Ege / Humm / Reibold Corporate Semantic Web

Wie semantische Anwendungen in Unternehmen Nutzen stiften
2015
ISBN: 978-3-642-54886-4
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 403 Seiten

Reihe: X.media.press

Corporate Semantic Web - hierbei geht es um semantische Anwendungen, deren Einsatz für Kunden und Mitarbeiter von Unternehmen konkret Nutzen stiftet. Die Autoren, namhafte Experten aus Industrie und Wissenschaft, berichten über ihre Erfahrungen bei der Entwicklung solcher Anwendungen. Sie gehen auf Software-Architektur, Methodik, Linked Open Data Sets, Lizenzfragen und Technologieauswahl ein und präsentieren auch eine Marktstudie. Vorgestellt werden Anwendungen für die Branchen Telekommunikation, Logistik, verarbeitende Industrie, Energie, Medizin, Tourismus, Bibliotheks- und Verlagswesen sowie Kultur. Der Leser erhält so einen umfassenden Überblick über die Einsatzbereiche des Semantic Web sowie konkrete Umsetzungshinweise für eigene Vorhaben.

Börteçin Ege hat Informatik an der Technischen Universität Wien studiert. In 2007 hat er die Arbeitsgruppe DACH+ Semantic Web (3500 Mitglieder) in XING gegründet und ist seit mehreren Jahren in Semantic Web-Projekten aktiv tätig. Zudem ist er einer der Ersten im deutschsprachigen Raum, der Trainings über die Semantic Web Technologien angeboten hat. Er ist auch der Autor von zahlreichen wissenschaftlichen Publikationen. Seine Forschungsschwerpunkte sind Linked Data, Semantische Interoperabilität und Corporate Semantic Web.
Bernhard Humm ist Professor für Software Engineering und Projektmanagement am Fachbereich Informatik der Hochschule Darmstadt und Direktor des Instituts für Angewandte Informatik Darmstadt (aIDa). Seine Forschungsschwerpunkte liegen in den Bereichen Semantic Web, Software Architektur und Programmiersprachen. In diesen Bereichen führt er Forschungsprojekte im Industrie- und Hochschulumfeld durch und publiziert regelmäßig. Prof. Humm arbeitete 11 Jahre beim Software- und Beratungshaus sd&m AG als technischer Senior- und Chefberater, Bereichsleiter und Leiter von sd&m Research. Seine Promotion erhielt er an der University of Wollongong in Australien, sein Diplom mit Auszeichnung an der Universität Kaiserslautern.
Anatol Reibold hat Mathematik und Mechanik an der Universität Novosibirsk studiert. Forschungsschwerpunkte: Semantic Web, Ontologien, Datenanalyse, Data Mining, Data Science, Sentiment Analysis und Web Analytics. Nach mehrjähriger wissenschaftlichen Tätigkeiten an der Universitäten Novosibirsk, Darmstadt und Leipzig als Senior Berater in einem Social Web Monitoring Unternehmen tätig. Leidenschaftlicher Verfechter von Semantischen Technologien in sozialen Netzwerken.

Autoren/Hrsg.

