Semantische Graphdatenbanken

Whitepaper
Semantische Graphdatenbanken – Konzepte,
Technologien und Anwendungen
Auf den folgenden Seiten finden Sie eine Einführung in die zentralen
Ideen semantischer Graphdatenbanken. Sie werden erfahren, wie
Graphen helfen können, mehr aus den Daten in Ihrem Unternehmen
zu machen und warum sie ein wichtiger Baustein in flexiblen, Serviceorientierten Informations-Infrastrukturen sind. Schließlich stellen wir
Ihnen die semantische Graphdatenbank k-infinity vor – die Datenbank,
die funktioniert wie Menschen denken.
Wer k-infinity eher von der technischen Seite kennen lernen möchte,
dem sei das Dokument „Technisches Whitepaper k-infinity“
empfohlen; wer statt zu lesen lieber etwas anfassen möchte, findet auf
unseren Webseiten (www.i-views.de) Zugang zu einer Online-Demo
und unter www.k-infinity.de eine Tryout-Version von k-infinity zum
Ausprobieren.
Ansprechpartner: Klaus Reichenberger
September 2014
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 2/11
Wie kann es sein, dass…
… wir von immer mehr Information umgeben sind, aber
unser Arbeitsleben damit nicht einfacher wird, sondern
immer komplexer und komplizierter?
… wir schneller im Internet eine Anleitung zum Bau eines
unbemannten Flugkörpers finden als das eigene
Besprechungsprotokoll von letzter Woche?
… wir über Service-basierte Informationsarchitekturen
diskutieren, mir aber niemand sagen kann, welcher der
Datensätze zum Kunden Maier der aktuelle ist?
Die Herausforderungen
Standardisierte, gleichförmige Daten und Geschäftsprozesse haben die Unternehmen und
ihre IT-Abteilungen gut im Griff. Den größten Anteil an der Wertschöpfung haben in vielen
Branchen aber die unstrukturierten, wissensintensiven und unternehmensspezifischen
Aufgaben und Informationen. Hier liegen die größten Herausforderungen, hier geht es um
Flexibilisierung und Harmonisierung festgefügter Informationslandschaften, um das Teilen
von Information, um Big Data und intelligente Systeme. Rund um diese Themen entsteht
eine neue Generation von Enterprise Information Systems mit folgendem Profil:
Sie entstehen agil, in enger Zusammenarbeit mit den Fachbereichen.
Sie werden nicht als monolithische Systeme ausgelegt sondern ziehen stattdessen
Informationen aus viele Quellen zusammen,
Sie setzen sich mit unstrukturierten Inhalten auseinander und greifen neue Formen
der Interaktion und Nutzerbeteiligung wie Social Media und Tagging auf.
Gleichzeitig ändern sich die Marktanforderungen und die Art der Zusammenarbeit schneller
Traditionelle
als traditionelle IT-Systeme mithalten können. Heute denken viele Nutzer nicht mehr in
Systeme stoßen
festgefügten Ordnungen und starren Schemata, sondern in Vernetzung und zwar auf allen
an ihre Grenzen
Ebenen, vom vernetzten Arbeiten in flexiblen Partnerschaften über die Vernetzung von
Wissen und Kompetenzen bis hinunter zur Vernetzung von Daten und Strukturen.
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 3/11
Vernetzung
Vernetzung steht bei semantischen Graphdatenbanken im Kern: Graphen repräsentieren
Wissen, indem sie Objekte miteinander verknüpfen. Objekte sind hierbei die Themen des
Geschäfts: Produkte, Projekte, Technologien, Mitarbeiter, Kunden etc. Diese Objekte
werden mit Relationen verbunden: Mitarbeiter sind mit der Relation works in mit
Projekten verknüpft, Projekte haben Kunden (has customer), die wiederum gehören zu
branchen (has industry) etc.
Abbildung 1: unterschiedliche Informations-Objekte und ihre Relationen in einem
anschaulichen Datenmodell
Radikal gegen
Redundanz und
Informationszersplitterung
Vernetzung erlaubt es, radikal gegen Redundanz und Informationszersplitterung vorzugehen: Im Graph gibt es – im Gegensatz zu anderen NoSQL-Technologien – für jedes Thema
und jedes Geschäftsobjekt genau einen Ort, an dem alle Information zusammenkommt.
