Katalog
concept#Daten#Architektur#Governance#Integration

Ontologie

Eine Ontologie beschreibt formale Begriffe, ihre Eigenschaften und Beziehungen in einem bestimmten Domänenmodell. Sie schafft gemeinsame Begrifflichkeiten für Datenintegration, Interoperabilität und semantische Abfragen.

Ontologien sind formale, maschinenlesbare Modelle, die Konzepte, Relationen und Regeln einer Domäne präzise beschreiben.
Etabliert
Hoch

Klassifikation

  • Hoch
  • Technisch
  • Architektur
  • Reif

Technischer Kontext

Knowledge Graph- und RDF-RepositorysETL- und DatenintegrationsprozesseReporting- und BI-Tools zur Nutzung semantischer Metadaten

Prinzipien & Ziele

Klare Trennung von Terminologie und Implementierungsdetails.Iterative Modellierung in enger Abstimmung mit Domänenexperten.Wiederverwendbarkeit von Konzepten über Systeme hinweg fördern.
Erkundung
Unternehmen, Domäne

Use Cases & Szenarien

Kompromisse

  • Überkomplexe Modelle, die Akzeptanz und Wartbarkeit reduzieren.
  • Falsche oder uneinheitliche Begriffsdefinitionen führen zu Inkonsistenzen.
  • Fehlende Governance führt zu divergenten Extensions und Silos.
  • Starten Sie mit einem schlanken Kernmodell und iterieren Sie.
  • Beziehen Sie Domänenexperten früh und kontinuierlich ein.
  • Versionieren und dokumentieren Sie Änderungen klar nachvollziehbar.

I/O & Ressourcen

  • Domänenbegriffe, Glossare und Anforderungsdokumente
  • Beispieldaten und Quellschemata
  • Zugriff auf Fachexperten für Klärungen
  • Maschinenlesbare Ontologiemodelle (z. B. OWL/RDF)
  • Mapping-Tabellen und Transformationsregeln
  • Governance-Dokumente und Versionierungsschemata

Beschreibung

Ontologien sind formale, maschinenlesbare Modelle, die Konzepte, Relationen und Regeln einer Domäne präzise beschreiben. Sie dienen der Harmonisierung von Daten, ermöglichen semantische Abfragen und verbessern Interoperabilität zwischen Systemen. Ontologie-Engineering verbindet fachliches Domänenwissen mit technischen Repräsentationen.

✔

  • Verbesserte Interoperabilität durch einheitliche Begriffe.
  • Ermöglicht semantische Abfragen und reasoning-basierte Auswertungen.
  • Unterstützt konsistente Metrik- und Dateninterpretation.

✖

  • Hoher initialer Aufwand für Modellierung und Governance.
  • Pflegebedarf bei sich ändernden Domänenanforderungen.
  • Nicht alle Datenprobleme lassen sich allein durch Ontologien lösen.

  • Abdeckungsgrad der Domäne

    Prozentualer Anteil relevanter Begriffe, die durch die Ontologie abgedeckt sind.

  • Anzahl wiederverwendeter Konzepte

    Wie viele Konzepte in mehreren Systemen oder Berichten genutzt werden.

  • Validierungsfehler pro Release

    Anzahl semantischer Inkonsistenzen oder Modellierungsfehler nach Änderungen.

Schema.org (vereinfachte Web-Ontologie)

Ein weit verbreitetes Vokabular zur Strukturierung von Webinhalten und Entitäten.

FOAF (Personbeziehungen)

Ein einfaches Ontologiemodell zur Beschreibung von Personen und deren Beziehungen.

SNOMED CT (medizinische Terminologie)

Eine umfangreiche, standardisierte Ontologie für klinische Begriffe und Codierungen.

1

Bestandsaufnahme fachlicher Begriffe und Schemata.

2

Erstellen eines initialen Ontologiemodells mit Kernentitäten.

3

Implementieren von Mappings und Validierungsregeln.

4

Etablieren einer Governance- und Release-Prozedur.

⚠️ Technische Schulden & Engpässe

  • Unklare oder nicht versionierte Konzeptänderungen.
  • Ad-hoc-Mappings ohne zentralen Standard.
  • Fehlende Tests für Ontologie-Integrität nach Änderungen.
Fehlende DomänenexpertiseGovernance und VersionierungPerformance bei komplexen Reasoning-Operationen
  • Ontologie als reiner Ersatz für schlechte Datenbereinigung.
  • Erzwungene Überanpassung an ein spezielles Tool-Format.
  • Unkontrollierte freie Erweiterungen durch viele Teams.
  • Unzureichende Testfälle für semantische Validierung.
  • Missverständnisse zwischen technischen und fachlichen Stakeholdern.
  • Nicht berücksichtigte Performance-Anforderungen bei Reasoning.
Ontologie-Modellierung (OWL/RDF/Turtle)Domänenwissen und fachliche ModerationDatenintegration und Mapping-Techniken
Interoperabilität heterogener DatenquellenWiederverwendbare Fachbegriffe und SemantikUnterstützung semantischer Abfragen und Reasoning
  • • Vorhandene Datenqualität und Semantik müssen akzeptabel sein.
  • • Organisatorische Zustimmung für gemeinsame Vokabulare erforderlich.
  • • Technische Plattformen müssen RDF/OWL oder Mapping unterstützen.