Ege, Börteçin

Humm, Bernhard

Reibold, Anatol

Inhaltsverzeichnis

1;Vorwort der Herausgeber;6
2;Inhaltsverzeichnis;8
3;Kapitel 1;11
3.1;Corporate Semantic Web;11
3.1.1;1.1 Das Semantic Web;12
3.1.2;1.2 Semantische Anwendungen im Unternehmenseinsatz;12
3.1.3;1.3 Bereitstellen von Linked Data reicht nicht;12
3.1.4;1.4 Eine global vernetzte Wissensbasis – Fiktion oder Realität?;14
3.1.5;1.5 Semantik?=?RDF?;15
3.1.6;1.6 Richtig vorgehen;15
3.1.7;1.7 Modellieren ist einfach (?!);16
3.1.8;1.8 Juristische Fragen;17
3.1.9;1.9 Semantische Anwendungen stiften Nutzen in Unternehmen – nachweislich!;17
3.1.10;1.10 Fazit;18
3.1.11;Literatur;18
4;Kapitel 2;20
4.1;Einordnung und Abgrenzung des Corporate Semantic Webs;20
4.1.1;2.1 Grundlegende Begriffe;21
4.1.2;2.2 Corporate Semantic Web;23
4.1.3;2.3 Public Semantic Web;25
4.1.4;2.4 Social Semantic Web 3.0;26
4.1.5;2.5 Pragmatic Web;27
4.1.6;2.6 Zusammenfassung und Ausblick „Ubiquitous Pragmatic Web 4.0“;27
4.1.7;Literatur;29
5;Kapitel 3;31
5.1;Marktstudie: Welche Standards und Tools werden in Unternehmen eingesetzt?;31
5.1.1;3.1 Einleitung;31
5.1.2;3.2 Semantische Suche in Webarchiven (Quantinum AG);32
5.1.2.1;3.2.1 Kundenanforderungen;32
5.1.2.2;3.2.2 Technische Umsetzung;32
5.1.2.3;3.2.3 Erfahrungswerte;34
5.1.3;3.3 Semantische Analyse und Suche in Kundenspezifikationen (Ontos AG);34
5.1.3.1;3.3.1 Kundenanforderungen;34
5.1.3.2;3.3.2 Technische Umsetzung;35
5.1.3.3;3.3.3 Erfahrungswerte;35
5.1.4;3.4 Sicherheit für Banken im Risikomanagement (VICO Research & Consulting GmbH);36
5.1.4.1;3.4.1 Kundenanforderungen;36
5.1.4.2;3.4.2 Technische Umsetzung;36
5.1.4.3;3.4.3 Erfahrungswerte;38
5.1.5;3.5 Interaktive Fahrzeugdiagnose (semafora GmbH);38
5.1.5.1;3.5.1 Kundenanforderungen;39
5.1.5.2;3.5.2 Technische Umsetzung;40
5.1.5.3;3.5.3 Erfahrungswerte;41
5.1.6;3.6 Quo Vadis?;41
5.1.7;3.7 Umfrage-Ergebnisse;42
5.1.8;3.8 Semantic Web Standards & Tools;43
5.1.9;3.9 Ausblick;46
5.1.10;Literatur;47
6;Kapitel 4;48
6.1;Modellierung des Sprachraums von Unternehmen;48
6.1.1;4.1 Hintergrund;49
6.1.2;4.2 Eine Frage der Bedeutung;50
6.1.3;4.3 Bedeutung von Begriffen im Unternehmenskontext;51
6.1.3.1;4.3.1 Website-Suche bei einem Industrieunternehmen;51
6.1.3.2;4.3.2 Extranet-Suche bei einem Marktforschungsunternehmen;53
6.1.3.3;4.3.3 Intranet-Suche bei einem Fernsehsender;53
6.1.4;4.4 Variabilität unserer Sprache und unseres Sprachgebrauchs;53
6.1.4.1;4.4.1 Konsequenzen des Sprachgebrauchs;55
6.1.5;4.5 Terminologiemanagement und Unternehmensthesaurus;56
6.1.5.1;4.5.1 Unternehmensthesaurus;57
6.1.5.2;4.5.2 Mut zur Lücke: Arbeiten mit unvollständigen Terminologien;58
6.1.6;4.6 Pragmatischer Aufbau von Unternehmensthesauri;59
6.1.6.1;4.6.1 Begriffsanalyse des Anwendungsbereichs;59
