SlideShare une entreprise Scribd logo
1  sur  41
Télécharger pour lire hors ligne
Linked Data - Das Ende des Dokuments?
Herzlich Willkommen!
• Einleitende Gedanken über
„Informationsqualität & Wissensgenerierung“
• Was ist Linked Data?
- Warum „das Ende des Dokuments?“
• Wozu Linked Data?
- Anwendungsbeispiele
• Die Bedeutung von Linked Data für das
Informationsmanagement
Andreas Blumauer, MSc IT
CEO der Semantic Web Company, Wien
Als Wirtschaftsinformatiker seit 2001 in den Bereichen
Text Mining, Semantic Web, Wissensmodellierung & Linked
Data tätig.
Über Semantic Web Company (SWC)
SWC wurde 2001 in Wien gegründet
Über 20 Experten im Bereich Linked Data
Produkt: PoolParty Suite (seit 2009 am Markt)
Kunden aus unterschiedlichen Branchen
EU- & US-basiertes Partner Netzwerk
PoolParty Semantic Suite in 90 Sekunden
1. Werkzeug zur semi-automatischen Erstellung
und Wartung von Wissensgraphen
(Taxonomien, Thesauri, Ontologien)
1. Text-Mining: Analyse umfassender Text- und
Datenbestände  Annotation, Extraktion,
Vernetzung  Linked Data
2. Business Intelligence & Datenintegration auf
Basis offener Semantic Web Standards des
W3C (RDF, SKOS, SPARQL)
3. Einfache Bedienbarkeit
4. Enterprise-tauglich: Skalierbar, Secure, Qualitätsgesichert
5. Integrierbarkeit (SharePoint, Confluence, Drupal, FirstSpirit, Wordpress, …)
6. Einfaches Deployment: Als Cloud-Service oder innerhalb der Firewall
Branchen und Kunden
● Credit Suisse
● Daimler
● Roche
● Wolters Kluwer
● World Bank Group
● The Pokémon Company
● Healthdirect Australia
● Ministry of Finance (A)
● Wood Mackenzie
● Council of the European
Union
● American Physical Society
● Education Services Australia
● Pearson
● Techtarget
● Norwegian Directorate of
Immigration
● REEEP
● GBPN
● City of Vienna
● ...
Finanz / Automotive / Verlage & Medien / Gesundheit / Pharma / Verwaltung / Energie / Bildung
“Informationsqualität” aus
unternehmerischer Sicht
• Information ist oft ‘2nd class citizen’ in Unternehmen
• Informationsmanagement liegt bei CTO
 Information als technisches Artefakt
• Nach wie vor Tendenz zu Informationsinseln, keine Standards
• Wert von Kontextinformation und hochwertigen Metadaten wird
weiterhin unterschätzt
• Geschäftsmodelle (z.B. bei Publishern) beruhen kaum auf
Kollaboration
 Hypothese 1: “Es wird an den dynamisch wachsenden Informationsbedürfnissen der
Endkunden vorbei gewirtschaftet”
 Hypothese 2: “Vor allem Europäische Unternehmen geraten deshalb gegenüber
Amerikanischen Unternehmen unter Druck”
“Informationsqualität” aus
einer Meta-Perspektive
Information ist um so wertvoller,
• wenn schließlich ein
Sinnverstehen bei Menschen
ermöglicht wird, und
• wenn der Weg dorthin
zielgruppengerecht
(personalisiert) aufbereitet ist
 Hypothese: “Die Fähigkeit der
Wissensvermittlung (Kontexte,
Zusammenhänge) wird immer wichtiger”
Mensch & Information (CIO-Sicht)
https://www.ted.com/talks/hans_rosling_on_global_population_growth
Hans Rosling: Globales Wachstum der Bevölerung
“Informationsqualität” aus
einer Meta-Perspektive
Information ist um so wertvoller,
• Je kostengünstiger sie
integriert werden kann, und
somit
• einfach in unterschiedliche
Kontexte gesetzt werden kann
 Hypothese: “Information (Content)
unterschiedlichen Formats als Service via
APIs verbreiten zu können, ist ein
Schlüssel für hohe Informationsqualität
aus technischer Sicht”
Maschine & Information (CTO-Sicht)
Das Ende des Dokuments?
Was ist ein Dokument,
was sollte es sein?
● Produktion: Der passende Ort, um neue
Information zu produzieren?
● Speicher: Eine Möglichkeit, um Information zu
speichern?
● Darstellung: Ein User-Interface, um Information zu
visualisieren und zu repräsentieren?
● Interface: Ein technisches Interface (API) bzw. ein
Container, um verteilte Information zu verlinken
und auffindbar zu machen?
● Kulturtechnik: Ein Medium, um Erzählungen und
Emotionen zu transportieren und zu vermitteln?
● ?
Beispiel: Wie entstand dieses Dokument?
• Artikel in analogen Medien (z.B. ‚Hohe Luft‘)
• Wikipedia  Fakten
• YouTube
• Recherche auf Datenportalen (zB. Datahub.io)
• Recherche auf LinkedIn & Emails
• Google Abfragen
 Websites (Screenshots), blogs, videos,
Bilder
→ Alle Schritte, um die Informationsinseln
zusammen zu ziehen, mussten „manuell“
durchgeführt werden (vgl. Management by Excel)
Wissensarbeit bedeutet Vernetzung &
Kontextualisierung von Information!
Produktbeschreibung
Kampagne
Dossier
Tweet
Journal Artikel
Vertrag
Hersteller-Spezification
News Artikel
Social Web Profil Patienten-Akte
Gedicht
Regulierung
Blog
Gesetz
“Follow your nose (‘nous’)”
...und noch mehr Graphen
Microsoft
„Office Graph“
Facebook
„Social Graph“
Google
„Knowledge Graph“
Was genau aber wird von
‘Wissensarbeitern’ vernetzt?
• Entitäten, nicht
Dokumente!
• Things, not
strings!
PoolParty Tagging Workflow
Lorem ipsum
dolor sit amet,
consetetur
sadipscing elitr,
sed diam
nonumy eirmod
tempor invidunt
ut.
Corpus Analysis
Quality Checks
sadipscing
Aus “strings”
werden “things”
PoolParty PowerTagging:
Integration von Linked Data und CMS
‘Google’s Knowledge Graph’ als Beispiel
für semantische Informationsmaschinen
Mashup aus Wissens-Graphen
und API Calls!
Unternehmen haben begonnen, ihre
eigenen, spezifischen Wissens-
Graphen zu entwickeln.
Welche neuen Möglichkeiten entstehen
damit für die Informationswirtschaft?
Linked Data ist ein Datenmodell,
das auf Graphen basiert
● Linked Data ist ein Graph-basiertes
Datenmodell und ist ausdrucksstark
genug, um ein großes Spektrum von
Informationsarten repräsentieren und
verarbeiten zu können
→ Eignung für Daten-Integration & Dynamisches
Semantisches Publizieren (DSP) in verteilten Umgebungen
(“semantic web”)
BBC’s Linked Data Plattform:
Wieviele Informationsquellen sehen Sie?
Individual CMSs are pretty
good at keeping tabs on the
content they create but if
you wanted to get hold of
the 20 most recent pieces of
content from across the BBC
(and hence across CMSs) on
Burkina Faso, or Jarvis
Cocker or global warming it
would be very tricky.
Oli Bartlett, product
manager for the BBC's
Linked Data Platform
