Die Verbindung von Bibliothek und Wissenschaft war und ist schon seit je her eine Symbiose der besonderen Art: sie benötigen einander, um überleben und wachsen zu können. Mit der dynamischen Entwicklung der IT-Technologien ist die Bibliothek aber in Rückstand geraten und könnte durch andere Symbionten abgelöst werden. Dass die Bibliothekswelt aber auch bereit ist, verlorenes Terrain wieder aufzuholen und seine Stellung zu behaupten, davon zeugen Konferenzen und Tagungen wie jene des Forschungszentrums Jülich. ‚Knowledge eXtended: Die Kooperation von Wissenschaftlern, Bibliothekaren und IT-Spezialisten’ ist bereits die dritte Konferenz der Zentralbibliothek Jülich, die sich um aktuelle Themen im Umfeld von Wissenschaft, Publikation und Bibliothek dreht. Das vorliegende Buch ist eine Zusammenstellung zahlreicher Beiträge, die sich in vier Gruppen ordnen lassen:

1. Open Access – Lessons Learned
2. Datamining – Verfahren und Anwendungen
3. Semantische Netze – Wissen professionell organisieren
4. Wissenschaftliche Kooperation und Kommunikation durch Gridcomputing

In den nächsten Absätzen möchte ich im speziellen auf einen Beitrag eingehen, der in ein Thema einführt, dass von Bibliotheken noch sehr stiefmütterlich behandelt wird, wenn es überhaupt bekannt ist: Ontologien. Prof. Dr. Christian Wolff von der Universität Regensburg betrachtet dabei Möglichkeiten, wie (semi-)automatisiert Ontologien aus Textkörpern erstellt werden können und welche Qualität von den derzeit verfügbaren Werkzeugen erwartet werden kann.

Zunächst einmal, wozu ist eine Ontologie gut und was ist das überhaupt? Entscheidend für den Wert abgelegter Information oder gespeicherten Wissens ist die semantische Abstimmung zwischen dem, der diese Information liefert (Bibliothek) und dem Empfänger (Wissenschaft). Um semantische Konflikte (Missverständnisse) zu vermeiden, bedarf es Konsens auf drei Ebenen:

1. auf der Ebene der Symbole (Beispiel: ‚Apfel’ als Objekt kann unterschiedlich referenziert werden: als ‚Apfel’, als ‚Apple’, als ‚Granny Smith’ etc.), wo Terminologien zum Einsatz kommen;
2. auf der Ebene der Zuordnung der Symbole zu Konzepten (Beispiel: Das Symbol ‚Apple’ kann dem Konzept ‚Frucht’ oder auch dem Konzept ‚Unternehmen’ zugeordnet werden), wobei wir uns hier so genannten semantischen Schemata bedienen können;
3. auf der Ebene der Konzepte (Beispiel: das Konzept ‚Unternehmen’ kann als ‚Rechtsform’ interpretiert werden als auch als ‚physisches Objekt’). Hier kommen Ontologien als Konsenswerkzeuge ins Spiel.

Ontologien lassen sich am besten als eine Spezifikation eines Wissensfeldes definieren, als eine Beschreibung von Konzepten. Konzepte sind die Grundelemente einer Ontologie, sie werden definiert und mit Symbolen versehen, damit sie adressiert werden können. Konzepte sind darüber hinaus mit einander verknüpft, und zwar über definierte Relationen. Dadurch lässt sich das Verhältnis von Konzepten zueinander bestimmen. Als drittes Strukturmerkmal von Ontologien lassen sich Axiome nennen, die für eine Operationalisierung einer Ontologie benötigt werden.
Ontologien scheinen also keine einfache und eine sehr abstrakte Sache zu sein, und letzteres ist auch Sinn der Sache, denn Ontologien beschreiben Verhältnisse, aber keine konkreten Ausprägungen. Sie sind in einer gewissen Weise Metawissen, aber kein instanzielles Wissen. Ontologien sind also die Basis, die Norm für spätere Wissensstrukturen.

Schön und gut, Ontologien haben ihre Berechtigung, wenn es darum geht, Konsens auf Konzeptebene herzustellen. Wozu braucht es aber Werkzeuge, die die Ontologie-Erstellung für uns durchführen sollen? Wozu ist das Ganze eigentlich gut? Wolff erläutert in knappen, aber präzisen und gut verständlichen Sätzen den Sinn des Tool-Einsatzes bei der Ontologie-Erstellung: das Problem bestehe darin, dass Ontologien nur bedingt ‚vorgefertigt’ werden können bzw. für einen spezifischen Einsatz zu gebrauchen sind. Im Klartext: für einen spezifischen Kontext (beispielsweise ein Unternehmen, eine Forschungsstätte o.ä.) wird auch eine spezifische Ontologie gebraucht, die die Ansprüche der jeweiligen Wissenssituation erfüllen kann.
Werkzeuge werden also nicht bei grundlegenden Überlegungen des Ontologie-Aufbaus eingesetzt, sondern bei der konkreten Erstellung einer Ontologie, die auf einem spezifischen Wissensgebiet basiert. Dieses Wissensgebiet ist meistens als große Textkollektion vorhanden. Werkzeuge zur (semi-)automatisierten Erstellung von Ontologien bedienen sich daher dieser Textkollektionen und arbeiten mit Hilfe des so genannten Text Mining-Verfahrens. Dabei wird versucht, aus der Textmenge einen Auszug von Begriffen und deren Beziehungen untereinander zu ziehen, der als ‚Rohstoff’ für die spätere Ontologie dienen kann. Im weiteren Ablauf des Artikels beschreibt Wolff das Verfahren konkreter und bildet den Prozess des Ontology Engineering nach, um sich schließlich der Bewertung dieser Verfahren und Werkzeuge zu widmen.
Sein Fazit fällt doch festgestellter Mängel durchaus positiv aus: Text Mining-Verfahren können den Prozess der Erstellung von Ontologien zwar nicht zur Gänze übernehmen, die Dauer aber wesentlich verkürzen.

Dieser Beitrag von Wolff steht stellvertretend für die vielen anderen, hoch aktuellen Artikel in diesem Buch, auch wenn der eine oder andere Text dem IT-interessierten Leser mehr entgegen kommen wird. Es ist ein Buch, dass ich besonders jedem/jeder BibliotheksleiterIn ans Herzen legen will, wenn er/sie in die Zukunft seiner/ihrer Bibliothek schauen möchte.

Bibliographische Angaben:
Forschungszentrum Jülich GmbH, Zentralbibliothek: Knowledge eXtended. Die Kooperation von Wissenschaftlern, Bibliothekaren und IT-Spezialisten. 2005. In der Reihe ‘Schriften des Forschungszentrums Jülich: Bibliothek/Library erschienen, Band 14. ISBN 3-89336-409-9

Dieser Eintrag wurde am Monday, 9. January 2006 um 7:10 am gepostet und ist unter der Kategorie Rezensionen, Semantic Web gelistet.

Verwandte Artikel: