000 Informatik, Wissen, Systeme
Filtern
Erscheinungsjahr
- 2011 (2) (entfernen)
Dokumenttyp
Sprache
- Deutsch (2)
Volltext vorhanden
- ja (2)
Gehört zur Bibliographie
- nein (2)
Schlagworte
- Datenanalyse (2) (entfernen)
Institut
- Extern (1)
- FB5 Informationswissenschaften (1)
In diesem Kapitel soll im Gesamtkontext des Forschungsdatenmanagements die Frage diskutiert werden, welche Bedeutung den aktuellen Entwicklungen im Bereich des sog. „Semantic Web“ als Komponente innerhalb einer zukünftigen Forschungsdateninfrastruktur zukommt, welche Anwendungsbereiche sinnvoll erscheinen und welche übergreifenden infrastrukturellen Maßnahmen hierzu als notwendig erachtet werden. Neben einer kurzen Einführung in die grundlegenden Konzepte und technologischen Bausteine des Semantic Web, sowie einer Darstellung des wichtigen Aspekts der Ontologieentwicklung, wird auf das sich aktuell sehr stark entwickelnde Gebiet der Linked Open Data näher eingegangen, Das Potential für den Bereich der Forschungsdaten wird erläutert und spezifische für den Wissenschaftsbereich notwendige Anforderungen definiert. Abschließend wird ein grobes Vorgehensmodell für die Transformation von Datenbeständen und Datenmodellen in die Semantic Web-Infrastruktur skizziert und abgerundet durch eine kurze Übersicht zu Entwicklungswerkzeugen und Middleware. Als roter Faden werden die Darstellungen zur besseren Illustration durchgängig durch ein Projektbeispiel aus dem Bereich der Geoforschungsdaten begleitet.
Zukunftsorientiertes Forschungsdatenmanagement geht über die Dokumentation von Forschungsergebnissen und -prozessen hinaus und ermöglicht neue Formen der Wieder- und Weiternutzung der gespeicherten Daten. Dabei spielen Re- und Meta-Analysen dieser Daten eine besondere Rolle, und Visualisierungen als Form der explorativen Datenanalyse können wertvolle Erkenntnisse liefern und zu neuen Forschungsfragen führen. In diesem Artikel haben wir die Interoperabilität der Daten (durch gemeinsame Semantik und Syntax, realisiert durch Ontologien und Markup-Sprachen) als wichtige Voraussetzung für Analysen und den Einsatz geeigneter Verfahren zur Dimensionalitätsreduktion als Kernbestandteil geeigneter Visualisierungen identifiziert und mit einem Beispiel, einer Experimentaldatenbank zum Data Mining / maschinellen Lernen, illustriert. Die Entwicklung und Bereitstellung solcher Tools werden zu den wichtigsten Schritten der nächsten Zukunft gehören, um das Forschungsdatenmanagement offen und damit wissenschaftlich generativ zu gestalten.