Raus aus dem Informationsdilemma - PANTOPIX
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Schwerpunkt 31
Raus aus dem
Informationsdilemma
Wissensgraphen zählen zu den Top-Trends der angewandten Künstlichen Intelligenz. Auch in der
Technischen Kommunikation wird immer häufiger darüber gesprochen. Doch was genau versteht
man darunter? Und wofür lassen sie sich einsetzen, etwa im Maschinen- und Anlagenbau?
text Martin Ley und Karsten Schrempp
Das Zusammenführen unterschiedlicher
Informationen aus unterschiedlichen In
formationssilos gewinnt an Bedeutung.
Anhand einer Simulation lässt sich dies de
monstrieren. Am Beispiel der Anlage von
fischertechnik (abb. 01) kann man durch
spielen, wie sich insbesondere modulare
Technische Dokumentation aus Content-
Management-Systemen der Technischen
Redaktionen intelligent vernetzen und
über ein zentrales Portal bereitstellen las
sen. Der technologische Schlüssel in die
sem Anwendungsszenario ist iiRDS, der
von der tekom entwickelte Standard zur
branchen- und herstellerübergreifenden
Klassifikation von Informationen [1]. abb. 01 Die Fabrik
Das von uns skizzierte Szenario [1] wirft Aus Sicht eines Maschinenbauunterneh simulation von fischer-
drei Fragen auf: mens könnten diese Fragen auch allgemei technik kann als
1. Ist das Thema der Informations ner formuliert werden: Welche Relevanz Muster dienen, wie
sich Informationen
vernetzung auf komplexe Industrie- hat die Informationsvernetzung für einen
intelligent vernetzen
güter wie Anlagen begrenzt, also Komponentenhersteller? Welche Anwen lassen.
darauf, wenn Informationen von dungsfälle lassen sich identifizieren, um foto fischertechnik
Lieferanten in ein Gesamtsystem den Mehrwert der Informationsvernetzung
integriert werden? zu illustrieren?
2. Betrifft die Informationsvernetzung Versetzen wir uns in die Situation eines
ausschließlich technische fiktiven Maschinenbauunternehmens. Es ist
Informationen aus den Technischen spezialisiert auf die Entwicklung, die Ferti
Redaktionen? gung und den Vertrieb von Hydraulikpum
3. Welche Rolle spielt iiRDS im pen. Einzelne Pumpen werden in Anlagen
Zusammenhang der wie unserer Anlage von fischertechnik ver
Informationsvernetzung? baut – manchmal nur eine einzige Pumpe >
Dr. Martin Ley ist Professor für Informations Karsten Schrempp studierte Mathematik und
management an der Hochschule München. Seine Philosophie an der Eberhard-Karls-Universität
Schwerpunkte in Forschung und Lehre gelten der Tübingen. Inzwischen liegen mehr als 20 Jahre
Strukturierung und Standardisierung von Technischer Selbstständigkeit in und mit verschiedenen
Dokumentation sowie dem Einsatz semantischer namhaften Unternehmen im Bereich der Technische
Technologien (nicht nur) in der Technischen Kommunikation hinter ihm. 2012 gründete er
Kommunikation. Er leitet den Studiengang Tech- PANTOPIX, um konsequent seinen Weg der topic
nische Redaktion und Kommunikation sowie das orientierten und wissensnetzbasierten Informations
berufsbegleitende gleichnamige Zertifikat. Seit 2021 erfassung und -bereitstellung in Kundenprojekten
ist er Partner und Senior Berater bei PANTOPIX. umzusetzen.
martin.ley@hm.edu, www.hm.edu/trk karsten.schrempp@pantopix.com, www.pantopix.com
04/2132 Schwerpunkt
Die Informationsvernetzung ist folglich
nicht nur relevant für komplexe Systeme
Kleines Glossar und große Anlagen oder Industriegüter.
