Dafür wird der Wissensgraph um geeignete Tools erweitert. DasTechnologiespektrum reicht hier je nach Strukturiertheitsgrad der Daten von Methodender semantischen Textanalyse (vgl. [6]) über das Parsen von regulären Ausdrücken(s. Abschn. 6.4.2) bis hin zum (teil)automatischen Mappen mithilfe von Transforma-tionsvokabularen (z. B. D2RQ in [7], R2RML)

Verbesserungspotenzial im Bereich der Graph-Visualisierung, des Authorings von Ontologien und Regeln und der einfachen Anbindung weiterer Datenquellen.

Für eine noch schnellere Verbreitung im Unternehmensumfeld müssen die zugrunde liegenden Technologien jedoch zugänglicher für Nicht-Techniker werden.

Projektgraphen um die Fähigkeit erweitert, dem Projektleiter basierend auf seinen beschreibenden Texten relevante Themen und Technologien zur Übernahme vorzuschlagen.

Darüber hinaus ist ein wichtiger Trend Linked Data im Unternehmensumfeld zu etablieren, um eine neue Generation semantischer, vernetzter Daten-Anwendungen auf Basis des Linked Data Paradigmas zu entwickeln, zu etablieren und erfolgreich zu vermarkten. Im BMBF Wachstumskernprojekt „Linked Enterprise Data Services“ entsteht hierfür beispielsweise eine Technologieplattform, die es Unternehmen ermöglichen soll, neue Dienstleistungen im Web 3.0 zu etablieren.

Der Hauptanwendungspartner für die hier beschriebenen Lösungen war und ist der Sie-mens-Konzern. Die Lösungen wurden durch das KI-Start-up Giance, eine deutsch-chinesi-sche Ausgründung des DFKI, für den chinesischen Markt angepasst und weiterentwickelt.

Unsere Global Enterprise Intelligence (GEI) Platform eignet sich nicht nur zur Beobachtung von Zulieferern, sondern wird auch in ande-ren Bereichen eingesetzt, in denen Firmen beobachtet werden müssen wie z. B. Wettbewer-beranalyse, Partnerbetreuung, Key-Account-Management oder Portfolio- Management.

Knowledge Graph Check & UpdateMithilfe der Neo4J-Graphdatenbanktechnologie werden für die Anwendungen Wis-sensgraphen aufgebaut und ständig um neue Relationen und Eigenschaften der beob-achteten Firmen ergänzt. Die Wissensgraphen dienen nicht nur der Visualisierung der Ergebnisse, sie werden auch zum Entity Linking und zur Erkennung von bereits be-kannter Information verwendet

Der im Projekt „Smart Data Web“ erstellte öffentliche Teil des Wissensgraphen wurde zudem zum Aufbau eines Siemens-internen Corporate Knowledge Graphen genutzt. Dazu wurden relevante Teilmengen des öffentlichen Wissensgraphen extrahiert und in das ge-schützte Siemens- Netzwerk transferiert. Die internen Datenbanken von Siemens wurden nach RDF konvertiert und zusammen mit dem SDW KG in eine geschützte Datenbank geladen. Weiterhin wurden vom Anwendungsfall getriebene Abfragen erstellt, welche in-terne und offene Daten kombinieren. Der Corporate Knowledge Graph (CKG) ermöglicht eine einheitliche, konsistente und elegante Verknüpfung interner und externer Informatio-nen, ganz im Sinne einer „Enterprise-Intelligence“-Lösung. Über den CKG können Infor-mationen, im konkreten Fall zu Zulieferern, aggregiert und konsolidiert abgerufen und für die Einkaufsabteilungen von Siemens dargestellt werden. Dabei werden interne Kennzah-len, z. B. zum Projektvolumen und zu Bewertungen einzelner Lieferanten, mit aktuellen, automatisch gesammelten, firmen-, produkt- und standortbezogenen Ereignissen aus Nachrichten und anderen Textdatenquellen verknüpft, sodass die Anwender eine Gesamt-sicht auf entscheidungsrelevantes Wissen erhalten

Enterprise Knowledge Graphs (EKGs) mightbe considered as an embodiment of LED

Sören Auer

The unified approachhas the advantage, that the enterprise has more control overthe data and quality, and the data querying is significantlyfaster.

REFERENCES[1] C. Bizer, J. Lehmann, G. Kobilarov, S. Auer, C. Becker, R. Cyganiak,and S. Hellmann. Dbpedia-a crystallization point for the web of data.Web Semantics: science, services and agents on the world wide web,7(3):154–165, 2009.[2] D. Calvanese, M. Giese, D. Hovland, and M. Rezk. Ontology-basedintegration of cross-linked datasets. In Proceedings of the 14th Interna-tional Semantic Web Conference (ISWC). Springer, 2015.[3] X. Dong, E. Gabrilovich, G. Heitz, and W. Horn. Knowledge vault: Aweb-scale approach to probabilistic knowledge fusion. In Proceedingsof the 20th ACM SIGKDD international conference on Knowledgediscovery and data mining, pages 601–610, 2014.[4] P. Frischmuth, S. Auer, S. Tramp, J. Unbehauen, K. Holzweißig,and C. Marquardt. Towards linked data based enterprise informationintegration. In S. Coppens, K. Hammar, M. Knuth, and et al., editors,Proceedings of the Workshop on Semantic Web Enterprise Adoption andBest Practice (ISWC 2013), 2013. CEUR-WS.org, 2013.[5] R. Isele and C. Bizer. Active learning of expressive linkage rules usinggenetic programming. Web Semantics: Science, Services and Agents onthe World Wide Web, 23:2–15, 2013.[6] L. Masuch. Enterprise knowledge graph - one graph to connect themall. 2014.[7] P. N. Mendes, H. Mühleisen, and C. Bizer. Sieve: Linked data qualityassessment and fusion. In Proceedings of the 2012 Joint EDBT/ICDTWorkshops, pages 116–123, 2012.[8] J. Michelfeit, T. Knap, and M. Neˇcask `y. Linked data integration withconflicts. arXiv preprint arXiv:1410.7990, 2014.[9] A.-C. Ngonga Ngomo and S. Auer. Limes - a time-efficient approachfor large-scale link discovery on the web of data. In Proceedings ofIJCAI, 2011.[10] N. F. Noy. Semantic integration: a survey of ontology-based approaches.ACM Sigmod Record, 33(4):65–70, 2004.[11] T. Pellegrini, H. Sack, and S. Auer, editors. Linked Enterprise Data.X.media.press. Springer, 2014.[12] A. Schultz, A. Matteini, R. Isele, P. N. Mendes, C. Bizer, and C. Becker.Ldif-a framework for large-scale linked data integration. In 21stInternational World Wide Web Conference (WWW 2012), DevelopersTrack, Lyon, France, 2012.

In general, a federated approach will be advan-tageous if the enterprise aims to continuously ingest updatesand new additions from public LOD sources.

Nevertheless, acertain overhead for query expansion and entailment regimesis required.

Enterprise Knowledge Graphs

Areas of Integrated Governance

"Off-line" vs "On-line". The RAT's focus is to get to a final state, and then ship it, all at once. During the working process, the thing we're working on is "off-line". It's not in the field and no one is using it

Making Business More Efficient With Enterprise Application Development