Auszug
Das Konstrukt Ontologie, das im Rahmen der Betriebswirtschaftslehre, der Wirtschaftsinformatik und der Forschung zur Künstlichen Intelligenz Verwendung findet, hat zum Ziel, Wissen wiederzuverwenden.295 Dabei sollen im Bereich des inner- und überbetrieblichen Wissensmanagements divergierende Wissenshintergründe kompensiert oder sogar beseitigt werden.296
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Neches, Fikes et al. (1991), S. 37 ff. Siehe hierzu auch Fn. 125, S. 29.
Vgl. Zelewski (2002b), S. 3.
Vgl. Wand, Monarchi et al. (1995), S. 287.
Vgl. Guarino (1998), S. 3.
Vgl. Alparslan, Dittmann et al. (2002). Ein ontologiebasiertes Informationssystem beinhaltet als Wissensbasiertes System im Kern eine Ontologie als zentrales Element. Siehe hierzu auch Abbildung 21, S. 93.
Vgl. Brachman (1979), S. 192. Guarino (1995), S. 10, vernachlässigt dabei die Implementierungsebene, die von Brachman als fünfte Ebene definiert wurde.
Vgl. Guarino (1995), S. 10.
Vgl. bspw. Gómez-Pérez, Fernández-López et al. (2004), S. 8; Fluit, Sabou et al. (2004), S. 415 f.
In dieser Arbeit werden die Begriffe Klassen und Konzepte synonym verwendet, weil von sprachanalytischen Feinheiten abgesehen werden kann. Für eine ausführliche Darstellung der Zusammenhänge siehe Zelewski (2005), S. 149 f.
Taxonomien werden in allen Repräsentationssprachen für Ontologien ermöglicht und können deshalb als integraler Bestandteil (jedoch nicht unbedingt notwendiger) einer Ontologie angesehen werden. Artverwandt mit Taxonomien sind Identifikationssysteme, die statt Konzepten individuelle Identifikatoren umfassen (vgl. Strang (2003), S. 2). Beispiele für Taxonomien sind die Klassifikation von Wirtschaftszweigen des Statistischen Bundesamts (vgl. http://www.destatis.de/allg/d/klassif/wz2003.htm, Zugriff am 18.03.2007) und der United Nations Standard Products and Services Code® (UNSPSC; vgl. http://www.unspsc.org, Zugriff am 18.03.2007). Beispiele für Identifikationssysteme sind die D-U-N-S Nummer zur Identifikation von Unternehmen (vgl. http://dbgermany.dnb.com/German/default.htm?Loc=/German/Database/duns.htm, Zugriff am 18.03.2007) und Telefonnummern (vgl. http://www.telefonbuch.de, Zugriff am 18.03.2007).
Für das Beispiel einer Untersuchung von Yahoo!¢ auf dessen Ontologieentwicklungsmöglichkeit siehe Labrou, Finin (1999).
Im Folgenden umschließt der Begriff „Regeln“ auch die genannten Constraints, weil diese im eigentlichen Sinne auch als Meta-Regeln, die eine Verwendungsweise von möglichen Konzepten „regeln“, aufgefasst werden können. Siehe zum Themenbereich Regeln auch Kapitel 2.1.2.3, S. 24 ff., und insbesondere die Kern-Isberner (2003) Fn. 105}, S. 26.
Bspw. bezweifelt Kraus, dass leichtgewichtige Ontologien überhaupt Ontologien sind. Nach seiner Ansicht ist eine formale Semantik, die leichtgewichtigen Ontologien fehlt, eine Grundvoraussetzung für eine Ontologie (vgl. Kraus (2003), S. 41).
Vgl. zu konzeptuellen Modellen und zur konzeptuellen Modellierung Frank (1998), S. 9 ff.; Frank (2000), S. 709 ff.; Mylopoulos (1998), S. 130, und umfassend Boman, Bubenko et al. (1997).
Ursprünglich wurden diese Charakteristika als Haupteinsatzgebiete von Ontologien von Strang (vgl. Strang (2003), S. 3) aus dem Werk von Uschold und Grüninger (Uschold, Grüninger (1996)) destilliert. Uschold und Grüninger sprechen dabei im Original von den drei Hauptkategorien für den Einsatz von Ontologien (vgl. Uschold, Grüninger (1996), S. 13, Abbildung 1). Während Uschold und Grüninger die Förderung der Kommunikation neben der Ermöglichung der Interoperabilität zwischen Systemen und die Unterstützung von Systems-Engineering-Aufgaben noch als einen eigenständigen Punkt berücksichtigen, werden das Automatische Schließen sowie die Repräsentation und Wiederverwendung von Wissen nur mittelbar genannt. Das Automatische Schließen dient Uschold und Grüninger insbesondere zur Überprüfung von Konsistenz (vgl. Uschold, Grüninger (1996), S. 45). Repräsentation und Wiederverwendung von Wissen werden für die Zwecke der Erfüllung von Systems-Engineering-Aufgaben (vgl. Uschold, Grüninger (1996), S. 12 ff. neben Aufgaben der Spezifikation) genannt.