Auch Maschinenbauunternehmen stehen
Grundlegende Konzepte der semantischen Modellierung vor dieser Herausforderung. In diesem Bei
Graph repräsentiert Informationen in Form von Knoten und Kanten. trag werden wir unser vereinfachtes Sze
i4-Dilemma besagt, dass „irgendjemand“ „irgendeine Information“ „irgendwo“ abgelegt nario nutzen, um in die Vernetzung und
hat, was dazu führt, dass ein Unternehmen nicht weiß, was es weiß. Virtualisierung von zum Teil heterogenen
Identifier ist ein Identifikator, der eine Entität eindeutig bestimmt. Informationen einzuführen. Dazu bedienen
Inference beschreibt den Vorgang, wie neue Relationen zwischen Entitäten systematisch wir uns des Ansatzes der Wissensgraphen
auf Basis eines Graphen ermittelt werden. (knowledge graph). Wir gehen auf die Kon
Knowledge graph enthält ein kontrolliertes Vokabular, eine oder mehrere Ontologien und
zepte und Methoden der semantischen Mo
Instanzdaten, um Wissen einer Domäne verfügbar zu machen. dellierung ein und skizzieren eine mögliche
IT-Architektur. Am Ende des Beitrags geben
Label ist die menschenlesbare Bezeichnung einer Entität.
wir einen Ausblick, welche weiteren Szena
Mashup bezeichnet eine Kombination von (Teilen von) zentral gepflegten Ontologien,
rien für unseren Ansatz denkbar wären und
die für eine bestimmte Anwendung spezialisiert ist (auch als Custom Scheme
mit welchen Zielen dieser Ansatz typischer
bekannt).
weise verfolgt wird. Ein kleines Glossar der
Network effect besagt, dass ein Graph wächst und erweitert werden kann.
grundlegenden Konzepte findet sich in Ta
Ontology ist die formale Repräsentation von Wissen in Form von Klassen sowie deren belle 01.
Beziehungen.
OWL steht für Web Ontology Language und ist eine formale Beschreibungssprache, In Zeilen und Spalten
um Wissen in Form von Ontologien explizit zu repräsentieren. Die für unser Pumpenbeispiel relevanten
RDF steht für Resource Description Framework und dient dem standardisierten Informationen lassen sich normalerwei
Austausch von Informationen (insbesondere im WWW). se sehr gut in tabellarischer Form darstel
RDFS steht für Resource Description Framework Schema und regelt, wie len (tab. 02). Woher diese Informationen
RDF-Informationen beschrieben werden. stammen und wie sie den „Weg in die Tabel
SKOS steht für Simple Knowledge Organization System und ist ein Standard für le“ gefunden haben, sei an dieser Stelle aus
die Repräsentation eines kontrollierten Vokabulars (zum Beispiel in einem geklammert, wir kommen später darauf zu
Thesaurus). rück. Verwunderlich wäre aber nicht, wenn
Thesaurus enthält das Vokabular eines Wissensbereichs in kontrollierter Form. eine Person diese Informationen von Hand
Triple besteht aus Subjekt, Prädikat und Objekt und ist die grundlegende zusammengetragen und in einer Excel-Liste
Datenstruktur von RDF. aufbereitet hätte.
Für die (meisten) Personen ist die Inter
tab. 01 quelle Martin Ley und Karsten Schrempp
pretation von Tabelle 02 relativ simpel: Der
Tabellenkopf gibt an, welche Eigenschaften
> pro Anlage, manchmal mehrere Pumpen in ist, an welchem Ort der Welt die Anlage (wie „Produktlinie“ oder „Anlage“) eine Hy
verschiedenen Teilanlagen, manchmal auch steht und auch, welche technischen Anfor draulikpumpe hat. Jede Zeile steht für eine
Pumpen verschiedener Pumpentypen mit derungen die Pumpe in der Anlage reali konkrete Hydraulikpumpe. In den Tabel
unterschiedlicher technischer Spezifikation. sieren muss. Vielleicht weiß das Unterneh lenzellen schließlich stehen für jede Pum
Über seine Produkte weiß unser fikti men sogar, wann diese Pumpe das Ende pe Spalte für Spalte die konkreten Werte je