Information wird nicht redundant wiederholt, sondern verknüpft. In relationalen Datenbanken heißt das Normalisierung und wird durch Verteilung der Daten auf mehrere
Tabellen, Verweise und Fremdschlüssel erreicht. Redundanzfreiheit wird hier also mit einer
höheren technischen Komplexität und Performance-Einbußen bei der Abfrage erkauft.
Abbildung 2: Die gleichen Daten im relationalen Modell – Anschaulichkeit geht verloren
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 4/11
In semantischen Graphdatenbanken ist der Umgang mit Informationsstrukturen objektorientiert. Die Informationsstrukturen werden durch ein verbindliches Schema organisiert
(anders als bei den meisten anderen NoSQL-Technologien), sind dabei aber höchst flexibel.
Modelländerungen können sogar im laufenden Betrieb der semantischen Graphdatenbank
erfolgen; eine Möglichkeit, die für klassische Datenbanksysteme undenkbar ist.
Überall, wo es um komplexe Zusammenhänge, z.B. um soziale Vernetzung, um Verknüpfungen zwischen Personen aber auch zwischen Themen geht, haben semantische Graphdatenbanken große Stärken gegenüber traditionellen Datenbanken.
Das Geschäft eines Unternehmens in all seiner Komplexität abbilden zu können und dabei
verständlich für den Fachanwender und jederzeit änderbar zu bleiben, hat einen großen
Flexibilität für Vorteil: Fachanwender können viel einfacher und schneller einbezogen werden. Besonders
agile Anwendungs- interessant ist das für agiles Vorgehen in der Applikationsentwicklung: In den letzten Jahren
entwicklung haben sich iterative (agile) Vorgehensmodelle in IT-Projekten etabliert (z.B. SCRUM), die
entgegen klassischen Vorgehensweisen das Projekt-/Produktergebnis in definierten Zyklen
immer wieder evaluieren und dabei, wenn nötig, das Projektziel auf Basis neu gewonnener
Erkenntnisse anpassen. Die Flexibilität in der Modellierung semantischer Graphen unterstützt in hervorragender Weise solche Vorgehensmodelle, die klassischen Datenbanktechnologien zuwider laufen.
Daten integrieren
Natürliche und ausdrucksmächtige Modelle sind prädestiniert, quer über verschiedene
Datenquellen einen Sinn- und Gesamtzusammenhang herzustellen und diesen flexibel
anderen Systemen oder Prozessen zur Verfügung zu stellen. So können semantische
Graphdatenbanken auch als eine Middleware eingesetzt werden, die Daten nicht nur
technisch zusammenbringt, sondern auch inhaltlich harmonisiert.
Die Aufgabe ist komplex, denn hier müssen die verschiedenen Systematiken und Modelle
der Datenquellen unter einen Hut gebracht werden. Neben den strukturierten DatenbeIntegration – ständen des Unternehmens sind oft externe Standardinformationen zu integrieren (z.B.
die inhaltliche wenn es um Branchen, Warengruppen oder geografische Objekte geht). Für die InformaAufgabe tionserschließung sehr wichtig, aber selten systematisch erfasst, sind die Themen (Techniken, Verfahren, Features, Problemfälle, …) eines Unternehmens. Diese können oft am
einfachsten über Endnutzer-Interaktion, z.B. Tagging gewonnen werden.
Bei einer so unterschiedlichen Herkunft der Daten treffen wir zwangsläufig auf eine große
Varianz: eine Quelle ordnet Produkte nach Funktionsprinzip, die andere nach Anwendung;
im ERP ist der Kunde ein einzelner Datensatz, im CRM aber verteilt über verschiedene
Datensätze etc. Unterschiedlich benannte Felder, Widersprüche in den Daten, Ungenauigkeiten bei der Eingabe – semantische Graphdatenbanken sind darauf ausgelegt, Information aus verschiedensten Quellen aufzunehmen und ihre Konsolidierung zu unterstützen.
Eine weitere herausragenden Eigenschaft semantischer Graphdatenbanken gegenüber
traditionellen Datenbanken: Sie bilden eine Brücke zwischen strukturierten und
unstrukturierten Informationen. Dabei spielt die Zusammenarbeit mit Such- und
Textmining-Techniken eine entscheidende Rolle. (s.a. Abschnitt „Erschließen
unstrukturierter Inhalte“).