6.1.6.2;4.6.2 Informationsquellen;60
6.1.6.3;4.6.3 Häufigkeitsverteilung;60
6.1.6.4;4.6.4 Aufwand und Nutzen;61
6.1.7;Literatur;64
7;Kapitel 5;65
7.1;Schlendern durch digitale Museen und Bibliotheken;65
7.1.1;5.1 Einleitung;65
7.1.2;5.2 Anwendungsfall 1: Schlendern durch das Digitale Museum;66
7.1.3;5.3 Anwendungsfall 2: Literatur in Bibliotheken finden;67
7.1.4;5.4 Herausforderungen;69
7.1.5;5.5 Die Anforderungen treiben die Architektur;70
7.1.5.1;5.5.1 Semantic ETL;70
7.1.5.2;5.5.2 Semantic Logic;72
7.1.5.3;5.5.3 Client;73
7.1.6;5.6 Diskussion;74
7.1.7;5.7 Empfehlungen und Fazit;74
7.1.8;Literatur;75
8;Kapitel 6;77
8.1;Semantische Suche im Bereich der Energieforschungsförderung;77
8.1.1;6.1 Das Projekt EnArgus®;77
8.1.2;6.2 Die Fachontologie;80
8.1.2.1;6.2.1 Semantische Suche;80
8.1.2.2;6.2.2 Repräsentation der semantischen Relationen in der Fachontologie;80
8.1.2.3;6.2.3 Evaluation des EnArgus-Systems;83
8.1.3;6.3 Erstellung und Evaluation der Fachontologie;83
8.1.3.1;6.3.1 Das Wiki;84
8.1.3.2;6.3.2 Vom Wiki zur Ontologie;85
8.1.3.3;6.3.3 Visualisierung;86
8.1.3.4;6.3.4 Evaluation der Ontologie;88
8.1.4;6.4 Ausblick;88
8.1.5;Literatur;89
9;Kapitel 7;92
9.1;Semantische Suche in einer digitalen Bibliothek;92
9.1.1;7.1 Einführung;92
9.1.2;7.2 Die Deutsche Digitale Bibliothek (DDB);93
9.1.2.1;7.2.1 Das Europeana Datenmodel (EDM);94
9.1.2.2;7.2.2 Suche durch Indizierung von Linked Data;95
9.1.2.3;7.2.3 Personenseiten mit aggregierten Informationen;97
9.1.2.4;7.2.4 Automatische Verknüpfung mit Normdateien;99
9.1.2.5;7.2.5 Externe Nutzung der DDB-Daten;103
9.1.3;7.3 Ausblick: Übertragung auf Unternehmensszenarien;103
9.1.4;Literatur;104
10;Kapitel 8;106
10.1;Semantische Beratung im Tourismus-Sektor;106
10.1.1;8.1 Einleitung;106
10.1.2;8.2 Reiseportale heute;107
10.1.3;8.3 Herausforderungen an das Reiseportal der Zukunft;108
10.1.4;8.4 Wie beschreibt man ein touristisches Produkt?;109
10.1.5;8.5 Wie spielt alles zusammen?;112
10.1.6;8.6 Resümee;114
11;Kapitel 9;116
11.1;Messung des Nutzens semantischer Suche;116
11.1.1;9.1 Motivation;116
11.1.2;9.2 Bewertung von Information Retrieval Systemen;117
11.1.2.1;9.2.1 Relevanz, Textkorpora und Goldstandards;117
11.1.2.2;9.2.2 Rahmenbedingungen des Unternehmenskontextes;119
11.1.2.3;9.2.3 Rahmenbedingungen bei der Bewertung von Suchmaschinen;119
11.1.3;9.3 Semantische Suche;120
11.1.3.1;9.3.1 Mehr Ergebnisse;121
11.1.3.2;9.3.2 Genauere Ergebnisse;122
11.1.3.3;9.3.3 Widersprüchliche Ziele?;122
11.1.3.4;9.3.4 Konsequenzen für die Bewertung semantischer Suche;123
11.1.4;9.4 Vergleich und Bewertung durch Gegenüberstellung;123
11.1.4.1;9.4.1 Vergleichsmodell;123
11.1.5;9.5 Vergleich einer semantischen Suche mit zwei Volltextsuchen;125