Case Study: ‘The 100 most influential
people in the world’
http://time.com/time100-2014/
http://mercury.poolparty.biz/time100
SKOS: Taxonomien werden wieder-
verwendbar, integrierbar & verlinkbar
http://www.w3.org/2004/02/skos/
Taxonomie- und Thesaurus-Management
eingebettet im Semantic Web
Schritt 1: Aufbau eines Thesaurus Schritt 2: Verknüpfe Deine Thesauri mit
anderen Wissens-Graphen (zB. DBpedia)
Annotation / Entity Extraction =
Transformation v. Dokumenten in Graphen
Schritt 4: Komplexe Fragen stellen
PREFIX skos:<http://www.w3.org/2004/02/skos/core#>
PREFIX foaf:<http://xmlns.com/foaf/0.1/>
PREFIX dbpedia:<http://dbpedia.org/ontology/>
SELECT DISTINCT ?personname ?timelink
WHERE
{ ?person skos:prefLabel ?personname .
?person a dbpedia:Person .
?person <http://purl.org/dc/terms/subject>
<http://dbpedia.org/resource/Category:Princeton_University_alumni> .
OPTIONAL
{ ?person
<http://mercury.poolparty.biz/PoolParty/schema/Time#time100page>
?timelink .
} }
Who of the ‘most influential
people in the world’ are
Princeton University alumni?
Results
Carl Cahn http://time.com/70813/
Jeff Bezos http://time.com/70917/
Schritt 3: Entitäten automatisch extrahieren
(„PowerTagging“)
Thesauri sind ‘semantische Interfaces’, um
verteilte Inhalte abzufragen, zu vernetzen
EurovocWKD Arbeitsrechts-Thesaurus
STW
Thesaurus
DBpedia
Case Study:
Clean Energy Data - Länderprofile
http://www.reegle.info/countries/
Linked Data & Linked Vocabularies können
leicht wieder verwendet werden
● Linked Data basiert auf Standards
und ist so in ein umfassendes
Daten-Ökosytem eingebettet
→ Ontologien, Thesauri, Taxonomien und
Wissens-Graphen können zu geringst
möglichen Kosten wiederverwendet werden,
zumindest technisch betrachtet.
Linked Open Data Graphen
12.6 Mio. Entitäten
2.46 Mrd. Fakten
119 Sprachen
45 Mio. Links zu anderen Quellen
Linked Data - Das Ende des Dokuments?
SKOS Thesauri
● Eurovoc (EU)
● ESCO (EU)
● Jurivoc (SUI)
● ScoT (AUS)
● Agrovoc (UN)
● MeSH (US)
● Getty Vocabularies (US)
● GEMET (EEA)
● GeoThesaurus (AT)
● STW Economy (DE)
● Polythematic SH (CZ)
● Canadian Subject Headings (Can)
● LCSH (US)
● Worldbank Taxonomy (WBG)
● Labor Law Germany Thesaurus (DE)
● Reegle Thesaurus (REEEP)
● Austrian Tax Law Thesaurus (AT)
● UNESCO Thesaurus (UN)
● New York Times SH (US)
● RAMEAU subject headings (FR)
● TheSoz (DE)
● The General Finnish Thesaurus (FIN)
● NAL Thesaurus (US)
● Social Semantic Web Thesaurus (AT)
● Courts thesaurus (DE)
● SITC-V4 (UN)
● Google Product Taxonomy (US)
● NAICS 2012 (US)
● Common Procurement Vocabulary (ES)
● UKAT UK Archival Thesaurus (UK)
● NASA taxonomy (US)
● IVOA astronomy vocabularies (UK)
● IPTC News Codes (UK)
● WAND taxonomies (US)
Linked Data verknüpft die Anforderungen
‘Semantic search’ und ‘Business analytics’
● Linked Data basiert auf einem
ausdrucksstarken Datenmodell
und kann so unterschiedlichste
Informationsarten repräsentieren
→ Hervorragende Eignung für komplexere
Such- und Analyseanwendungen; vereint die
Welten der strukturierten & unstrukturierten
Informationen
Der traditionelle Ansatz zur
Daten- und Informations-Integration
Person 4711
Name
Jeff Bezos
Affiliation
Amazon
Born in
Albuquerque
Land 4812
Name
USA
BIP
$ 15.684 billion
HDI
0.937
Lösung: Spezielle Anwendung
wird entwickelt, um die Daten
zu integrieren.
Show me the ‘most influential people
in the world’ who were born in countries
with an HDI less than 0.5?
PersonOrganization Place
affiliated with born in
Ontologie-Graph
Jeff Bezos
Amazon Albuquerque
United States
Wissens-Graph 2
GDP
$ 15.684
billion
HDI
0,937
Continents U.S.
Thesaurus/Taxonomy-Graph
America New Mexico
Albuquerque
South
America
Wissens-Graph 1
Show me the ‘most influential
people in the world’ who were
born in countries
with an HDI less than 0.5?
Lösung: Taxonomien
werden verwendet,
um Graphen zu
verknüpfen
SPARQL unterstützt komplexe Abfragen
PREFIX skos:<http://www.w3.org/2004/02/skos/core#>
PREFIX foaf:<http://xmlns.com/foaf/0.1/>
PREFIX dbpedia:<http://dbpedia.org/ontology/>
SELECT DISTINCT ?personname ?picture ?countryname ?hdi ?picture
WHERE
{
?person skos:prefLabel ?personname .
?country skos:prefLabel ?countryname .
?person a dbpedia:Person .
?country a dbpedia:Country .
?person skos:related ?country .
?country <http://dbpedia.org/property/hdi> ?hdi .
FILTER ( ?hdi < 0.6)
OPTIONAL
{
?person foaf:depiction ?picture .
}
} ORDER BY DESC(?hdi)
Case Study:
Linked Life Data
http://linkedlifedata.com/
Interaktive Daten Visualisierungen
Kernfunktion von Linked Data:
Matchmaking
Die Qualität der Meta-
Informationen und Wissens-
Graphen determiniert die
Möglichkeiten,
Informationseinheiten
(“chunks”), Produkte & User auf
neuartige Weise verknüpfen, und
im Verbund abfragbar zu
machen.
Matchmaking von Usern / von Content
http://www.eip-water.eu/
http://faq.poolparty.biz/
Linked Enterprise Data
Show me the impact of our
campaign for FIFA WC 2014.
Welche Bedeutung hat Linked Data für das
Informationsmanagement?
1. Übersetzung zwischen Anwender und Techniker (“Taxonomist”)
2. Keine technischen Lock-in-Effekte mehr
3. Standard, um Referenzsysteme zu etablieren (zB. GND als LD)
4. Kommunikation zwischen Menschen und Menschen, Menschen
und Maschinen, und Maschinen und Maschinen verbessern
5. Ermöglicht komplexere Wertschöpfungsketten in der Content-
Industrie (vgl. Software-Industrie)
Content-Wertschöpfungsketten
mit Open Data
Zusammenfassung:
Daten-Silo (Dokument) öffne Dich!
● Graph-basiertes Datenmodell
● Standard-basiertes Datenmodell
● Ausstrucksstarkes Datenmodell
● SKOS (Simple Knowledge
Organization System) als
Kernelement
● Suchen  Analysieren
● Lesen  Visualisieren
● Behaupten  Beweisen (Data
Journalism)
● Enterprise Linked Data
Kontakt & Weitere Informationen
Andreas Blumauer, MSc IT
a.blumauer@semantic-web.at
http://at.linkedin.com/in/andreasblumauer/
Semantic Web Company GmbH
Mariahilfer Strasse 70/8,
A-1070 Vienna
+43-1-4021235
http://www.semantic-web.at
http://www.poolparty-software.com
http://slideshare.net/semwebcompany
http://youtube.com/semwebcompany

