CARE-Datenmodell

Projektdaten  

Kurzfassung

Während die Erstellung ganzheitlicher digitaler Zwillinge weiterhin im Mittelpunkt der Forschung steht, wird ihre Integration in praktische Arbeitsabläufe, obwohl sie potenziell sehr vorteilhaft ist, oft durch heterogene und multimodale Datendarstellungen, -mengen und -formate behindert. Daher soll ein neuer, ganzheitlicher Ansatz für die Datenverwaltung und -bereitstellung (CARE-DS, CARE-DIVE) entwickelt werden, der das Rückgrat des CARE-Datenmodells und damit die Grundlage für die Datenanalyse und -synthese innerhalb und außerhalb von CARE bilden wird. Um dieses Ziel zu erreichen, schlägt dieses Projekt vor, einen symbolischen räumlichen Wissensgraphen (einen GeoSPARQL-fähigen RDF-Speicher) mit einer subsymbolischen Vektordatenbank zu kombinieren, was zu einer hybriden Abfrageebene als methodischem Kern führt.

Hier gleichen beide Teile die Schwächen des jeweils anderen aus: Eine symbolische Abfrage ermöglicht eine präzise und transparente Informationsgewinnung, die sowohl semantische als auch räumliche Informationen nutzt. Sub-symbolische Ansätze hingegen basieren auf der Erkennung von Mustern (oder Abweichungen von üblichen Mustern) und ermöglichen so die Abfrage schlecht strukturierter oder unvollständiger Daten. Dies macht sie besonders effektiv für unstrukturierte Quellen wie Standortfotos, Sensorwerte, Konstruktionszeichnungen oder Punktwolkensegmente. Ein weiteres Synergiepotenzial zwischen den beiden Datenindexierungsmethoden ist die Verwaltung von Vokabularinkongruenzen zwischen Domänenontologien, wobei semantische Ähnlichkeits- und Transformationsmodelle entwickelt werden können, um Synonyme auf Schemaebene abzuleiten, wodurch die Schwelle für die Integration heterogener Daten in eine ganzheitliche Ontologie gesenkt wird.