Die Studierenden kennen die Herausforderungen und das Aufgabenspektrum bei der Implementierung von Enterprise Knowledge Graphen.
Sie können in einer Anwendungsdomäne die Anforderungen in Form von Kompetenzfragen formulieren und die geeigneten Technologieelemente auswählen: Standardspezifikationen, Vokabulare, Tools und Dienste.
Sie kennen die Elemente einer EKG-Entwicklungsumge-bung, können sie anforderungsgerecht konfigurieren und ggf. personalisieren.
Sie können SPARQL 1.1 flexibel als Abfrage- und Update-Sprache für EKG-basierte Anwendungssysteme einsetzen.
Sie können bestehende Elemente einer EKG-Architektur weiterentwickeln bzw. für die vorliegenden Anforderungen anpassen.

• Definitionen und Architekturmodelle für Knowledge Graphen
• Knowledge Graphen im organisationalen Umfeld
• Entwicklungsumgebungen für Knowledge Graphen: Grundkomponenten, Erweiterungen, Schnittstellen, Prozesse
• Extraktion, Integration, Anreicherung und Validierung von Daten aus unterschiedlichen Quellen
• Bereitstellung integrierter, verlinkter Daten über standardisierte Schnittstellen (SPARQL, REST)

Harald Sack: Linked Data Engineering, Online-Kurs auf OpenHPI, open.hpi.de/courses/semanticweb2016
 
Bob DuCharme: Learning SPARQL – Querying and Updating with SPARQL 1.1, 2^nd Edition, 2013.

D’Amato e. a. (Eds.): The Semantic Web – ISWC 2017. 16^th International Semantic Web Conference, Proceedings.

Diverse Spezifikationen und zugehörige Webressourcen zu Vokabularen, Standards und bestehenden Prototypen der BMaKE-Forschungsgruppe, z. B. github.com/bmakem, bmakewiki.th-brandenburg.de

• Kooperative, agile Projektarbeit in gemischten Teams
• Lernen durch Lehren
• Prototyping

Deutsch / Englisch

• Lehr-Lernarrangement
• Technische Implementierung, Dokumentation und Demonstration

6 (180 h = 60 h Präsenz- und 120 h Eigenstudium)

Im Ergebnis ist eine Veröffentlichung auf einer einschlägigen wissenschaftlichen Konferenz geplant.