Contenu connexe

En vedette

Catalogue Bowers & Wilkins (B&W) 2010
Catalogue Bowers & Wilkins (B&W) 2010Catalogue Bowers & Wilkins (B&W) 2010
Catalogue Bowers & Wilkins (B&W) 2010B&W Group France
 
René Sieber - Interaktive Karten im Atlas der Schweiz
René Sieber - Interaktive Karten im Atlas der SchweizRené Sieber - Interaktive Karten im Atlas der Schweiz
René Sieber - Interaktive Karten im Atlas der Schweizinfoclio.ch
 
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...topsoft - inspiring digital business
 
PR PLUS Interessenten-Newsletter März 2011
PR PLUS Interessenten-Newsletter März 2011PR PLUS Interessenten-Newsletter März 2011
PR PLUS Interessenten-Newsletter März 2011PR PLUS GmbH
 
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett Heinrich
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett HeinrichFortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett Heinrich
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett HeinrichBulldoggen
 
Jüdische Hochzeit Und Gemeinde
Jüdische Hochzeit Und GemeindeJüdische Hochzeit Und Gemeinde
Jüdische Hochzeit Und Gemeindewusternberg
 
technische Dienstleistungen für Turnarounds in petrochemischen Anlagen
technische Dienstleistungen für Turnarounds in petrochemischen Anlagentechnische Dienstleistungen für Turnarounds in petrochemischen Anlagen
technische Dienstleistungen für Turnarounds in petrochemischen AnlagenMateus Siwek
 
"Modell Deutschland" - Endbericht
"Modell Deutschland" - Endbericht"Modell Deutschland" - Endbericht
"Modell Deutschland" - EndberichtWWF Deutschland
 
HANZEL und GRETYL - Photo Binder
HANZEL und GRETYL - Photo BinderHANZEL und GRETYL - Photo Binder
HANZEL und GRETYL - Photo Binderredrockmanagement
 
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?Axel Thiel
 
Soyez revolutionnaire, utilisez CSS2 !
Soyez revolutionnaire, utilisez CSS2 !Soyez revolutionnaire, utilisez CSS2 !
Soyez revolutionnaire, utilisez CSS2 !Raphaël Goetter
 
Industrialisation de la vidéo accessible sur le web
Industrialisation de la vidéo accessible sur le webIndustrialisation de la vidéo accessible sur le web
Industrialisation de la vidéo accessible sur le webJean-Philippe Simonnet
 
Sigrid Powerpoint Test
Sigrid Powerpoint TestSigrid Powerpoint Test
Sigrid Powerpoint Teststraaen
 

En vedette (20)

Catalogue Bowers & Wilkins (B&W) 2010
Catalogue Bowers & Wilkins (B&W) 2010Catalogue Bowers & Wilkins (B&W) 2010
Catalogue Bowers & Wilkins (B&W) 2010
 
René Sieber - Interaktive Karten im Atlas der Schweiz
René Sieber - Interaktive Karten im Atlas der SchweizRené Sieber - Interaktive Karten im Atlas der Schweiz
René Sieber - Interaktive Karten im Atlas der Schweiz
 
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...
Gute Auswertungen generieren Massnahmen – schlechte Auswertungen generieren P...
 
