{"id":40147,"date":"2025-05-22T16:34:07","date_gmt":"2025-05-22T14:34:07","guid":{"rendered":"https:\/\/www.l3s.de\/?p=40147"},"modified":"2025-05-22T16:34:09","modified_gmt":"2025-05-22T14:34:09","slug":"from-genesis-to-maturity-managing-knowledge-graph-ecosystems-through-life-cycles","status":"publish","type":"post","link":"https:\/\/www.l3s.de\/de\/from-genesis-to-maturity-managing-knowledge-graph-ecosystems-through-life-cycles\/","title":{"rendered":"Von der Entstehung bis zur Reife: Verwaltung von Wissensgraphen-\u00d6kosystemen durch Lebenszyklen"},"content":{"rendered":"

L3S Best Publication of the Quarter (Q4\/2024 – Q1\/2025)
Kategorie: Knowledge Graphs<\/strong><\/p>\n\n\n\n

Von der Entstehung bis zur Reife: Verwaltung von Wissensgraphen-\u00d6kosystemen durch Lebenszyklen<\/strong><\/p>\n\n\n\n

Autoren: Sandra Geisler, Cinzia Cappiello, Irene Celino, David Chavez-Fraga, Anastasia Dimou, Ana Iglesias-Molina, Maurizio Lenzerini, Anisa Rula, Dylan Van Asschhe, Sascha Welten, Maria-Esther Vidal<\/p>\n\n\n\n

<\/p>\n\n\n\n

Published in Proceedings of the VLDB Endowment, VLDB 2025 (Vision Paper)<\/a><\/em><\/p>\n\n\n\n

<\/div>\n\n\n\n

Die Ver\u00f6ffentlichung in K\u00fcrze:<\/strong><\/p>\n\n\n\n

Organisationen im Gesundheitswesen, in der Industrie und der wissenschaftlichen Forschung stehen vor der Herausforderung, Wissen angesichts st\u00e4ndig wachsender und sich ver\u00e4ndernder Datenmengen korrekt, nachvollziehbar und verl\u00e4sslich zu erstellen und stetig zu aktualisieren. Wir schlagen dazu Knowledge Graph Ecosystems (KGEs) vor \u2013 einen strukturierten Ansatz zur Organisation, Modellierung und Verwaltung von Wissensgraphen. Durch die Definition klarer Lebenszyklusprozesse erm\u00f6glichen wir Organisationen, \u00c4nderungen nachzuverfolgen, Daten zu validieren und zu kuratieren sowie nicht-monotones Wissen zu modellieren. Gleichzeitig schaffen wir die Grundlage f\u00fcr transparente und verl\u00e4ssliche KI-generierte Erkenntnisse. Dieser Ansatz ist besonders wichtig in Bereichen, in denen die Weiterentwicklung von Wissen direkte Auswirkungen auf Entscheidungsprozesse, Branchen und Richtlinien hat. <\/p>\n\n\n\n

Welches Problem l\u00f6sen Sie mit Ihrer Forschung?<\/strong> <\/p>\n\n\n\n

Daten\u00f6kosystemen mangelt es h\u00e4ufig an R\u00fcckverfolgbarkeit von \u00c4nderungen, effizienten M\u00f6glichkeiten zum Umgang mit Wissensevolution, sowie Erkl\u00e4rbarkeit der Daten. Wir pr\u00e4sentieren in dieser Arbeit die Formalisierung von Knowledge Graph Ecosystems (KGEs) und ein entsprechendes Lebenszyklusmodell, um eine transparente, strukturierte und dokumentierte Wissensevolution zu erm\u00f6glichen. Der Ansatz soll damit das Vertrauen in und die Verl\u00e4sslichkeit von Entscheidungsprozessen in verschiedenen Dom\u00e4nen erh\u00f6hen \u2013 zum Beispiel im Gesundheitswesen, in der Industrie oder in der Forschung.,<\/strong> evolution management, <\/strong>and explainability, making it difficult to track changes over time. Our research formalizes Knowledge Graph Ecosystems (KGEs) and their lifecycle framework, ensuring transparent, structured, and well-documented knowledge evolution. This approach enhances trust and reliability in decision-making across healthcare, industry, and scientific research. <\/p>\n\n\n\n