Schatten-IT
Agile Entwicklung des Datenmodells, enge Zusammenarbeit mit dem Fachbereich,
Integration heterogener Informationen – weil sich die etablierten Systeme und ihre
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 5/11
Datenmodelle mit diesen Anforderungen so schwer tun, greifen die Fachabteilungen gern
Quick Wins und auf Schatten-IT-Lösungen wie z.B. Excel, SharePoint© oder Lotus Notes zurück, die einen
ihre Folgekosten „Quick-Win“ versprechen. Die schnelle Umsetzung der fachlichen Anforderungen –
Fachabteilungen können beliebige Datenstrukturen definieren und müssen diese nicht
unternehmensweit abstimmen – und die Flexibilität dieser Lösungen im laufenden Geschäft
hat allerdings ihren Preis:
Es entstehen Insellösungen, die nicht in den Kontext der existierenden Systeme
eingebunden sind und nicht dieselben Business-Objekte nutzen.
Die Systeme unterstützen keine unternehmensweite Verständigung, kein Teilen
von Wissen, die Problematik der Redundanzen bleibt bestehen.
Es ist keine zentrale Kontrolle und Auswertungen möglich.
Wird als Lösung eine dokumentzentrierte Software wie Excel gewählt, ist nicht
einmal zentrale Datenhaltung etabliert, in Folge dessen zirkulieren unterschiedliche
Versionsstände – eine sehr gefährliche Quelle von Missverständnissen.
Semantische Graphdatenbanken können einen ähnlich schnellen Erfolg bieten – ohne die
genannten Nachteile. Zwar erfordern sie eine Einigung auf ein gemeinsames Modell, sie
fördern diese Einigung aber gleichzeitig, indem sie unterschiedliche Sichten aufnehmen
können und flexibel änderbar bzw. erweiterbar sind. Sie können die Vielzahl an
unterschiedlichen Sachverhalten, an Ausnahmen und Spezialfällen wesentlich einfacher
abbilden als traditionelle Systeme und sind gerade darauf ausgelegt, Business-Objekte aus
den existierenden Systemen zu nutzen.
Abbildung 2: Semantische Graphdatenbanken kombinieren Flexibilität und Verbindlichkeit
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 6/11
k-infinity
Mit semantischen Graphen lassen sich Informationen ordnen und integrieren – in
Modellen, die gleichzeitig nachvollziehbar und verbindlich sind. Damit können wir komplexe
Business-Logik sowie unterschiedlichste Informationen bis zu unstrukturierten Inhalten in
unsere Anwendungen einbringen – und das in einer nie gekannten Flexibilität.
Welche Fähigkeiten und welchen Umfang muss nun eine semantische Graphdatenbank wie
k-infinity haben, um dieses Potenzial zu heben?
Im Kern von k-infinity steht die Fähigkeit, Zusammengänge flexibel und anschaulich zu
modellieren und auf Grundlage dieser Zusammenhänge das Verhalten einer Anwendung zu
definieren. Technisch gehört dazu neben der Speicherung der Information und einer
ausgeklügelten Schema- und Konsistenzkontrolle vor allem die Definition und die performante Abarbeitung von Suchen und Schlussfolgerungen. Je komplexer die abzubildenden
Informationsmodelle sind, desto größer sind die Vorteile dieser Art der Datenverarbeitung
gegenüber klassischen relationalen Datenbanken.
Einen weiteren Schwerpunkt bildet die Endnutzer-Interaktion mit den semantischen
Strukturen. Das umfasst Visualisierung und die aktive Verteilung von Information über
Regeln und Trigger bis hin zur dezentralen Pflege der semantischen Strukturen durch die
Endnutzer. Hinzu kommt die Einbindung von unstrukturierten Inhalten über einfache
Document- und Content-Management-Fähigkeiten, das Tagging von Inhalten und den
Anschluss von Volltextsuchmaschinen.
Unverzichtbar für den Einsatz im Unternehmen sind schließlich ein System, das Zugriffsrechte für die vernetzten Strukturen auswertet sowie Funktionen und Werkzeuge zum
Abgleich der Graph-Inhalte mit externen Datenquellen – vor allem da, wo k-infinity als
Integrationsplattform genutzt wird.
Das Tracking von Changes, Reporting-Funktionen und die Möglichkeit, die Funktionalität
durch Scripting zu erweitern, runden die Funktionalität von k-infinity ab und machen es zu
einer Suite, in der alle Komponenten für eine umfassende Unterstützung der Entwicklung
moderner Anwendungen aufeinander abgestimmt sind.