ves Unternehmen ziemlich viel. Es weiß ihres Lebenszyklus erreicht hat und durch ner Eigenschaften (zum Beispiel in Zeile 1
etwa, welche Hydraulikpumpen zu wel eine neue ersetzt werden sollte. In unserem der Wert „TurboPelot“ für die Eigenschaft
chen Produktlinien gehören und nach wel herstellenden Unternehmen weiß also „ir „Produktlinie“). Für einen Computer ist die
cher Spezifikation sie gebaut werden. Da gendjemand“, dass „irgendeine Informati Auswertung einer derartigen Tabelle zwar
rüber hinaus weiß es, in welcher Anlage on“ „irgendwo“ existiert. Nennen wir diese auch möglich, aber was, wenn die Spalten
eine spezifische Hydraulikpumpe verbaut Situation das „i4-Dilemma“. vertauscht, die laufenden Nummern nicht
Tabellarische Darstellung des „Produktwissens“
Zeile Bezeichnung Produktlinie Förderleistung (l/min) Anlage Standort End of erforderliche Förderleistung
bei 1000 U/min Life (EoL) (l/min) bei 1000 U/min
1 WT-P-001 TurboPelot 45 PANL-01 München 2025 42,5
2 WT-P-002 TurboPelot 15 PANL-02 Wudongde 2026 12,5
3 WT-DS-001 StreamOne 100 PANL-03 Saltstraumen 2031 78
4 WT-P-004 TurboPelot 30 PANL-01 München 2029 32,5
tab. 02 quelle Martin Ley und Karsten Schrempp
04/21Schwerpunkt 33
einheitlich oder die Bezeichnungen der Ei
genschaften und/oder Eigenschaftswerte
unterschiedlich sind? Was, wenn die Infor istVerbautIn
mationen auf weitere Tabellen verteilt sind? WT-P-001 PANL-01
Wie lassen sich dann die entsprechenden
Abhängigkeiten sowohl darstellen als auch
maschinell verarbeiten? gehörtZuProduktlinie
hatFörderleistung
Der Graph als Lösungsansatz
Halten wir zunächst fest, dass die Interpre
tation unserer Informationen über drei Grö
ßen erfolgt: die Zeile, die Spalte und den ei Turbo
45 l/min
Pelot
gentlichen Wert in der Zelle. Diese drei
Größen müssen miteinander koordiniert
werden. Dies erfolgt über Identifikatoren
(identifier) der korrespondierenden Entitä abb. 02 Graph-basierte Repräsentation von Tripeln. quelle Martin Ley und Karsten Schrempp
ten; einen für die Zeile, einen für den Tabel
lenkopf der jeweiligen Spalte und einen für Betrachten wir aber zunächst die ersten fünf sentieren (abb. 02). Die Knoten des Gra
den Wert in der Zelle. Übertragen auf die Spalten von Zeile 1 aus Tabelle 02, so kön phen stehen dabei für das Subjekt alterna
Aussage „Die Hydraulikpumpe WT-P-001 nen wir den Informationsgehalt als ein Set tiv für die Objekte, die Kanten entsprechen
hat die Förderleistung 45 l/min.“ bedeutet an Tripeln wiedergeben (tab. 03, s. 34). den Prädikaten.
dies, dass wir drei Entitäten haben, das Sub Aus Gründen der Lesbarkeit haben wir Besonders interessant wird es, wenn wir
jekt „Hydraulikpumpe WT-P-001“, das Prä das Subjekt „Hydraulikpumpe WT-P-001“ die weiteren Spalten aus Tabelle 02 betrach
dikat „hat Förderleistung“ und das Objekt etwas vereinfacht repräsentiert – später ten. So weiß unser Maschinenbauunterneh
„45 l/min“. Jede Aussage in unserer Tabel mehr dazu. Zur besseren Veranschaulichung men zusätzlich zu den bereits beschriebe
le lässt sich folglich als Triple aus den drei bietet es sich an, den Informationsgehalt in nen Sachverhalten, dass unsere Anlage von
Größen Subjekt-Prädikat-Objekt darstellen. Form eines gerichteten Graphen zu reprä fischertechnik, in die unsere Hydraulikpum >
Unsere neuronale
Translation Engine spricht
sogar „Maschinenbau“.
www.gds.eu/de/fachuebersetzungen
FACHÜBERSETZUNG
TERMINOLOGIE
LOKALISIERUNG
DOLMETSCHEN
BERATUNG & SCHULUNG34 Schwerpunkt
> pe WT-P-001 verbaut ist, in München steht,
eine Pumpe mit Förderleistung von 42,5 l/
Aussagen in Form von Tripeln min benötigt und die aktuell verbaute Pum
pe im Jahr 2025 das Ende ihres Produktle
Subjekt Prädikat Objekt benszyklus (End of Life, EoL) erreicht hat.
