Wissensrepräsentation und Wissensmodellierung

Intelligente Systeme benötigen Zugriff auf allgemeines Wissen über die Welt sowie auf spezifisches Wissen über den Anwendungsbereich, in dem sie eingesetzt werden. Ziel des Themenbereichs Wissensrepräsentation und -modellierung bei ScaDS.AI Dresden/Leipzig ist es, geeignete Sprachen und Formalismen zur Darstellung dieses Wissens sowie die dazugehörigen Schlussfolgerungsmethoden und Algorithmen zu entwickeln. Auf der Grundlage dieser Methoden streben wir die Entwicklung praktischer Werkzeuge an. Diese sollen Knowledge Engineers dabei unterstützen, tatsächliches Wissen in konkreten Anwendungen zu erfassen, und ermöglichen, symbolische Wissensrepräsentation in die komplexen und heterogenen Systeme moderner KI zu integrieren.

Forschungsschwerpunkte

Am ScaDS.AI Dresden/Leipzig betreiben wir Spitzenforschung zu verschiedenen Aspekten der Wissensrepräsentation und der Wissenssmodellierung, wie beispielsweise Ontologiesprachen mit Schwerpunkt auf Beschreibungslogiken und regelbasierten Sprachen, Ontologie-Schlussfolgerungen und -Algorithmen, ontologiegestützter Zugriff auf große und unvollständige Datenbestände – sowohl exakt als auch approximativ –, Wissensgraphen und Wikidata, nichtmonotones Schlussfolgern, formale Argumentation, Erklärung des Verhaltens wissensbasierter Systeme sowie Methoden zum Umgang mit heterogenem und vielfältigem Wissen.

Ziele

• Weiterentwicklung der theoretischen Grundlagen von Ontologien, Wissensrepräsentation, Wissensgraphen und Argumentationsrahmen
• Entwicklung von Methoden zur Erklärung der Ergebnisse wissensbasierter KI-Systeme
• Integration symbolischer KI-Methoden mit Ansätzen der KI auf Basis von maschinellem Lernen
• Förderung der Entwicklung und des Einsatzes von Wissensgraphen wie Wikidata
• Bereitstellung von Methoden und Werkzeugen für den KI-basierten Zugriff auf große und heterogene Datenmengen