Wissensmodellierung in k-infinity
Wissensmodellierung
durch
Fachanwender
Modellierung heißt, Sachverhalte und Aufgabenstellungen aus dem Geschäft des Unternehmens in Informationsstrukturen zu übertragen. In k-infinity kann der Fachanwender
dies ohne Kenntnisse von Datenbanktechnologie leisten. Er kann das Schema bestimmten,
d.h. Typen von Objekten (z.B. Personen, Organisationen, Projekte etc.) und Verknüpfungsmöglichkeiten zwischen ihnen (Personen arbeiten bei Organisationen, führen Projekte
durch etc.) definieren. Mit dem sog. Knowledge-Builder stellt k-infinity dafür ein einfach
bedienbares Werkzeug mit grafischem User-Interface zur Verfügung. Mit diesem Werkzeug
kann die Unternehmenswelt so abgebildet werden wie sie ist, ohne eine Übertragung auf
miteinander verschachtelten Tabellenstrukturen einer relationalen Datenbank leisten zu
müssen.
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 7/11
Abbildung 3: Knowledge-Builder und Graph-Editor
Metamodelle
Ein weiterer wichtiger Aspekt der Modellierung in k-infinity ist die Möglichkeit der
einfachen Bildung von Meta-Modellen auf den eigentlichen Informationsmodellen. Dabei
können jedes Attribut und jede Relation ihrerseits wieder mit Attributen und Relationen
belegt werden. So kann zum Beispiel am Preis (numerisches Attribut) eines Produktes
festgemacht werden, wer diese Information wann eingegeben hat und in welchem
Zeitraum sie gültig ist. Diese Metadatenmodelle, die genauso flexibel definiert werden
können wie die eigentliche Primärinformation, sind von entscheidender Bedeutung für
professionelles Informations- und Wissensmanagement:
Metadaten verknüpfen z.B. Inhalte mit Personen und Organisationsstrukturen und
werden zur dynamischen Steuerung von Zugriffsrechten verwendet.
Metadaten enthalten Informationen zum Lebenszyklus von Inhalten (Zeit,
Versionen, Rollen, Status, …).
Metadaten werden benötigt um die Nutzung der Information aufzuzeichnen und
z.B. Kommentierung an beliebigen Stellen zu erlauben. Damit sind sie eine wichtige
Grundlage für die dynamische Weiterentwicklung der Informationen.
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 8/11
Regeln, Implikationen, Schlussfolgerungen
Eine der großen Stärken semantischer Graphdatenbanken ist es, aus vorhandenem Wissen
Schlüsse ziehen zu können. Mit einem einfachen Formalismus kann der Nutzer angeben,
nach welchen Regeln aus einer existierenden indirekten Verbindung eine direkte
Mitdenken Schlussfolgerung gezogen werden kann. Das geht von harten Schlüssen – „Wenn ein
gefordert Unternehmen seinen Firmensitz in Darmstadt hat, ist es damit ein hessisches, deutsches,
europäisches Unternehmen“ – bis hin zu Interpretationen der Daten: Wollen wir z.B.
wissen, wer bei uns die Experten für eine bestimmte Branche sind, müssen wir den Graph
ablaufen: von den Personen zu ihren Projekte, von dort zu den Kunden und von den
Kunden wiederum zu den Branchen:
Abbildung 4: Schlussfolgerungen auf den vernetzten Daten
Ein
gemeinsames
Modell für
Software und
Anwender
Mit unserem Anspruch die Datenbank zu sein, die funktioniert wie Menschen denken ,
müssen wir nicht nur Fachanwender näher an die Daten heranzuführen. Umgekehrt
müssen wir auch den Systemen ein „menschliches Verständnis“ der Zusammenhänge
nahebringen. Nur so machen wir Daten selbsterklärend und damit beherrschbar, wartbar
und wiederverwendbar.
Das macht Graphen auch besonders geeignet für die Ermittlung von Ähnlichkeiten, z.B. für
Produkt- und sonstige Empfehlungen, bei der eine Vielzahl von Hinweisen akkumuliert wird:
Wollen wir etwa Ähnlichkeit zwischen Projekten ermitteln, würde in eine solche
Ähnlichkeitsberechnung beispielsweise eingehen:
welche Themen haben die Projekte gemeinsam (hier sollten auch indirekte
Gemeinsamkeiten zählen, wenn Projekt A eine E-Commerce-Strategie entwickelt
und Projekt B einen Webshop plant, dann sind das verwandte Themen, die eine
gewisse Ähnlichkeit mitbringen)?
