Wissensrepräsentation für Maschinen – Wie sehen Ontologien aus?

Wissensrepräsentation für Maschinen – Wie sehen Ontologien aus?

In meinen Blogs „Was sind Ontologien und wenn ja, wie viele?“ und „Schlaue Terminologie: Ontologische TMS“ haben wir die Verknüpfung zwischen Terminologie und Ontologie erklärt. Um das abstrakte Thema der Ontologien noch anschaulicher zu machen, erkläre ich hier, wie Ontologien eigentlich „aussehen“. Die Leitfrage ist: Wie kann eine Maschine die Informationen und Beziehungen aus einem Begriffssystem auslesen und analysieren?

Welche Form haben Ontologien?

Eine Ontologie ist ein „formales Wissensmodell, das im Wissensmanagement, in Experten- und Multiagentensystemen, bei der Informationsintegration und insbesondere im sogenannten Semantic Web für die Bereitstellung von Wissensstrukturen, für Wissensorganisation oder als Basis der automatisierten Wissensverarbeitung genutzt wird.“ (Enzyklopädie der Wirtschaftsinformatik). Das heißt im Klartext: Informationen zu Begriffen, ihren Eigenschaften und Beziehungen zueinander werden formal repräsentiert und sind von Maschinen auslesbar.

Ontologien bestehen aus Klassen (z. B. Stadt), die Allgemeinbegriffe repräsentieren und zur Bündelung von Einzelbegriffen anhand von gemeinsamen Eigenschaften dienen. Die konkreten Ausprägungen einer Klasse werden als Instanzen bezeichnet (z.B. Düsseldorf). Zwischen Klassen und Instanzen sowie zwischen Instanzen bestehen Relationen, z. B. Düsseldorf (Instanz der Klasse Stadt) [liegt in] Deutschland (Instanz der Klasse Land). Darüber hinaus können Klassen und Instanzen über eine Reihe von Attributen (z. B. „Einwohnerzahl“, „Name Bürgermeister“) verfügen, welche auf dem Weg der Vererbung von Oberklassen (Stadt) und Unterklassen (Großstadt) geteilt werden. Heraus kommen vielfältig verknüpfte Knoten, aus denen komplexe Zusammenhänge ableitbar sind. (vgl. Weller 2012)

Ontologiesprachen zur formalen Repräsentation von Ontologien

Für die maschinelle Verarbeitung müssen Ontologien in einer maschinenlesbaren Format (z.B. XML) vorliegen. Hier haben sich Standards wie z.B. OWL oder RDFS als sogenannte Ontologiesprachen etabliert.  Ontologiesprachen dienen sowohl zur Erstellung als auch zur formalen Erfassung von Ontologien.

Quelle Wikipedia: Klassen in der Ontologiesprache OWL

 

In der Abbildung Klassen in der Ontologiesprache OWL (Auszug aus einer OWL) werden über das Element <owl:Class/> die drei Klassen „Gender“, „Person“ und „Woman“ referenziert. Über <rdfs:subClassOf/> wird ausgedrückt, dass „Woman“ eine Unterklasse von „Person“ ist.

Quelle Wikipedia: Attribute in der Ontologiesprache OWL

 

Über die Elemente <owl: ObjectProperty/> und <owl:DatatypeProperty/> in der Abbildung Attribute in der Ontologiesprache OWL wird ausgedrückt, dass jede Instanz der Klasse „Person“ die Attribute „Gender“, „Name“ und „Firstname“ haben muss.

Quelle Wikipedia: Instanzen in der Ontologiesprache OWL

In der Abbildung Instanzen in der Ontolologiesprache OWL ist eine Instanz der Klasse „Person“ mit ID, Vorname, Name und Geschlecht klassifiziert.

Sogenannte Ontologieeditoren helfen dabei, Ontologien zu erstellen, ohne die Ontologiesprachen in ihrer Tiefe zu beherrschen. Einer der bekanntesten Ontologieeditoren ist Protegé 

Ontologien als Graphen

Während für die Maschinen Ontologiesprachen in XML-Struktur erforderlich sind, ist für den Menschen die Anzeige der Ontologien in Graphen leichter zu erfassen. Graphen sind eine aus Knoten und Kanten bestehende Struktur, die „eine Menge von Objekten zusammen mit den zwischen diesen Objekten bestehenden Verbindungen repräsentiert“. Zur Darstellung von Ontologien in Graphen gibt es diverse Tools, die die Informationen aus den Ontologiesprachen visualisieren.

Quelle Wikipedia: Beispiel-Ontologie als Graph

 

Die Abbildung Beispiel-Ontologie als Graph zeigt eine Ontologie zum Thema „Museum“: Klassen werden hier als Ellipsen dargestellt, Relationen durch Pfeile. Die Werte für die Attribute werden in Form von Rechtecken dargestellt.

Fazit: Ontologien zum „Anfassen“

Wie dargelegt, dienen Ontologiesprachen dazu, Begriffssysteme mit Klassenzugehörigkeiten, Relationen, Attributen und Instanzen maschinenlesbar zu machen. Damit ist der Weg zur Nutzung von Begriffssystemen in web-basierten Anwendungen wie Such-Bots, Frage-Antwort-Systeme oder Assistenten offen. Um das Potenzial von Ontologien voll auszuschöpfen, ist die Analyse, Aufbereitung und Verarbeitung der ontologischen Beziehungen innerhalb eines spezifischen Themenbereichs nötig. Eine Terminologie stellt dabei eine gute Voraussetzung für die Klassen- und Relationsbildung in Ontologien dar. Um wiederum als Mensch zu verstehen, „was die Ontologie macht“, hilft die Darstellung von Ontologien in Graphen. 

Wenn Sie mehr über das Potenzial von Ontologien erfahren wollen, kontaktieren Sie mich gerne direkt. Sie können mich auch persönlich auf der tekom Jahrestagung 2018 treffen, bei meinem Vortrag „Von Benennungen über Begriffssysteme hin zu Ontologien – ein weiter Weg?“ oder einfach bei einem Kaffee. 

 

Tags:

Related Posts