Wissenserschließung und –Modellierung:

Ontologie vs. Volltextsuche am Beispiel des Projektes EnArgus

Thomas Koch

OrbiTeam Software GmbH & Co. KG

KnowledgeCamp 2012, Karlsruhe

Kurzvorstellung: EnArgus-Projekt

• Ziel: Entwicklung und Erprobung eines zentralen Informationssystems für Energieforschungs-vorhaben aus dem Bereich der Förderung durch Bund und Länder

• Unterschiedliche Zielgruppen – Die interessierte Öffentlichkeit

• Überblick über Forschungsprojekte

– Die Geldgeber (Ministerien, Projektträger) • Was wird/wurde gefördert (inhaltliche Fragen)

• Forschungstrends, Experten, Verteilung Fördermittel etc.

Ausgangssituation

Diverse Problemstellungen und Anforderungen • Projektdaten sind auf eine Vielzahl nicht

kompatibler Datenbanken verstreut • Datenbanken sind eher betriebswirtschaftlich

motiviert und zur fachlichen Auswertung wenig geeignet

• Bedarf nach Auswertungswerkzeugen und erweiterten Recherchemöglichkeiten

• Vorhabenbeschreibungen sind oftmals sehr fachspezifisch – Wissen über Fachgebiet für Recherche erforderlich

Idee

Verbesserte Suche durch Wissenserschließung • Wiki-texte

– Werden von Fachexperten gemeinsam verfasst

• Informationsextraktion – Aufbau der Ontologie

durch Textanalyse

• Ontologie – Dient der formalen und expliziten

Repräsentation von Wissen

• Suchanfrage – Wird durch verwandte Begriffe aus

Ontologie angereichert

• Optimierte Suchergebnisse zufriedene Benutzer

Fachexperte

Anwender

Vorgehen

• Zusammenführen von Daten aus versch. Quellen – Projektdaten aus PROFI (administrative Daten) – Projektdokumente mit Inhalt (z.B. Berichte) – Inhaltliche Erschließung über Suchmaschine

• Inhaltssuche (Volltext) und Metadatensuche

• Unterstützung der Recherche durch Fachontologie – Fachontologie wird mit Hilfe der Energieexperten erstellt – Energieexperten formulieren Sachzusammenhänge im Wiki – Ontologieexperten realisieren Erfassung des Wikis durch

Methoden der Sprachanalyse und Wissensextraktion – IT-Experten implementieren das Basis-System mit

Suchfunktionen, die auf die Ontologie zurückgreifen

Recherche-Cockpit

Energie-

forschungs

-Wiki

BSCW Core

EnArgus-DB Index Dokumente

Ontologie Core

Ontologie-DB

Kooperations- Unterstützg.

Ontologie-

Editor

Wiki-Seiten

Auswertung &

Visualisierung Suchanfragen

& -ergebnisse

EnArgus Systemarchitektur

Fakten: EnArgus®

• Nationales Forschungsvorhaben – Partner: aus Energieforschung und Informatik

• Fraunhofer FIT, FKIE, UMSICHT und ISI • Forschungszentrum Jülich • Ruhr-Universität Bochum • OrbiTeam Software

– Gefördert durch BMWi • 5. Energieforschungsprogramm

der Bundesregierung • 2 Jahre Laufzeit

(Juli 2011 bis Juni 2013)

– Mehr Infos: https://www.enargus.de

Aufwand/Nutzen

• Aufwand: Aufbau der Ontologie – Erfordert Expertenwissen

• Ontologie-Experten und Experten der Fachdomäne

– (Teil-)Automatisierung durch Sprachanalyse • Ziel: Fachexperten dokumentieren im Wiki und System

extrahiert automatisch die Fachontologie daraus

• Nutzen – Bessere Unterstützung bei der Suche

• z.B. Vorschlagen von verwandten Begriffen • Dadurch mehr relevante Treffer und zielgerichtete Suche

– Wiki ist zugleich hilfreich für Anwender • Verknüpfung von Fachbegriffen mit Wiki als eine Art Glossar

EnArgus: Teilsysteme

EnArgus.master

• Für die interne Nutzung

• Vollzugriff auf die Vorhaben-Datenbank

• Hinzufügen von Inhalten/ Dokumenten zu Vorhaben über Kooperationsplattform

• Zugang zu Recherche-Funktionen

• Expertensuche, gespeicherte Suchen etc.

