MuseKG: Wissensgraph vereint Museumsdaten und ermöglicht Sprachabfragen

Die digitale Transformation im Kulturerbe hat zu einer riesigen, aber fragmentierten Sammlung von Artefakten-Daten geführt. Traditionelle Museum-Informationssysteme kämpfen damit, heterogene Metadaten, unstrukturierte Dokumente und multimodale Objekte zu einer zusammenhängenden, abfragbaren Form zu verbinden.

Mit MuseKG wird das Problem angegangen: Ein end‑to‑end Knowledge‑Graph-Framework, das strukturierte und unstrukturierte Museumsdaten durch symbolisch-neuronale Integration vereint. Der Graph verbindet Objekte, Personen, Organisationen sowie visuelle und textuelle Beschriftungen in einem typisierten Property‑Graphen und ermöglicht natürliche Sprachabfragen.

In realen Ausstellungen wurde MuseKG getestet und zeigte robuste Leistungen bei Anfragen zu Attributen, Beziehungen und verwandten Entitäten. Die Ergebnisse übertrafen dabei Zero‑Shot‑ und Few‑Shot‑Ansätze großer Sprachmodelle sowie SPARQL‑Prompt‑Baselines. Die Studie unterstreicht die Bedeutung symbolischer Fundierung für nachvollziehbare und skalierbare Kulturdenkmuster und ebnet den Weg für eine web‑weite Integration von digitalem Kulturerbe.