Was ist neu an Ihrer Forschung?<\/strong> <\/p>\n\n\n\n

Bisher fehlte eine Formalisierung von Knowledge Graph Ecosystems (KGEs). In unserem Konzept integrieren wir eine strukturierte Lebenszyklusverwaltung, um R\u00fcckverfolgbarkeit von \u00c4nderungen, Validierung und Erkl\u00e4rbarkeit von Wissen sicherzustellen \u2013 Aspekte, die in bestehenden Knowledge-Graph-Ans\u00e4tzen meist vernachl\u00e4ssigt werden. Im Gegensatz zu traditionellen Knowledge Graphs, die auf statischer Wissensdarstellung basieren, erlaubt unser Ansatz eine kontinuierliche Weiterentwicklung des Wissens. Er unterst\u00fctzt die Nachhaltung der Datenprovenienz, semantische Alignments und dynamische Interaktionen zwischen den Komponenten des \u00d6kosystems. Zus\u00e4tzlich f\u00fchren wir einen neuen, lebenszyklusbasierte Ansatz ein, der systematische Prozesse f\u00fcr Wissensintegration, Qualit\u00e4tssicherung und Interoperabilit\u00e4t definiert. Damit adressieren wir zentrale Herausforderungen in Gesundheit, Industrie und Wissenschaft und schaffen eine formale Grundlage f\u00fcr transparente, nachvollziehbare und skalierbare KI-gest\u00fctzte Entscheidungsunterst\u00fctzungssysteme. l<\/strong>ifecycle-driven methodology that defines systematic processes for knowledge integration, quality assurance, and interoperability, addressing critical challenges in healthcare, industry, and scientific research. By providing a formal foundation for managing evolving knowledge, our work paves the way for more transparent, accountable, and scalable AI-driven decision-making systems. <\/p>\n\n\n\n

Welche potenziellen Auswirkungen haben Ihre Ergebnisse?<\/strong> <\/p>\n\n\n\n

Unsere Ans\u00e4tze k\u00f6nnen Organisationen helfen, ihre wissensbasierten \u00d6kosysteme effizienter und verl\u00e4sslicher zu verwalten \u2013 im Gesundheitswesen, in der Industrie sowie in der Forschung. Durch die Einf\u00fchrung eines strukturierten, lebenszyklusgetriebenen Ansatzes f\u00fcr Knowledge Graph Ecosystems (KGEs) erm\u00f6glichen wir R\u00fcckverfolgbarkeit von \u00c4nderungen, Interoperabilit\u00e4t und Erkl\u00e4rbarkeit, sodass KI-generierte Erkenntnisse zuverl\u00e4ssig und transparent werden. Dies hat direkte Auswirkungen auf kritische Entscheidungsprozesse wie medizinische Diagnosen, regulatorische Vorgaben oder industrielle Automatisierung \u2013 Bereiche, in denen das Vertrauen in die verwendeten Daten essentiell ist. Dar\u00fcber hinaus schaffen wir eine Grundlage f\u00fcr die Verbesserung von Datenqualit\u00e4t, Datenprovenienz und der dynamischen Wissensintegration und -evolution, wodurch sich Organisationen flexibel an neue Standards und regulatorische Anforderungen anpassen k\u00f6nnen. Letztlich legen unsere Ergebnisse den Grundstein f\u00fcr skalierbare, KI-gest\u00fctzte Wissensmanagementsysteme. <\/p>\n\n\n\n

<\/p>\n\n\n\n

Link zum Paper: https:\/\/rwth-aachen.sciebo.de\/s\/kE9SlaTaHvS4eq5<\/p>","protected":false},"excerpt":{"rendered":"

Effiziente und vertrauensw\u00fcrdige Verwaltung von Daten\u00f6kosystemen: Der strukturierte, lebenszyklusgetriebene Ansatz f\u00fcr Knowledge Graph Ecosystems (KGEs) erm\u00f6glicht R\u00fcckverfolgbarkeit von \u00c4nderungen, Interoperabilit\u00e4t und Erkl\u00e4rbarkeit.<\/p>","protected":false},"author":13,"featured_media":40150,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[161],"tags":[],"class_list":["post-40147","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-best-publications"],"acf":[],"aioseo_notices":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/40147","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/13"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=40147"}],"version-history":[{"count":1,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/40147\/revisions"}],"predecessor-version":[{"id":40151,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/40147\/revisions\/40151"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/40150"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=40147"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=40147"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=40147"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}