Seminar metaphactory – RDF, SPARQL, OWL und SHACL für metaphactory

Das zweitägige Standardsseminar vermittelt die technische Grundlage für Modellierung, Abfragen, Validierung und App Building in metaphactory. RDF, IRIs, Turtle, SPARQL, OWL und SHACL werden anhand eines zusammenhängenden Wissensgraphen praktisch angewendet.

Inhaltsübersicht

• Lernziele und fachliche Einordnung
• Schrittweise Seminarinhalte
• Praxisübungen und Laborszenarien
• Zielgruppe und Voraussetzungen
• Didaktik und Arbeitsweise

Lernziele

• RDF-Graphen, IRIs, Literale, Namensräume und benannte Graphen korrekt modellieren.
• SPARQL-Abfragen und kontrollierte Updates sicher formulieren.
• OWL-Klassen, Eigenschaften, Hierarchien und Restriktionen fachgerecht einsetzen.
• SHACL-Shapes für Datenqualität und Formvalidierung entwickeln.
• Standards in metaphactory-Repositories, Visual Modeling, Search und Apps wiedererkennen und diagnostizieren.

Schrittweise Seminarinhalte

1. RDF, IRIs und Turtle

Schwerpunkt: Tripel, Subjekt, Prädikat, Objekt, Ressourcen, Blank Nodes, Literale, Datentypen, Sprachkennzeichen, Namensräume und Serialisierung.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „RDF, IRIs und Turtle“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Tripel, Subjekt, Prädikat, Objekt, Ressourcen, Blank Nodes, Literale, Datentypen, Sprachkennzeichen, Namensräume und Serialisierung modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „RDF, IRIs und Turtle“ dokumentieren.

2. SPARQL-Abfragen und Updates

Schwerpunkt: SELECT, ASK, CONSTRUCT, INSERT, DELETE, FILTER, OPTIONAL, UNION, Aggregate, Pfade, GRAPH, Parameter und sichere Änderungsabfragen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „SPARQL-Abfragen und Updates“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von SELECT, ASK, CONSTRUCT, INSERT, DELETE, FILTER, OPTIONAL, UNION, Aggregate, Pfade, GRAPH, Parameter und sichere Änderungsabfragen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „SPARQL-Abfragen und Updates“ dokumentieren.

3. OWL-Modellierung

Schwerpunkt: Klassen, Subklassen, Objekt- und Dateneigenschaften, Domäne, Wertebereich, Äquivalenz, Disjunktheit, inverse Eigenschaften und Restriktionen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „OWL-Modellierung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Klassen, Subklassen, Objekt- und Dateneigenschaften, Domäne, Wertebereich, Äquivalenz, Disjunktheit, inverse Eigenschaften und Restriktionen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „OWL-Modellierung“ dokumentieren.

4. SHACL-Validierung

Schwerpunkt: Node Shapes, Property Shapes, Targets, Kardinalitäten, Datentypen, Klassen, Wertemengen, Pfade, Severity und Meldungen.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „SHACL-Validierung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Node Shapes, Property Shapes, Targets, Kardinalitäten, Datentypen, Klassen, Wertemengen, Pfade, Severity und Meldungen modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „SHACL-Validierung“ dokumentieren.

5. Anwendung in metaphactory

Schwerpunkt: Repositories, Visual Ontology Editor, Semantic Search, Semantic Forms, Testrepository, Diagnoseabfragen und Modell-zu-App-Zusammenhang.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Anwendung in metaphactory“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Repositories, Visual Ontology Editor, Semantic Search, Semantic Forms, Testrepository, Diagnoseabfragen und Modell-zu-App-Zusammenhang modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Anwendung in metaphactory“ dokumentieren.

Praxisübungen und Laborszenarien

• Modellierung und Laden eines kleinen RDF-Datensatzes in Turtle.
• Entwicklung von SPARQL-Abfragen und einer kontrollierten Update-Operation.
• Erweiterung um OWL-Axiome und SHACL-Shapes mit Positiv- und Negativtests.

Zielgruppe und Voraussetzungen

Zielgruppe: Knowledge-Graph-Engineering, Data Engineering, App-Entwicklung, Ontologiemodellierung und technische Architektur.

Voraussetzungen: Allgemeine Datenmodellierungskenntnisse; keine Vorkenntnisse in RDF, SPARQL, OWL oder SHACL erforderlich.

Didaktik und Arbeitsweise

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, strukturierte Konfigurationsschritte, Praxisübungen und kontrollierte Fehlerfälle vertieft. Jede Übung verwendet definierte Ausgangswerte, Prüfpunkte und Dokumentationsanforderungen, damit die erarbeiteten Abläufe als reproduzierbarer Arbeits- oder Betriebsstandard einsetzbar bleiben.