Sie sind hier

EU IST Integrated Project "NeOn - Lifecycle Support for Networked Ontologies"

Das Ziel des NeOn Projekts ist es, die Benutzung und Entwicklung von miteinander vernetzten Ontologien zu ermöglichen. Ontologien stellen das Wissen eines bestimmten Anwendungsfelds in computerverständlicher Form dar. Sie beinhalten unter anderem die jeweils relevanten Begriffe, deren Eigenschaften und deren Beziehungen untereinander.

Im Rahmen des Semantic Web werden Ontologien so miteinander vernetzt und verweisen so aufeinander, dass auch Beziehungen zwischen Begriffen aus verschiedenen Ontologien realisiert werden. Solche miteinander vernetzten Ontologien können dazu benutzt werden, große Datenbestände aus verschiedenen Quellen miteinander zu integrieren und effizienter darauf zuzugreifen. Das ermöglicht zum Beispiel der United Nations Food & Agriculture Organization (FAO) Informationen über die weltweiten Fischbestände, die ihnen von den verschiedenen Mitgliedsländern übermittelt werden, miteinander zu integrieren und damit die Entwicklung der Fischbestände zu überwachen.

Die Vernetzung der Ontologien und er deklarativ beschriebenen Daten führt zu einer sehr hohen Komplexität des Entwicklungsprozesses, da sehr viele Leute daran beteiligt sind und ihre Interessen einbringen. Ein Fokus der Arbeitsgruppe ISWeb liegt deshalb auf der effizienten Unterstützung eines kollaborativen Entwicklungsprozesses von Ontologien. Dafür wurde eine Erweiterung für Wikis entwickelt, mit deren Hilfe in einer effizienten Art und Weise Designentscheidungen beim Entwurf von Ontologien diskutiert werden können.

Um dem Nutzer die einfache Nutzung der umfangreichen, vernetzten Ontologien zu vereinfachen, stellt die Uni Koblenz Mechanismen bereit, um personalisierte Sichten auf umfangreiche Ontologien zu erstellen. Ferner wird die Einhaltung von Zugriffsrechten auf vernetzte Ontologien unterstützt.

Schließlich entwickelt ISWeb Technologien, die es dem Nutzer ermögliche, die Quellen, die Vertrauenswürdigkeit und weitere Informationen wie die Aktualität von Wissen aus vernetzten Ontologien zu beurteilen. Diese informationen können auch für Schlussfolgerungen berechnet werden, die aus den eigentlichen Daten gezogen wurden. Bestehende Datenbanken hingegen bieten derlei Informationen nur direkt für Fakten.

Press Release
 

Laufzeit

  • Laufzeit: März 2006 - Februar 2010

Geldgeber

  • EU, Information Society Technologies (IST
    Literatur 2008)

Partner

  • The Open University, Milton Keynes, UK
  • Universität Karlsruhe (TH), Karlsruhe
  • Universidad Politecnica de Madrid, Spain
  • Software AG, Darmstadt
  • Intelligent Software Components, S.A., Madrid, Spain
  • Josef Stefan Institute, Llubjana, Slowenia
  • INRIA, Grenoble, France
  • University of Sheffield, Sheffield, UK
  • Consiglio Nazionale delle Ricerche, Trento/Rome, Italy
  • Ontoprise GmbH, Karlsruhe, Germany
  • pharmaInnova Cluster, Asociación Española de Comercio Electronico, Spain
  • United Nations Food & Agriculture Organization FAO, Rome, Italy
  • Atos Origin, s.a.e.
Schenk2008NGA
Schenk, Simon; Staab, Steffen (2008): Networked Graphs: A Declarative Mechanism for SPARQL Rules, SPARQL Views and RDF Data Integration on the Web. In: Proceedings of the 17th International World Wide Web Conference. Bejing, China:

 

Dellschaft2008UUD
Dellschaft, Klaas; Staab, Steffen (2008): Unterstützung und Dokumentation kollaborativer Entwurfs- und Entscheidungsprozesse. Institut für Informatik, Universität Koblenz-Landau. Nr. 04/2008.

 

Dellschaft2008SFT
Dellschaft, Klaas; Staab, Steffen (2008): Strategies for the Evaluation of Ontology Learning. In: Buitelaar, Paul; Cimiano, Philipp: Bridging the Gap between Text and Knowledge - Selected Contributions to Ontology Learning and Population from Text. Amsterdam: IOS Press.