11.1.5.1;9.5.1 Experiment für ein Internetportal;125
11.1.5.2;9.5.2 Experiment für das WDB Suchportal für Weiterbildung in Berlin-Brandenburg;127
11.1.5.3;9.5.3 Vergleich der Ergebnisse;131
11.1.6;9.6 Resümee;131
11.1.7;Literatur;132
12;Kapitel 10;134
12.1;Verlage müssen sich neu erfinden;134
12.1.1;10.1 Einleitung;134
12.1.2;10.2 Wolters Kluwer und JURION;135
12.1.3;10.3 LOD2;137
12.1.4;10.4 Status der angestrebten technischen Gesamtinfrastruktur;141
12.1.5;10.5 Herausforderungen bei der Umsetzung;143
12.1.6;10.6 Öffnung neuer Datenquellen;144
12.1.7;10.7 Weitere Planung;146
12.1.8;10.8 Zusammenfassung und Ausblick;147
12.1.9;Literatur;147
13;Kapitel 11;149
13.1;Semantische Technologien für Mobilfunkunternehmen;149
13.1.1;11.1 Einleitung;150
13.1.2;11.2 Datenbasierte Mehrwertdienste für Mobilfunkbetreiber;151
13.1.2.1;11.2.1 In-House-Dienste;151
13.1.2.2;11.2.2 B2B-Dienste;152
13.1.2.3;11.2.3 B2C-Dienste;153
13.1.3;11.3 OpenMobileNetwork – eine offene Plattform für approximierte und semantisch angereicherte Netztopologiedaten;154
13.1.4;11.4 Umsetzung semantischer Mehrwertdienste;159
13.1.4.1;11.4.1 Semantische Ortung;163
13.1.4.2;11.4.2 Mehrwert für reale Nutzer;166
13.1.5;11.5 Fazit;167
13.1.6;Literatur;168
14;Kapitel 12;170
14.1;Semantische Analyse großer Datenbestände aus unternehmensinternen und externen Quellen;170
14.1.1;12.1 Marktforschung im digitalen Zeitalter;170
14.1.2;12.2 Struktur und Import interner Daten;172
14.1.3;12.3 Kategorisierung der internen Daten;175
14.1.4;12.4 Sentiment-Analyse: Möglichkeiten und Grenzen;176
14.1.5;12.5 Semantische Analyse von Begriffsbeständen und -relationen;178
14.1.6;12.6 Zusammenführung interner und externer (Web-)Daten;182
14.1.7;12.7 Das eingesetzte Research- und Analyse-System;183
14.1.8;12.8 Erkenntnisgewinne und Kundennutzen;185
14.1.9;12.9 Herausforderungen und Grenzen aus Entwicklersicht;186
14.1.10;Literatur;187
15;Kapitel 13;189
15.1;Intelligente Datenauswertung mit Linked Open Data;189
15.1.1;13.1 Einleitung;189
15.1.2;13.2 Linked Open Data in der Datenauswertung – die RapidMiner Linked Open Data Extension;191
15.1.3;13.3 Fallstudie 1: Analyse von Statistiken mit Hintergrundwissen;194
15.1.4;13.4 Fallstudie 2: Analyse von Messdaten mit Hintergrundwissen;196
15.1.4.1;13.4.1 Initiales Datenset;198
15.1.4.2;13.4.2 Externe Datenquellen;198
15.1.5;13.5 Zusammenfassung und Ausblick;200
15.1.6;Literatur;201
16;Kapitel 14;204
16.1;Sicheres Spielzeug für Kinderhände – mit Hilfe semantischer Datenbanken;204
16.1.1;14.1 Motivation I;205
16.1.2;14.2 Motivation II;205
16.1.3;14.3 Die Herausforderung: die Nachverfolgbarkeit bis hin zur Charge;206
16.1.4;14.4 Die Umsetzung: ein semantisches Wissensnetz macht es möglich;209
