Artikel

Wissensgraphen in der Technischen Kommunikation

Wissensgraphen sind einer der Top-Trends der angewandten Künstlichen Intelligenz. Laut Gartner werden im Jahr 2025 Graph-basierende Technologien in ca. 80 % aller Daten-/Analytik-Innovationen eingesetzt (im Jahr 2021 waren es lediglich 10 %). Auch in der Technischen Kommu-nikation wird immer häufiger über diese „Erscheinung“ gesprochen. Aber was verbirgt sich überhaupt hinter dem Schlagwort „Wissensgraph“?

Virtualisierung und Vernetzung

Wissensgraphen virtualisieren und vernetzen Informationen, die in verschiedenen Informationssilos in sowohl strukturierter als auch unstrukturierter Form vorhanden sind. Wissen eines Unternehmens (bzw. bestimmter Unternehmensbereiche) wird hierzu zunächst auf kontrollierte Weise abstrakt beschrieben und modelliert, die Informationen aus den Informationssilos dann in dieses Modell integriert. So wird das Domänenwissen verfügbar und für unterschiedliche Zwecke wie z. B. intelligente Service-Assistenten verfügbar gemacht werden.

Wissensgraphen

Modellierung

Die Basis für einen Wissensgraphen liefert die sog. Ontologie. Eine Ontologie ist die explizite, formale Repräsentation des Wissens einer bestimmten Domäne. In ihr ist definiert, welche Klassen von Objekten es in der Domäne gibt und wie diese Objekte zueinander in Beziehung stehen. Beispiele für mögliche Klassen sind „Produkte“ sowie deren „Komponenten“ und „Bauteile“, aber auch unterschiedliche „Reparaturinformationen“ oder „Ersatzteile“. Typische Relationen sind z. B., dass ein Produkt aus Komponenten besteht oder eine Reparaturinformation zu einer Komponente gehört. Dieser Informationsgehalt lässt sich in sog. gerichteten Graphen repräsentieren. Die Knoten des Graphen stehen dabei für das Subjekt resp. die Objekte, die Kanten entsprechen den Prädikaten. Damit diese Repräsentation maschinenlesbar ist, wird sie in einer bestimmten Sprache wie beispielsweise RDF ausgedrückt.

Die Herausforderung bei der Modellierung besteht darin, die Klassen und Relationen zu identifizieren, die für zukünftige Anwendungen relevant sind. In der Regel werden bestehende Metadatenkonzepte, Informationsmodelle oder Nomenklaturen genutzt und automatisch verarbeitet.


Orchestrierung

In einer Graphdatenbank werden die in den Informationssilos enthaltenen Informationen über sog. „Stellvertreterobjekte“ repräsentiert; die Klassen der Ontologie werden durch konkrete Informationen instanziiert. Dies ermöglicht, dass auch zwischen den konkreten Instanzen Relationen bestehen: z. B. der konkrete „Kompressor X“ besteht aus dem konkreten Bauteil „Kurbelgehäuse Y“, zu diesem Bauteil gibt es die „Reparaturinformation Z“, die wiederum das Ersatzteil „Kurbelgehäuse ET-Y“ benötigt. Diese vernetzten Informationen sind eine ausgezeichnete Basis für wertschöpfende Serviceprozesse.
Eine große Herausforderung besteht darin, die konkreten Informationen aus den Informationssilos im Wissensgraphen zu instanziieren. Hierfür bedarf es eines oder mehrerer Konvertierungswerkzeuge, die vorhandene Informationen auf Basis der zugrunde liegenden Informations- und Metadatenmodelle für definierte Anwendungsfälle in die Graphdatenbank automatisch überführen. Oftmals wird dabei auf ein einfaches Mapping zurückgegriffen, da die Informationen meist strukturiert oder halbstrukturiert vorliegen. Sollten die Informationen nur unzureichend „gemappt“ werden können, helfen eventuell zusätzliche Funktionalitäten wie Text Mining oder Entity Extraction.


Einsatzmöglichkeiten

Wissensgraphen beziehen unterschiedliche Arten von Informationen aus verschiedenen Unternehmensbereichen ein und bieten eine sog. 360-Grad-Sicht auf das Unternehmen. Eine denkbare, auf einem Wissensgraphen basierende Anwendung wäre z. B. ein intelligenter Service-Assistent, der den Servicetechniker:Innen alle Service-relevanten Informationen wie Reparaturanleitungen, Ersatzteile oder Arbeitswerte produkt- und kontextspezifisch zur Verfügung stellt. Eine andere Anwendung könnten sog. „Recommender“ sein, die dem Vertriebspersonal als App oder den Kunden direkt über das Internet zur Verfügung gestellt werden.


Nutzen von Wissensgraphen

Wissensgraphen können dazu beitragen, den Service kontinuierlich zu verbessern. Sie liefern Antworten auf einige der zentralen servicestrategischen Herausforderungen in den Unternehmen wie z. B. Steigerung der First Time Fix Rate, der Mean Maintenance Downtime oder der Overall Equipment Effectiveness. Wissensgraphen bieten z. B. eine hervorragende Basis für konkrete Anwendungsszenarien wie Diagnoseassistenten oder Predictive Maintenance. Sie können helfen, Informationen aus dem Feld in das Requirements-Engineering zurückzuführen und den Kreislauf Entwicklung-Produktion-Service zu schließen. Sie können einen Beitrag zur Umsatzsteigerung im Service leisten.

Lesen Sie mehr zu Wissensgraphen in unseren Publikationen in der Technischen Kommuniaktion.

Share on email
Share on linkedin
Share on xing
Share on facebook
Share on twitter

Abonnieren Sie den kostenfreien Newsletter von PANTOPIX.
Wir informieren Sie gerne regelmäßig über neue Artikel.

Leistungen Umsetzung
Artikel

Schemasprachen für die Technische Dokumentation

Schemasprachen definieren Regelwerke für XML Dokumente und beschreiben Struktur und Inhalt dieser Dokumente syntaktisch. Das definierte Regelwerk stellt somit sicher, dass das XML Dokument valide ist, also aus korrekten, einheitlichen und maschinenlesbaren Informationseinheiten besteht.

weiterlesen >
Artikel

Einfach erklärt: Was bedeutet PIM?

PIM bedeutet zunächst Produktinformationsmanagement und beinhaltet die Verwaltung und Pflege von Produktinformationen. In einem PIM-System werden alle relevanten Produktdaten zentral verwaltet und medienneutral gespeichert oder referenziert, um die Daten für verschiedene Ausgabekanäle verfügbar zu machen.

weiterlesen >

Ihr Ansprechpartner

Maraike Heim
Senior Marketing Manager