TY - GEN A1 - Glauer, M. A1 - Schilling, Markus A1 - Stappel, M. T1 - A practical ontology development guide N2 - Knowledge representation is becoming increasingly important in view of the large amounts of data that are handled in the modern scientific landscape. Many of the domains that have most readily realised this problem and worked on potential solutions have been the domain of biochemistry. And although the developments sought here were not accompanied by philosophers, this process organically led to the development of formal and structured representations of certain domains. While the resulting structures were not the first formal ontologies, they are ones that are still in wide use to this day. These approaches have led to major advances in the organisation, structuring and communication of scientific results. Since then, a variety of other domains have tried to adapt a similar process and develop their own ontologies. However, the development of ontologies from the domain of biochemistry was the result of a years-long process that also involved a large number of errors and course corrections. One of the greatest challenges is also one of the greatest strengths of ontologies: Interoperability with other ontologies. To ensure this interoperability, ontologies must follow certain principles. In the field of biochemistry, the OBO Foundry has established itself, which offers functionalities for a rich network of ontologies from the domain, but at the same time also defines rules. The purpose of this document is to define a similar set of rules for open ontology development, but which addresses a broader domain and at the same time lowers the barrier of entry for new ontology developers. To this end, we will outline a workflow that can be used to build new ontologies more efficiently. This workflow is based not only on our own years of experience in ontology development, but also on the rules of external experts such as the OBO Foundry. KW - Ontology KW - Data integration KW - Ontologie KW - Data interoperability PY - 2024 UR - https://scientific-ontology-network.github.io/ UR - https://github.com/scientific-ontology-network/ontology-development-guide/releases/download/v0.1.0/ontology-guide.pdf SP - 1 EP - 27 PB - GitHub CY - San Francisco ET - Version 0.1 AN - OPUS4-61140 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Schilling, Markus T1 - Ansätze zur digitalen Wissensrepräsentation aus der Plattform MaterialDigital (PMD) N2 - Die Digitalisierung von Materialien und Prozessen stellt eine große Herausforderung dar, die nur durch eine Bündelung der Bemühungen aller Beteiligten in diesem Bereich erreicht werden kann. Bei einer derartigen digitalen Beschreibung spielen Datenanalysemethoden, eine Qualitätssicherung von Prozessen inklusive Input- und Output-Daten sowie die Interoperabilität zwischen Anwendungen nach den FAIR-Prinzipien eine wichtige Rolle. Dies umfasst das Speichern, Verarbeiten und Abfragen von Daten in einer vorzugsweise standardisierten Form (Beteiligung von Normungsgremien). Zur Bewältigung dieser Herausforderung ist eine mit allen Stakeholdern konsistente Kontextualisierung der Materialdaten anzustreben, d.h. alle erforderlichen Informationen über den Zustand des Materials einschließlich produktions- und anwendungsbezogener Änderungen müssen über eine einheitliche, maschinenlesbare Beschreibung verfügbar gemacht werden. Dazu werden Wissensrepräsentationen und Konzeptualisierungen ermöglichende Ontologien verwendet. Eine zentrale Betrachtungsweise in diesem Zusammenhang ist die Realisierung von (automatisierten) Datenpipelines, die eine Beschreibung und Verfolgung von Daten ausgehend von ihrer Erzeugung, bspw. in einem Messgerät, bis zu ihrer globalen Verwendung in möglicherweise verschiedenen Kontexten beinhalten. Erste Bemühungen und Ansätze zu diesen Problemstellungen führten im Projekt Innovations-Plattform Material Digital (PMD, materialdigital.de) zur Erstellung von Anwendungsontologien, die Prozesse und Testmethoden explizit beschreiben. Dabei wurde u.a. der Zugversuch an Metallen bei Raumtemperatur nach ISO 6892-1 ontologisch beschrieben. Diese als Beispiel