6 A B C D E F G H I K L M N O P Q R S T U V W Z

1) Einfach erklärt

Ein Wissensgraph (engl. Knowledge Graph) ist wie eine Landkarte von Wissen: Dinge (z. B. Personen, Orte, Produkte) sind Knoten, und die Beziehungen zwischen ihnen (z. B. lebt in, ist Teil von, hat Autor) sind Kanten. So kann ein Computer Zusammenhänge verstehen – nicht nur Wörter zählen.

Warum nützlich?

  • Man findet schneller Fakten und verbundene Informationen.
  • Antworten lassen sich präziser geben, weil Beziehungen explizit sind.

Beispiele:

  • Google‑Wissensgraph: Suchergebnisse zeigen Wissenskästen mit Fakten (z. B. Höhe des Eiffelturms).
  • Wikidata: Offener Wissensgraph hinter vielen Wikipedia‑Infoboxen – verknüpft Entitäten weltweit.
  • Unternehmen: Produkt‑, Kunden‑, Lieferanten‑ und Regelwissen werden verknüpft („Enterprise Knowledge Graph“), um Suche, Compliance oder Empfehlungen zu verbessern.

2) Professionelle Definition

Ein Knowledge Graph ist eine graph‑strukturierte Wissensbasis, die Entitäten (Knoten) mit typisierten Relationen (Kanten) und Eigenschaften modelliert, häufig auf Basis von RDF‑Tripeln (Subjekt – Prädikat – Objekt). Er umfasst oft eine Schema‑/Ontologie‑Schicht (z. B. RDFS/OWL, schema.org) und wird mit SPARQL oder Graph‑APIs abgefragt. Ziele sind Integration heterogener Datenquellen, semantische Interoperabilität, Schlussfolgern (Reasoning) und Erklärbarkeit/Nachvollziehbarkeit durch explizite Relationen. Typische Implementierungen nutzen RDF‑Stores/Triplestores, Property‑Graph‑Datenbanken oder hybride Ansätze.

Kernelemente:

  • Identifikatoren (IRIs/URIs) für eindeutige Referenzen,
  • Tripel/Graph als Datenmodell (RDF),
  • Ontologien/Schemata zur Typisierung (RDFS/OWL, schema.org),
  • Abfragesprachen (SPARQL; bei Property‑Graphen z. B. Gremlin/Cypher),
  • Inferenz/Validierung (Reasoner; SHACL/SHEX für Formprüfungen).

Quellen (geprüft; kopierbare URLs)