<span style="font-weight:bold;">TRACE-KG: Kontextreiche Wissensgraphen ohne vorgegebene Ontologien</span>

Wissensgraphen werden heute meist entweder mit festgelegten Ontologien oder ohne Schema erstellt. Ontologie‑basierte Pipelines garantieren konsistente Typisierung, erfordern jedoch aufwändige Schema‑Entwürfe und Pflege. Schema‑freie Ansätze dagegen liefern oft fragmentierte Graphen, die besonders in langen technischen Dokumenten mit dichtem, kontextabhängigem Inhalt wenig globale Struktur aufweisen.

Mit TRACE‑KG (Text‑driven schemA for Context‑Enriched Knowledge Graphs) wird diese Kluft geschlossen. Das multimodale Framework baut gleichzeitig einen kontextreich vernetzten Wissensgraphen und ein induziertes Schema auf – ohne dass eine vorgegebene Ontologie nötig ist.

TRACE‑KG erfasst bedingte Beziehungen durch strukturierte Qualifier und ordnet Entitäten sowie Relationen mithilfe eines datengetriebenen Schemas, das als wiederverwendbare semantische Basis dient. Gleichzeitig bleibt jede Information vollständig nachvollziehbar, da sie stets auf die ursprünglichen Belege zurückführbar ist.

Experimentelle Tests zeigen, dass TRACE‑KG strukturell zusammenhängende, nachvollziehbare Wissensgraphen erzeugt und damit eine praktikable Alternative zu beiden herkömmlichen Ansätzen darstellt.