Vgl. Mizoguchi, Ikeda (1996), S. 5. Hier werden Ontologien in Arbeitsplatz-, Aufgaben-, Domänen- und allgemeine Ontologien unterschieden. Von Mizoguchi und Ikeda wird dabei unterstellt, dass es bei Arbeitsplatz-Ontologien gegenüber allgemeinen Ontologien tendenziell weniger häufig zu einer Wissenwiederverwendung — d. h. einem weiteren Einsatz einer bestehenden Ontologie — kommt.
Vgl. Guarino (1998), S. 7 ff. Guarino unterscheidet dabei zwischen feineren Ontologien (detailed ontologies) und gröberen Ontologien (coarse ontologies), als Beispiele nennt er hierzu Referenz-Ontologien (reference ontologies) bzw. verteilbare Ontologien (sharable ontologies). Für gröbere Ontologien lassen sich tendenziell aufgrund ihrer erhöhten Generizität mehr Akteure finden, die diese Ontologie als eine gemeinsame Basis akzeptieren und verwenden (höhere Allgemeingültigkeit) als für eine spezialisiertere (weil feinere) Ontologie. An dieser Stelle wird deutlich, dass die genannten Einteilungen (Wiederverwendbarkeit und Generalität) nicht disjunkt zueiander stehen, denn die breitere Akzeptanz impliziert auch eine erhöhte Wiederverwendung von Ontologien. Weil jedoch die genannten Ansätze für Einteilungen nur der Verdeutlichung dienen sollen, wird an dieser Stelle nicht weiter auf die dahinterstehende Kategorisierungsproblematik eingegangen.
Vgl. van Heijst, Schreiber et al. (1997), S. 192 f. Die Autoren unterscheiden in: Terminologie-Ontologien (terminological ontologies), Informations-Ontologien (information ontologies) und Wissensmodellierungs-Ontologien (knowledge modelling ontologies).
Weitere Unterteilungen werden in Vanwelkenhuysen, Mizoguchi (1995), S. 4.3 f., und Gómez-Pérez, Fernández-López et al. (2002), S. 16, vorgestellt. Die hier übernommene Unterteilung ist in der Literatur häufig zu finden, vgl. z. B. Zelewski, Schütte et al. (2001), S. 194 f.; Studer, Benjamins et al. (1998), S. 186; Studer Fensel et al. (1999), S. 5; Falasconi, Stefanelli (1994), S. 82 ff. Problematisch dabei ist die nicht immer disjunkte Verwendung der Mengenbegriffe; so kann unter Umständen eine Commonsense-Ontologie auch als Domänen-Ontologie aufgefasst werden, nämlich für die Domäne „Weltwissen“. Für die Problemstellung dieser Arbeit ist jedoch die Unterteilung ausreichend, um zum Ziel der FMEA-Ontologieentwicklung zu führen; denn sie stellt einen Kompromiss zwischen Klarheit und Überschaubarkeit der Kategorisierung einerseits und ihrer Genauigkeit andererseits dar.
In der vorliegenden Aufstellung kann eine spezifische Domäne als Basis für das Attribut „Allgemeinheit“ betrachtet werden. Eine Commonsense-Ontologie umschließt mehrere Domänen. Methoden-und Aufgaben-Ontologien beinhalten das Wissen, um aufbauend spezifische Domänen darzustellen. Hingegen sind Repräsentations-Ontologien als domänenunabhängig und damit mit dem Attribut der höchsten Stufe der Allgemeinheit anzusehen. Vgl. hierzu auch Studer, Benjamins et al. (1998), S. 186.
Vgl. van Heijst, Schreiber et al. (1997), S. 193.
Vgl. Owsnicki-Klewe, von Luck et al. (2003), S. 157.
Siehe Fn. 515, S. 116.
Vgl. Zelewski Schütte et al. (2001), S. 195.
Vgl. Puppe, Stoyan et al. (2003), S. 623.
Die Suggested Upper Merged Ontology (SUMO) ist aus Bemühungen einer IEEE-Arbeitsgruppe (IEEE Standard Upper Ontology) entstanden, die die Entwicklung einer allgemeinen, erweiterbaren und standardisierbaren Ontologie zum Ziel haben; für eine kurze Darstellung vgl. Pease, Niles et al. (2002) sowie http://ontology.teknowledge.com/, Zugriff am 18.02.2004.
Vgl. Bateman, Magnini et al. (1994).
Vgl. Studer, Fensel et al. (1999), S. 5.
Vgl. Rothenfluh, Gennari et al. (1994), S. 43.5 f.
Vgl. Fensel, Motta et al. (1997), S. 115.
Vgl. Fensel, Motta et al. (1997), S. 115 ff., und Motta, Zdrahal (1998), S. 442 ff. Unter parametrischem Design versteht man eine Klasse von Gestaltungsproblemen, die die Zuweisung von Werten zu einer Menge von Design-Parametern erfordern (vgl. Motta, Zdrahal (1998), S. 440).