dienende Ontologieentwicklung wird in dieser Präsentation vorgestellt. Weiterhin wurde, ausgehend von der domänenspezifischen Entwicklung von Anwendungsontologien, eine Kernontologie erstellt, die eine übergeordnete Verbindung von ontologischen Konzepten aufgrund der Verwendung gleichen Vokabulars und semantischer Verknüpfungen erlaubt. Diese sowie die das PMD-Projekt selbst werden ebenfalls in dieser Präsentation vorgestellt. T2 - DVM Workshop: Grundlagen und Beispiele zur Digitalisierung für die Materialforschung und -prüfung CY - Online meeting DA - 19.10.2021 KW - Plattform Material Digital (PMD) KW - Ontologie KW - Zugversuch KW - Wissensrepräsentation KW - Semantic Web PY - 2021 AN - OPUS4-53565 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Waurischk, Tina A1 - Reinsch, Stefan A1 - Müller, Ralf A1 - Chen, Y.-F. A1 - Contreras Jaimes, A. T1 - Datengetriebener Workflow für die beschleunigte Entwicklung von Glas (GlasDigital) N2 - Das Projekt GlasDigital wurde im allgemeinen vorgestellt, sowie die einzelnen Zwischenstände der verschiedenen Arbeitspakete aller Projektpartner präsentiert. Die allgemeine Porjektvorstellung ist auf deutsch. Die Zwischenstände der Arbeitsinhalte sind auf englisch. T2 - PMD Vollversammlung CY - Berlin, Germany DA - 03.11.2022 KW - Oxidglas KW - Robotische Glasschmelzanlage KW - ML KW - Ontologie KW - Digitaler Zwilling KW - Bildanalyse PY - 2022 AN - OPUS4-56491 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Waurischk, Tina T1 - Digital infrastructure for accelerated glass development N2 - Glasses stand out by their wide and continuously tunable chemical composition and large variety of unique shaping techniques making them a key component of modern high technologies. Glass development, however, is still often too cost-, time- and energy-intensive. The use of robotic melting systems embedded in an ontology-based digital environment is intended to overcome these problems in future. For this purpose, a robotic high throughput glass melting system is equipped with novel inline sensors for process monitoring, machine learning (ML)-based, adaptive algorithms for process monitoring and optimization, novel tools for high throughput glass analysis and ML-based algorithms for glass design. This includes software tools for data mining as well as property and process modelling. The presentation provides an overview of how all these tools merge into a digital infrastructure and illustrates their usability using examples. All infrastructural parts were developed by a consortium consisting of the Fraunhofer ISC in Würzburg, the Friedrich-Schiller-University Jena (OSIM), the Clausthal University of Technology (INW) and the Federal Institute for Materials Research and Testing (BAM, Division Glasses) as part of a joint project of the German research initiative MaterialDigital. T2 - 97. Glass-Technology Conference CY - Aachen, Germany DA - 27.05.2024 KW - Glass KW - Robotic melting KW - Ontologie KW - Simulation KW - Workflow KW - Data Space KW - Digital Twin PY - 2024 AN - OPUS4-60387 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Bayerlein, Bernd T1 - Digitalisierung der Materialien in PMD & Mat-o-Lab - Eine normkonforme Anwendungsontologie des Zugversuchs N2 - Zur Bewältigung der Herausforderung bei der Digitalisierung von Materialien und Prozessen ist eine mit allen Stakeholdern konsistente Kontextualisierung von Materialdaten anzustreben, d.h. alle erforderlichen Informationen über den Zustand des Materials einschließlich produktions- und anwendungsbezogener Änderungen müssen über eine einheitliche, maschinenlesbare Beschreibung verfügbar gemacht werden. Dazu werden Wissensrepräsentationen und Konzeptualisierungen ermöglichende Ontologien verwendet. Erste Bemühungen in den beiden Projekten Plattform Material Digital und Materials-open-Laboratory führten zur Erstellung von Anwendungsontologien, die Prozesse und Testmethoden explizit beschreiben. Dabei wurde u.a. der Zugversuch an Metallen bei Raumtemperatur nach DIN EN ISO 6892-1 ontologisch beschrieben. Diese als Beispiel dienende Ontologieentwicklung wird in dieser Präsentation vorgestellt. T2 - Werkstoffprüfung 