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). "VC-SLAM - A Handcrafted Data Corpus for the Construction of Semantic Models" , Data , 7 (2),
- 2021
- Pomp, A., Paulus, A., Burgdorf, A., & Meisen, T. (2021). "A Semantic Data Marketplace for Easy Data Sharing within a Smart City" in Proceedings of the 30th ACM International Conference on Information & Knowledge Management , Demartini, Gianluca and Zuccon, Guido and Culpepper, J. Shane and Huang, Zi and Tong, Hanghang, Eds. New York, NY, USA : ACM 4774—4778.
ISBN: 9781450384469
- Paulus, A., Burgdorf, A., Puleikis, L., Langer, T., Pomp, A., & Meisen, T. (2021). "PLASMA: Platform for Auxiliary Semantic Modeling Approaches" in Proceedings of the 23rd International Conference on Enterprise Information Systems , SciTePress 403—412.
ISBN: 978-989-758-509-8
- Paulus, A., Burgdorf, A., Pomp, A., & Meisen, T. (2021). "Recent Advances and Future Challenges of Semantic Modeling" in 2021 IEEE 15th International Conference on Semantic Computing (ICSC) , IEEE 70—75.
ISBN: 978-1-7281-8899-7
- 2020
- Pomp, A., Kraus, V., Poth, L., & Meisen, T. (2020). "Semantic Concept Recommendation for Continuously Evolving Knowledge Graphs" in Enterprise Information Systems , Filipe, Joaquim and Smialek, Michal and Brodsky, Alexander and Hammoudi, Slimane, Eds. Cham : Springer International Publishing AG 361—385.
ISBN: 978-3-030-40783-4