Fensel (2001), S. 12, im Original: „Task and method ontologies provide a reasoning point of view on domain knowledge“.
Alternativ kann auch von Meta-Ontologien gesprochen werden (vgl. Zelewski, Schütte et al. (2001), S. 195).
Vgl. Studer, Fensel et al. (1999), S. 5.
Vgl. DIN 1463-1:1987.
Vgl. Park, Hunting (2003); ISO/IEC 13250:2002.
Vgl. Strube, Habel et al. (2003), S. 40 ff.
Vgl. Sowa (2000), S. 476 ff.
Vgl. Minsky (1975).
Vgl. Chen (1976).
Vgl. Staab (2002), S. 201.
DIN 1463-1:1987, S. 2.
Beispielhaft für einen Thesaurus sei der Thesaurus für Technik und Management (vgl. Fachinformationszentrum Technik (2000)) genannt.
Vgl. ISO/IEC 13250:2002, S. 1.
Auch als Knoten bezeichnet (vgl. Strang, S. 2). Diese entsprechen den spezifischen Konzepten, die mit einer Topic Map verortet werden sollen.
Vgl. Biezunski (2003), S. 18 ff.
Vgl. Biezunski (2003), S. 19.
Bibel (1993) spricht in diesem Zusammenhang auch von assoziativen Netzen. Semantische Netze sind nicht zu verwechseln mit dem Semantic Web nach Berners-Lee, Hendler et al. (2001).
Vgl. Strube, Habel et al. (2003), S. 40.
Vgl. Haun (2000) S. 66.
Vgl. Silberbusch (1990), S. 167.
Vgl. Büchel (2002), S. 36.
Vgl. zur Verwendung von CG Sowa (1984).
Vgl. Sowa (2000), S. 23. C. S. Peirce übernahm die Ansätze von G. Boole, der Aussagen Wahrheitswerte (wahr, falsch) zuordnete und die logischen Operatoren UND, ODER und NICHT verwendete, und erweiterte diese um Wahrheitstafeln (truth tables) und Implikation (material implication). Ferner modifizierte er das Boole’sche exklusive ODER zu einem inklusiven ODER.
Vgl. Sowa (2000), S. 477.
Hierzu definiert Sowa eine Wissensbasis als einen informellen Begriff für eine Sammlung von Wissen, zu der als eine Komponente eine Ontologie gehört. Neben der Ontologie kann eine Wissensbasis weitere Komponenten enthalten, die in einer deklarativen Sprache, etwa als Expertensystemregeln, repräsentiert werden (vgl. Sowa (2000), S. 495).
Vgl. Minsky (1975), S. 212.
Vgl. Haun (2000), S. 103.
Vgl. Silberbusch (1990), S. 172.
Entnommen aus Haun (2000), S. 104.
Das Konzept Frames unterstützt lediglich den Existenzquantor und die Konjunktion aus der Prädikatenlogik. Aufgrund fehlender Negation und Disjunktion können keine Implikationen dargestellt werden. Hieraus folgt, dass keine Regeln für ein automatisches Schließen dargestellt werden können. Vgl. hierzu auch Bibel (1993), S. 46, und Sowa (2000), S. 147 ff.
Vgl. Chen (1976).
Vgl. Schütte (1998), S. 94.
Vgl. Chen (1976), S. 19.
Zur Problematik der Aggregation siehe auch Schütte (1998), S. 98.
In Anlehnung an Chen (1976), S. 19.
Dieses Kapitel basiert auf Erkenntnissen aus den Beiträgen Dittmann, Schütte et al. (2003), der wiederum maßgeblich auf der Arbeit Schütte, Zelewski (2002) aufbaut, und Dittmann, Penzel (2004). Siehe ebenda zum tieferen Verständnis.
Vgl. Albert (1987), S. 45.
Vgl. Albert (1987); Albert (1991).
Vgl. Vollmer (1994).
Vgl. Lorenzen (1987).
Vgl. Hartmann, Janich (1996).
Vgl. für das Feld der Wirtschaftsinformatik Schütte (1999).
Vgl. Thacker, Sheth et al. (2003), S. 281; Gómez-Pérez, Benjamins (1999), S. 1 f.; Studer, Benjamins et al. (1998), S. 184.
Vgl. Wand, Monarchi et al. (1995), S. 287; Wand (1996), S. 283 f.
So geschehen bspw. bei Chandrasekaran, Josephson et al. (1999), S. 21 und Gómez-Pérez, Benjamins (1999), S. 1.5.
Vgl. Shanks (1997), S. 65 ff.
Vgl. Gruber (1993), S. 199; Staab (2002), S. 201.
Vgl. Wand (1996), S. 283; Fernández López (1999), S. 4.8. Einige Autoren benennen zwar nicht explizit den Konzeptualisierungsprozess, sondern sprechen von einer semi-formalen Beschreibung: Angele, Fensel et al. (1998), S. 180 f.; Staab (2002), S. 203 f.
