KI und Semantic Web: Automatisierte Wissensgraphen aus Textkorpora

In einer Zeit, in der täglich unzählige unstrukturierte Texte aus Nachrichten, sozialen Medien, wissenschaftlichen Publikationen und digitalen Gesundheitsdaten entstehen, wird die Gewinnung von nutzbarem Wissen immer dringlicher. Die Herausforderung besteht darin, aus dieser Datenflut skalierbare und flexible Methoden zu entwickeln, die über verschiedene Textgenres und Schemaanforderungen hinweg funktionieren.

Die vorliegende Arbeit kombiniert moderne Techniken des Natural Language Processing, des maschinellen Lernens und generativer KI mit bewährten Praktiken des Semantic Web, um automatisch Wissensgraphen aus großen Textkorpora zu erstellen. Durch die Integration von Information Extraction und semantischen Web-Standards entstehen Graphen, die nicht nur semantisch transparent und erklärbar sind, sondern auch interoperabel zwischen unterschiedlichen Systemen genutzt werden können.

Als Anwendungsbeispiele werden drei unterschiedliche Szenarien untersucht: die Analyse des Diskurses zur digitalen Transformation in globalen Nachrichten- und Social-Media-Plattformen, die Kartierung und Trendanalyse aktueller Forschung im Bereich Architektur, Ingenieurwesen, Bauwesen und Betrieb sowie die Generierung kausaler Beziehungsgraphen in der Biomedizin. In allen Fällen demonstriert die Methode, wie aus umfangreichen Textsammlungen strukturierte, nachvollziehbare und nutzbare Wissensgraphen entstehen, die Entscheidungsträgern und Forschern neue Einblicke ermöglichen.