16.1.5;14.5 Agilität und Übertragbarkeit;211
16.1.6;14.6 Rechtemodell des semantischen Netzes;212
16.1.7;14.7 Aktuelle Situation und Erfahrungen;213
16.1.8;Literatur;214
17;Kapitel 15;215
17.1;Markttopologien mit semantischen Netzen;215
17.1.1;15.1 Die Situation heute;215
17.1.2;15.2 Ein semantisches Beispiel;217
17.1.3;15.3 Abgrenzung;222
17.1.4;15.4 Über ETL und Excel hinaus;223
17.1.5;15.5 Fazit;225
17.1.6;Literatur;226
18;Kapitel 16;227
18.1;Ontologien als Schlüsseltechnologie für die automatische Erzeugung natürlichsprachlicher Texte;227
18.1.1;16.1 Einleitung;228
18.1.2;16.2 Das Template-basiertes Generierungsverfahren;230
18.1.2.1;16.2.1 Anwendungsbeispiel Fußballbundesligaspielbericht Borussia Dortmund: SC Freiburg;234
18.1.3;16.3 Funktionsweise der Textgenerierung auf Basis von Templates;235
18.1.4;16.4 Originalität, Quantität, Qualität und Lesbarkeit der generierten Texte;239
18.1.5;16.5 Ausblick und weitere Entwicklungen;241
18.1.6;16.6 Fazit;243
18.1.7;Literatur;244
19;Kapitel 17;246
19.1;Semantische Technologien und Standards für das mehrsprachige Europa;246
19.1.1;17.1 META-SHARE und META-NET;247
19.1.1.1;17.1.1 Zugang zu Sprachressourcen: META-SHARE;247
19.1.1.2;17.1.2 Hintergrund: Ziele von META-NET;248
19.1.2;17.2 Von Sprachressourcen zu Linked Data – und zurück;249
19.1.2.1;17.2.1 Motivation für die Bereitstellung von Sprachressourcen als Linked Data;249
19.1.2.2;17.2.2 Sprachtechnologie hilft Linked Data – ein Anwendungsszenario;250
19.1.2.3;17.2.3 Auf dem Weg zu weiteren Anwendungsszenarien und mehrsprachigen Linked Data Ressourcen;252
19.1.3;17.3 The Big Picture: Auf dem Weg zur europäischen, mehrsprachigen Informationsgesellschaft;253
19.1.4;Literatur;255
20;Kapitel 18;257
20.1;Linked Data im digitalen Tanzarchiv der Pina Bausch Foundation;257
20.1.1;18.1 Motivation und Ausgangspunkt;258
20.1.2;18.2 Anforderungen und Randbedingungen;258
20.1.3;18.3 Ansatz;260
20.1.3.1;18.3.1 Konventionelle Datenbanken;260
20.1.3.2;18.3.2 Linked Data;260
20.1.4;18.4 Szenarien;261
20.1.4.1;18.4.1 Material sammeln;261
20.1.4.2;18.4.2 Material annotieren;261
20.1.4.3;18.4.3 Verschiedene Meinungen, Inkonsistenzen und Widersprüche erhalten;262
20.1.4.4;18.4.4 Immergente Bilder;262
20.1.5;18.5 Stand des Archivs;263
20.1.5.1;18.5.1 Experimenteller Aufbau;263
20.1.5.2;18.5.2 Modellierungs- und Datenerfassungsprozess;264
20.1.5.3;18.5.3 Daten im Archiv;266
20.1.5.4;18.5.4 Aktuelles Modell;267
20.1.6;18.6 Diskussion;267
20.1.6.1;18.6.1 Was wir gelernt haben;267
20.1.6.2;18.6.2 Was andere machen;271
20.1.7;18.7 Zusammenfassung;271
20.1.7.1;18.7.1 Hinweis;272
20.1.8;Literatur;272
21;Kapitel 19;274
21.1;Mobile semantische P2P Anwendungen bauen;274
21.1.1;19.1 Einleitung;274
21.1.2;19.2 Salto Funktionen;275
