Seminar metaphactory – Intensivseminar Semantische Modellierung, Vokabulare und Governance

Das fünftägige Intensivseminar bündelt RDF-, SPARQL-, OWL- und SHACL-Grundlagen mit visueller Ontologiemodellierung, Vokabularmanagement, Datenqualität, Modellversionierung, Zusammenarbeit und AI-Unterstützung. Aus Kompetenzfragen entsteht ein modularer, validierter und veröffentlichungsfähiger semantischer Modellbestand.

Inhaltsübersicht

• Lernziele und fachliche Einordnung
• Schrittweise Seminarinhalte
• Praxisübungen und Laborszenarien
• Zielgruppe und Voraussetzungen
• Didaktik und Arbeitsweise

Lernziele

• Semantische Standards sicher anwenden und in metaphactory korrekt abbilden.
• Ontologien vom Fachkonzept bis zum modularen, wiederverwendbaren Modell entwickeln.
• Vokabulare und Taxonomien redaktionell, mehrsprachig und nachvollziehbar verwalten.
• SHACL, Tests, Versionierung, Review und Veröffentlichung zu einem Governance-Prozess verbinden.
• AI-Unterstützung mit Human-in-the-Loop kontrolliert in den Modellierungslebenszyklus integrieren.

Schrittweise Seminarinhalte

1. RDF, IRIs und Graphgrundlagen

Schwerpunkt: Tripel, Ressourcen, Literale, Namensräume, Klassen, Eigenschaften, benannte Graphen, Turtle, Identifikatorstrategie und SPARQL-Basis.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „RDF, IRIs und Graphgrundlagen“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Tripel, Ressourcen, Literale, Namensräume, Klassen, Eigenschaften, benannte Graphen, Turtle, Identifikatorstrategie und SPARQL-Basis modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „RDF, IRIs und Graphgrundlagen“ dokumentieren.

2. SPARQL für Modell- und Qualitätsanalyse

Schwerpunkt: SELECT, ASK, CONSTRUCT, UPDATE, Filter, Aggregate, Pfade, Graphauswahl, Diagnoseabfragen und nachvollziehbare Änderungen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „SPARQL für Modell- und Qualitätsanalyse“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von SELECT, ASK, CONSTRUCT, UPDATE, Filter, Aggregate, Pfade, Graphauswahl, Diagnoseabfragen und nachvollziehbare Änderungen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „SPARQL für Modell- und Qualitätsanalyse“ dokumentieren.

3. OWL- und SHACL-Modellierung

Schwerpunkt: Klassenhierarchien, Objekt- und Dateneigenschaften, Domäne, Wertebereich, Restriktionen, Shapes, Kardinalitäten und Validierungssemantik.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „OWL- und SHACL-Modellierung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Klassenhierarchien, Objekt- und Dateneigenschaften, Domäne, Wertebereich, Restriktionen, Shapes, Kardinalitäten und Validierungssemantik modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „OWL- und SHACL-Modellierung“ dokumentieren.

4. Visuelle Modellierung – Grundlagen

Schwerpunkt: Kompetenzfragen, Modellgrenzen, Klassen, Beziehungen, Attribute, Metadaten, Benennung, Dokumentation und erste Validierung.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Visuelle Modellierung – Grundlagen“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Kompetenzfragen, Modellgrenzen, Klassen, Beziehungen, Attribute, Metadaten, Benennung, Dokumentation und erste Validierung modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Visuelle Modellierung – Grundlagen“ dokumentieren.

5. Visuelle Modellierung – Fortgeschritten

Schwerpunkt: Modularisierung, Imports, Wiederverwendung, komplexe Restriktionen, Design Patterns, Refactoring, Abhängigkeiten und Performance.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Visuelle Modellierung – Fortgeschritten“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Modularisierung, Imports, Wiederverwendung, komplexe Restriktionen, Design Patterns, Refactoring, Abhängigkeiten und Performance modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Visuelle Modellierung – Fortgeschritten“ dokumentieren.