Haben die Projekte denselben Kunden, oder kommt der Kunde zumindest aus der
gleichen Branche?
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 9/11
welche technischen Komponenten haben wir eingesetzt? Welche Mitarbeiter
haben im Projekte gearbeitet?
All diese Verbindungen werden dann zusammen mit anderen Indikatoren, die
beispielsweise aus Dokumenten stammen können, zu einer aussagekräftigen
Gesamtähnlichkeit verrechnet.
Alle Ähnlichkeitsfaktoren können in k-infinity mit Hilfe von Graphdistanz-Algorithmen
bewertet und gegeneinander verrechnet werden.
Datensicherheit
Semantische Graphdatenbanken erschließen Information – das verlangt auf der anderen
Seite auch Techniken der Informations- und Zugriffssicherheit.
Klassische Zugriffsberechtigungen gehen i.d.R. von hierarchischen Informations- und
Organisationsstrukturen aus und erfordern ständige Eingriffe der IT. Wir haben es mit
vernetzten Informationen zu tun. Gleichzeitig lösen sich hierarchische Unternehmensstrukturen immer mehr zu Gunsten flexibel vernetzter Strukturen auf.
Automatische
Ermittlung der
Berechtigungen
aus Regeln und
Rollen
intelligent views hat sich dieser Herausforderung schon früh in der Produktentwicklung von
k-infinity angenommen und ein innovatives Regel- und rollenbasiertes Berechtigungssystem entwickelt, in welchem die Nutzer selbst Teil des Wissensmodells sind und sich
Zugriffsberechtigungen zur Laufzeit aus den Beziehungen der einzelnen Nutzer zu den
Informationsobjekten und den darauf formulierten fachlichen Regeln ergeben.
Mit diesem Verfahren lassen sich auch beliebige Berechtigungsstrukturen existierender
Datenquellen „simulieren“ und mit fachlichen Regeln auf den Wissensstrukturen
kombinieren.
Abgleich verschiedener Quellen
Das Prinzip semantischer Graphen ist es, Informationen zu integrieren – daher spielt die
Interaktives Tool –
Übernahme von Daten aus anderen Systemen, etwa Kunden- oder Projektdatenbanken,
Mapping und
eine große Rolle in semantik-basierten Lösungen. Mit den Import- und Export-Mappings
Update-Verhalten
von k-infinity kann der Nutzer einfach definieren, wie die Spalten einer Datenbank-Tabelle
(oder eine XML-Struktur) auf Objekte und Relationen des semantischen Graphen abgebildet
werden sollen.
k-infinity bietet ausgefeilte Funktionalität für die unterschiedlichsten Importsituationen:
Liefert die Datenquelle periodisch nur die Neuerungen (Delta-Import) oder „dumpt“ sie den
gesamten Datenbestand und k-infinity muss die Abweichungen selbst feststellen? Enthält
die Quelle eindeutige IDs oder muss die Übereinstimmung mit bereits existierenden
Objekten über Regeln festgestellt werden? Wer ist der Master? Müssen Transformationen
beim Import stattfinden etc.? Das passende Importverhalten kann mit den Import-Tools
von k-infinity genau bestimmt werden. Zudem wird eine große Bandbreite von StandardFormaten (ODBC, csv, XML, LDAP) unterstützt.
Aktivierung und Nutzung der Wissensstrukturen
Objektidentität und Vernetzung verbessern für den Nutzer die Recherche von Inhalten,
erfordern aber von ihm die aktive Nutzung eines Systems. In vielen Anwendungsfällen ist es
Aktive Verteilung sinnvoll, dem Nutzer gezielt passende Informationen zuzusteuern, ohne dass er von sich
von Information aus aktiv werden muss. Vielleicht weiß der Mitarbeiter gar nicht, dass eine neue
Information zu einem Wettbewerber vorliegt, oder es denkt vielleicht bei einer Änderung
einer technischen Spezifikation niemand daran, dass eine Sicherheitsrichtlinie neu
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 10/11
überprüft werden muss. In k-infinity können Suchen hinterlegt werden, die beispielsweise
den Nutzer darauf aufmerksam machen, welche Richtlinien in eine bestimmte technische
Entwicklung involviert sind. Darüber hinaus können Trigger konfiguriert werden, welche
beim Eintreten vordefinierter Informationsmuster im Graph automatische Prozeduren
auslösen. Dies wird genutzt um:
das Matching themenspezifischer Inhalte auf Nutzerinteressen zu steuern,
personalisierte Startseiten und Newsletter zu generieren und automatische
(Früh)Warnsysteme zu konfigurieren,
Workflows anzustoßen und die Informationen aktuell zu halten sowie
gezielt Informationen zu verteilen (E-Mail, SMS, …)
Über die REST-Schnittstelle werden Objekte des semantischen Graphen als Ressourcen
über das HTTP-Protokoll bereitgestellt. Die Definition und Konfiguration der REST-Services
erfolgt ebenfalls durch Objekte im Graphen; das eigentliche Schnittstellenverhalten kann
durch Skripte implementiert werden.