21.1.3;19.3 Programmierframework Shark;276
21.1.3.1;19.3.1 Wissensbasis;276
21.1.3.2;19.3.2 P2P Austausch;278
21.1.4;19.4 Implementierung;278
21.1.4.1;19.4.1 Profil;278
21.1.4.2;19.4.2 Datenhaltung und -austausch;280
21.1.4.3;19.4.3 Dezentrales Vokabular/Folksonomie;281
21.1.4.4;19.4.4 Makan;282
21.1.5;19.5 Zusammenfassung und Fazit;283
22;Kapitel 20;286
22.1;Intelligente Wissenswiederverwendung in internationalen Logistik-Projekten;286
22.1.1;20.1 Wiederverwendung von projektbezogenem Erfahrungswissen;287
22.1.1.1;20.1.1 Projektmanagement als Wissensmanagement;287
22.1.1.2;20.1.2 Probleme der Wiederverwendung von Erfahrungswissen;288
22.1.2;20.2 Techniken des „Semantic Web“ für die computergestützte Wiederverwendung von projektbezogenem Erfahrungswissen;291
22.1.3;20.3 Entwicklung des ontologie-basierten CBR-Systems „SCM Project Recommender“;292
22.1.3.1;20.3.1 Auswahl der Softwarekomponenten;292
22.1.3.2;20.3.2 Vorgehen zur Ontologie-Erstellung;293
22.1.3.3;20.3.3 Beschreibung der Ontologie-Domäne;294
22.1.3.4;20.3.4 Wiederverwendung bestehender Ontologien;295
22.1.3.5;20.3.5 Identifikation relevanter Begriffe;295
22.1.3.6;20.3.6 Festlegung der Klassenhierarchie;296
22.1.3.7;20.3.7 Definition der Slots (Attribute und Relationen);297
22.1.4;20.4 Fazit und Ausblick;298
22.1.5;Literatur;300
23;Kapitel 21;303
23.1;Ontologien für klinische Studien;303
23.1.1;21.1 Einleitung;303
23.1.2;21.2 Grundbegriffe der formalen Ontologie;304
23.1.3;21.3 Die Drei-Ontologie-Methode (3OM);306
23.1.4;21.4 OntoStudyEdit-ein Werkzeug für die Repräsentation und das Management von Metadaten in klinische Studien;308
23.1.4.1;21.4.1 Metadaten für klinische Studien;308
23.1.4.2;21.4.2 Die ontologische Architektur des OSE;308
23.1.5;21.5 Das graphische User-Interface des OntoStudyEdit (GUI);311
23.1.6;21.6 Diskussion und Ausblick;312
23.1.7;Literatur;313
24;Kapitel 22;315
24.1;Die Rolle der Anfragesprache SPARQL im Kontext von Linked Data;315
24.1.1;22.1 Hintergrund;315
24.1.2;22.2 Über die Nutzung von Linked Data;317
24.1.2.1;22.2.1 Mehrwert durch Nutzen von Daten unterschiedlicher Quellen;318
24.1.3;22.3 Fallstricke für SPARQL im Linked-Data-Kontext;320
24.1.4;22.4 Fazit;321
24.1.4.1;22.4.1 Alternativen und Perspektiven;322
24.1.5;Literatur;323
25;Kapitel 23;325
25.1;Umbenennungen im Unternehmensalltag;325
25.1.1;23.1 Hintergrund;325
25.1.2;23.2 Problemstellung;327
25.1.3;23.3 Analyse: Identitätsänderungen vs. Bezeichnungsänderungen;328
25.1.3.1;23.3.1 Arten von Identitätsveränderungen;328
25.1.3.2;23.3.2 Gültigkeit von Bezeichnungen;330
25.1.4;23.4 Repräsentation von Bezeichnungsänderungen;331
25.1.4.1;23.4.1 Explizite Modellierung als Instanzennetz;331
25.1.4.2;23.4.2 Annotation durch Meta-Daten;332