6. Vokabular- und Taxonomiemanagement

Schwerpunkt: Konzeptschema, Begriffe, Labels, Hierarchien, Notationen, Synonyme, Mehrsprachigkeit, Provenienz, redaktionelle Zustände und Excel-Import.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Vokabular- und Taxonomiemanagement“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Konzeptschema, Begriffe, Labels, Hierarchien, Notationen, Synonyme, Mehrsprachigkeit, Provenienz, redaktionelle Zustände und Excel-Import modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Vokabular- und Taxonomiemanagement“ dokumentieren.

7. Datenqualität und Teststrategie

Schwerpunkt: SHACL-Shapes, Testrepository, Positiv- und Negativfälle, Berichte, Fehlerkorrektur, Regression, Qualitätsgates und Kennzahlen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Datenqualität und Teststrategie“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von SHACL-Shapes, Testrepository, Positiv- und Negativfälle, Berichte, Fehlerkorrektur, Regression, Qualitätsgates und Kennzahlen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Datenqualität und Teststrategie“ dokumentieren.

8. Governance, Versionierung und Zusammenarbeit

Schwerpunkt: Ownership, Rollen, Editorial States, Reviews, Kommentare, concurrent editing, Versionen, Änderungsnachweis und Freigabe.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Governance, Versionierung und Zusammenarbeit“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Ownership, Rollen, Editorial States, Reviews, Kommentare, concurrent editing, Versionen, Änderungsnachweis und Freigabe modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Governance, Versionierung und Zusammenarbeit“ dokumentieren.

9. AI-gestützte Modellierung

Schwerpunkt: Modellierungsauftrag, Kontext, Vorschläge, Variantenvergleich, Standards, Human-in-the-Loop, Evaluation und dokumentierte Entscheidungen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „AI-gestützte Modellierung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Modellierungsauftrag, Kontext, Vorschläge, Variantenvergleich, Standards, Human-in-the-Loop, Evaluation und dokumentierte Entscheidungen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „AI-gestützte Modellierung“ dokumentieren.

10. Publikation, Katalogisierung und Betriebsübergabe

Schwerpunkt: Modellmetadaten, Dokumentation, Importstruktur, Releases, Veröffentlichung, Abhängigkeiten, Nutzungshinweise, Change und Roadmap.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Publikation, Katalogisierung und Betriebsübergabe“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Modellmetadaten, Dokumentation, Importstruktur, Releases, Veröffentlichung, Abhängigkeiten, Nutzungshinweise, Change und Roadmap modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Publikation, Katalogisierung und Betriebsübergabe“ dokumentieren.

Praxisübungen und Laborszenarien

• Entwicklung eines semantischen Modells aus Kompetenzfragen und Fachbegriffen.
• Aufbau einer modularen Ontologie mit Importstruktur, Restriktionen und SHACL-Shapes.
• Erstellung eines Vokabulars mit Hierarchien, Provenienz, Review und Excel-Import.
• Durchführung von Validierung, Regression, Review und Versionierungsfreigabe.
• Vergleich AI-gestützter Modellvorschläge und dokumentierte Human-in-the-Loop-Entscheidung.

Zielgruppe und Voraussetzungen

Zielgruppe: Knowledge-Graph-Engineering, Ontologiemodellierung, Terminologiemanagement, Data Governance, Fachmodellierung und Enterprise Architecture.

Voraussetzungen: Grundverständnis von Datenmodellen; praktische RDF- oder SPARQL-Erfahrung ist hilfreich, aber nicht zwingend.

Didaktik und Arbeitsweise

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, strukturierte Konfigurationsschritte, Praxisübungen und kontrollierte Fehlerfälle vertieft. Jede Übung verwendet definierte Ausgangswerte, Prüfpunkte und Dokumentationsanforderungen, damit die erarbeiteten Abläufe als reproduzierbarer Arbeits- oder Betriebsstandard einsetzbar bleiben.