Client
ClientClient
Client
 
Soiree pasta
Soiree pastaSoiree pasta
Soiree pasta
 
PR PLUS Interessenten-Newsletter März 2011
PR PLUS Interessenten-Newsletter März 2011PR PLUS Interessenten-Newsletter März 2011
PR PLUS Interessenten-Newsletter März 2011
 
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett Heinrich
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett HeinrichFortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett Heinrich
Fortpflanzung des Hundes - Geschlechtsreife und Zyklus - Anett Heinrich
 
Jüdische Hochzeit Und Gemeinde
Jüdische Hochzeit Und GemeindeJüdische Hochzeit Und Gemeinde
Jüdische Hochzeit Und Gemeinde
 
GETraining by Guiding Scents
GETraining by Guiding ScentsGETraining by Guiding Scents
GETraining by Guiding Scents
 
technische Dienstleistungen für Turnarounds in petrochemischen Anlagen
technische Dienstleistungen für Turnarounds in petrochemischen Anlagentechnische Dienstleistungen für Turnarounds in petrochemischen Anlagen
technische Dienstleistungen für Turnarounds in petrochemischen Anlagen
 
"Modell Deutschland" - Endbericht
"Modell Deutschland" - Endbericht"Modell Deutschland" - Endbericht
"Modell Deutschland" - Endbericht
 
HANZEL und GRETYL - Photo Binder
HANZEL und GRETYL - Photo BinderHANZEL und GRETYL - Photo Binder
HANZEL und GRETYL - Photo Binder
 
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?
Die Frauen vom Planeten Fe Wer steckt hinter manch einer Entführung durch Ufos?
 
Flies
FliesFlies
Flies
 
Test 4
Test 4Test 4
Test 4
 
Les logiciels oraliseurs
Les logiciels oraliseursLes logiciels oraliseurs
Les logiciels oraliseurs
 
Soyez revolutionnaire, utilisez CSS2 !
Soyez revolutionnaire, utilisez CSS2 !Soyez revolutionnaire, utilisez CSS2 !
Soyez revolutionnaire, utilisez CSS2 !
 
Industrialisation de la vidéo accessible sur le web
Industrialisation de la vidéo accessible sur le webIndustrialisation de la vidéo accessible sur le web
Industrialisation de la vidéo accessible sur le web
 
Infographies FFTélécoms - étude Greenwich
Infographies FFTélécoms - étude GreenwichInfographies FFTélécoms - étude Greenwich
Infographies FFTélécoms - étude Greenwich
 
Sigrid Powerpoint Test
Sigrid Powerpoint TestSigrid Powerpoint Test
Sigrid Powerpoint Test
 

Similaire à Linked Data - Das Ende des Dokuments?

scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid®
scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid® scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid®
scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid® scopeKM GmbH Knowledge Management
 
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)Martin Kaltenböck
 
Rethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRamona Kohrs
 
Publishing in the digital age 1 december 2011 - semantic meetup zürich
Publishing in the digital age   1 december 2011 - semantic meetup zürichPublishing in the digital age   1 december 2011 - semantic meetup zürich
Publishing in the digital age 1 december 2011 - semantic meetup zürichAI4BD GmbH
 
Web 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werdenWeb 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werdenAI4BD GmbH
 
Anwendungsbeispiele von Enterprise Mashups
Anwendungsbeispiele von Enterprise MashupsAnwendungsbeispiele von Enterprise Mashups
Anwendungsbeispiele von Enterprise Mashupstischmid
 
3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, ProjektwissensmanagementStefan Landwehr
 
Big Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für VerlageBig Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für VerlageTim Bruysten
 
Deep Learning – The Future of AI
Deep Learning – The Future of AIDeep Learning – The Future of AI
Deep Learning – The Future of AIGroupeT2i
 
ECM als Erfolgsfaktor für mittelständische Unternehmen
ECM als Erfolgsfaktor für mittelständische UnternehmenECM als Erfolgsfaktor für mittelständische Unternehmen
ECM als Erfolgsfaktor für mittelständische UnternehmenGuido Schmitz
 
Web Content-Management-Systeme the Past - the Present - the Future
Web Content-Management-Systeme the Past - the Present - the FutureWeb Content-Management-Systeme the Past - the Present - the Future
Web Content-Management-Systeme the Past - the Present - the FutureAlexander Loechel
 
Wissensmanagement 2.0 Mehr Als Eine Web 2.0
Wissensmanagement 2.0   Mehr Als Eine Web 2.0Wissensmanagement 2.0   Mehr Als Eine Web 2.0
Wissensmanagement 2.0 Mehr Als Eine Web 2.0Guido Schmitz
 
Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Maria Willamowius
 
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten Branchen
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten BranchenDigitale Kuratierungstechnologien – Beispiele aus ausgewählten Branchen
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten BranchenGeorg Rehm
 
ch.ch 2020
ch.ch 2020 ch.ch 2020
ch.ch 2020 ch.ch
 
Die Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsDie Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsEduard Daoud
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationBoris Otto
 

Similaire à Linked Data - Das Ende des Dokuments? (20)

scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid®
scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid® scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid®
scopeKM: Chancen und Risiken erkennen mit der textanalytischen Lösung Luxid®
 
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
Einführung Linked Open Data (LOD) - Introduction to Linked Open Data (LOD)
 
Rethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event ReportRethink! ITEM 2016 - Post Event Report
Rethink! ITEM 2016 - Post Event Report
 
Publishing in the digital age 1 december 2011 - semantic meetup zürich
Publishing in the digital age   1 december 2011 - semantic meetup zürichPublishing in the digital age   1 december 2011 - semantic meetup zürich
Publishing in the digital age 1 december 2011 - semantic meetup zürich
 
Web 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werdenWeb 3.0 - Wie Webseiten intelligent werden
Web 3.0 - Wie Webseiten intelligent werden
 
Big Data - einfach erklärt!
Big Data - einfach erklärt!Big Data - einfach erklärt!
Big Data - einfach erklärt!
 
