die Standard-Suchmethoden mit semantischen Technologien verbindet. Die systematische Integration von Geschäftsinformationen ermöglicht die semantische Analyse der verfügbaren Daten und Informationsquellen, wodurch die semantische Suche eine Erweiterung zu den klassischen Suchlösungen darstellt. Corporate Semantic Suche bezieht sich in diesem Kontext auf die verschiedenen Formen der semantischen Suche in unternehmens- und geschäftsbezogenen Anwendungen.
Das Hauptziel dieses Forschungsbereichs ist die Entwicklung einer semantikbasierten Lernmethode zur Trenderkennung in hybriden Informationssystemen, d.h. Systemen, die aus sowohl qualitativen als auch quantitativen Daten bestehen. Am Beispiel des Finanzsektors, einem Beispiel für hybride Informationssysteme, und unter Berücksichtigung der multimodalen Finanzdaten, wird eine geeignete Trenderkennungsmethode entwickelt, um zeitlich veränderliche Muster in textuellen Informationsquellen, die für den Finanzmarkt relevant sind, zu erkennen. Der Fokus dieser Forschung liegt auf der Entwicklung einer Lösung für das Problem des Trend-Minings, die einen Data-Mining-Ansatz mit geeigneten Semantic Web-Technologien kombiniert.
(Für weitere Anwendungsbeispiele von semantischen Suchfunktionen siehe Abschlussarbeiten und Veröffentlichungen / technische Berichte)
Die Suche nach Geschäftsobjekten wie Produkten, Projekten, Mitarbeiterprofilen usw. ist eine nicht triviale und häufig auftretende Aufgabe. Bei komplexen Objekten mit mehreren Eigenschaften ist ein perfektes Match selten zu finden. Daher ist der Benutzer in den meisten Fällen auch an einer Rangliste von Objekten interessiert, die anhand ihrer semantischen Ähnlichkeitswerte in Bezug auf die personalisierte Abfrage bewertet werden. Der Schwerpunkt dieses Arbeitspakets liegt auf der Nutzung von Semantic Web-Technologien zur Verbesserung der Abfragefähigkeiten von Unternehmensportalen. Die Forschung in diesem Bereich reicht von adaptiver und anpassbarer Darstellung von Suchprofilen über die Bewertung semantisch repräsentierter Geschäftsobjekte in Bezug auf Benutzervorlieben basierend auf der semantischen Ähnlichkeit von Konzepten bis hin zur Bereitstellung benutzerorientierter, personalisierter Ansichten zu Unternehmensdaten.
(Für weitere Anwendungsbeispiele von semantischen Suchfunktionen siehe Abschlussarbeiten und Veröffentlichungen / technische Berichte)
Das Projekt „InnoProfile – Corporate Semantic Web“ wurde zu Beginn des Februars 2008 an der Freien Universität Berlin ins Leben gerufen. Es erhielt seine Finanzierung durch das Bundesministerium für Bildung und Forschung (BMBF) und die BMBF-Innovationsinitiative für die Neuen Bundesländer – Unternehmerische Regionen. Innerhalb der nächsten sechs Jahre sollten zwölf Arbeitspakete einen koordinierten Rahmen bieten, um den wirtschaftlich vorteilhaften Einsatz von Semantic Web-Technologien in Unternehmensumgebungen zu etablieren. Unter der Leitung von Prof. Dr. Adrian Paschke arbeiteten mehrere Doktoranden an diesem Projekt.
Das Projektteam wurde von zwei Begutachtungspanels unterstützt: Einem wissenschaftlichen Review-Panel (SRP) und einem industriellen Review -Panel (IRP). Das SRP garantierte die wissenschaftliche Qualität und Relevanz der Arbeit. Es setzte sich aus international anerkannten Wissenschaftlern auf dem Gebiet der Semantic Web-Technologien zusammen. Das IRP hingegen lieferte Geschäftsfälle, um die Anwendbarkeit der Forschungsergebnisse in Unternehmenskontexten zu gewährleisten. Es bestand aus Unternehmen der Region Berlin-Brandenburg, die für innovative Produkte und Dienstleistungen im Bereich XML-Technologien, intelligente Systeme und Geschäftsanwendungen bekannt waren.
Alle Ergebnisse des Projekts, wie Veröffentlichungen, Meilensteinberichte, Softwareprototypen und entwickelte Ontologien, wurden auf www.corporate-semantic-web.de veröffentlicht. Sie sollten Unternehmen eine Grundlage bieten, um das Potenzial von Semantic Web-Lösungen für ihr Geschäft zu verstehen.
Das Ontology Modularization Framework basiert auf dem SONIVIS:Tool für Netzwerkanalyse und ermöglicht eine einfache Analyse und Modularisierung von Ontologien.
SVoNt ist ein Versionskontrollsystem für Ontologien basierend auf dem aus der Softwareentwicklung bekannten SVN-System. Der Hauptunterschied zu anderen Ansätzen für das Ontology-Versioning liegt in unserem Fokus auf der Visualisierung von Überarbeitungen von Änderungen auf Konzepte-Ebene.
