Zweck
Linked Open Terms verbindet Begriffsarbeit mit Linked-Data-Denken und macht Terminologie technisch anschlussfähig. Vokabular, Bedeutungen und Verweise lassen sich dadurch konsistent pflegen.
Knowledge Modeling
Linked Open Terms
Verbindet Use Cases, Vokabulare und Konzeptmodelle zu einer publizierbaren Ontology mit Wartungsstrategie.
Wie liefert das Team die Ontology in iterativen, releasebaren Inkrementen, die Competency Questions abdecken und für Konsumenten nutzbar sind?
MittelWorkshop + AsyncWochen bis Monate
Funktionsweise
Das Team definiert zunächst die relevanten Terme, Labels und Beziehungen. Danach werden offene Links, Bezeichner und Wiederverwendungsmöglichkeiten geprüft, damit Begriffe konsistent und vernetzbar bleiben. Am Ende steht ein Terminologiegerüst, das Modellierung und Publikation zusammenführt.
Visuelle Orientierung
Methodenskizze für ein schnelles Grundgefühl.
Ablauf
- 1Use Cases und Competency Questions sammeln
- 2Bestehende Vokabulare prüfen und für Reuse markieren
- 3Konzeptmodell und Implementierung in Iterationen entwickeln
- 4Ontology evaluieren und mit Stakeholdern reviewen
- 5Ontology dokumentieren und publizieren
- 6Maintenance- und Versionsstrategie etablieren
Das Runsheet führt mit 5 Phasen, Timeboxen, 6 Stolperfallen und klaren Abbruchkriterien durch die Umsetzung.
Runsheet öffnenIdeal für
- Industrielle Ontology-Projekte
- Linked-Data-Vokabulare
- Iteratives Knowledge Graph Engineering
- Teams mit Software-Engineering-Hintergrund
Nicht gut für
- Sehr einmalige interne Schemas
- Reine Datenmodellierung ohne semantischen Anspruch
Vertiefung
Im Detail
Linked Open Terms arbeitet gut, weil Terminologie, Identität und Wiederverwendung gemeinsam gedacht werden und so aus isolierten Begriffen anschlussfähige Referenzen werden. Dauerhaft trägt das Vorgehen, wenn Labels, Definitionen, Beziehungen und externe Verweise als Teil derselben Bedeutungsarbeit gepflegt werden. Entscheidend sind stabile Bezeichner, präzise Abgrenzung und nachvollziehbare Provenienz, damit Vokabular langfristig konsistent wächst und öffentlich nutzbar bleibt.
Durchführung
Starte mit einem eng umrissenen Begriffsraum und kläre früh, welche externen Quellen wirklich autoritativ sein sollen. Der entscheidende Moment kommt bei fast gleichen Termen mit abweichender Bedeutung; dort braucht es saubere Definitionen und klare Verlinkungsregeln. Beende mit einem kleinen Kernvokabular, eindeutigen URIs und offenen Prüffällen für die nächste Runde.
Output-Artefakte
Ontology RequirementsConceptual ModelPublished OntologyDocumentationMaintenance Plan
Artefakt-Vorlagen
Linked Open Terms ArbeitsvorlageKompakte Arbeitsvorlage für Linked Open Terms mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.markdown
Linked Open Terms ArbeitsvorlageKompakte Arbeitsvorlage für Linked Open Terms mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
markdownlinked-open-terms-working-template.md
Kompakte Arbeitsvorlage für Linked Open Terms mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
Linked Open Terms Arbeitsvorlage
Ziel
Agile, leichtgewichtige Methodologie zur Entwicklung von Ontologien und Linked-Data-Vokabularen.
Kontext
Wann und wofür nutzen wir diese Methode?
Input
Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?
Durchführung
Kurze Notizen entlang des Runsheets.
Ergebnisartefakte
- Ontology Requirements:
- Conceptual Model:
- Published Ontology:
- Documentation:
- Maintenance Plan:
Annahmen und offene Fragen
- ...
Entscheidung / Nächster Schritt
Owner, Datum und Erfolgssignal.
Wann stattdessen?
Kurze Entscheidungshilfe für vorhandene Alternativen.
NeOn Methodology
Statt Linked Open Terms, wenn du eine Ontologie methodisch von der Analyse bis zur Umsetzung aufbauen willst.
Ähnliche Methoden
Alle MethodenKnowledge Modeling
NeOn Methodology
Plant Ontology-Arbeit als modulare Folge von Szenarien, Reuse und Reviews für größere Modellierungsvorhaben.
Statt Linked Open Terms, wenn du eine Ontologie methodisch von der Analyse bis zur Umsetzung aufbauen willst.
Knowledge Modeling
Ontology Design Patterns
Wählt wiederkehrende Muster für Ontologien aus, passt sie an die Domäne an und dokumentiert die Ableitung.
Knowledge Modeling
Shape-First Modeling
Formt Anforderungen an Datenqualität in SHACL oder ShEx und verankert daraus prüfbare Data Contracts.
Knowledge Modeling
Competency Questions
Formuliert fachliche Fragen so, dass Konzepte, Beziehungen und Constraints eines Ontology-Modells testbar werden.
Knowledge Modeling
Property Graph Schema Design
Entwirft Node Labels, Relationship Types, Properties und Constraints passend zu Query Patterns und Migrationen.
Knowledge Modeling
Concept Mapping
Verbindet Begriffe mit benannten Beziehungen und macht Wissenslücken sichtbar, bevor das Modell zu grob wird.