25.1.4.3;23.4.3 Aspekt-orientierte Modellierung;332
25.1.4.4;23.4.4 Pragmatische Erweiterung von Triple-Stores;333
25.1.4.5;23.4.5 Erweiterung existierender Standards;333
25.1.5;23.5 Nutzen der expliziten Modellierung;334
25.1.5.1;23.5.1 Nutzung historischer Bezeichnungen;334
25.1.5.2;23.5.2 Einfachere Suche;335
25.1.5.3;23.5.3 Inferenz von impliziten Zeitangaben;335
25.1.6;23.6 Resümee;336
25.1.7;Literatur;336
26;Kapitel 24;337
26.1;Verteilte und agile Ontologieentwicklung;337
26.1.1;24.1 Einleitung;337
26.1.2;24.2 Ontology Engineering – ein Überblick;338
26.1.2.1;24.2.1 Erste Generation: Ontologieentwicklung als Expertenkunst;338
26.1.2.2;24.2.2 Zweite Generation: statische Vorgehensmodelle;339
26.1.2.3;24.2.3 Dritte Generation: Dynamische und kollaborative Vorgehensmodelle;339
26.1.3;24.3 Agile Vorgehensmodelle;339
26.1.4;24.4 Agile Ontologieentwicklung;342
26.1.4.1;24.4.1 RapidOWL;342
26.1.4.2;24.4.2 COLM;342
26.1.4.3;24.4.3 SWOP;343
26.1.5;24.5 Sequenziell oder agil?;343
26.1.6;24.6 Unterstützung durch Werkzeuge und agile Paradigmen;346
26.1.6.1;24.6.1 Planung;346
26.1.6.2;24.6.2 Entwicklung;346
26.1.7;24.7 Modulare Entwicklung;348
26.1.7.1;24.7.1 Validierung;349
26.1.7.2;24.7.2 Distribution und phasenübergreifende Management-Werkzeuge;349
26.1.7.3;24.7.3 Aspektorientierte Ontologieentwicklung;350
26.1.8;24.8 Zusammenfassung;351
26.1.9;Literatur;352
27;Kapitel 25;355
27.1;Unterstützung komplexer Entscheidungsprozesse;355
27.1.1;25.1 Problemstellung;356
27.1.2;25.2 Begriffsnetze;356
27.1.3;25.3 Bewertungsanalyse;358
27.1.4;25.4 Präsentation von Zwischenergebnissen;361
27.1.5;25.5 Die Festlegung von Schwerpunkten;363
27.1.6;25.6 Die Begründung von Schwerpunkten;363
27.1.7;25.7 Verstehen der Gesamtsituation durch den „Gestaltenbaum“;365
27.1.8;25.8 Zur Relevanz von Variablen;368
27.1.9;25.9 Von Schwerpunkten zu Maßnahmen;370
27.1.10;25.10 Das Pilotprojekt;374
27.1.11;25.11 Fazit;374
27.1.12;Literatur;375
28;Kapitel 26;377
28.1;Lizenzierung und Nutzung vernetzter Daten – Fallstricke und Empfehlungen;377
28.1.1;26.1 Einleitung;377
28.1.2;26.2 Linked Data – Technologische Grundlagen und Wertschöpfungsbeitrag;378
28.1.3;26.3 Immaterialgüterschutz von Linked Data;382
28.1.3.1;26.3.1 Rechtsschutz von Linked Data;382
28.1.3.2;26.3.2 Rechtsschutz unter netzökonomischen Bedingungen;383
28.1.4;26.4 Probleme und Empfehlungen in der rechtssicheren Nutzung vernetzter Daten;384
28.1.4.1;26.4.1 Problem 1: Unzureichende Informationslage;384
28.1.4.2;26.4.2 Problem 2: Abweichende und sich ausschließende Lizenzbedingungen;386
28.1.4.3;26.4.3 Problem 3: Maschinelle Erschließung von Lizenzinformation;388
28.1.5;26.5 Fazit und Ausblick;389
28.1.6;Literatur;390
29;Sachverzeichnis;393