OntoMaven ist ein Satz von Maven-Plug-Ins, die das Management und Engineering von Ontologien aus verteilten (Maven) Ontology-Repositories unterstützen.
Um den Prozess der Erstellung solcher Konzeptgruppen für die Dokumentation von Ontologien zu unterstützen, haben wir das SpecGen-Tool um eine automatische Konzeptgruppenfunktionalität erweitert.
COLM basiert auf einem zweiteiligen Ontology-Lebenszyklus, der aus den Anforderungen abgeleitet wurde, die wir aus der Analyse industrieller Bedürfnisse gewonnen haben.
Eine Erweiterung des ONTOCOM-Kostenschätzungsmodells für agile Ontology-Entwicklung im COLM-Lebenszyklus.
Corporate Semantic Web Search und Semantic Recommendation Lösungen, Tools und Anwendungsfälle.
SemMF ist ein flexibles Framework zur Berechnung der semantischen Ähnlichkeit zwischen Objekten, die als beliebige RDF-Graphen dargestellt sind.
Ein Framework zur Unterstützung der semantischen Annotation, Veröffentlichung und Suche von Multimedia-Inhalten.
Ein webbasiertes Tool zum Erstellen, semantisch Annotieren und Präsentieren von HTML5-basierten Folienpräsentationen mit semantisch angereicherten Multimedia-Inhalten.
Die Verwendung von Hintergrundwissen über Ereignisse und deren Beziehungen zu anderen Konzepten im Anwendungsdomäne kann die Ausdruckskraft und Flexibilität von komplexen Event-Processing-Systemen verbessern.
Prova ist ein hochexpressiver verteilter Corporate Semantic Web Regel-Engine, der deklarative Regeln mit dynamischem objektorientiertem Java, Semantic Web-Technologien und Enterprise-Service-orientiertem Computing und komplexen Event-Processing-Technologien kombiniert.
Eine regelbasierte Agentenarchitektur für Semantic Business Process Management (SBPM), Semantic eScience, Semantic Complex Event Processing (SCEP), personalisierte Frage-Antwort-Systeme, Semantic Web Reputation und Trust Management und das Pragmatic Web.
Ein Semantic WIKI für Semantic Business Process Management und Workflow.
Ein Semantic Extension PlugIn für BPMN Modellierungstool Oryx.
Loomp ist ein Web 3.0 Semantic Content Authoring Tool, das von der Corporate Semantic Web Gruppe entwickelt wurde. Es unterstützt: (1) Erstellen semantisch angereicherter Inhalte so einfach wie das Formatieren von Texten im Italik, ohne Kenntnisse über semantische Technologien, und mit automatisch vorgeschlagenen Annotationen. (2) Inhalt kompilieren und in verschiedenen Formaten veröffentlichen. (3) Unterstützen Sie den Leser, indem Sie die relevanten Informationen hervorheben.
In diesem Projekt entwickeln wir Erweiterungen zu bestehenden Wiki-Systemen, die das Erstellen von Links zwischen Wiki-Seiten erleichtern.
Experten in einem Collaboration Wiki finden
Tagging ist zur gängigsten Methode geworden, um Informationen und Wissen in einer Vielzahl von Anwendungen zu annotieren. Die Aktivität des Taggings besteht darin, eine Verbindung zwischen einer Ressource (Information) und einer anderen Entität (einem Tag) herzustellen.
Trendontologien verbessern die Qualität der automatisierten Trenderkennung. Wir haben einen wissensbasierten Ansatz für Trend Mining entwickelt, der auf den oben genannten Trendontologien basiert.
DeepQA ist ein Framework für Deep Question Answering.
Expertise Finder – Finden Sie Experten in einem bestimmten Fachgebiet innerhalb einer Organisation.
Ein Semantic Wiki für Mathematik.
Standard für Deliberation Rules (Papier, Vorlesungsskript, Handbuchkapitel)
Standard für Reaction Rules und regelbasiertes Complex Event Processing (Papier, Tutorial, Vorlesungsskript, Handbuchkapitel)
Standard für den Web Rules Interchange (Teil des W3C Semantic Web Stack).
Die W3C Health Care and Life Science Interest Group (W3C HCLS IG) entwickelt und unterstützt den Einsatz von Semantic Web-Technologien und -Praktiken zur Verbesserung der Zusammenarbeit, Forschung und Entwicklung sowie der Innovationsübernahme in den Bereichen Gesundheitswesen und Life Science.
Standard für das Semantic Web (Teil des W3C Semantic Web Stack).
Standard für das Semantic Web (Teil des W3C Semantic Web Stack).
Standard für das Semantic Web (Teil des W3C Semantic Web Stack).
Internationaler Standard für das Semantic Web.
Internationaler Standard für Metadaten.
Internationaler Standard für e-Business.