Knowledge Management & Artificial Intelligence Consulting (KMAIC)
Beratung für Unternehmen und Institutionen
Eine weitere, umfassende (1080°) Beratung für Unternehmen „Von der digitalen
Pflicht zur echten Wettbewerbsstärke“ biete ich, zusammen mit zwei sehr erfahrenen Partnern, an.
360° Wirtschaftlichkeit & 360° Transformation & 360° Wissen & Führung
Im Flyer finden Sie Details zu diesem speziellen Angebot. Bitte sprechen Sie uns an, wenn Sie daran interessiert sind oder Fragen zu den Angeboten haben.
Die erste Beta Version des IPO Prototypes ist verfügbar. Ziel dieses Prototypes ist es, die umfassende Anwendung von Industrie-Standards – in Verbindung mit semantischen Lösungen und Künstlicher Intelligenz – zu demonstrieren. Ein weiterer Schwerpunkt in der Entwicklung war die Berücksichtigung und Integration von Validierungsfunktionen. Der Digitale Produkt Passport, die Berechnung des Product Carbon Footprint (PCF) des Produktes nach Standard ISO 14067 sowie die Integration in die Prozesslandschaft des Unternehmens sind die Hauptanwendungen dieses Prototypes. Für die Entwicklung der Webapplikation wurde eine agile, inkrementelle Verfahrensweise angewendet.
Prototype des IPO – Visualisierter Knowledge Graph mit Detailansicht und Suche
Die im IPO Prototype unterstützten Standards sind BPMN 2.0, SysML v2, AAS (3.0) mit Submodells, RDF/Turtle, SPARQL, SHACL. Import und Export-Funktionen sind für SysML, BPMN 2.0, SysML v2, AAS vorhanden.
KMAIC unterstützt seit diesem Jahr circulardata, eine unabhängige Initiative für den Austausch und die Bündelung von nachhaltigen Aktivitäten – insbesondere im Kontext zum Digitalen Produkt Passport. Details unter https://circular-data.org/o/f2df6055-7f34-4766-addd-ca8a6c171f25
Der Digitale Produktpass erfordert den Zugriff auf alle relevanten Daten sowie die “semantische Vernetzung” dieser innerhalb eines Unternehmens. Darüber hinaus ist auch eine Vernetzung mit externen Daten der Zulieferer und Partner notwendig. Diese Interoperabilität – die auch den Austausch von Digital Twins unterstützt – kann durch den Einsatz des offenen Standards der Verwaltungsschale (Asset Administration Shell, IEC 63278-1) erreicht werden. Darüber hinaus erfordert die vollständige Interoperabilität eine nahtlose Integration mit den bereits existierenden Business-Prozessen und Modellen innerhalb des Unternehmens, z.B. im Product Engineering / Model Based System Engineering, sowie eine Orchestrierung der Zusammenhänge auf Daten-, Modell– und Prozessebene. Modell-basierte Methoden und Beschreibungen (BPMN 2.0, SysML v2, AutoML, LLM, Predictive Maintenance) finden in vielen Teilbereichen der Unternehmen bereits Anwendung. Die vollständige Vernetzung dieser komplexen Zusammenhänge und Aspekte kann mit Hilfe eines semantischen Enterprise Modells, auf der Basis von Webstandards (W3C), realisiert werden und dadurch zur weiteren Wertschöpfung im Unternehmen beitragen.
Anmerkung: Diesen Vortrag hatte ich im November 2025, auf der Jahrestagung der tekom (Arena) in Stuttgart, gehalten.
Vortrag im Rahmen von Veranstaltungen der tekom Deutschland e.V. – aktuelle Version 5.0 (Mai 2025).
Diese Präsentation von der Semantics 2023 erläutert die Kernpunkte des Europäischen Green Deals, zugehörige Sustainable Produktinitiativen und Standards und – als Use Case – Konzepte zur Realisierung des Digitalen Produktpasses (Digital Product Passport – DPP) auf der Basis neuester Technologien und Frameworks, z.B. der Anwendung der Asset Administration Shell (AAS) in Verbindung mit einem Enterprise Knowledge Graph (EKG).
Download der Präsentation (pdf, 2,5 MB)
In der heutigen digitalen Welt nehmen Large Language Models (LLMs) und verwandte Technologien eine zentrale Rolle in der Verarbeitung und Analyse natürlicher Sprache ein. Diese Modelle haben das Potenzial, die Art und Weise, wie Unternehmen Informationen verarbeiten und nutzen, grundlegend zu verändern. In diesem Beitrag erläutern wir die Konzepte von LLM, Retrieval-Augmented Generation (RAG) und GraphRAG und wie sie in der Industrie angewendet werden können.
LLMs sind leistungsstarke KI-Modelle, die darauf trainiert sind, menschliche Sprache zu verstehen und zu generieren. Sie basieren auf tiefen neuronalen Netzen und werden mit riesigen Mengen an Textdaten trainiert. Dies ermöglicht ihnen, komplexe Muster und Zusammenhänge in der Sprache zu erkennen. LLMs finden Anwendung in zahlreichen Bereichen, von Chatbots und virtuellen Assistenten bis hin zur automatisierten Textanalyse und -generierung.
