Verborgene Zusammenhänge sichtbar machen – Entwicklung datensatzübergreifender analytischer Verfahren für Wissensgraphen mit räumlicher Information

Der TRAIL adressiert die zentrale Herausforderung, die im NFDI4Objects Wissensgraphen (N4O KG) integrierten, heterogenen Datenbestände über einfache Abfragen hinaus für die Forschung der Community nutzbar zu machen. Der N4O KG führt die vielfältigen, räumlich und semantisch komplexen Daten aus unterschiedlichen Repositorien des Konsortiums in einer gemeinsamen Wissensbasis zusammen. Bisher beschränkt sich die Nutzung dieser Daten jedoch weitgehend auf manuell formulierte, komplexe SPARQL-Abfragen, die ausschließlich explizit modellierte Relationen erfassen und damit viele potenzielle inhaltliche Zusammenhänge unberücksichtigt lassen.

Um diese methodische Lücke zu schließen, entwickelt der TRAIL konzeptionelle und exemplarische, datensatzübergreifende Analyseverfahren, die verborgene Strukturen, semantische Muster und räumlich-zeitliche Beziehungen im Wissensgraphen identifizieren können. Dabei werden Konzepte aus der Graphanalyse, der sozialen Netzwerkanalyse und der Analyse heterogener Informationsnetzwerke auf die Besonderheiten (bio-)archäologischer Daten übertragen und für den Einsatz im NFDI4Objects-Kontext adaptiert.

Ziel ist es, Forschenden ohne technischen Hintergrund neue datengetriebene Perspektiven und explorative Zugänge zu eröffnen, die über die Grenzen traditioneller Abfragesprachen hinausgehen. Langfristig schafft der TRAIL damit die methodische Grundlage für erweiterbare Analyse- und Explorationsdienste innerhalb der N4O KG-Infrastuktur.