Geodatenentdeckung mit Wissensgraph-gestütztem Multi-Agenten-Framework

Die rasante Zunahme an Volumen, Vielfalt und Geschwindigkeit geographischer Daten hat zu hochgradig verteilten, heterogenen und semantisch inkonsistenten Ökosystemen geführt. Traditionelle Kataloge und Portale verlassen sich noch immer überwiegend auf Stichwortsuche, die häufig die Nutzerabsicht nicht erfasst und damit die Suchleistung schwächt.

Um diese Herausforderungen zu überwinden, präsentiert die aktuelle Studie ein neues, wissensgraphbasiertes Multi-Agenten-Framework, das von großen Sprachmodellen unterstützt wird. Im Zentrum steht eine einheitliche Geodaten-Metadaten‑Ontologie, die heterogene Standards über Plattformen hinweg abgleicht und einen expliziten Wissensgraphen aufbaut, der Datensätze und ihre multidimensionalen Beziehungen modelliert.

Das Framework nutzt eine kollaborative Multi-Agenten-Architektur, die Intent‑Parsing, Wissensgraph‑Abruf und Antwort‑Synthese kombiniert. Dadurch entsteht ein nachvollziehbarer, geschlossener Prozess, der von der Nutzeranfrage bis zu den Ergebnissen reicht. In repräsentativen Anwendungsfällen und bei Leistungsbewertungen zeigte sich, dass das System die Intent‑Übereinstimmung, die Ranking‑Qualität, die Rückrufrate und die Transparenz der Entdeckung deutlich verbessert.

Diese Arbeit ebnet den Weg für eine semantisch, absichtsgesteuerte und intelligente Geodatenentdeckung und liefert eine praktikable Grundlage für die nächste Generation autonomer räumlicher Dateninfrastrukturen.