Gemäß Schütte erfordert jedes „wissenschaftlich begründete Vorgehen eine Methode, d. h. ein mittel-und zweckgeleitetes planmäßiges Vorgehen“ (Schütte (1998), S. 117). Zu den Vorgehensmodellen zur Ontologiekonstruktion siehe Kapitel 5.1.2.3, S. 136 ff., und zum Ergebnis OntoFMEA-Vorgehensmodell zur Entwicklung einer FMEA-Ontologie dieser Arbeit siehe Kapitel 6, S. 193 ff.
Vgl. Zelewski (2002a), S. 65.
Diese Unterscheidung von Sprachen zur Darstellung einer Ontologie findet sich auch bei Gómez-Pérez, Fernández-López et al. (2004), S. 199 ff. Der Grund für diese Bevorzugung liegt in der Anschlussfähigkeit dieser Unterscheidung zu Kapitel 4.2.1.2.3, S. 104 ff. Siehe zur Unterscheidung auch die Fn. 461, ebenfalls S. 104.
Eine ähnliche Auflistung findet sich in Erdmann (2001), S. 71 f. Allerdings wird dort nicht zwischen traditionellen und Markup-Sprachen unterschieden.
Übersichten zu IT-gestützten Werkzeugen zur Ontologieentwicklung und-verwendung finden sich bspw. in Corcho, Fernández-López et al. (2003), S. 47 ff.; Fensel (2004), S. 47. ff.; Gómez-Pérez, Fernández-López et al. (2004), S. 296 ff., und Staab, Studer (2004), S. 275 ff. Bei der hier vorgestellten Auswahl wird bereits auf Werkzeuge eingeschränkt, die in der Lage sind, F-Logic-Kodierung zu verarbeiten. Die Begründung für diese Auswahl liegt im Vorgriff auf die Erkenntnisse aus Kapitel 4.2.3, S. 110, und in der dortigen Entscheidung zur Verwendung von F-Logic in dieser Arbeit.
Vgl. Noy, Fergerson et al. (2000). Zu aktuellen Informationen siehe http://protege.stanford.edu, Zugriff am 18.03.2007.
Vgl. Arpírez, Corcho et al. (2001).
Vgl. Gómez-Pérez, Fernández-López et al. (2004), S. 328 und Corcho, Gómez-Pérez (2004).
Erdmann bezeichnet das Artefakt aus Ontologie und Wissensbasis in F-Logic als F-Logic-Programm (vgl. Erdmann (2001), S. 98). Diesem Begriffssystem folgt der Verfasser.
In Anlehnung an die OntoBroker-Architektur nach Studer, Abecker et al. (1999), S. 271.
Zu aktuellen Informationen siehe http://www.ontoprise.de, Zugriff am 20.01.2007. Für die Verarbeitung von F-Logic-Programmen finden sich derzeit lediglich zwei weitere Inferenzmaschinen: Florid (F-Logic Reasoning in Databases; vgl. Ludäscher, Himmeröder et al. (2000), S. 3 ff.; May (2000), entwickelt am Institut für Informatik der Universität Freiburg) und Flora(2) (vgl. http://flora.sourceforge.net/, Zugriff am 25.02.2005), das als Anwendung eine Einbindung der Inferenzmaschine XSB (vgl. http://sourceforge.net/projects/xsb/, Zugriff am 18.03.2007) erfordert, entwickelt am Institut für Informatik der Universität New York/Stony Brook. Der Hauptgrund für die Verwendung von Ontobroker in dieser Arbeit lag darin, dass am Institut für Produktion und Industrielles Informationsmanagement an der Universität Duisburg-Essen (Campus Essen) mit der Inferenzmaschine Ontobroker bereits gearbeitet wurde. Grundsätzlich geht der Verfasser jedoch von einer Übertragbarkeit seiner Ergebnisse auf die beiden anderen Inferenzmaschinen aus, weil die verwendeten Modellierungsprimitive in allen von den Inferenzmaschinen verarbeitbaren Dialekten vorkommen. Auch geht der Verfasser davon aus, dass seine Ontologie mit relativ geringem Aufwand in weiteren regelbasierten Systemen Verwendung finden kann.
Vgl. van Gelder, Ross et al. (1991).
Vgl Erdmann (2001), S. 98. Zu Horn-Programmen und deren Semantik vgl. Schöning (2000), S.120 ff.
Vgl. Stuckenschmidt, van Harmelen (2005), S. 188.
Vgl. Erdmann (2001), S. 98. Zu den Erkenntnissen von Decker, Fensel et al. vgl. Decker (1998), S. 9.3 ff., und Fensel, Decker et al. (1998), S. 19 ff. Weitere Informationen zur Arbeitsweise von Ontobroker finden sich in Angele, Lausen (2004), S. 45 f., und Fensel (2004), S. 82.
Vgl. hierzu auch die Ausführungen in Dittmann, Rademacher (2004); Dittmann, Rademacher et al. (2004) und Dittmann, Zelewski (2004).
