methodatlas
Knowledge Modeling

Shape-First Modeling

Validation shapes define required classes, properties, and constraints before graph data enters production pipelines.

Core question
Which shapes define required properties, data types, cardinalities and relationships so that real data becomes validatable and contracts between producer and consumer are unambiguous?
MediumWorkshop + asyncHalber Tag pro Domain Slice
Open runsheetPlan sessionStart comparison
Purpose

Die Methode hilft, Begriffe, Beziehungen und Regeln konkret zu klären. Sie formt Wissen zu Begriffen, Beziehungen, Regeln oder Abfragen. Das Ergebnis wird als SHACL or ShEx Shapes, Validation Reports und Data Contracts festgehalten.

How it works

Das Team folgt den Arbeitsschritten „Wichtige Knotenklassen identifizieren“, „Pflicht- und Optional-Properties pro Klasse festlegen“, „Datentypen und Wertebereiche definieren“, „Beziehungen und Kardinalitäten als Shapes ausdrücken“, „Validation gegen Beispieldaten laufen lassen“ und „Shapes versionieren und in Pipelines integrieren“. Jeder Schritt wird sichtbar festgehalten. Am Ende liegen SHACL or ShEx Shapes, Validation Reports und Data Contracts vor, sodass Entscheidungen, Tests oder Maßnahmen direkt anschließen können.

Visual orientation

Method sketch for a quick mental model.

Shape-First Modeling · Datenqualität zuerst modellierenKlassen, Pflichtfelder, Datentypen, Beziehungen und Kardinalitäten als ausführbare Shapes definieren und gegen Beispieldaten validieren
Shape-First ModelingDas Visual zeigt Knotenklassen, einen Shape Contract mit Pflichtfeldern, Optionalität, Datentypen und Kardinalitäten sowie Validierung gegen Beispieldaten.Datenverträge vor freier Ontology-Semantik festlegenShape-First Modeling macht Erwartungen an Graphdaten ausführbar, prüfbar und versionierbar.Knotenklassenwichtigste Domain-Slices zuerstShape Contractrequiredname, idoptionaldescriptiondatatypexsd:datecardinality1..n relationsBeispieldatenInstanzen gegen Shapes prüfenValidation ReportFehler, Warnungen undDatenvertragConstraints voroffener SemantikausführbareDokumentationQuality Gate

Flow

  1. 1Wichtige Knotenklassen identifizieren
  2. 2Pflicht- und Optional-Properties pro Klasse festlegen
  3. 3Datentypen und Wertebereiche definieren
  4. 4Beziehungen und Kardinalitäten als Shapes ausdrücken
  5. 5Validation gegen Beispieldaten laufen lassen
  6. 6Shapes versionieren und in Pipelines integrieren

The runsheet guides execution with 6 phases, timeboxes, 6 pitfalls, and clear stop criteria.

Open runsheet

Ideal for

  • Datenqualität in Knowledge Graphs
  • Linked Data Validation
  • Vertragsbasierte Schnittstellen zwischen Producer und Consumer
  • GraphRAG Quality Gates

Not good for

  • Sehr explorative Skizzenphasen
  • Reine Schema-on-Read-Anwendungen ohne Qualitätsanspruch

Deep dive

In detail

Shape-First Modeling dreht die Reihenfolge in der semantischen Modellierung um: Statt zuerst eine reichhaltige Ontology mit Klassen und Properties zu bauen und Constraints später anzuhängen, werden Constraints zuerst als Shapes festgelegt. SHACL als W3C Recommendation und ShEx beschreiben, welche Properties, Datentypen, Kardinalitäten und Verweise Knoten einer Klasse besitzen müssen. Diese Shapes werden gegen reale Daten validiert und liefern Reports, die Qualitätslücken sichtbar machen. Sie wirken zugleich als ausführbare Dokumentation und als Datenvertrag.

Facilitation

Starte mit den wichtigsten Klassen und ihren Pflicht-Properties, statt sofort jede Optionalität auszuformulieren. Verankere Shape-Validation in Daten-Pipelines und Pull Requests, damit Verstöße früh sichtbar werden, und nutze Shapes als Onboarding-Doku für neue Modellierer.

Output artifacts
SHACL or ShEx ShapesValidation ReportsData ContractsShape Documentation
Tags
knowledge graphshaclshexvalidationsemantic

Sources

Shapes Constraint Language (SHACL)w3.orgShEx - Shape Expressionsshex.io
Artifact templates
Shape-First Modeling Working TemplateCompact working template for Shape-First Modeling with context, input, output artifacts, and next step.
markdown

shape-first-modeling-working-template.md

Compact working template for Shape-First Modeling with context, input, output artifacts, and next step.

Shape-First Modeling Working Template

Goal

Modeling approach that defines data shapes and constraints before open ontology semantics.

Context

When and for what do we use this method?

Input

Which data, observations, decisions, or materials are available?

Execution

Short notes along the runsheet.

Output artifacts

  • SHACL or ShEx shapes:
  • Validation reports:
  • Data contracts:
  • Shape documentation:

Assumptions and open questions

  • ...

Decision / next step

Owner, date, and success signal.

When to choose differently

Short decision aid for existing alternatives.

Property Graph Schema Design

Statt Shape-First Modeling, wenn du ein Graphschema direkt auf Abfragen, Traversals und Kantenlogik ausrichten willst.

Similar methods

All methods
Knowledge Modeling
Linked Open Terms

Existing vocabularies become reusable term candidates with ownership, versioning, and maintenance decisions attached.

Knowledge Modeling
Ontology Design Patterns

Reusable modeling patterns solve recurring ontology structures without redesigning the same semantic shape each time.

Knowledge Modeling
Competency Questions

Concrete domain questions define what an ontology or knowledge model must be able to answer and test.

Knowledge Modeling
Property Graph Schema Design

Query patterns drive node labels, relationships, and constraints so property graphs match real retrieval needs.

Statt Shape-First Modeling, wenn du ein Graphschema direkt auf Abfragen, Traversals und Kantenlogik ausrichten willst.

Knowledge Modeling
NeOn Methodology

Ontology work is organized as a scenario-based process for reuse, collaboration, evaluation, and long-term maintenance.

Knowledge Modeling
Concept Mapping

Clarifies concepts, relationships, and rules by framing the focus question, gathering concepts, and checking gaps and contradictions.