2021 CY - Online meeting DA - 02.12.2021 KW - Ontologie KW - Semantisches Web KW - Wissensrepräsentation KW - Digitalisierung KW - Zugversuch PY - 2021 AN - OPUS4-53929 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Müller, Ralf T1 - GLAS DIGITAL - Datengetriebener Workflow für die beschleunigte Entwicklung von Glas N2 - Aktuelle Ergebnisse des Projektes GlasDigital werden kurz zusammenfassend und allgemein verständlich vorgestellt. T2 - MatFo 2022 CY - Cologne, Germany DA - 14.11.2022 KW - Oxidglas KW - robotische Glasschmelzanlage KW - Ontologie KW - ML KW - Digitaler Zwilling KW - Bildanalyse PY - 2022 AN - OPUS4-56492 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Waurischk, Tina T1 - Glas Digital Datengetriebener Workflow für die beschleunigte Entwicklung von Glas N2 - Der aktuelle Stand des Projektes GlasDigital wird in Kurzform präsentiert. T2 - PMD Vollversammlung CY - Online meeting DA - 17.03.2022 KW - Oxidglas KW - robotische Glasschmelzanlage KW - Ontologie KW - ML KW - Digitaler Zwilling KW - Bildanalyse PY - 2022 AN - OPUS4-56493 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Arendt, F. A1 - de Camargo, Andrea Simone Stucchi A1 - Chen, Y.-F. A1 - Gogula, S. A1 - Kilo, M. A1 - Waurischk, Tina T1 - GlasDigital N2 - Der aktuelle Stand des MateriaDigital Projektes GlasDigital wird vorgestellt. Hierbei wird allgemein die Problem- und Zielstellung präsentiert, als auch auf 2 separaten Postern die Ergebnisse. Diese beinhalten zum Einen die smarte Gestaltung der robotergestützten Glasschmelzanlage der BAM inkl. Analytik und zum Anderen die Digitalisierungsbestrebungen im Bereich Glas, d.h. ML-gestützte C-S-P-Simulation, Ontologie für den Werkstoff Glas, Digitaler Zwilling des Gießprozesses. T2 - PMD Vollversammlung 2023 CY - Karlsruhe, Germany DA - 21.09.2023 KW - GlasDigital KW - Ontologie KW - Bildanalyse KW - Simulation KW - Roboter KW - Digitalisierung PY - 2023 AN - OPUS4-58734 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Waurischk, Tina T1 - GlasDigital N2 - Der aktuelle Stand (Sep 2023) des Projekts GlasDigital wird präsentiert. Der Fokus liegt hierbei auf einer knappen Übersicht, aus der die nachhaltigen Beiträge für die Innovationsplattform MaterialDigital hervorgehen. T2 - PMD Vollversammlung CY - Karlsruhe, Germany DA - 21.09.2023 KW - Glas KW - Robotische Schmelzanlage KW - Ontologie KW - Simulation PY - 2023 AN - OPUS4-60377 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Müller, Ralf T1 - GlasDigital: Data-driven workflow for accelerated glass development N2 - lasses stand out by their wide and continuously tunable chemical composition and large variety of unique shaping techniques making them a key component of modern high technologies. Glass development, however, is still often too cost-, time- and energy-intensive. The use of robotic melting systems embedded in an ontology-based digital environment is intended to overcome these problems in future. As part of the German research initiative MaterialDigital, the joint project GlasDigital takes first steps in this direction. The project consortium involves the Fraunhofer ISC in Würzburg, the Friedrich Schiller University Jena (OSIM), the Clausthal University of Technology (INW), and the Federal Institute for Materials Research and Testing (BAM, Division Glasses) and aims to combine all main basic components required for accelerated data driven glass development. For this purpose, a robotic high throughput glass melting system is equipped with novel inline sensors for process monitoring, machine learning (ML)-based, adaptive algorithms for process monitoring and optimization, novel tools for high throughput glass analysis and ML-based algorithms for glass design, including software tools for data mining as well as property and process modelling. The talk gives an overview how all these tools are interconnected and illustrates their usability with some examples. T2 - HVG-DGG Fachausschuss I CY - Jena, Germany DA - 03.11.2023 KW - Glass KW - Robotic melting KW - Ontologie KW - Simulation KW - Workflow KW - Data Space PY - 2023 AN - OPUS4-60383 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -