Zusammenfassung
In diesem Kapitel wird beschrieben, wie man unter anderem semantische Technologien nutzen kann, um die Transparenz der Forschungsförderung im Bereich der Energieforschung zu erhöhen. Dazu wird im Unterkapitel 6.1 das vom Bundesministerium für Wirtschaft und Energie geförderte Projekt EnArgus vorgestellt, mit dem dieses Ziel angegangen wird. Im Unterkapitel 6.2 wird dann der in EnArgus verfolgte Lösungsansatz ebenso vorgestellt wie Beispielresultate und erste Evaluationsergebnisse. In EnArgus wird zur Repräsentation von Fachwissen zur Energieforschung eine entsprechende Fachontologie entwickelt und genutzt. Damit stellt sich das zweite Problem, dessen Lösung in diesem Kapitel ebenfalls vorgestellt werden soll: Wie kann eine Fachontologie entwickelt und evaluiert werden? Entsprechend wird im Unterkapitel 6.3 erläutert, wie in EnArgus diese Ontologieentwicklung erfolgt und wie die entstehende Fachontologie Evaluationen unterworfen werden kann.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Das Projekt EnArgus wurde bzw. wird in zwei Phasen gefördert durch das Bundesministerium für Wirtschaft und Energie unter dem Förderkennzeichen 03ET1064A (Phase 1: Juli 2011 bis Juni 2013) bzw. unter dem Förderkennzeichen 03ET4010A (Phase 2: Juli 2013 bis Juni 2016 als EnArgus2.0).
- 2.
Protégé wurde am Institut für Medizinische Informatik an der Stanford University in Kalifornien konzipiert, ist eine Open-Source-Anwendung und nutzt entsprechende
Literatur
6. Energieforschungsprogramm der Bundesregierung von 2011. http://www.bmwi.de/DE/Mediathek/publikationen, did=427698.html. Zugegriffen: 2. Juli 2014.
Buzan, T., und B. Buzan. 2002. Das Mind-Map-Buch – Die beste Methode zur Steigerung Ihres geistigen Potentials. 5. Aufl. Landsberg: MVG.
Cimiano, P., J. Völker, und R. Studer. 2006. Ontologies on demand? – A description of the state-of-the-art, applications, challenges and trends for ontology learning from text. Information, Wissenschaft und Praxis 57:315–320.
Haarmann, B. 2014. Ontology on Demand – Vollautomatische Ontologieerstellung aus deutschen Texten mithilfe moderner Textmining-Prozesse, Promotionsschrift, Ruhr-Universität Bochum.
Haarmann, B., F. Gottsmann, und U. Schade. 2012. How to make ontologies self-building from Wiki-Texts. In Proceedings of the 2012 international conference on information and knowledge engineering, Hrsg. H. R. Arabnia, L. D. Ray, und R. Hashemi. Las Vegas: CSREA.
Hoppe, T. 2015. Modellierung des Sprachraums von Unternehmen – Was man nicht beschreiben kann, das kann man auch nicht finden. In Corporate Semantic Web – Wie semantische Anwendungen in Unternehmen Nutzen stiften, Hrsg. B Humm, B Ege, und A Reibold. Berlin: Springer.
Hoppe, T., und M. Junghans. 2015. Der Nutzen Semantischer Suchen. In Corporate Semantic Web – Wie semantische Anwendungen in Unternehmen Nutzen stiften, Hrsg. B. Humm, B. Ege, und A. Reibold. Berlin: Springer.
Java Bibliothek Prefuse. http://prefuse.org/. Zugegriffen: 2. Juli 2014.
Lassila, O., und D. L. McGuiness. 2001. The role of frame-based representation on the semantic web, knowledge systems laboratory report KSL-01-02. Palo Alto: Stanford University Press.
Ontology4. http://www.bense.com/deutsch/Produkte/Ontology4/index.html. Zugegriffen: 2. Juli 2014.
Protégé. http://protege.stanford.edu/. Zugegriffen: 2. Juli 2014.
Schäfermeier, R. 2015. Verteilte und agile Ontologieentwicklung. In Corporate Semantic Web – Wie semantische Anwendungen in Unternehmen Nutzen stiften, Hrsg. B. Humm, B. Ege, und A. Reibold. Berlin: Springer.
Sikorski, L., B. Haarmann, und F. Gottsmann. 2012. Knowledge for information systems acquired from a co-created text collection. Proceedings of the world academy of science, engineering & technology, 66, Article 193, S. 1092–1095, Paris.
Staab, S., und R. Studer, Hrsg. 2004. Handbook on ontologies in information systems. Berlin: Springer.
Wietschel, M., M. Arens, C. Dötsch, S. Herkel, W. Krewitt, P. Markewitz, D. Möst, und M. Scheufen. 2010. Energietechnologie 2050 – Schwerpunkte für Forschung und Entwicklung, ISI-Schriftenreihe Innovationspotenziale. Karlsruhe: Fraunhofer ISI.
Wong, W., W. Liu, und M. Bennamoun. 2012. Ontology learning from text: a look back and into the future. ACM Computing Surveys 44(4), Article 20.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Schade, U., Bense, H., Dembach, M., Sikorski, L. (2015). Semantische Suche im Bereich der Energieforschungsförderung. In: Ege, B., Humm, B., Reibold, A. (eds) Corporate Semantic Web. X.media.press. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-54886-4_6
Download citation
DOI: https://doi.org/10.1007/978-3-642-54886-4_6
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-642-54885-7
Online ISBN: 978-3-642-54886-4
eBook Packages: Computer Science and Engineering (German Language)