Anwendungsbeispiele von Enterprise Mashups
Anwendungsbeispiele von Enterprise MashupsAnwendungsbeispiele von Enterprise Mashups
Anwendungsbeispiele von Enterprise Mashups
 
3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement3. PM-Tag Karlsruhe, Projektwissensmanagement
3. PM-Tag Karlsruhe, Projektwissensmanagement
 
Big Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für VerlageBig Data & Predictive Analytics – Eine Einführung für Verlage
Big Data & Predictive Analytics – Eine Einführung für Verlage
 
Big Data und Business Intelligence
Big Data und Business IntelligenceBig Data und Business Intelligence
Big Data und Business Intelligence
 
Deep Learning – The Future of AI
Deep Learning – The Future of AIDeep Learning – The Future of AI
Deep Learning – The Future of AI
 
ECM als Erfolgsfaktor für mittelständische Unternehmen
ECM als Erfolgsfaktor für mittelständische UnternehmenECM als Erfolgsfaktor für mittelständische Unternehmen
ECM als Erfolgsfaktor für mittelständische Unternehmen
 
Web Content-Management-Systeme the Past - the Present - the Future
Web Content-Management-Systeme the Past - the Present - the FutureWeb Content-Management-Systeme the Past - the Present - the Future
Web Content-Management-Systeme the Past - the Present - the Future
 
Wissensmanagement 2.0 Mehr Als Eine Web 2.0
Wissensmanagement 2.0   Mehr Als Eine Web 2.0Wissensmanagement 2.0   Mehr Als Eine Web 2.0
Wissensmanagement 2.0 Mehr Als Eine Web 2.0
 
Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013Rückblick Big Data Minds 2013
Rückblick Big Data Minds 2013
 
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten Branchen
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten BranchenDigitale Kuratierungstechnologien – Beispiele aus ausgewählten Branchen
Digitale Kuratierungstechnologien – Beispiele aus ausgewählten Branchen
 
ch.ch 2020
ch.ch 2020 ch.ch 2020
ch.ch 2020
 
1 - Einfuehrung
1 - Einfuehrung1 - Einfuehrung
1 - Einfuehrung
 
Die Zukunft des Wissensmanagements
Die Zukunft des WissensmanagementsDie Zukunft des Wissensmanagements
Die Zukunft des Wissensmanagements
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
 

Plus de Semantic Web Company

How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...Semantic Web Company
 
Introduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AIIntroduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AISemantic Web Company
 
Deep Text Analytics - How to extract hidden information and aboutness from text
Deep Text Analytics - How to extract hidden information and aboutness from textDeep Text Analytics - How to extract hidden information and aboutness from text
Deep Text Analytics - How to extract hidden information and aboutness from textSemantic Web Company
 
Leveraging Knowledge Graphs in your Enterprise Knowledge Management System
Leveraging Knowledge Graphs in your Enterprise Knowledge Management SystemLeveraging Knowledge Graphs in your Enterprise Knowledge Management System
Leveraging Knowledge Graphs in your Enterprise Knowledge Management SystemSemantic Web Company
 
Linking SharePoint Documents with Structured Data
Linking SharePoint Documents with Structured DataLinking SharePoint Documents with Structured Data
Linking SharePoint Documents with Structured DataSemantic Web Company
 
The Fast Track to Knowledge Engineering
The Fast Track to Knowledge EngineeringThe Fast Track to Knowledge Engineering
The Fast Track to Knowledge EngineeringSemantic Web Company
 
Leveraging Taxonomy Management with Machine Learning
Leveraging Taxonomy Management with Machine LearningLeveraging Taxonomy Management with Machine Learning
Leveraging Taxonomy Management with Machine LearningSemantic Web Company
 
PoolParty GraphSearch - The Fusion of Search, Recommendation and Analytics
PoolParty GraphSearch - The Fusion of Search, Recommendation and AnalyticsPoolParty GraphSearch - The Fusion of Search, Recommendation and Analytics
PoolParty GraphSearch - The Fusion of Search, Recommendation and AnalyticsSemantic Web Company
 
Semantics as the Basis of Advanced Cognitive Computing
Semantics as the Basis of Advanced Cognitive ComputingSemantics as the Basis of Advanced Cognitive Computing
Semantics as the Basis of Advanced Cognitive ComputingSemantic Web Company
 
PoolParty 6.0 - Climbing the Semantic Ladder
PoolParty 6.0 - Climbing the Semantic LadderPoolParty 6.0 - Climbing the Semantic Ladder
PoolParty 6.0 - Climbing the Semantic LadderSemantic Web Company
 
PoolParty Semantic Suite - Release 6.0 (Technical Overview)
PoolParty Semantic Suite - Release 6.0 (Technical Overview)PoolParty Semantic Suite - Release 6.0 (Technical Overview)
PoolParty Semantic Suite - Release 6.0 (Technical Overview)Semantic Web Company
 
Taxonomies and Ontologies – The Yin and Yang of Knowledge Modelling
Taxonomies and Ontologies – The Yin and Yang of Knowledge ModellingTaxonomies and Ontologies – The Yin and Yang of Knowledge Modelling
Taxonomies and Ontologies – The Yin and Yang of Knowledge ModellingSemantic Web Company
 
PROPEL . Austrian's Roadmap for Enterprise Linked Data
PROPEL . Austrian's Roadmap for Enterprise Linked DataPROPEL . Austrian's Roadmap for Enterprise Linked Data
PROPEL . Austrian's Roadmap for Enterprise Linked DataSemantic Web Company
 

Plus de Semantic Web Company (20)

How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
How Enterprise Architecture & Knowledge Graph Technologies Can Scale Business...
 
Introduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AIIntroduction to Knowledge Graphs and Semantic AI
Introduction to Knowledge Graphs and Semantic AI
 
Deep Text Analytics - How to extract hidden information and aboutness from text
Deep Text Analytics - How to extract hidden information and aboutness from textDeep Text Analytics - How to extract hidden information and aboutness from text
Deep Text Analytics - How to extract hidden information and aboutness from text
 
Leveraging Knowledge Graphs in your Enterprise Knowledge Management System
Leveraging Knowledge Graphs in your Enterprise Knowledge Management SystemLeveraging Knowledge Graphs in your Enterprise Knowledge Management System
Leveraging Knowledge Graphs in your Enterprise Knowledge Management System
 
Linking SharePoint Documents with Structured Data
Linking SharePoint Documents with Structured DataLinking SharePoint Documents with Structured Data
Linking SharePoint Documents with Structured Data
 
The Fast Track to Knowledge Engineering
The Fast Track to Knowledge EngineeringThe Fast Track to Knowledge Engineering
The Fast Track to Knowledge Engineering
 
Semantic AI
Semantic AISemantic AI
Semantic AI
 
BrightTALK - Semantic AI
BrightTALK - Semantic AI BrightTALK - Semantic AI
BrightTALK - Semantic AI
 
PoolParty Semantic Classifier
PoolParty Semantic ClassifierPoolParty Semantic Classifier
PoolParty Semantic Classifier
 
Leveraging Taxonomy Management with Machine Learning
Leveraging Taxonomy Management with Machine LearningLeveraging Taxonomy Management with Machine Learning
Leveraging Taxonomy Management with Machine Learning
 
Taxonomies put in the right place
Taxonomies put in the right placeTaxonomies put in the right place
Taxonomies put in the right place
 
PoolParty GraphSearch - The Fusion of Search, Recommendation and Analytics
PoolParty GraphSearch - The Fusion of Search, Recommendation and AnalyticsPoolParty GraphSearch - The Fusion of Search, Recommendation and Analytics
PoolParty GraphSearch - The Fusion of Search, Recommendation and Analytics
 
Semantics as the Basis of Advanced Cognitive Computing
Semantics as the Basis of Advanced Cognitive ComputingSemantics as the Basis of Advanced Cognitive Computing
Semantics as the Basis of Advanced Cognitive Computing
 
Structured Content Meets Taxonomy
Structured Content Meets TaxonomyStructured Content Meets Taxonomy
Structured Content Meets Taxonomy
 
PoolParty 6.0 - Climbing the Semantic Ladder
PoolParty 6.0 - Climbing the Semantic LadderPoolParty 6.0 - Climbing the Semantic Ladder
PoolParty 6.0 - Climbing the Semantic Ladder
 
PoolParty Semantic Suite - Release 6.0 (Technical Overview)
PoolParty Semantic Suite - Release 6.0 (Technical Overview)PoolParty Semantic Suite - Release 6.0 (Technical Overview)
PoolParty Semantic Suite - Release 6.0 (Technical Overview)
 
Taxonomies and Ontologies – The Yin and Yang of Knowledge Modelling
Taxonomies and Ontologies – The Yin and Yang of Knowledge ModellingTaxonomies and Ontologies – The Yin and Yang of Knowledge Modelling
Taxonomies and Ontologies – The Yin and Yang of Knowledge Modelling
 
PROPEL . Austrian's Roadmap for Enterprise Linked Data
PROPEL . Austrian's Roadmap for Enterprise Linked DataPROPEL . Austrian's Roadmap for Enterprise Linked Data
PROPEL . Austrian's Roadmap for Enterprise Linked Data
 
Taxonomy Quality Assessment
Taxonomy Quality AssessmentTaxonomy Quality Assessment
Taxonomy Quality Assessment
 
Taxonomy-Driven UX
Taxonomy-Driven UXTaxonomy-Driven UX
Taxonomy-Driven UX
 

Linked Data - Das Ende des Dokuments?

