Wissensgraph

Ein Wissensgraph ist eine strukturierte Darstellung von Wissen als Netzwerk von Entitäten (z. B. Personen, Orte, Produkte oder Konzepte) und den Beziehungen, die sie verbinden. Statt Informationen als isolierten Text zu speichern, erfasst ein Wissensgraph Fakten als Knoten (die Entitäten), die durch Edges (die Beziehungen) verbunden sind, oft mit angehängten Typen und Attributen. Dadurch können sowohl Maschinen als auch Menschen leichter verstehen, wie Dinge miteinander in Beziehung stehen.

Kurz gesagt: Ein Wissensgraph speichert Fakten als verbundene Dinge statt als reinen Text: Entitäten als Knoten, ihre Beziehungen als die Verbindungen zwischen ihnen.

So funktioniert ein Wissensgraph

Die Struktur besteht aus Dingen und den Verbindungen zwischen ihnen:

1. Entitäten als Knoten: Jedes reale Ding, wie ein Unternehmen, eine Person oder eine Stadt, wird zu einem Knoten mit einer eindeutigen Kennung und einem Typ.
2. Beziehungen als Edges: Knoten werden durch beschriftete Edges verbunden, die angeben, wie sie in Beziehung stehen, z. B. „gegründet von“, „ansässig in“ oder „arbeitet für“.
3. Attribute: Knoten und Edges können Eigenschaften tragen, wie ein Gründungsdatum oder eine Bevölkerungszahl, die über die Verbindungen selbst hinaus Details hinzufügen.
4. Ein Schema oder eine Ontologie: Ein definierter Satz erlaubter Entitätstypen und Beziehungstypen hält den Graphen konsistent und leicht abfragbar (betrachten Sie es als das Regelwerk, das festlegt, welche Arten von Dingen und Beziehungen der Graph enthalten darf).
5. Befüllung: Der Graph wird aufgebaut, indem Entitäten aus Quellen extrahiert werden (oft über Entitätsextraktion aus Text), Beziehungen extrahiert werden (über Relationsextraktion), Entitäten mit kanonischen Identitäten verknüpft werden und dann Duplikate zusammengeführt/aufgelöst werden, sodass jedes reale Ding auf einen einzigen Knoten abgebildet wird.
6. Abfragen: Anwendungen bewegen sich durch den Graphen, um Fragen zu beantworten, die mehrere Sprünge umfassen, wie z. B. „Welche Unternehmen wurden von Personen gegründet, die hier studiert haben?“

Die zentrale Idee ist, dass die Bedeutung in den Verbindungen liegt: Ein Wissensgraph erfasst nicht nur, was Dinge sind, sondern wie sie in Beziehung stehen, was es einem System ermöglicht, über Fakten zu schließen, anstatt sie einzeln abzurufen.

Wissensgraph im Vergleich zu Vektor- und relationalen Datenbanken

• Eine Vektordatenbank stellt Bedeutung als numerische Vektoren für die Ähnlichkeitssuche dar; ein Wissensgraph stellt Bedeutung als explizite, beschriftete Fakten und Beziehungen dar. Die eine ist unscharf und statistisch, der andere präzise und symbolisch, und moderne Systeme kombinieren die beiden oft.
• Eine relationale Datenbank speichert Daten in festen Tabellen aus Zeilen und Spalten; ein Wissensgraph ist für reichhaltig verbundene Daten und Mehrsprung-Beziehungen über viele Entitätstypen hinweg gebaut.
• Entitäts- und Relationsextraktion sind Schritte, die Entitäten und Beziehungen in Text finden; verwandt mit Entitätsextraktion, ist ein Wissensgraph die Struktur, die diese extrahierten Fakten befüllen.

Wo Wissensgraphen eingesetzt werden

• Such- und Antwortmaschinen: Das Verständnis der Dinge in einer Abfrage statt nur der Wörter, der Wandel, den Google als „things, not strings“ beschrieb, als es seinen Wissensgraph einführte. Offene Wissensgraphen wie Wikidata (einer der größten öffentlich verfügbaren Wissensgraphen, gemeinschaftlich gepflegt und frei abfragbar) spielen eine ähnliche Rolle im gesamten Web.
• Grounding und GraphRAG: Die Verbindung eines LLM mit einem Wissensgraphen kann strukturierte Fakten mit Herkunftsnachweis liefern und kann Halluzinationen reduzieren, wenn Graphqualität, Abdeckung, Aktualität und Retrieval stark sind.
• Empfehlungen: Beziehungen zwischen Benutzern, Produkten und Attributen treiben Vorschläge wie „verwandt mit“ und „andere kauften auch“ an.
• Unternehmensdatenintegration: Die Vereinheitlichung von Informationen, die über Systeme verstreut sind, in einem verbundenen, leicht abfragbaren Modell des Wissens einer Organisation.

Wissensgraphen sind am wichtigsten, wenn der Wert in den Verbindungen zwischen Fakten liegt: wenn das Beantworten einer Frage bedeutet, Beziehungen zwischen Fakten zu prüfen, und nicht nur Text abzugleichen.

Verwandte Begriffe

Entitätsextraktion, semantische Suche, Embeddings, Vektordatenbank, strukturierte Daten, schema.org, Retrieval-Augmented Generation (RAG), Ontologie, Halluzination.