Hydraulikpumpe hatBezeichnung WT-P-001 Unsere Aussagen lassen sich also erweitern
Hydraulikpumpe WT-P-001 gehörtZuProduktlinie TurboPelot (tab. 04). Ergänzt haben wir auch die Aus
Hydraulikpumpe WT-P-001 hatFörderleistung 45 l/min sage, dass unsere Anlage unter einem ande
Hydraulikpumpe WT-P-001 istVerbautIn PANL-01
ren Namen geführt wird („MUC-FTA-01“
anstelle von „PANL-01“). Falls es sich um
tab. 03 quelle Martin Ley und Karsten Schrempp
ein und dieselbe Entität handelt und somit
dessen „identifier“ einmalig ist, ist das un
problematisch. Es handelt sich lediglich um
unterschiedliche Benennungen (label). Zu
Produktwissen ergänzt um dem haben weitere vertriebsrelevante Aus
Aussagen aus Vertriebssicht sagen hinzugefügt.
Die Aussagen aus Tabelle 04 lassen sich
ebenfalls als Graphen repräsentieren, und
Subjekt Prädikat Objekt
dieser wiederum kann mit unserem ersten
PANL-01 hatStandort München
Graphen aus Abbildung 02, S. 33, kombi
PANL-01 benötigtFörderleistung 42,5 l/min niert werden. Die Anlage „PANL-01“ fun
WT-P-001 hatEoL 2025 giert gewissermaßen als Schnittstelle zwi
PANL-01 hatAltLabel MUC-FTA-01 schen der Produkt- und der Vertriebssicht.
München istTeilVon Deutschland Das Ergebnis ist der kombinierte Graph in
Deutschland gehörtZuVertriebsregion DACH Abbildung 03. Aufgrund des so genannten
network effects können wir nun weitere In
tab. 04 quelle Martin Ley und Karsten Schrempp formationen integrieren aus verschiedenen
Unternehmensbereichen wie der Produkti
on (zum Beispiel Produktvarianten), dem
Marketing (zum Beispiel Sonderzubehör)
Ausschnitt aus der oder dem Service (zum Beispiel Technische
„Pumpen“-Ontologie Dokumentation), so dass wir ein mächtiges
Instrument für Schlussfolgerungen erhalten.
Subjekt Prädikat Objekt Graphen maschinenlesbar machen
Hydraulikpumpe istTyp Klasse Was im bisherigen Verlauf des Artikels in
Anlage istTyp Klasse formell beschrieben wurde, muss, um tat
istVerbautIn istTyp Prädikat sächlich maschinenlesbar und auswertbar
Hydraulikpumpe istVerbautIn Anlage zu sein, formalisiert werden. So genannte
istVerbautIn hatDomäne Hydraulikpumpe Ontologien geben uns hierfür den erforder
istVerbautIn hatRange Anlage lichen Rahmen. Unter einer Ontologie ver
stehen wir die formale Beschreibung eines
tab. 05 quelle Martin Ley und Karsten Schrempp
Weltausschnitts. In ihr wird definiert, wel
che Arten von Entitäten es in einem Welt
ausschnitt geben kann und wie diese Entitä
ten zueinander in Beziehung stehen.
Konkrete Objekte als Verdeutlichen wir uns das an unserem
Instanzen von Klassen Pumpenbeispiel und der Aussage „Die Hyd
raulikpumpe WT-P-001 ist in Anlage PANL-
01 verbaut“. In der Ontologie sind zunächst
Subjekt Prädikat Objekt
die Klassen und Relationen zwischen mög
WT-P-001 istTyp Hydraulikpumpe
lichen Vertretern der Klassen definiert. Dass
PANL-01 istTyp Anlage das Prädikat „istVerbautIn“ zwischen einer
WT-P-001 istVerbautIn PANL-01 Hydraulikpumpe und einer Anlage besteht,
PANL-01 enthältProdukt WT-P-001 wird über so genannte domain restrictions
tab. 06 quelle Martin Ley und Karsten Schrempp
festgelegt (tab. 05). Wie wir sehen, ist selbst
die Ontologie in der Form Subjekt-Prädikat-
Objekt beschrieben.