Vgl. Vámos (1998), S. 3.1. Gleichwohl steckt die Wissensrepräsentation noch in den Anfängen, so dass Gliederungen des Gebiets immer Herausforderungen an die Autoren stellen, weil man sich nicht an kanonischen Gliederungsmustern zu orientieren vermag (vgl. Bibel (1993), S. 16).
Vgl. Bibel (1993), S. 19. Zusammengefasst werden die Bereiche Künstliche Intelligenz und Kognitionswissenschaft von Bibel als Intellektik bezeichnet.
Vgl. Beckermann (1997) S. 51.
Vgl. Puppe (1991), S. 16 ff.
Vgl. Puppe (1991), S. 16.
Vgl. Puppe (1991), S. 11.
Vgl. Pocsai (2000), S. 23.
Vgl. Puppe (1991), S. 22.
Vgl. Puppe (1991), S. 21.
Vgl. Pocsai (2000), S. 24.
Vgl. Ostermayer (2001), S. 46 ff.
Vgl. Haun (2000) S. 42.
Vgl. Beierle, Kern-Isberner (2003), S. 71. Als weiteres Beispiel zur Verdeutlichung sei die Datenbank-Modellierung genannt. Hier weist Bibel jedoch darauf hin, dass den meisten Datenbank-Entwicklern 1993 das Wort „Logik“ offenbar noch unbekannt ist, obwohl sie implizit Logik bei der Entwicklung von Datenbanken verwenden (vgl. Bibel (1993), S. 96).
In diesem Sinne folgt der Verfasser der Auffassung Newells, dass — frei übersetzt — „eine nicht-logische Analyse von Wissen Blödsinn ist“ (Newell (1981), S. 17). Sowa folgt ebenfalls dieser Überzeugung, indem er die Wissensrepräsentation als multidisziplinäres Vorhaben beschreibt, das Theorien und Techniken der Felder Logik, Ontologie (im philosophischen Sinne) und Computertechnik (Computation) miteinander verbindet (vgl. Sowa (2000), S. XI f. und S. 408 ff.).
Axiomatisierung innerhalb eines positiven Logikkalküls bedeutet die Aufstellung von allgemeingültigen Formeln (Tautologien), d. h. diese Formeln sind nicht falsifizierbar (vgl. Beierle, Kern-Isberner (2003), S. 38).
Vgl. bspw. für die Programmiersprache Prolog Schöning (2000), S. 143 ff.; für einen Vergleich unterschiedlicher ontologiebasierter Systeme mit Inferenzmaschinen vgl. Friedland, Allen (2003). Vgl. ferner Blau (1978), der mit seinem Werk die Vorteilhaftigkeit einer formalen dreiwertigen Logik (wahr/falsch/unbestimmt) gegenüber der weiter verbreiteten zweiwertigen Logik (wahr/falsch) zur formalen Repräsentation der natürlichen Sprachen aufzeigen will.
Vgl. auch Strang (2003), S. 6. Die hier berücksichtigten logischen Kalküle stellen lediglich eine Auswahl vorhandener Kalküle dar. Sie wurden zum Zwecke der Einteilung von Wissensrepräsentationssprachen ausgewählt. Implizit wird dabei eine Unterscheidung von formaler Logik und mathematischer Logik vorgenommen (so ebenfalls — jedoch explizit — Wolff (2004), der in seiner Abhandlung die Gleichsetzung von formaler und mathematischer Logik konsequent trennt und aufzeigt, dass „mathematische und formale Logik als systematisch verschiedene Teile der deduktiven Logik anzusehen [sind]“, S. XIII). So werden hier in Anlehnung an Wolff bspw. syllogistische Ansätze der formalen Logik ausgelassen, weil der Verfasser a priori möglichen Wissensrepräsentationssprachen aufgrund der geforderten Computerverarbeitbarkeit eine größere Nähe zu „mathematischen“ Ansätzen unterstellt. Die erwähnte aufsteigende Reihenfolge wird für die Erläuterung einer Beschreibungslogik durchbrochen. Die Erläuterung einer Beschreibungslogik wird hinsichtlich der enthaltenen Ausdrucksmächtigkeit aus Gründen der Argumentation (wichtige Modellierungsprimitive aus der Prädikatenlogik sind Basis einer Beschreibungslogik) erst nach der Erläuterung zur Prädikatenlogik der ersten Stufe behandelt.
Bspw. lässt sich eine solche Lösung mittels eines sehr effizienten Erfüllbarkeitstests für Hornformeln (vgl. Schöning (1992), S. 32 ff.) finden. Dabei wird eine Formel als Hornformel bezeichnet, wenn sie in konjunktiver Normalform vorliegt und jedes Adjunktionsglied höchstens ein positives Literal enthält.
Zusätzlich werden Funktions-und Prädikatssymbole eingeführt. Zu einer Einführung und Übersicht in die Prädikatenlogik vgl. Epstein (1994), S. 50 ff. In weiteren Logiken, die in dieser Arbeit keine Berücksichtigung finden, lassen sich noch mehr Operatoren finden, wie etwa in der Modallogik für Modalitäten.
