Seminar metaphactory – Visuelle Ontologiemodellierung – Grundlagen

Das zweitägige Grundlagenseminar vermittelt den methodischen Aufbau semantischer Modelle im Visual Ontology Editor. Aus Fachsprache und Kompetenzfragen entstehen Klassen, Beziehungen, Attribute, Metadaten und grundlegende Constraints, die dokumentiert, geprüft und für Daten, Suche und Apps nutzbar gemacht werden.

Inhaltsübersicht

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

Lernziele

• Use Case, Modellgrenzen, Kompetenzfragen und Terminologie strukturiert erfassen.
• Klassen, Hierarchien, Beziehungen und Attribute visuell modellieren.
• IRIs, Labels, Beschreibungen, Namensräume und Benennungsregeln konsistent anwenden.
• Grundlegende OWL- und SHACL-Aussagen im visuellen Modell korrekt einsetzen.
• Modell, Beispieldaten, Dokumentation und Review zu einem freigabefähigen Entwurf verbinden.

Schrittweise Seminarinhalte

1. Use Case, Kompetenzfragen und Modellgrenzen

Schwerpunkt: Zielgruppe, Entscheidungen, Fachfragen, Begriffe, Datenquellen, Scope, Nichtziele, Verantwortlichkeiten und Akzeptanzkriterien.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Use Case, Kompetenzfragen und Modellgrenzen“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Zielgruppe, Entscheidungen, Fachfragen, Begriffe, Datenquellen, Scope, Nichtziele, Verantwortlichkeiten und Akzeptanzkriterien 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 „Use Case, Kompetenzfragen und Modellgrenzen“ dokumentieren.

2. Klassen und Hierarchien

Schwerpunkt: Konzepte, Klassenbildung, Abstraktion, Unterklassen, Mehrfachklassifikation, Benennung, Labels, Beschreibungen und Beispiele.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Klassen und Hierarchien“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Konzepte, Klassenbildung, Abstraktion, Unterklassen, Mehrfachklassifikation, Benennung, Labels, Beschreibungen und Beispiele 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 „Klassen und Hierarchien“ dokumentieren.

3. Beziehungen und Attribute

Schwerpunkt: Objekt- und Dateneigenschaften, Domäne, Wertebereich, Richtung, Kardinalität, Datentypen, Mehrsprachigkeit und fachliche Bedeutung.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Beziehungen und Attribute“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Objekt- und Dateneigenschaften, Domäne, Wertebereich, Richtung, Kardinalität, Datentypen, Mehrsprachigkeit und fachliche Bedeutung 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 „Beziehungen und Attribute“ dokumentieren.

4. Grundlegende Constraints und Vokabularbindung

Schwerpunkt: Pflichtangaben, Wertemengen, SHACL-Grundmuster, kontrollierte Vokabulare, Collections, Validierung und verständliche Fehlermeldungen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Grundlegende Constraints und Vokabularbindung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Pflichtangaben, Wertemengen, SHACL-Grundmuster, kontrollierte Vokabulare, Collections, Validierung und verständliche Fehlermeldungen 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 „Grundlegende Constraints und Vokabularbindung“ dokumentieren.

5. Beispieldaten, Dokumentation und Review

Schwerpunkt: Instanzen, Kompetenzfragen, SPARQL-Prüfung, visuelle Kontrolle, Modellmetadaten, Peer Review, Änderungsbedarf und Freigabe.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Beispieldaten, Dokumentation und Review“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Instanzen, Kompetenzfragen, SPARQL-Prüfung, visuelle Kontrolle, Modellmetadaten, Peer Review, Änderungsbedarf 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 „Beispieldaten, Dokumentation und Review“ dokumentieren.

Praxisübungen und Laborszenarien

• Ableitung eines Modellscopes und eines Kompetenzfragenkatalogs aus einem Fachszenario.
• Visuelle Modellierung von Klassen, Beziehungen, Attributen und grundlegenden Constraints.
• Erfassung von Beispieldaten und Prüfung des Modells über Fragen, Validierung und Review.

Zielgruppe und Voraussetzungen

Zielgruppe: Fachmodellierung, Knowledge-Graph-Engineering, Data Stewardship, Enterprise Architecture und technische Projektteams.

Voraussetzungen: Grundverständnis von Datenmodellen; RDF-, OWL- oder SHACL-Vorkenntnisse sind hilfreich, aber nicht erforderlich.

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.