Konkrete Objekte wie die Hydraulikpum
pe „WT-P-001“ oder die Anlage „PANL-01“
können als Instanzen dieser Klassen be
04/21Schwerpunkt 35
schrieben werden. Zwischen beiden Enti on können so genannte Unterklassen defi 03 mit der Klasseninformation. Die konkre
täten besteht die „ist verbaut in“ Relation. niert werden, zum Beispiel dass „Hydraulik ten Inhalte, die Instanzen, sind durch Kreise
Diese ließe sich als inverse Relation model pumpe“ eine Unterklasse von „Pumpe“ ist. dargestellt, die zugehörigen Klassen durch
lieren, so dass auch gilt „PANL-01 enthält Ausgerüstet mit diesen Überlegungen Rechtecke (abb. 04).
die Hydraulikpumpe WT-P-001“ (tab. 06). ergänzen wir die graphische Repräsentati Die Ontologie legt sich wie ein Netz über
Als weitere interessante Modellierungsopti on unseres Pumpenbeispiels aus Abbildung unsere Informationen. Zum einen haben wir >
istVerbautIn hatStandort
WT-P-001 PANL-01 München
gehörtZuProduktlinie hatEOL hatAltLabel istTeilVon
hatFörderleistung benötigtFörderleistung
Turbo MUC-
45 l/min 2025 42,5 l/min DE DACH
Pelot FTA-01
gehörtZuVertriebsregion
abb. 03 Ein kombinierter Graph (mit unterschiedlichen Bezeichnungen für die Anlage). quelle Martin Ley und Karsten Schrempp
Pumpe
istUnterklasse
Hydraulik- istVerbautIn hatStandort Vertriebs-
Anlage Stadt
pumpe region
istTyp istTyp istTyp istTyp
istVerbautIn hatStandort
WT-P-001 PANL-01 München
gehörtZuProduktlinie hatEOL hatAltLabel istTeilVon
hatFörderleistung benötigtFörderleistung
Turbo MUC-
45 l/min 2025 42,5 l/min DE DACH
Pelot FTA-01
gehörtZuVertriebsregion
abb. 04 Direkte / indirekte Aussagen über Objekte (durchgängiger /gestrichelter Pfeil) – unvollständig. quelle Martin Ley und Karsten Schrempp
04/2136 Schwerpunkt
tionen wiederum sind tatsächlich in Excel-
Applikation Listen „vergraben“ und liegen auf verschie
denen Laufwerken. Die Herausforderung
Applikationen für
unseres Maschinenbauunternehmens be
verschiedene
steht auch darin, die für bestimmte Anfor
Anwendungen
derungen benötigten Informationen intel
ligent zu verknüpfen und zentral verfügbar
Inference & zu machen.
SELECT * WHERE { In Abbildung 05 skizzieren wir eine
Query-Engine
?sub ?pred ?obj. rudimentäre IT-Architektur. An unseren
} LIMIT 10
Überlegungen zur semantischen Modellie
rung (Ontologie) und zur Graph-basierten
Ontologie & Repräsentation halten wir fest. Für die Ver
Custome Scheme waltung unserer Informationen benötigen
Klassen wir eine Graphdatenbank, die RDF-Daten
Prädikate verarbeiten kann. Da unsere Informatio
Attribute nen normalerweise bereits an „irgendei
ner“ Stelle im Unternehmen in verschie
denen Informationssilos vorhanden sind,
Graphdatenbank bedarf es eines Konvertierungswerkzeugs,
das vorhandene Informationen für definier
Konkrete Objekte, te Anwendungsfälle in die Graphdatenbank
deren Relationen und
überführt. Wir greifen dabei oftmals auf
konkrete Attributwerte
ein Mapping zurück, da die Informationen,
mit denen wir es zu tun haben, meist be
reits strukturiert oder halbstrukturiert vor
Konvertierungswerkzeug liegen (bei unstrukturierten Informatio
nen kann ggf. automatisch klassifiziert und
konvertiert werden). Bei dieser Konvertie
rung ist wichtig zu betonen, dass es nicht
Ziel ist, alle Informationen zu duplizie
Informationssilos ren. In der Graphdatenbank können auch
PLM CCMS CRM so genannte „Stellvertreterobjekte“ für die
eigentlichen Ressourcen in den originären
Systemen vorhanden sein. Eine so genann
te Inference & Query Engine gibt Zugriff
auf die Graphdatenbank, um die in RDF ge
speicherten Triple semantisch abzufragen.
abb. 05 Skizze einer IT-Architektur für Wissensgraph-basierte Anwendungen. Die Anwenderinnen und Anwender grei
quelle Martin Ley und Karsten Schrempp fen über eine oder mehrere Applikationen/
Schnittstellen auf die Inhalte zu.