Vgl. Sowa (2000), S. 18.
Zur Unentscheidbarkeit der Prädikatenlogik der ersten Stufe vgl. Siefkes (1990), S. 198 ff.
Vgl. hinsichtlich der zu großen Ausdrucksmächtigkeit der Prädikatenlogik erster Stufe und der damit einhergehenden Unentscheidbarkeit und Semi-Entscheidungsverfahren Schöning (1992), S. 71 ff., und Owsnicki-Klewe, von Luck et al. (2003), S. 171.
ACL gilt auch als ein möglicher „Dialekt“ von Beschreibungslogiken. Eine weitere bekannte Beschreibungslogik stellt SHIQ dar, die den webbasierten Repräsentationssprachen OIL, DAML+OIL und OWL als Basis dient (vgl. Baader, Horrocks et al. (2004), S. 3; Horrocks, Patel-Schneider et al. (2003), S. 9 ff.). SHIQ umfasst ACL und erweitert dieses Kalkül um transitive Rollen, inverse Rollen und zahlenmäßige Restriktionen. Häufig findet sich in der deutschsprachigen Literatur auch der englische Fachterminus Description Logic(s) (DL). Zur Einführung in die Thematik siehe Baader, Horrocks et al. (2004); Baader, Calvanese et al. (2003).
Universelle und existenzielle Quantifikation erfolgt ähnlich zur Prädikatenlogik, indem ein Rollenfüller R angegeben wird für ein Konzept C, der entweder immer gültig ist für das Konzept oder anzeigt, dass es zumindest einen Rollenfüller gibt, der zu einem bestimmten Konzept gehört (vgl. Owsnicki-Klewe, von Luck et al. (2003), S. 173).
Auf weitere Erläuterungen wird an dieser Stelle verzichtet, weil sie nicht weiter der Argumentation dieser Arbeit dienen. Der interessierte Leser sei als Einstieg verwiesen auf Baader, Horrocks et al. (2004).
Vgl. Borgida (1996). Hier wird deutlich, dass eine herkömmliche Beschreibungslogik eine echte Teilmenge der Prädikatenlogik erster Stufe darstellt.
Vgl. Decker (2002), S. 81.
Vgl. Decker (2002), S. 83.
Vgl. Kifer, Lausen et al. (1995), S. 742 f.
Vgl. Schöning (2000), S. 56. Eine nähere Beschreibung an dieser Stelle erscheint nicht notwendig, weil keine der ermittelten Sprachen zur Repräsentation von Ontologien eine derartige Ausdrucksmächtigkeit vorweisen kann. Da es schon keinen Theorem-Beweiser gibt, der für die Prädikatenlogik erster Stufe terminiert, gibt es auch keinen, der für die zweite Stufe terminiert.
Vgl. Strang (2003), S.6.
Der Verfasser folgt damit einer Unterscheidung, die ebenfalls in der Literatur vorgenommen wird, bspw. von Gómez-Pérez, Fernández-López et al. (2004), S. 199 ff. Fensel folgt ebenfalls dieser Gliederung, indem er zunächst RDF und XML vorstellt, anschließend in prädikatenlogische, rahmenbasierte und beschreibungslogische Ansätze kurz unterscheidet und schließlich in RDF und XML darstellt, wie Eigenschaften dieser Ansätze für das Semantic Web einsatzfähig gemacht werden können (vgl. Fensel (2004), S. 11 ff.).
In der Literatur finden sich wenige weitere traditionelle Sprachen zur Repräsentation von Ontologien. Diese wurden aus vier Gründen ausgegrenzt, die jeweils bei Nichterfüllung zum Ausschluss der Sprache führten: 1. Die Repräsentationssprache erlaubt nicht die Formulierung von Regeln. 2. Es existiert keine Inferenzmaschine, die eine Anwendung der Ontologie zwecks Explizierung impliziten Wissens in der jeweiligen Sprache erlaubt. 3. Die Sprache gilt allgemein als veraltet. 4. Die Sprache dient lediglich als „Mediator“, d. h. die Sprache dient bspw. entweder als Standard zur Vereinheitlichung oder als übersetzungsprotokoll. Beispiele hierfür sind KIF bzw. OKBC. Das Knowledge Interchange Format (KIF) wurde zum Austausch von Wissen zwischen ungleichartigen Programmen entwickelt. Es enthält eine deklarative Semantik (die Bedeutung der Ausdrücke in der Repräsentation wird verstanden, ohne zuvor auf einen Interpreter zurückgreifen zu müssen). KIF beinhaltet Elemente der Prädikatenlogik erster Ordnung, es unterstützt die Repräsentation von Meta-Wissen und die Definition von Objekten, Funktionen und Relationen. Die Sprache soll eine übersetzungsfunktion erfüllen und somit als Mediator zwischen anderen Sprachen eingesetzt werden. Die Sprachbeschreibung enthält sowohl eine Spezifikation für die Syntax als auch für die Semantik. Der KIF-Kern ähnelt sehr stark F-Logic (für weitere Informationen siehe: http://www-ksl.stanford.edu/knowledgesharing/kif, http://logic.stanford.edu/kif/kif.html, Zugriff am 18.03.2007). Die Open Knowledge Base Connectivity (OKBC) wurde als rahmenbasiertes Protokoll entwickelt, um einheitlich auf die Wissensbasen unterschiedlicher Wissensbasierter Systeme zugreifen zu können (vgl. Chaudhri, Farquhar et al. (1998) und http://www.ai.sri.com/~okbc/okbc-2-0-3.pdf, Zugriff am 18.03.2007).