EnArgus.public

• Für die Öffentlichkeit

• Einfache Bedienung

• Ansprechende Webseiten

• Eingeschränkter Zugriff auf Daten von Vorhaben

• Einfache Suchfunktion

• Lesender Zugriff auf EnArgus.wiki

EnArgus.public

• Öffentliches Teilsystem

EnArgus.public

• Facetten

EnArgus.public

• Facetten

EnArgus.public

• Details

Details zum Wiki

• Vorgehensweise – Vorlage im Wiki für die Energie-Experten zur

Beschreibung von Objekten – Aus Beschreibungen wurde von Ontologie-Experten zunächst der

obere Teil der Ontologie aufgebaut ("upper ontology")

• Bearbeitete Fachthemen: – Elektrochemische Energiespeicher – CCS (Carbon Dioxide Capture and Storage) – Windenergie – Elektrische Energiespeicher

• Einschränkungen / Hinweise – Formulierungen im Wiki sollten in einfacher Sprache erfolgen, damit

die Sprachanalyse verwertbare Ergebnisse liefert.

• Technische Basis: MoinMoin Wiki

Wiki: Beispiele

Informationsextraktion

• Aufbau der Ontologie durch Textanalyse – Wiki-Texte werden (durch Software) ausgewertet

– In diesem Prozess erfolgt die Umwandlung von Text in Wissen!

– Ergebnis der Informationsextraktion ist die (aktualisierte/erweiterte) Ontologie

– Technik: • Text mining

• Semantic Role Labeling (SRL)

– Tools: • GATE (General Architecture for Text Engineering)

• Protegé/OWL

Details zur Ontologie

• Grundlage jeder Ontologie ist eine Taxonomie – relevante Begriffe der Domäne werden in einem

Baum repräsentiert

– Begriffe sind nach Ober- und Unterklassen angeordnet

• Ontologie dient der Wissensrepräsentation – Begriffe enthalten Attribute

(z.B. Eigenschaften oder andere Schreibweisen)

– Zusätzliche Relationen zwischen den Begriffen bilden weitere semantische Beziehungen ab

Ontologiebasierte Suche

• Benutzer können eine

Suchanfrage starten und Suchbegriff(e) eingeben

• in der einfachen Suche werden Synonyme automatisch mit in die Anfrage einbezogen (optional)

• in der erweiterten Suche werden semantisch verwandte Begriffe (aus der Ontologie) angeboten

Ontologiebasierte Suche

• Benutzer können eine

Suchanfrage starten und Suchbegriff(e) eingeben

• in der einfachen Suche werden Synonyme automatisch mit in die Anfrage einbezogen (optional)

• in der erweiterten Suche werden semantisch verwandte Begriffe (aus der Ontologie) angeboten

Ontologiebasierte Suche

• Benutzer können eine

Suchanfrage starten und Suchbegriff(e) eingeben

• in der einfachen Suche werden Synonyme automatisch mit in die Anfrage einbezogen (optional)

• in der erweiterten Suche werden semantisch verwandte Begriffe (aus der Ontologie) angeboten

Ontologiebasierte Suche

• Benutzer können eine

Suchanfrage starten und Suchbegriff(e) eingeben

• in der einfachen Suche werden Synonyme automatisch mit in die Anfrage einbezogen (optional)

• in der erweiterten Suche werden semantisch verwandte Begriffe (aus der Ontologie) angeboten

Suchergebnisse

• Ansicht der Treffer

– Darstellung von Details (pro Vorhaben)

Auswertungen

• Akkumulation der Suchergebnisse

– Konkrete Fragestellung: Verteilung der Förderkosten über die Jahre

Ausblick

• Weitere Aspekte im Projekt – Unterstützung der Datenanalyse

• Statistische Auswertungen von Abfragen • Graphische Visualisierung von Zusammenhängen Recherche-Cockpit (derzeit in der Entwicklung)

• Weitere Ideen für die Zukunft – Unterstützung von Mehrsprachigkeit – Ausbau der Datenbasis (Erfassung weiterer Themenfelder aus

der Energieforschung) – ergonomischere Bedienung für die Fachexperten

(z.B. durch grafischen Ontologieeditor) – Einbeziehung weiterer externer Datenquellen – Automatisierte Verschlagwortung von Vorhaben

(durch Tagging-Verfahren)

Diskussion/Fragen

• Fragen an die KM-Community

– Erfahrungen mit Wissensmodellierung

– weitere Ansätze zur inhaltlichen Erschließung einer Anwendungsdomäne (und Erfahrungen damit)?

– Erfahrungen mit ontoligiebasierter Suche

– Unterschied ‚Fachwissen‘ vs. ‚Prozesswissen‘ ?!

• Glossar vs. Rezeptbuch