  • 2. Herzlich Willkommen! • Einleitende Gedanken über „Informationsqualität & Wissensgenerierung“ • Was ist Linked Data? - Warum „das Ende des Dokuments?“ • Wozu Linked Data? - Anwendungsbeispiele • Die Bedeutung von Linked Data für das Informationsmanagement Andreas Blumauer, MSc IT CEO der Semantic Web Company, Wien Als Wirtschaftsinformatiker seit 2001 in den Bereichen Text Mining, Semantic Web, Wissensmodellierung & Linked Data tätig.
  • 3. Über Semantic Web Company (SWC) SWC wurde 2001 in Wien gegründet Über 20 Experten im Bereich Linked Data Produkt: PoolParty Suite (seit 2009 am Markt) Kunden aus unterschiedlichen Branchen EU- & US-basiertes Partner Netzwerk
  • 4. PoolParty Semantic Suite in 90 Sekunden 1. Werkzeug zur semi-automatischen Erstellung und Wartung von Wissensgraphen (Taxonomien, Thesauri, Ontologien) 1. Text-Mining: Analyse umfassender Text- und Datenbestände  Annotation, Extraktion, Vernetzung  Linked Data 2. Business Intelligence & Datenintegration auf Basis offener Semantic Web Standards des W3C (RDF, SKOS, SPARQL) 3. Einfache Bedienbarkeit 4. Enterprise-tauglich: Skalierbar, Secure, Qualitätsgesichert 5. Integrierbarkeit (SharePoint, Confluence, Drupal, FirstSpirit, Wordpress, …) 6. Einfaches Deployment: Als Cloud-Service oder innerhalb der Firewall
  • 5. Branchen und Kunden ● Credit Suisse ● Daimler ● Roche ● Wolters Kluwer ● World Bank Group ● The Pokémon Company ● Healthdirect Australia ● Ministry of Finance (A) ● Wood Mackenzie ● Council of the European Union ● American Physical Society ● Education Services Australia ● Pearson ● Techtarget ● Norwegian Directorate of Immigration ● REEEP ● GBPN ● City of Vienna ● ... Finanz / Automotive / Verlage & Medien / Gesundheit / Pharma / Verwaltung / Energie / Bildung
  • 6. “Informationsqualität” aus unternehmerischer Sicht • Information ist oft ‘2nd class citizen’ in Unternehmen • Informationsmanagement liegt bei CTO  Information als technisches Artefakt • Nach wie vor Tendenz zu Informationsinseln, keine Standards • Wert von Kontextinformation und hochwertigen Metadaten wird weiterhin unterschätzt • Geschäftsmodelle (z.B. bei Publishern) beruhen kaum auf Kollaboration  Hypothese 1: “Es wird an den dynamisch wachsenden Informationsbedürfnissen der Endkunden vorbei gewirtschaftet”  Hypothese 2: “Vor allem Europäische Unternehmen geraten deshalb gegenüber Amerikanischen Unternehmen unter Druck”
  • 7. “Informationsqualität” aus einer Meta-Perspektive Information ist um so wertvoller, • wenn schließlich ein Sinnverstehen bei Menschen ermöglicht wird, und • wenn der Weg dorthin zielgruppengerecht (personalisiert) aufbereitet ist  Hypothese: “Die Fähigkeit der Wissensvermittlung (Kontexte, Zusammenhänge) wird immer wichtiger” Mensch & Information (CIO-Sicht) https://www.ted.com/talks/hans_rosling_on_global_population_growth Hans Rosling: Globales Wachstum der Bevölerung
  • 8. “Informationsqualität” aus einer Meta-Perspektive Information ist um so wertvoller, • Je kostengünstiger sie integriert werden kann, und somit • einfach in unterschiedliche Kontexte gesetzt werden kann  Hypothese: “Information (Content) unterschiedlichen Formats als Service via APIs verbreiten zu können, ist ein Schlüssel für hohe Informationsqualität aus technischer Sicht” Maschine & Information (CTO-Sicht)
  • 9. Das Ende des Dokuments? Was ist ein Dokument, was sollte es sein? ● Produktion: Der passende Ort, um neue Information zu produzieren? ● Speicher: Eine Möglichkeit, um Information zu speichern? ● Darstellung: Ein User-Interface, um Information zu visualisieren und zu repräsentieren? ● Interface: Ein technisches Interface (API) bzw. ein Container, um verteilte Information zu verlinken und auffindbar zu machen? ● Kulturtechnik: Ein Medium, um Erzählungen und Emotionen zu transportieren und zu vermitteln? ● ?
  • 10. Beispiel: Wie entstand dieses Dokument? • Artikel in analogen Medien (z.B. ‚Hohe Luft‘) • Wikipedia  Fakten • YouTube • Recherche auf Datenportalen (zB. Datahub.io) • Recherche auf LinkedIn & Emails • Google Abfragen  Websites (Screenshots), blogs, videos, Bilder → Alle Schritte, um die Informationsinseln zusammen zu ziehen, mussten „manuell“ durchgeführt werden (vgl. Management by Excel)
  • 11. Wissensarbeit bedeutet Vernetzung & Kontextualisierung von Information! Produktbeschreibung Kampagne Dossier Tweet Journal Artikel Vertrag Hersteller-Spezification News Artikel Social Web Profil Patienten-Akte Gedicht Regulierung Blog Gesetz “Follow your nose (‘nous’)”
  • 12. ...und noch mehr Graphen Microsoft „Office Graph“ Facebook „Social Graph“ Google „Knowledge Graph“
  • 13. Was genau aber wird von ‘Wissensarbeitern’ vernetzt? • Entitäten, nicht Dokumente! • Things, not strings!
  • 14. PoolParty Tagging Workflow Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut. Corpus Analysis Quality Checks sadipscing Aus “strings” werden “things”
  • 16. ‘Google’s Knowledge Graph’ als Beispiel für semantische Informationsmaschinen Mashup aus Wissens-Graphen und API Calls! Unternehmen haben begonnen, ihre eigenen, spezifischen Wissens- Graphen zu entwickeln. Welche neuen Möglichkeiten entstehen damit für die Informationswirtschaft?
  • 17. Linked Data ist ein Datenmodell, das auf Graphen basiert ● Linked Data ist ein Graph-basiertes Datenmodell und ist ausdrucksstark genug, um ein großes Spektrum von Informationsarten repräsentieren und verarbeiten zu können → Eignung für Daten-Integration & Dynamisches Semantisches Publizieren (DSP) in verteilten Umgebungen (“semantic web”)
  • 18. BBC’s Linked Data Plattform: Wieviele Informationsquellen sehen Sie? Individual CMSs are pretty good at keeping tabs on the content they create but if you wanted to get hold of the 20 most recent pieces of content from across the BBC (and hence across CMSs) on Burkina Faso, or Jarvis Cocker or global warming it would be very tricky. Oli Bartlett, product manager for the BBC's Linked Data Platform
