With an increasing flood of data and at the same time changing requirements, making the relevant information available in the right context to a customer and within the company for the respective development-, technical- and service-departments is a key success factor for many companies and at the same time an enormous challenge. The problem with folders and filing data in tree structures is that information about an object is scattered across different aspects. Access to this information is only possible if the respective aspects are known. In a semantic network, each object exists only once, all information about this object comes together at this point and it can still be accessed within different contexts. Such a network can be changed at any time and further aspects can be added as needed: semantic machine learning, in order to be able to react flexibly to new requirements. Semantic networks combine functions of ontologies, topic maps, taxonomies and thesauri. They model complex relationships and directly transform large amounts of structured and unstructured content into networked units of knowledge. In this way, computer-readable and computer-usable knowledge bases are created. The creation and maintenance of semantic networks is demand-driven and interactive between humans and computers. With adapted editors, NLP, semantic classification and self-learning processes, context and text comprehension mature gradually and increasingly. Such semantic networks deliver explainable and comprehensible results. They are of great value to researchers and companies in any industry and open the door for innovative applications – user oriented, context- and demand-driven – both in-house and for customers.
ABSTRACT / DESCRIPTION (GERMAN)
Bei zunehmender Datenflut und gleichzeitig veränderlichen Anforderungen die relevante Information im richtigen Kontext bedarfsgemäß einem Kunden und unternehmensintern für die jeweiligen Entwicklungs-, Fach- und Serviceabteilungen zugänglich zu machen, ist für viele Unternehmen ausschlaggebender Erfolgsfaktor und zugleich eine enorme Herausforderung. Die Krux mit Ordnern, Ablagen in Baumstrukturen ist, dass Informationen zu einem Objekt unter unterschiedlichen Apsekten verstreut abgelegt werden. Der Zugang zu dieser Information ist nur möglich, wenn die jeweiligen Aspekte bekannt sind. In einem semantischen Netz gibt es jedes Objekt nur einmal, alle Information zu diesem Objekt kommen an dieser Stelle zusammen und es ist trotzdem aus unterschiedlichen Kontexten heraus erreichbar. So ein Netz lässt sich jederzeit ändern und bedarfsabhängig weitere Aspekte ergänzen: Semantisches machine learning, um bei neuen Anforderungen flexibel reagieren zu können. Semantische Netze vereinen Funktionen von Ontologien, Topic Maps, Taxonomien und Thesauri. Sie modellieren komplexe Zusammenhänge und verwandeln direkt große Mengen strukturierten und unstrukturierten Content in vernetzte Wissenseinheiten (Units of knowledge). So entstehen computerlesbare, und -verwertbare Wissensbestände. Aufbau und Pflege der semantischen Netze gelingen bedarfsgetrieben interaktiv zwischen Mensch und Computer. Mit angepassten Editoren, NLP, semantischer Klassifikation und selbstlernenden Prozessen reifen sukzessive und zunehmend Kontext- und Textverständnis. Solche semantischen Netze liefern erklärbare und nachvollziehbare Resultate. Sie sind für Forschung und Unternehmen jeder Branche von großem Wert und öffnen die Tür für innovative Anwendungen - nutzerorientiert, kontext- und bedarfsgesteuert - sowohl unternehmensintern als auch für Kunden.
