Konversion von relationalen Datenbanken in Ontologien
-
Jörg Brünnhäußer
Jörg Brünnhäußer, M. Sc., geb. 1986, studierte Informatik mit Schwerpunkt Technical Systems und arbeitete zwei Jahre als Wissenschaftlicher Mitarbeiter an der TU Berlin in einem IoT Forschungsprojekt, bevor er anschließend für vier Jahre als Softwareentwickler ans IGES Institut wechselte. Seit 2019 beschäftigt er sich als Wissenschaftlicher Mitarbeiter mit Data Science Themen im Bereich Virtuelle Produktentstehung am Fraunhofer IPK.
,
Erik Paul Konietzko
Erik Konietzko, M. Sc.,geb. 1994, studierte Wirtschaftsingenieurwesen mit Schwerpunkt Maschinenbau und ist danach seit 2021 Wissenschaftlicher Mitarbeiter am Fraunhofer IPK und forscht im Bereich Virtuelle Produktentstehung zur Integration und semantischen Kontextualisierung von Daten und Datenmodellen sowie der einhergehenden Auslegung anwendungsspezifischer IT-Architekturen und -Infrastruktur.
Florian Zwicker, geb. 1998, studiert Bioinformatik an der TH Wildau, wo er an der Entwicklung und Anwendung Künstlicher Intelligenz arbeitet. Als studentische Hilfskraft unterstützte er zudem am Fraunhofer IPK Projekte im Bereich Virtuelle Produktentstehung.
Abstract
Daten gewinnen zunehmend an Bedeutung, sind insbesondere in den betrieblichen Kontexten allerdings oft schwer zugänglich, da sie in verschiedenen Formen vorliegen. Ontologien und semantische Netze bieten eine Lösung, indem sie Informationen aus verschiedenen Datenquellen zusammenführen, was den Aufbau einer unternehmensweiten Wissensdatenbank ermöglicht. Ontologien sind flexibel, erweiterbar und unterstützen maschinenlesbare Sprachen, wodurch sie effizient in bestehende Systeme integriert werden können. Dieser Beitrag beschreibt die automatische Umwandlung relationaler Datenbanken in Ontologien mittels eines entwickelten Programms, das auf bestehenden wissenschaftlichen Ansätzen basiert.
Abstract
Data is becoming increasingly important, available in various forms but often hard to access. Ontologies and semantic networks offer a solution by integrating from different data sources, enabling a company-wide knowledge database. Ontologies are flexible, extendable, and support machine-readable languages, making them efficient for integration into existing systems. Our work details the automatic conversion of relational databases into ontologies using a developed program based on existing scientific approaches.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
About the authors
Jörg Brünnhäußer, M. Sc., geb. 1986, studierte Informatik mit Schwerpunkt Technical Systems und arbeitete zwei Jahre als Wissenschaftlicher Mitarbeiter an der TU Berlin in einem IoT Forschungsprojekt, bevor er anschließend für vier Jahre als Softwareentwickler ans IGES Institut wechselte. Seit 2019 beschäftigt er sich als Wissenschaftlicher Mitarbeiter mit Data Science Themen im Bereich Virtuelle Produktentstehung am Fraunhofer IPK.
Erik Konietzko, M. Sc.,geb. 1994, studierte Wirtschaftsingenieurwesen mit Schwerpunkt Maschinenbau und ist danach seit 2021 Wissenschaftlicher Mitarbeiter am Fraunhofer IPK und forscht im Bereich Virtuelle Produktentstehung zur Integration und semantischen Kontextualisierung von Daten und Datenmodellen sowie der einhergehenden Auslegung anwendungsspezifischer IT-Architekturen und -Infrastruktur.
Florian Zwicker, geb. 1998, studiert Bioinformatik an der TH Wildau, wo er an der Entwicklung und Anwendung Künstlicher Intelligenz arbeitet. Als studentische Hilfskraft unterstützte er zudem am Fraunhofer IPK Projekte im Bereich Virtuelle Produktentstehung.
