Programm
| 17:00 | Begrüssung und Einleitung | Benedikt Hitz, Wissenschaftlicher Mitarbeiter am Institut Public Sector Transformation (BFH) |
| Was bringt Linked Data? - Patterns für semantische Datenprodukte | Emilie Boillat, Data Strategist bei Cognizone | |
|
Linked Data goes to eleven - Wie LLMs das Erstellen und Nutzen von Knowledge Graphs verändern |
Adrian Gschwend, Co-Founder Zazuko GmbH | |
| Gemeinsames Apéro | Während den Referaten und danach |
Emilie Boillat
Was bringt Linked Data? - Patterns für semantische Datenprodukte
Der Datensatz ist standardkonform nach Linked Data aufbereitet - und jetzt? Trotz allen Vorteilen reichen technisch saubere Daten nicht, um tatsächlich bei den Nutzern Anklang zu finden.
Wer wird die Daten wieder verwenden, wozu, in welcher Form, wie häufig, mit welchen anderen Daten... und wieso als Linked Data? Ohne schlüssige Antwort darauf investiert man möglicherweise in Datenprodukte, worauf sich schwer eine Grafik, eine Auswertung, eine App, eine Pipeline, ein Modell usw. aufbauen lässt.
In diesem Talk schlage ich Design Patterns für Datenprodukte vor, die häufige Probleme von Datenkonsumenten lösen - und wofür Linked Data besonders gut geeignet ist.
Das Ziel dieser entstehenden Bibliothek an wiederverwendbaren Blaupausen ist, die Nachfrage nach Schweizer Linked Data zu beschleunigen. Ich lade euch dazu ein, eure Inputs dazu beizutragen oder sich für die eigenen Datenprodukte inspirieren zu lassen.
Adrian Gschwend
Linked Data goes to eleven - Wie LLMs das Erstellen und Nutzen von Knowledge Graphs verändern
Linked Data war lange mit viel Handarbeit verbunden: Daten modellieren, RDF erzeugen, SPARQL-Queries schreiben und daraus eine funktionierende Anwendung bauen. Dafür brauchte es einiges an Spezialwissen, und wir Spezialist*innen wurden dabei unfreiwillig zum Bottleneck.
Large Language Models verändern diesen Prozess fundamental. In diesem Talk zeige ich, wie ich heute beim Erstellen und Nutzen von Linked Data vorgehe und wo LLMs dabei konkret helfen. Anhand einiger Beispiele zeige ich, wie gut LLMs mittlerweile Daten transformieren und SPARQL-Queries schreiben können. Und wie sich damit in kurzer Zeit Proof of Concepts, Frontends und ganze Anwendungen auf Basis von Knowledge Graphs bauen lassen.
Knowledge Graphs werden somit zur eigentlichen Dateninfrastruktur. Pipelines, Frontends und Applikationen kommen und gehen. Ein gut aufgebauter Knowledge Graph bleibt und bildet langfristig das Fundament für immer neue Anwendungen. Ein Fundament, in das es sich zu investieren lohnt.
