Knowledge Modeling

Shape-First Modeling

Modellierungsansatz, bei dem Datenshapes und Constraints vor offener Ontology-Semantik definiert werden.

Knowledge ModelingMediumBothHalber Tag pro Domain Slice

Run Sheet öffnen Session planenVergleich starten

Zweck

Knowledge Graphs validierbar machen und klare Erwartungen an Datenstruktur und Qualität setzen.

Funktionsweise

Mit SHACL oder ShEx werden Shapes definiert, die festlegen, welche Properties, Datentypen und Beziehungen Knoten einer Klasse haben müssen.

Visuelle Orientierung

Methodenskizze für ein schnelles Grundgefühl.

Visuelle MethodenskizzeInformationen sammeln, clustern und gemeinsam sortieren

Ablauf

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

Ideal für

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

Nicht gut für

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

Vertiefung

Im 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.

Einordnung

Shape-First Modeling eignet sich besonders, wenn Datenqualität, Interoperabilität oder klare Verträge zwischen Producer und Consumer im Vordergrund stehen, etwa in Enterprise Knowledge Graphs oder GraphRAG-Pipelines. Bei rein explorativen oder sehr kleinen Modellen kann der Ansatz Overhead erzeugen.

Durchführung

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-Artefakte

SHACL or ShEx ShapesValidation ReportsData ContractsShape Documentation

Quellen

W3: Shacl Shex

In Playbooks

Knowledge Modeling vorbereitenVon Wissensdomäne zu Fragen, Konzeptmodell, Schema und Validierungsregeln.

Artefakt-Vorlagen

Shape-First Modeling ArbeitsvorlageKompakte Arbeitsvorlage für Shape-First Modeling mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.

markdown

# Shape-First Modeling Arbeitsvorlage

## Ziel

Modellierungsansatz, bei dem Datenshapes und Constraints vor offener Ontology-Semantik definiert werden.

## Kontext

Wann und wofür nutzen wir diese Methode?

## Input

Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?

## Durchführung

Kurze Notizen entlang des Run Sheets.

## Ergebnisartefakte
- SHACL or ShEx Shapes:
- Validation Reports:
- Data Contracts:
- Shape Documentation:

## Annahmen und offene Fragen

- ...

## Entscheidung / Nächster Schritt

Owner, Datum und Erfolgssignal.