Vgl. Sowa (2000), S. 19.
Vgl. Corcho, Fernández-López et al. (2003), S. 54.
Vgl. Gómez-Pérez, Fernández-López et al. (2002), S. 75.
Vgl. Loom Guide (1991). LOOM ist sowohl eine Repräsentationssprache als auch eine Softwareumgebung zur Verwendung in Wissensbasierten Systemen.
Vgl. Gómez-Pérez, Fernández-López et al. (2004), S. 216.
Vgl. Fensel (2004), S. 22.
Vgl. Lenat (1995), S. 35.
Vgl. Fensel (2004), S. 22.
Vgl. Gómez-Pérez, Fernández-López et al. (2004), S. 231. Siehe Kifer, Lausen et al. (1995) für eine Gesamtabhandlung zu F-Logic.
Vgl. Decker (1998), S. 9.1 ff.
Vgl. Motta (1999), S. 47 ff.
Vgl. Gómez-Pérez, Fernández-López et al. (2004), S. 227.
Zu LISP siehe Graham (1997).
Vgl. http://w3.org/XML/, für Tutorien siehe: http://www.programmingtutorials.com/xml.aspx, Zugriff am 18.3.2007. Eine kurze Einführung zu XML bietet Eckstein (2000).
Vgl. Corcho, Fernández-López et al. (2003), S. 55.
Vgl. Antoniou, van Harmelen (2004), S. 67. Siehe zu RDF(S) und dessen Limitierungen auch Kapitel 4.2.2.2.2, S. 107 f.
Zu den Abweichungen bei den Modellierungsprimitiven von OWL gegenüber denen von DAML+OIL siehe Gómez-Pérez, Fernández-López et al. (2004), S. 274 f.
Vgl. McGuinness, van Harmelen (2004), Kapitel 1.3.
Eine sehr übersichtliche Darstellung der Modellierungsprimitive von OWL DL und OWL Lite findet sich bei Gómez-Pérez, Fernández-López et al. (2004), S. 66.
Wie bereits in der vorangehenden Fn. erläutert, kann ein Konzept nicht zugleich Instanz sein. Diese Modellierung wäre jedoch in RDF(S) zulässig. Vgl. zur Problematik der Kompatibilität von RDF(S) und OWL Horrocks, Patel-Schneider et al. (2003), S. 14 ff., und insbesondere S. 22 zur Einschränkung von OWL DL gegenüber RDF(S).
Vgl. Antoniou, van Harmelen (2004), S. 70.
Vgl. McGuinness, van Harmelen (2004), Kapitel 1.3.
Vgl. Patel-Schneider, Hayes et al. (2004), Kapitel 1.
Vgl. Horrocks, Patel-Schneider et al. (2004).
Dabei wird jedoch die RuleML außer Acht gelassen, weil sie im eigentlichen Sinne keine eigenständige Sprache zur Repräsentation von Ontologien darstellt. In der Literatur finden sich einige wenige Ansätze zur Evaluierung von Sprachen zur Repräsentation von Ontologien (vgl. Corcho, Fernández-López et al. (2003); S. 54 ff.; Corcho, Gómez-Pérez (2000); Gómez-Pérez, Fernández-López et al. (2004), S. 202 ff. Letztlich betonen diese Untersuchungen zumeist jedoch die Abhängigkeit der Verwendung einer Sprache von dem Einsatzzweck der Ontologie.
Stuckenschmidt und van Harmelen geben eine kurze Analyse hinsichtlich der Gemeinsamkeiten und Unterschiede von OWL und F-Logic. Sie kommen dabei zu dem Schluss, dass es sich bei F-Logic um die ausdrucksmächtigere Sprache handelt, gerade weil sie die Modellierung von Regeln erlaubt (vgl. Stuckenschmidt, van Harmelen (2005), S. 188 f.).
Vgl. Corcho, Gómez-Pérez (2000), S. 3.8.
Vgl. Friedland, Allen (2003), S. 14.
Vgl. Horrocks, Patel-Schneider et al. (2003), S. 17.
Für ähnliche, jedoch abweichende formale Definitionen vgl. Erdmann (2001), S. 76 und Maedche, Staab (2001), S. 74. Diese formale Darstellung deckt sich mit dem Kern der Definition von Ontologien in dieser Arbeit aus Kapitel 2.1.2.4, S. 28 f. Die Existenz eines Universums U wird hier als Axiom gefordert (Universenaxiom). Das Universum U umfasst beliebige unbekannte und bekannte Objekte sowie Mengen von Objekten.