> die in unseren ersten Tabellen implizit ent ce Description Framework (RDF), das Re In vielen Unternehmen werden Wis
haltenen Bezüge über direkte Aussagen ex source Description Framework Schema sensgraphen bereits erfolgreich eingesetzt:
plizit gemacht. Zum anderen können wir auf (RDFS) und die Web Ontology Language bei Google, dem vielleicht prominentesten
Basis der Ontologie auch indirekte Aussagen (OWL) herauskristallisiert. Entsprechende Vertreter eines Wissensgraphen, zur Opti
treffen wie zum Beispiel „München gehört Werkzeuge nutzen diese Standards. Sie stel mierung der Suche. Amazon nutzt Wissens
zur Vertriebsregion DACH“. Noch interes len sicher, dass das Wissen unseres Maschi graphen als Basis für den Sprachassistenten
santer dürfte aber sein, dass auf Basis dieser nenbauunternehmens austauschbar und zu Alexa. Aber auch in industriellen Anwen
Modellierung geschlussfolgert werden kann, kunftssicher ist. dungen halten Wissensgraphen nach und
welche Pumpe unseres Sortiments als Ersatz nach Einzug, etwa bei Novartis (für die Er
für eine auslaufende Pumpe am Standort X Verknüpfte Informationen schließung von Data Lakes) oder bei Sie
benötigt wird. Die semantische Modellie Die bisherige Diskussion hat nicht berück mens (im Zusammenhang mit digitalen
rung bietet somit vielfältige Möglichkeiten, sichtigt, dass unser „Pumpenwissen“ (meist Zwillingen).
Abhängigkeiten zwischen unterschiedlichen historisch bedingt) an vielen unterschiedli Zudem haben Wissensgraphen bzw.
Entitäten herauszufinden. chen Stellen im Unternehmen abgelegt ist: Graph-Technologien den Zenit des Gart
Natürlich gibt es für die Modellierung produktbezogene Informationen eventuell ner Hype Cycles erreicht. Sie zählen zu den
und die Formalisierung entsprechende Me in einem PLM-System, Informationen für „Top10 Data and Analytic“ Trends für 2021:
thoden und Standards. Als Beschreibungs das technische Marketing in einem PIM- Im Jahr 2025 werden, so Gartner, Graph-ba
sprachen haben sich, ausgehend vom se System, die Technische Dokumentation in sierende Technologien in etwa 80 Prozent
mantischen Web und vom World Wide Web einem CCMS und Informationen für den aller Daten-/Analytik-Innovationen einge
Consortium (W3C) propagiert, das Resour Vertrieb in einem CRM. Andere Informa setzt (in 2021: etwa 10 Prozent, vgl. [2]).
04/2137
Freie Rundumsicht Anwendungsfall für den Einsatz eines an
deren Wissensgraphen ist die Verknüpfung
Das „i4-Dilemma“ ist weit verbreitet. Am von Reparaturinformationen mit Ersatztei
deutlichsten zeigt sich das im World Wide len oder Arbeitszeitwerten sowie deren Be
Web. Es überrascht nicht, dass Technologien reitstellung über ein Serviceportal.
wie RDF, RDFS oder OWL im WWW-Kon
text entwickelt wurden. Aber auch Unter Die Lösung für das Dilemma
nehmen wie unser Pumpenhersteller oder Es bieten sich weitere Szenarien für den
der Anlagenbetreiber selbst stehen vor der Einsatz von Wissensgraphen an. Auch oder
Herausforderung, dass „irgendjemand“ „ir gerade im Kontext des Industrial Internet
gendeine Information“ „irgendwo“ abgelegt of Things (IIoT) könnten Wissensgraphen
hat. Das Problem der Informationsvernet eine zentrale Rolle einnehmen, wenn es da
zung ist auch für Maschinenbauunterneh rum geht, den (Informations-)Zwilling ei
WIE VERNETZT
men relevant. nes Produktes über dessen gesamten Le
In diesem Beitrag haben wir anhand benszyklus aufzubauen und zu pflegen.
eines Beispiels aus dem Maschinenbau in Die Idee eines solchen Zwillings ist es, zu
die semantische Modellierung eingeführt.
