Sprache:
Deutsch

Zielgruppe:
Alle

Voraussetzungen:
Keine

Überblick und Zusammenfassungen:
Wir befinden uns im Informationszeitalter – einer Epoche, in der Information der zentrale Rohstoff ist. Während sich die Rechenleistung gemäß Moore’s Law und das weltweite Datenvolumen laut der Information Doubling Curve exponentiell entwickeln, stellt sich für Ingenieurinnen und Ingenieure die zentrale Frage: Wie kann Information produktiv gemacht werden?

Ein Blick in die Geschichte zeigt: Wer neue Dimensionen oder Rohstoffe als Erster für sich nutzbar machte, gehörte zu den Gewinnern der Epoche. So ermöglichte die Erkenntnis der Kugelgestalt der Erde und die Mercator-Projektion von 1569 die winkelgetreue Navigation über offenes Meer. Während die Hanse an Küstenrouten festhielt und an Bedeutung verlor, nutzten andere den neuen Zugang. Heute stellt sich eine ähnliche Frage: Wie kann Information (der Rohstoff unserer Zeit) produktiv gemacht werden?

Der Einsatz von Künstlicher Intelligenz (KI) im Informationsmanagement wird in dieser Hinsicht sicher eine Zentrale Rolle spielen, und es stellt sich die Frage, ob etablierte Strukturen wie Wissensgraphen zukünftig durch KI-Modelle ersetzt werden könnten. Tatsächlich jedoch ergänzen sich Wissensgraphen und Large Language Models (LLMs) auf ideale Weise. Während LLMs beeindruckende Fähigkeiten in der Verarbeitung und Generierung natürlicher Sprache zeigen, neigen sie dazu, sogenannte “Halluzinationen” zu erzeugen, also plausible, aber faktisch falsche Aussagen. Wissensgraphen bieten hier eine strukturierte, explizite Darstellung von Wissen, die LLMs als verlässliche Wissensquelle dienen kann. Diese Kombination führt zu präziseren und nachvollziehbareren Ergebnissen, insbesondere in komplexen Anwendungsbereichen wie dem technischen Engineering.

Der Vortrag bietet eine Einführung in Wissensgraphen als Schlüsseltechnologie, um Informationen kontextualisiert, vernetzt und semantisch nachvollziehbar zu modellieren. Anhand eines realen Beispiels (der Analyse der Panama Papers mit Hilfe einer Graphdatenbank) wird aufgezeigt, wie komplexe Beziehungsgeflechte aus Millionen von Datensätzen analysiert werden konnten.

Im Anschluss werden die grundlegenden Paradigmen von Graphdatenbanken vermittelt: Knoten, Relationen, Wissensartefakte und semantische Navigation. Um die Prinzipien greifbar zu machen, folgt ein praxisnahes Beispiel mit Logseq, einem Open-Source Werkzeug, das nicht komplexer ist als Excel, aber dessen Anwendung die Denkweise von Wissensgraphen unmittelbar erfahrbar macht.

Ein mit Logseq erstellter Wissensgraph folgt bereits im Kleinen den Prinzipien großer Informationsarchitekturen: Durch bidirektionale Verlinkung und semantisch strukturierte Notizen entsteht ein vernetztes Informationsmodell. Ganz im Sinne von Linked Data. Jeder Gedanke, jedes Artefakt hat genau einen Ursprung, was der Idee einer Single Source of Truth entspricht. Dabei entspricht Wissensgraph weitestgehend einem realen Kontext und bildet damit einen digitale Zwillinge: strukturierte, kontextreiche Abbilder realer Systeme, die sich über den Lebenszyklus hinweg pflegen und erweitern lassen.

Ziel des Vortrags ist es, das Publikum für einen Paradigmenwechsel zu sensibilisieren: weg vom linearen Umgang mit Information – hin zu vernetzten Wissensräumen, die als Grundlage für Single Source of Truth, Traceability und digitale Zwillinge dienen können. Mit Logseq steht ein Open-Source Werkzeug zur Verfügung, das diesen Einstieg für jede:n in wenigen Stunden ermöglicht, ohne Vorkenntnisse, ohne komplexe Setups, aber mit unmittelbarem Aha-Effekt.


Art der Vermittlung:
ca. 20 Min. Vortrag zur Theorie danach kurzen praktischen Beispiel.

Nutzen:
Teilnehmende erhalten nicht nur ein grundlegendes Verständnis für das Konzept von Wissensgraphen, sondern auch einen niederschwelligen Zugang zur praktischen Umsetzung. Exemplarisch wird ein Beispiel mit dem Open Source Tool Logseq. gezeigt. Es gibt inzwischen viele andere Graphdatenbanken, die einen niederschwelligen Einstig in Wissensgraphen ermöglichen. Mithilfe dieser Tools kann heute jeder in kurzer Zeit einen einfachen Wissensgraphen im persönlichen oder privaten Kontext erstellen und erste Erfahrungen im vernetzten Denken zu sammeln.
Genau darin liegt die eigentliche Herausforderung, nicht in der Technik, sondern im mentalen Denkmodell. Wer gelernt hat, Informationen als Knoten und Beziehungen zu denken, kann dieses Prinzip später auf komplexe Engineering-Domänen, Datenquellen und Werkzeuge übertragen. So entsteht ein praxisnaher und nachhaltiger Einstieg in eine Denkweise, die zur Grundlage für Traceability, digitale Zwillinge und systemübergreifende Informationsarchitekturen werden kann. Und diese dient wiederum der Transformation von Information in Wissen, einer zentralen Fähigkeit im Informationszeitalter.