  • 19. Case Study: ‘The 100 most influential people in the world’ http://time.com/time100-2014/ http://mercury.poolparty.biz/time100
  • 20. SKOS: Taxonomien werden wieder- verwendbar, integrierbar & verlinkbar http://www.w3.org/2004/02/skos/
  • 21. Taxonomie- und Thesaurus-Management eingebettet im Semantic Web Schritt 1: Aufbau eines Thesaurus Schritt 2: Verknüpfe Deine Thesauri mit anderen Wissens-Graphen (zB. DBpedia)
  • 22. Annotation / Entity Extraction = Transformation v. Dokumenten in Graphen Schritt 4: Komplexe Fragen stellen PREFIX skos:<http://www.w3.org/2004/02/skos/core#> PREFIX foaf:<http://xmlns.com/foaf/0.1/> PREFIX dbpedia:<http://dbpedia.org/ontology/> SELECT DISTINCT ?personname ?timelink WHERE { ?person skos:prefLabel ?personname . ?person a dbpedia:Person . ?person <http://purl.org/dc/terms/subject> <http://dbpedia.org/resource/Category:Princeton_University_alumni> . OPTIONAL { ?person <http://mercury.poolparty.biz/PoolParty/schema/Time#time100page> ?timelink . } } Who of the ‘most influential people in the world’ are Princeton University alumni? Results Carl Cahn http://time.com/70813/ Jeff Bezos http://time.com/70917/ Schritt 3: Entitäten automatisch extrahieren („PowerTagging“)
  • 23. Thesauri sind ‘semantische Interfaces’, um verteilte Inhalte abzufragen, zu vernetzen EurovocWKD Arbeitsrechts-Thesaurus STW Thesaurus DBpedia
  • 24. Case Study: Clean Energy Data - Länderprofile http://www.reegle.info/countries/
  • 25. Linked Data & Linked Vocabularies können leicht wieder verwendet werden ● Linked Data basiert auf Standards und ist so in ein umfassendes Daten-Ökosytem eingebettet → Ontologien, Thesauri, Taxonomien und Wissens-Graphen können zu geringst möglichen Kosten wiederverwendet werden, zumindest technisch betrachtet.
  • 26. Linked Open Data Graphen 12.6 Mio. Entitäten 2.46 Mrd. Fakten 119 Sprachen 45 Mio. Links zu anderen Quellen
  • 28. SKOS Thesauri ● Eurovoc (EU) ● ESCO (EU) ● Jurivoc (SUI) ● ScoT (AUS) ● Agrovoc (UN) ● MeSH (US) ● Getty Vocabularies (US) ● GEMET (EEA) ● GeoThesaurus (AT) ● STW Economy (DE) ● Polythematic SH (CZ) ● Canadian Subject Headings (Can) ● LCSH (US) ● Worldbank Taxonomy (WBG) ● Labor Law Germany Thesaurus (DE) ● Reegle Thesaurus (REEEP) ● Austrian Tax Law Thesaurus (AT) ● UNESCO Thesaurus (UN) ● New York Times SH (US) ● RAMEAU subject headings (FR) ● TheSoz (DE) ● The General Finnish Thesaurus (FIN) ● NAL Thesaurus (US) ● Social Semantic Web Thesaurus (AT) ● Courts thesaurus (DE) ● SITC-V4 (UN) ● Google Product Taxonomy (US) ● NAICS 2012 (US) ● Common Procurement Vocabulary (ES) ● UKAT UK Archival Thesaurus (UK) ● NASA taxonomy (US) ● IVOA astronomy vocabularies (UK) ● IPTC News Codes (UK) ● WAND taxonomies (US)
  • 29. Linked Data verknüpft die Anforderungen ‘Semantic search’ und ‘Business analytics’ ● Linked Data basiert auf einem ausdrucksstarken Datenmodell und kann so unterschiedlichste Informationsarten repräsentieren → Hervorragende Eignung für komplexere Such- und Analyseanwendungen; vereint die Welten der strukturierten & unstrukturierten Informationen
  • 30. Der traditionelle Ansatz zur Daten- und Informations-Integration Person 4711 Name Jeff Bezos Affiliation Amazon Born in Albuquerque Land 4812 Name USA BIP $ 15.684 billion HDI 0.937 Lösung: Spezielle Anwendung wird entwickelt, um die Daten zu integrieren. Show me the ‘most influential people in the world’ who were born in countries with an HDI less than 0.5?
  • 31. PersonOrganization Place affiliated with born in Ontologie-Graph Jeff Bezos Amazon Albuquerque United States Wissens-Graph 2 GDP $ 15.684 billion HDI 0,937 Continents U.S. Thesaurus/Taxonomy-Graph America New Mexico Albuquerque South America Wissens-Graph 1 Show me the ‘most influential people in the world’ who were born in countries with an HDI less than 0.5? Lösung: Taxonomien werden verwendet, um Graphen zu verknüpfen
  • 32. SPARQL unterstützt komplexe Abfragen PREFIX skos:<http://www.w3.org/2004/02/skos/core#> PREFIX foaf:<http://xmlns.com/foaf/0.1/> PREFIX dbpedia:<http://dbpedia.org/ontology/> SELECT DISTINCT ?personname ?picture ?countryname ?hdi ?picture WHERE { ?person skos:prefLabel ?personname . ?country skos:prefLabel ?countryname . ?person a dbpedia:Person . ?country a dbpedia:Country . ?person skos:related ?country . ?country <http://dbpedia.org/property/hdi> ?hdi . FILTER ( ?hdi < 0.6) OPTIONAL { ?person foaf:depiction ?picture . } } ORDER BY DESC(?hdi)
  • 33. Case Study: Linked Life Data http://linkedlifedata.com/
  • 35. Kernfunktion von Linked Data: Matchmaking Die Qualität der Meta- Informationen und Wissens- Graphen determiniert die Möglichkeiten, Informationseinheiten (“chunks”), Produkte & User auf neuartige Weise verknüpfen, und im Verbund abfragbar zu machen.
  • 36. Matchmaking von Usern / von Content http://www.eip-water.eu/ http://faq.poolparty.biz/
  • 37. Linked Enterprise Data Show me the impact of our campaign for FIFA WC 2014.
  • 38. Welche Bedeutung hat Linked Data für das Informationsmanagement? 1. Übersetzung zwischen Anwender und Techniker (“Taxonomist”) 2. Keine technischen Lock-in-Effekte mehr 3. Standard, um Referenzsysteme zu etablieren (zB. GND als LD) 4. Kommunikation zwischen Menschen und Menschen, Menschen und Maschinen, und Maschinen und Maschinen verbessern 5. Ermöglicht komplexere Wertschöpfungsketten in der Content- Industrie (vgl. Software-Industrie)
  • 40. Zusammenfassung: Daten-Silo (Dokument) öffne Dich! ● Graph-basiertes Datenmodell ● Standard-basiertes Datenmodell ● Ausstrucksstarkes Datenmodell ● SKOS (Simple Knowledge Organization System) als Kernelement ● Suchen  Analysieren ● Lesen  Visualisieren ● Behaupten  Beweisen (Data Journalism) ● Enterprise Linked Data
  • 41. Kontakt & Weitere Informationen Andreas Blumauer, MSc IT a.blumauer@semantic-web.at http://at.linkedin.com/in/andreasblumauer/ Semantic Web Company GmbH Mariahilfer Strasse 70/8, A-1070 Vienna +43-1-4021235 http://www.semantic-web.at http://www.poolparty-software.com http://slideshare.net/semwebcompany http://youtube.com/semwebcompany