Deren grundlegenden Konzepte wie Triple
jedem Zeitpunkt genau zu wissen, in wel
chem Zustand sich ein Produkt befindet,
IST IHR CONTENT?
und die graphartige Darstellung erlauben wann allgemeine und wann produktspezi
es, sowohl strukturierte als auch unstruktu fische Informationen benötigt werden und
rierte Informationen und unterschiedliche wie sich Informationen, die zum Beispiel
Informationssilos intelligent zu verknüpfen dynamisch über Sensoren in der „realen“
und zu virtualisieren. Dabei muss nicht im Welt gesammelt werden, in den Wissens
mer das Rad neu erfunden werden. iiRDS graphen integrieren lassen. Eine zentrale
beispielsweise bietet bereits eine existieren Herausforderung dürfte etwa sein, wie Pro
de Ontologie, die für technische Informa duktvarianten aufgrund einer Serialnum
tionen entwickelt wurde und als Teil eines mer gepflegt werden können.
Wissensgraphen betrachtet werden kann. Insgesamt halten wir fest, dass Wissens
Darüber hinaus gibt es etablierte Taxono graphen dazu beitragen, den Service konti
mien, Thesauri oder Ontologien, die als nuierlich zu verbessern. Dies gilt sowohl für
Ausgangspunkt für die semantische Mo unser Maschinenbauunternehmen als Her itl-Abendveranstaltung
dellierung herangezogen werden können. steller einer Komponente als auch für unse
Auch firmeninterne Nomenklaturen oder ren Anlagenbetreiber.
Taxonomien bieten eine gute Ausgangsba Letzten Endes ist der Wissensgraph des Digitale Ökosysteme
sis. Mithilfe geeigneter Software lassen sich Pumpenherstellers „nur“ ein Teil der Wis
daraus firmenspezifische Ontologien und/ sensgraphen der gesamten Anlage. Sie lie
Was steckt dahinter und
oder so genannte Custom Schemes entwi fern Antworten auf einige der zentralen wie profitieren Sie davon?
ckeln. Das heißt, eine firmenspezifische servicestrategischen Herausforderungen in
Ontologie muss nicht „from scratch“ neu den Unternehmen wie zum Beispiel Stei • Mit spannenden Praxisbeispielen
aufgebaut werden. Vielmehr kann sie sich gerung der First Time Fix Rate, der Mean • Referent: Bastian Heilemann
aus Teilen (das heißt Klassen, Relationen Maintenance Downtime oder der Overall • Am 29.09.2021 um 18:00 Uhr
und Attributen) bereits bestehender Syste Equipment Effectiveness. Wissensgraphen • Online und kostenlos
matiken zusammensetzen. Sie wird daher bieten zudem eine hervorragende Basis für
auch als mashup bezeichnet. Mashups kön konkrete Anwendungsszenarien wie Dia
nen auf individuelle Informationsbedürf gnoseassistenten oder Predictive Mainte
nisse und/oder spezielle/situative Anwen nance. Sie können helfen, Informationen :
dungen ausgerichtet sein. aus dem Feld in das Requirements-Engi Melden Sie sich jetzt an
Wissensgraphen beziehen ganz unter neering zurückzuführen und den Kreis www.itl.eu/av2021
schiedliche Arten von Informationen aus lauf Entwicklung-Produktion-Service zu
verschiedenen Unternehmensbereichen schließen. Wissensgraphen lösen somit
ein und bieten eine 360-Grad-Sicht auf das nicht nur das „i4-Dilemma“. Sie können
Unternehmen. Unser Beispiel hat sich dar auch einen Beitrag zur Umsatzsteigerung
an orientiert, wie Produktwissen mit Ver im Service leisten (vgl. [3]).
triebswissen eines Pumpenherstellers in links und literatur zum beitrag
Verbindung gebracht werden kann. Eine [1] Gutknecht, Matthias/Ley, Martin (2020):
denkbare, auf einem solchen Wissensgra Information bedarfsgerecht verpackt. In: technische
phen basierende Anwendung wäre zum Bei kommunikation H. 3, S. 28–32.
[2] Gartner (2021): www.gartner.com/smarterwithgartner
spiel ein „Pumpen-Recommender“, der dem
[3] Gutknecht, Matthias/Ley, Martin (2021): Mehrwert
Vertriebspersonal als App oder den Kunden im Service. iiRDS als Basis für unternehmensweites Ideen. Taten. Lösungen.
direkt über das WWW zur Verfügung ge semantisches Informationsmanagement. Vortrag auf www.itl.eu / itl.ch / itl.at
stellt werden kann. Ein weiterer typischer der tekom-Frühjahrstagung.
04/21Sie können auch lesen
