Institute for Technologies and Management of Digital Transformation

Semantic Systems Engineering

Im Forschungsbereich Semantic Systems Engineering erforschen wir Methoden, um Wissen besser verfügbar zu machen und zu vernetzen. Ziel ist es, Informationen in neuen Zusammenhängen nutzbar und verständlich zu machen. Im Mittelpunkt stehen dabei die Einführung von Semantik in Datenräumen sowie die Entwicklung von wissenserweiterten großen Sprachmodellen, die eine effektive Nutzung und Kontextualisierung von Informationen ermöglichen.

Semantik in Datenräumen

Strukturierte Anreicherung, Modellierung und Vernetzung von Daten mit Bedeutungskontext, um ihre Interoperabilität, Auffindbarkeit und Nutzbarkeit über System- und Domänengrenzen hinweg in Datenräumen zu ermöglichen.

Wissenserweiterte große Sprachmodelle

Speziell angepasste und erweiterte Large Language Models, die durch domänenspezifisches Wissen, zusätzliche Trainingsdaten oder semantische Strukturen verbessert wurden, um präziser, verständlicher und anwendungsnäher in konkreten Kontexten eingesetzt werden zu können.

 

Unsere Forschung im Bereich Semantic Systems Engineering zielt darauf ab, Wissen durch den Einsatz semantischer Technologien strukturiert nutzbar zu machen. Dabei kommen Ontologien, Wissensgraphen, semantische Modellierungsmethoden und interoperable Datenraumarchitekturen zum Einsatz. Ergänzt wird dies durch die Weiterentwicklung großer Sprachmodelle, die wir durch Feintuning, wissensbasierte Erweiterung und benutzerfreundliche Schnittstellen für spezifische Anwendungen optimieren. So schaffen wir datengetriebene Systeme, die Informationen nicht nur speichern, sondern auch verstehen und kontextbezogen bereitstellen – als Basis für digitale Innovationen in Wirtschaft, Verwaltung und Gesellschaft.

Wir arbeiten eng mit Industriepartnern zusammen, sei es im Rahmen von öffentlich geförderten Projekten oder direkten F&E-Aufträgen. Dabei setzen wir uns intensiv mit realen Herausforderungen auseinander und beziehen stets die Bedürfnisse von Endnutzern und Fachexperten mit ein. Dieser Praxisbezug stellt sicher, dass unsere Forschungsergebnisse nicht nur theoretisch fundiert, sondern auch unmittelbar in der industriellen Praxis anwendbar sind und die Wertschöpfung verbessern.

Ausgewählte Publikationen

2022
Burgdorf, A., Paulus, A., Pomp, A., & Meisen, T. (2022). "DocSemMap: Leveraging Textual Data Documentations for Mapping Structured Data Sets into Knowledge Graphs" in 2022 IEEE 16th International Conference on Semantic Computing (ICSC) , IEEE 209—216.

ISBN: 978-1-6654-3418-8

Burgdorf, A., Barkmann, M., Pomp, A., & Meisen, T. (2022). "Domain-independent Data-to-Text Generation for Open Data" in Proceedings of the 11th International Conference on Data Science, Technology and Applications , SCITEPRESS - Science and Technology Publications 95—106.

ISBN: 978-989-758-583-8

Paulus, A., Burgdorf, A., Langer, T., Pomp, A., Meisen, T., & Pol, S. (2022). "PLASMA: A Semantic Modeling Tool for Domain Experts" in Proceedings of the 31st ACM International Conference on Information & Knowledge Management , New York, NY, USA : Association for Computing Machinery 4946—4950.

ISBN: 9781450392365

Pomp, A., Burgdorf, A., Paulus, A., & Meisen, T. (2022). "Towards Unlocking the Potential of the Internet of Things for the Skilled Crafts" in Proceedings of the 24th International Conference on Enterprise Information Systems , SCITEPRESS - Science and Technology Publications 203—210.

ISBN: 978-989-758-569-2

Paulus, A., Burgdorf, A., Stephan, A., Pomp, A., & Meisen, T. (2022). "Using Node Embeddings to Generate Recommendations for Semantic Model Creation" in Proceedings of the 24th International Conference on Enterprise Information Systems , SCITEPRESS - Science and Technology Publications 699—708.

ISBN: 978-989-758-569-2