Retrieval-Augmented Generation (RAG) kombiniert die Fähigkeiten von LLMs mit Informationsabrufsystemen. Anstatt sich ausschließlich auf das trainierte Modell zu verlassen, greift RAG auf externe Datenquellen zu, um bei der Generierung von Antworten präzisere und kontextrelevantere Informationen bereitzustellen. Diese Methode verbessert die Genauigkeit und Relevanz der generierten Inhalte erheblich, indem sie aktuelle und spezialisierte Informationen in den Prozess einbezieht.
GraphRAG ist eine Erweiterung des RAG-Prinzips, die die Struktur von Wissensgraphen nutzt, um die Informationsabruf- und Generierungsprozesse weiter zu optimieren. Wissensgraphen stellen Daten in einer netzwerkartigen Struktur dar, die Beziehungen zwischen verschiedenen Informationen verdeutlicht. Durch die Integration von Wissensgraphen kann GraphRAG tiefere Einblicke und fundierte Antworten liefern, indem es nicht nur relevante Daten abruft, sondern auch deren Zusammenhänge berücksichtigt.
Dieser AI-Technologien bieten vielfältige Einsatzmöglichkeiten in der Industrie. LLMs können zur Automatisierung von Kundeninteraktionen oder zur Unterstützung von Entscheidungsprozessen eingesetzt werden. RAG und GraphRAG ermöglichen es Unternehmen, ihre Datenressourcen effizienter zu nutzen und fundierte, datengetriebene Entscheidungen zu treffen. Besonders in datenintensiven Branchen wie dem Gesundheitswesen, der Finanzwirtschaft oder der Logistik können diese Technologien erhebliche Wettbewerbsvorteile bieten.
Zusammenfassend lässt sich sagen, dass LLMs, RAG und GraphRAG bedeutende Werkzeuge für die Transformation von Geschäftsprozessen darstellen. Durch die Integration dieser Technologien können Unternehmen ihre Effizienz steigern, ihre Innovationskraft erhöhen und sich besser auf die Anforderungen des Marktes einstellen.
Standards ermöglichen und sichern die erfolgreiche, sichere und zukunftsweisende Einführung neuer und komplexer Technologien in Unternehmen. Der Standard ISO/IEC 42001:2023 ist ein Leitfaden für die Einführung und den Betrieb von AI-Anwendungen aus der (System-) Management Perspektive. Er beschreibt die Anforderungen an AI-Lösungen und beschreibt die Aspekte einer erfolgreichen Einführung, eines Betriebs und eines ständigen Verbesserungsprozesses für Lösungen im Bereich der Künstlichen Intelligenz.
Dies ist eine kleine Auswahl empfohlener Buchtitel im Kontext von Knowledge Management, Semantic Web, Knowledge Graph, Taxonomy & Ontologie und Artificial Intelligence.
The KM Cookbook
Chris J. Collison et al., facet publishing, 2019.
Stories and strategies for organisations exploring Knowledge Management Standard ISO 30401
Knowledge Management Matters
John & JoAnn Girard, Sagology, 2018.
Words of Wisdom from Leading Practitioners
The Knowledge Graph Cookbook
Andreas Blumauer, Helmut Nagy, 2020.
The Knowledge Graph Cookbook explains why your organisation should invest in the development of knowledge graphs, and most importantly, what recipes exist for developing and integrating them in an efficient, successful and sustainable way.
Graph Powered Machine Learning
Alessandro Negro, Manning Publications, 2020*.
Graph-Powered Machine Learning introduces you to graph technology concepts, highlighting the role of graphs in machine learning and big data platforms. You’ll get an in-depth look at techniques including data source modeling, algorithm design, link analysis, classification, and clustering. As you master the core concepts, you’ll explore three end-to-end projects that illustrate architectures, best design practices, optimization approaches, and common pitfalls.
* Buch erscheint im Dezember 2020 – eine gekürzte Vorabversion „Essential Excerpts“ wurde im Juli 2020 veröffentlicht.
Ontology Engineering
Elisa F. Kendall et al., Morgan & Claypool Publishers, 2019.
Synthesis Lectures on the Semantic Web: Theory and Technology. Ontologies have become increasingly important as the use of knowledge graphs, machine learning, natural language processing (NLP), and the amount of data generated on a daily basis has exploded.
An Introduction to Ontology Engineering
C. Maria Keet et al., CC BY 4.0, 2020.
The principal aim of this textbook is to provide the student with a comprehensive
introductory overview of ontology engineering. A secondary aim is to provide
hands-on experience in ontology development that illustrate the theory, such as
language features, automated reasoning, and top-down and bottom-up ontology
development with methods and methodologies.
Semantic Web for the Working Ontologist: Effective Modeling for Linked Data, Rdfs, and Owl
Dean Allemang et al., ACM Books, 2020.
Enterprises have made amazing advances by taking advantage of data about their business to provide predictions and understanding of their customers, markets, and products. But as the world of business becomes more interconnected and global, enterprise data is no long a monolith; it is just a part of a vast web of data. Managing data on a world-wide scale is a key capability for any business today.
Semantic Modeling for Data: Avoiding Pitfalls and Breaking Dilemmas
Panos Alexopoulos, O’Reilly, 2020
What value does semantic data modeling offer? As an information architect or data science professional, let&;s say you have an abundance of the right data and the technology to extract business gold&;but you still fail. The reason? Bad data semantics. In this practical and comprehensive field guide, author Panos Alexopoulos takes you on an eye-opening journey through semantic data modeling as applied in the real world. You’ll learn how to master this craft to increase the usability and value of your data and applications. You’ll also explore the pitfalls to avoid and dilemmas to overcome for building high-quality and valuable semantic representations of data.