Literatur
1 Maedche, A.; Staab, S.: Ontology Learning for the Semantic Web. IEEE Intelligent Systems 16 (2001) 2, S. 72–79 10.1109/5254.920602Suche in Google Scholar
2 Wong, W.; Liu, W.; Bennamoun, M.: Ontology Learning from Text: A Look Back and into the Future. ACM Computing Surveys 44 (2011) 4, S. 1–36 10.1145/2333112.2333115Suche in Google Scholar
3 Asim, M. N.; Wasim, M.; Ghani Khan, M. U.; Mahmood, W.; Abbasi, H. M.: A Survey of Ontology Learning Techniques and Applications. Database, Vol. 2018, 2018, bay101 10.1093/database/bay101Suche in Google Scholar PubMed PubMed Central
4 Ma, C.; Molnár, B.: Ontology Learning from Relational Database: Opportunities for Semantic Information Integration. Vietnam Journal of Computer Science 9 (2022) 1, S. 31–57 10.1142/S219688882150024XSuche in Google Scholar
5 Ben Mahria, B.; Chaker, I.; Zahi, A.: A Novel Approach for Learning Ontology from Relational Database: From the Construction to the Evaluation. Journal Big Data 8 (2021), Artikel Number 25 10.1186/s40537-021-00412-2Suche in Google Scholar
6 r2rml-kit – Export Relational Databases to RDF with R2RML. Online unter https://github.com/d2rq/r2rml-kit [Abruf am 13.08.2024]Suche in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Frontmatter
- Editorial
- Cloud Manufacturing – Die Potenziale von Digitalen Zwillingen und KI
- Wissensmanagement
- Konversion von relationalen Datenbanken in Ontologien
- DaWiK – Ein KI-gestützter Ansatz für digitales Wissens- und Kompetenzmanagement
- Krisenmanagement
- Herr der Lage bleiben
- Fabrikplanung
- Umzugsplanung mit Fabrikdatenmodellen und Virtual Reality
- Analyse von Systemelementen und derer Ausprägungsformen zum modellhaften Nachbilden von Produktionssystemen
- Prozessoptimierung
- Thermische Modellbildung des schweißtechnischen Vorwärmens von Offshore-Stahlbaustrukturen
- Komplexitätsmanagement
- Bewertung der Komplexität von Konstruktionsaufgaben
- Shopfloor Management
- Zielführendes Verhalten auf dem Shopfloor
- Qualitätskontrolle
- Überwachung von Prozesskurven
- Corporate Governance
- MITO-Modell-bezogene ganzheitliche Corporate-Governance-Systemimplementierung
- Additive Fertigung
- Hochqualitatives Recycling von Titanspänen für die additive Fertigung
- Künstliche Intelligenz
- Generative KI zur No-/Low-Code-Wissensverarbeitung
- KI-gestützte Demontage von Elektrofahrzeugbatterien
- Maschinelles Lernen
- Bildverarbeitungsmethoden zur Prozessbewertung am Beispiel fliegender Späne
- Digitaler Zwilling
- Digitaler Zwilling zur reaktiven Demontageplanung
- Vorschau
- Vorschau
Artikel in diesem Heft
- Frontmatter
- Editorial
- Cloud Manufacturing – Die Potenziale von Digitalen Zwillingen und KI
- Wissensmanagement
- Konversion von relationalen Datenbanken in Ontologien
- DaWiK – Ein KI-gestützter Ansatz für digitales Wissens- und Kompetenzmanagement
- Krisenmanagement
- Herr der Lage bleiben
- Fabrikplanung
- Umzugsplanung mit Fabrikdatenmodellen und Virtual Reality
- Analyse von Systemelementen und derer Ausprägungsformen zum modellhaften Nachbilden von Produktionssystemen
- Prozessoptimierung
- Thermische Modellbildung des schweißtechnischen Vorwärmens von Offshore-Stahlbaustrukturen
- Komplexitätsmanagement
- Bewertung der Komplexität von Konstruktionsaufgaben
- Shopfloor Management
- Zielführendes Verhalten auf dem Shopfloor
- Qualitätskontrolle
- Überwachung von Prozesskurven
- Corporate Governance
- MITO-Modell-bezogene ganzheitliche Corporate-Governance-Systemimplementierung
- Additive Fertigung
- Hochqualitatives Recycling von Titanspänen für die additive Fertigung
- Künstliche Intelligenz
- Generative KI zur No-/Low-Code-Wissensverarbeitung
- KI-gestützte Demontage von Elektrofahrzeugbatterien
- Maschinelles Lernen
- Bildverarbeitungsmethoden zur Prozessbewertung am Beispiel fliegender Späne
- Digitaler Zwilling
- Digitaler Zwilling zur reaktiven Demontageplanung
- Vorschau
- Vorschau
