Seminar Ontop Kompaktseminar – Virtual Knowledge Graphs in der Praxis

Das Kompaktformat richtet den Blick auf die wichtigsten Arbeitsschritte eines Ontop-Projekts. Ein durchgängiges Beispiel verbindet Architektur, Semantik, Mapping, Abfrage und Bereitstellung, sodass ein belastbarer Einstieg mit unmittelbarem Praxisbezug entsteht.

Inhaltsverzeichnis

1. Architektur und Begriffe
2. Umgebung und Datenquelle
3. Ontologie und Mapping
4. SPARQL-Abfragen
5. Lenses und Datenvorbereitung
6. CLI und Endpoint
7. Betriebsbasis und Praxisfall

Lernziele

• VKG-Architektur und Ontop-Artefakte sicher einordnen.
• Ein kleines Ontologie- und Mapping-Modell entwickeln und validieren.
• Fachliche SPARQL-Abfragen formulieren und die SQL-Übersetzung prüfen.
• Einen Endpoint über CLI oder Container starten und mit Basistests absichern.

Zielgruppe

Data Engineering, Entwicklung, Datenarchitektur, Datenbankteams und technische Projektmitarbeitende mit Bedarf an einem kompakten Gesamtüberblick.

Voraussetzungen

SQL- und Datenbankgrundlagen; Vorkenntnisse zu RDF, SPARQL oder Ontologien sind nicht erforderlich.

Kapitel 1: Architektur und Begriffe

Kapitel-Inhaltsverzeichnis: VKG, RDF, SPARQL, Mapping, Ontologie, Endpoint und virtuelle Datenhaltung.

1. Schritt 1: Ein Anwendungsfall wird in fachliche Fragen und relevante relationale Daten zerlegt.
2. Schritt 2: Die Ontop-Komponenten werden in einer übersichtlichen Zielarchitektur angeordnet.
3. Schritt 3: Der Ablauf von SPARQL über Reformulierung bis SQL wird an einer einfachen Abfrage nachvollzogen.

Kapitel 2: Umgebung und Datenquelle

Kapitel-Inhaltsverzeichnis: Projektstruktur, Laufzeit, JDBC, Eigenschaften und Verbindungsprüfung.

1. Schritt 1: Eine klare Projektstruktur für Mapping, Ontologie, Eigenschaften und Tests wird angelegt.
2. Schritt 2: Treiber und Datenbankverbindung werden konfiguriert, ohne Geheimnisse in Projektdateien zu speichern.
3. Schritt 3: Metadaten und Referenzdaten werden für die folgenden Übungen geprüft.

Kapitel 3: Ontologie und Mapping

Kapitel-Inhaltsverzeichnis: Klassen, Eigenschaften, IRIs, Datentypen, Quell-SQL und Beziehungen.

1. Schritt 1: Ein minimales Fachmodell wird aus den geplanten Abfragen abgeleitet.
2. Schritt 2: Die erste Tabelle wird mit stabiler Identität und typisierten Eigenschaften gemappt.
3. Schritt 3: Eine Beziehung zwischen zwei Klassen wird über einen belastbaren Fremdschlüssel ergänzt.

Kapitel 4: SPARQL-Abfragen

Kapitel-Inhaltsverzeichnis: Triple-Muster, Filter, optionale Werte, Aggregation und Fehleranalyse.

1. Schritt 1: Eine Basisabfrage wird mit selektiven Mustern und klarer Projektion erstellt.
2. Schritt 2: Optionale Daten und Aggregationen werden schrittweise ergänzt.
3. Schritt 3: Die erzeugte SQL-Abfrage wird auf Joins, Filter und unerwartete Duplikate untersucht.

Kapitel 5: Lenses und Datenvorbereitung

Kapitel-Inhaltsverzeichnis: Basic- und Join-Lens, berechnete Spalten, Filter und Constraints.

1. Schritt 1: Eine wiederkehrende Transformation wird als Basic Lens modelliert.
2. Schritt 2: Zwei Relationen werden mit eindeutigen Spaltenpräfixen in einem Join Lens verbunden.
3. Schritt 3: Explizite Constraints werden ergänzt und ihre Wirkung auf die Abfrage geprüft.

Kapitel 6: CLI und Endpoint

Kapitel-Inhaltsverzeichnis: Validierung, Start, Portal, Containergrundlage und Smoke-Test.

1. Schritt 1: Ontologie und Mapping werden über die CLI validiert.
2. Schritt 2: Der Endpoint wird lokal oder im Container mit den geprüften Artefakten gestartet.
3. Schritt 3: Ein standardisierter Smoke-Test kontrolliert Erreichbarkeit, Datenquelle und Referenzresultat.

Kapitel 7: Betriebsbasis und Praxisfall

Kapitel-Inhaltsverzeichnis: Versionierung, Protokollierung, Leistung, Fehlerbehandlung und Übergabe.

1. Schritt 1: Alle Artefakte werden als konsistentes Release-Paket versioniert.
2. Schritt 2: Eine langsame oder fehlerhafte Abfrage wird anhand Protokoll und SQL-Reformulierung untersucht.
3. Schritt 3: Der Praxisfall wird mit Prüfkatalog, Betriebsnotizen und definiertem Rückfallpunkt abgeschlossen.