 

Dellschaft2008CTD
Dellschaft, Klaas; Engelbrecht, Hendrik; Monte Barreto, José; Rutenbeck, Sascha; Staab, Steffen (2008): Cicero: Tracking Design Rationale in Collaborative Ontology Engineering. In: Proceedings of the ESWC 2008 Demo Session.

 

Kubias2007SQE
Kubias, Alexander ; Schenk, Simon; Staab, Steffen (2007): SAIQL Query Engine - Querying OWL Theories for Ontology Extraction.
Kubias2007OSA
Kubias, Alexander ; Schenk, Simon; Staab, Steffen; Pan, Jeff Z. (2007): OWL SAIQL - An OWL DL Query Language for Ontology Extraction. In: Proceedings of the 2007 International Workshop on OWL: Experiences and directions (OWLED-07).

 

Dellschaft2006OHT
Dellschaft, Klaas; Staab, Steffen (2006): On How to Perform a Gold Standard Based Evaluation of Ontology Learning. In: I. Cruz et al., : Proceedings of the 5th International Semantic Web Conference (ISWC). Springer Verlag. S. 228-241.

 

Dzbor2006DOI
Dzbor, Martin; Motta, Enrico; Buil, Carlos; Gomez, Jose; Görlitz, Olaf; Lewen, Holger (2006): Developing ontologies in OWL: An observational study. In: Proceedings of the OWL: Experiences and Directions workshop.

Projekt-Homepage

http://www.neon-project.org/

Prof. Dr. Steffen Staab

B 108
+49 261 287-2761
staab@uni-koblenz.de

Kurzlebenslauf

Ich habe Informatik und Computerlinguistik an der Universität Erlangen-Nürnberg und an der University of Pennsylvania studiert. Ich habe in der früheren Computerlinguistik-Forschungsgruppe an der Universität Freiburg gearbeitet und meinen Dr. rer. nat. in Informatik an der Technischen Fakultät (damals: Fakultät für angewandte Wissenschaften) 1998 erworben. Danach war ich an der Universität Stuttgart, am Institut IAT, und bei Fraunhofer IAO tätig, bevor ich zur Universität Karlsruhe (jetzt: KIT) wechselte, wo ich als Projektleiter, wissenschaftlicher Assistent und Oberassistent arbeitete. 2004 wurde ich zum Professor für Datenbanken und Informationssystem an der Universität Koblenz-Landau ernannt, wo ich 2009 das Institute for Web Science and Technologies (WeST) gründete. Seit März 2015 halte ich außerdem einen Chair for Web and Computer Science an der University of Southampton.

Forschungsinteressen

Auf dem Rechner beschreiben Daten die Welt. Die Welt ist spannend, aber Daten sind ganz schön langweilig, wenn man nicht weiß, was sie bedeuten. Ich interessiere mich dafür, wie Daten spannend werden, indem man ihre Bedeutung versteht.

Wie aber kommt Bedeutung zustande? 

  • Man kann die Bedeutung von Daten und Informationen modellieren. Begriffliche Modelle und Ontologien sind die Grundlage für Wissensnetze, die dem Rechner erlauben bedeutungsvoll mit Daten umzugehen.
  • Text und Data Mining sowie Informationsextraktion finden bedeutungstragende Muster in Daten (z.B. mittels Ontology Learning oder Text Clustering) und auch Zusammenhänge zwischen Daten und ihrer Verwendung im Kontext (z.B. mit Smartphones). So werden Wissensnetze in Daten gefunden.
  • Menschen kommunizieren Informationen. Um zu verstehen, was Daten und Informationen bedeuten, muss man soziale Interaktionen verstehen. Im Kontext von sozialen Netzwerken werden Wissensnetze bedeutungsvoll für Menschen.
  • Bedeutung ist nichts absolut Gesetztes. Letzten Endes muss die Bedeutung von Daten und Informationen wieder an den Menschen kommuniziert werden, der diese Daten und Informationen nutzt. Interaktion zwischen Menschen und Rechnern muss der Bedeutung von Daten und Informationen gerecht werden.

Das größte Konstrukt, das die Menschheit erfunden hat, um Daten mit Bedeutung zu kommunizieren ist das World Wide Web. Web Science untersucht, wie Netzwerke von Personen und Wissen im Web entstehen, wie Menschen damit umgehen und welche Folgen das für uns alle hat. Das Web ist eine Bedeutungsmaschine, die ich durch meine Forschung verstehen möchte.

Wo ich sonst zu finden bin

Wenn ich nicht gerade im Büro oder auf Dienstreise bin, bin ich am Liebsten zum Laufen im Stadtwald, im Changa oder beim AHS. Watch out! 

Abschlussdatum: 
Februar, 2010