Die REST-Schnittstelle unterstützt
die HTTP-Methoden GET, PUT, POST und DELETE
vollen Zugriff auf die HTTP-Header für Request und Response
Steuerung der Mehrsprachigkeit per HTTP-Header (accept-language)
Authentifizierung und HTTPS (beides optional)
HTTP-Statuscodes
beliebige Response-Types, Sonderfunktionen für XML und JSON
Zugriffe über die REST-Schnittstelle unterliegen der Kontrolle durch das Rechtesystem.
Erschließen unstrukturierter Inhalte
Semantische Graphdatenbanken eignen sich sehr gut, dem Nutzer Orientierung in einer
großen Menge von Dokumenten zu bieten. Dazu braucht es eine Verbindung von
Dokumenten zu den Themen und Objekten des semantischen Graphen. Diese Verbindung
kann durch manuelles oder automatisches Tagging der Dokumente geschehen oder durch
eine intelligente, semantisch erweiterte Volltextsuche. Beide Wege werden von k-infinity
unterstützt.
Für das manuelle Tagging bietet k-infinity ausgereifte Interaktionspatterns – hier ist es
wichtig, den richtigen Zeitpunkt abzupassen, zu dem der Nutzer bereit und in der Lage ist,
Tags zu vergeben. Um hier die Hürde für den Endnutzer weit zu senken, hat intelligent
views intelligente Strategien zu Auswertung der Nutzerinteraktion für das Tagging
entwickelt.
Automatische Klassifikationsverfahren auf statistischer und linguistischer Basis haben in
Text-Mining
den letzten Jahren große Fortschritte gemacht. State of the Art-Klassifikationsverfahren
für die
können bei einem mittleren Qualitätsanspruch vollautomatisch betrieben werden; sehr
automatische
gute Ergebnisse werden erzielt, wenn die Ergebnisse eines solchen Verfahrens zusätzlich
Klassifikation
durch Nutzer kontrolliert und verifiziert werden. k-infinity bindet verschiedene Text-MiningTechnologien ein.
Semantische Prinzip der semantischen Sucherweiterung ist es, aus dem semantischen Graph solches
Suche Hintergrundwissen einzubringen, an dem es der Volltextsuche fehlt:
Whitepaper Semantische Graphdatenbanken
Klaus Reichenberger • 11/11
Kenntnis alternativer Benennungen des gesuchten Begriffs
Wissen über Spezialisierung bzw. Verallgemeinerung des Suchbegriffs
Wissen über den Informationskontext und relevante Quellen
Wissen über den Arbeitskontext des Nutzers
k-infinity nimmt dazu die Suchanfrage des Nutzers entgegen, erkennt die angesprochenen
Konzepte und gibt die Suche angereichert an die Volltextsuche weiter. Zusätzlich bietet
k-infinity:
die Ansteuerung der Suchmaschine(n) (Filter, Quellenauswahl, Query Expansion,
Gewichtung) inkl. Metasuche: Föderierte Suche über verschiedene Indizes oder
Suchmaschinen,
die Übernahme des Berechtigungskonzepts angeschlossener Ressourcen und
die Ermittlung ähnlicher Inhalte auf Basis von Volltextklassifikation und
personalisierte Sichten auf unstrukturierte Daten.
Weiterführende Information
Auf den Webseiten der intelligent views gmbh (www.i-views.de) finden Sie:
ausführliche technische Information (Technisches Whitepaper k-infinity)
Zugang zu einer Online-Demo des k-infinity Knowledge Portal
eine Testversion der k-infinity-Modellierungsumgebung zum Download
Gerne beantworten wir Ihre Fragen. Kontaktieren Sie uns über [email protected] oder
rufen uns unter +49 6151/5006-0 an.

Download Report