Vgl. Johnson-Laird (1983), S. 204; Strube, Habel et al. (2003), S. 28. ff. Andersherum weist Bibel in diesem Zusammenhang darauf hin, dass sich kognitive Vorteile aus einer solchen Darstellung ergeben, weil solche Beziehungen vom Menschen in grafischer Form schneller abgelesen werden können (vgl. Bibel (1993), S. 48). Zur Rekonstruktion mentaler Modelle mit Hilfe Wissensbasierter Systeme vgl. Opwis (1992).
Eine ähnliche Begründung für die Auswahl anhand einer Mischung aus „State-of-the-art“ und „unmittelbarem Nutzen für die Argumentation“ findet sich auch in Farrar, Bateman (2004), S. 1.
Vgl. Stader (1996); Uschold, Grüninger (1996); Uschold, King et al. (1998) und http://www.aiai.ed.ac.uk/project/enterprise/enterprise/ontology.html, Zugriff am 18.03.2007. Aus Sicht des Verfassers ist der Einsatz der Enterprise Ontology hier nicht möglich, weil bspw. die Bezeichnungen der Konzepte oft nicht ohne Erklärung nachvollziehbar sind (z. B. das Konzept „Qua-Entity“ als ein durch seine Relationen definiertes Konzept und „Misc-Spec-Detail“ als eine textuelle Erläuterung zu einem Konzept). Außerdem lässt sich anmerken, dass im engeren Sinne die Enterprise Ontology aufgrund der fehlenden Verknüpfungen der einzelnen „Sub-Ontologien“ keine zusammenhängende Konzeptualisierung einer Domäne darstellt.
WordNet ist ein lexikalisches Online-Referenzsystem, dessen Entwicklung durch aktuell angewendete psycholinguistische Theorien zur Funktionsweise des menschlichen lexikalischen Gedächtnisses inspiriert wurde. Es sind derzeit mehr als 140.000 Substantive, Verben, Adjektive und Adverbien der englischen Sprache in Synonymgruppen eingeordnet. WordNet wurde vom Cognitive Science Laboratory der Universität Princeton entwickelt (vgl. Miller, Beckwith et al. (1990), S. 235 ff., und http://www.cogsci.princeton.edu/~wn/, Zugriff am 18.03.2007).
Im TOVE-Projekt wurde die Bereitstellung einer einheitlichen Terminologie für Unternehmen durch eine Menge von Ontologien angestrebt. Unternehmenszusammenhänge sollten durch die formale Darstellung von Axiomen (Regeln) festgelegt werden. Eine Einführung in die TOVE-Ontologien findet sich in Fox, Grüninger (1997), S. 22 ff. In diesem Zusammenhang zu beachten ist auch das Vorgehensmodell des TOVE-Projekts in Kapitel 5.1.2.3.1.3, S. 139 f.
Die Top-Level-Ontologie von Sowa enthält sehr grundlegende Konzepte, die auf verschiedenen Ansätzen aus Logik, Philosphie und Künstlicher Intelligenz basieren. Vgl. Sowa (2000), S. 496 ff.
PhysSys wurde als „Ingenieur-Ontologie“ für die Modellierung, die Simulierung und das Design von physikalischen Systemen entwickelt. Vgl. Borst (1997), S. 367 ff.
Vgl. Lenat, Guha et al. (1990), S. 32.
Vgl. Lenat (1995), S. 33.
Vgl. Cycorp (2004).
Die Ontolingua-Software dient als Umgebung zur verteilten webbasierten Entwicklung von Ontologien. Neben einem Archiv bestehender Ontologien wird ein Editor zur Entwicklung und Bearbeitung von Ontologien bereitgestellt. Des Weiteren können Ontologien in die gleichnamige Sprache (siehe hierzu auch Kapitel 4.2.2.1.2, S. 105), aber auch in die Sprachen Prolog, LOOM und CLIPS übersetzt werden. Siehe hierzu Farquhar, Fikes et al. (1996), S. 44.3 ff. sowie im Internet unter http://www.ksl.stanford.edu/software/ontolingua/, Zugriff am 8.12.2006.
Siehe hierzu auch die Beschreibung der Frame-Ontologie in Gruber (1993), S. 212 ff.
Siehe hierzu Kapitel 5.4.4, S. 190 ff., und Apke, Dittmann (2003b); Apke, Dittmann (2004) sowie Apke, Dittmann (2005).
Vgl. Apke, Bremer et al. (2004).
Vgl. Apke, Bremer et al. (2004), Anhang B.
Vgl. Knight, Luk (1994), S. 773.
Vgl. Knight, Luk (1994), S. 773.
Rights and permissions
Copyright information
© 2007 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2007). Ontologien. In: OntoFMEA. DUV. https://doi.org/10.1007/978-3-8350-9572-4_4
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9572-4_4
Publisher Name: DUV
Print ISBN: 978-3-8350-0749-9
Online ISBN: 978-3-8350-9572-4
eBook Packages: Business and Economics (German Language)