So funktioniert der Knowledge Graph von Leoni

Bei Leoni wurde als Ausgangspunkt für den Knowledge Graph der Inhalt eines vorhandenen Geschäftsprozessmodells verwendet, welches auf Basis des Modellierungswerkzeuges BIC Process Design der GBTEC Software AG erstellt wird.

Der initiale Aufbau des Leoni Knowledge Graphen

Das Werkzeug bietet verschiedene Notationen, unter anderem BPMN, DMN und Value Chains, zur Abbildung einiger - aber bei weitem nicht aller - erforderlichen Dimensionen einer Unternehmensarchitektur. Durch die strukturierte Erfassung zentraler Geschäftsprozesse inklusive aufbauorganisatorischer und informationeller Zusammenhänge lag bereits ein erstes Gerüst für den Knowledge Graph vor.

Zu erwähnen ist, dass für den initialen Aufbau des Knowledge Graphen neben dem bei Leoni genutzten Werkzeug grundsätzlich jedes modellbasierte Tool verwendet werden kann, zum Beispiel LeanIX, SAP Signavio oder BoC Adonis. Ziel des Ansatzes ist ja gerade, unterschiedliche Datenquellen werkzeugneutral zu kombinieren.

Die Notwendigkeit dieser Flexibilität zeigt sich - wie in nahezu jeder großen Organisation - auch bei Leoni. Es kommen verschiedene Werkzeuge zum Einsatz, um Inhalte für die integrierte Unternehmensarchitektur bereitzustellen. Grund dafür ist, dass in der Regel ein Werkzeugtyp alleine nicht ausreicht, um alle steuerungsrelevanten Informationen effektiv und effizient zu dokumentieren. Insbesondere in einer agilen Welt werden projektindividuell diverse Werkzeuge genutzt.

Für den Aufbau des Knowledge Graphen muss deshalb zwingend gewährleistet sein, dass verschiedene Informationsquellen flexibel, mit minimalem Aufwand und aus nahezu beliebigen Ausgangsformaten integrierbar sind. Egal ob es sich um Geschäftsprozessbeschreibungen, textuelle Dokumentationen in Wikis, Inhalte aus Ticket Systemen, operative ERP- oder ITSM-Inhalte und sonstige über APIs bezogene Informationen handelt. Wahrscheinlich kennt jeder aus dem eigenen Projektalltag unzählige Excel-Listen, in denen entscheidungsrelevantes Wissen steckt, welches oft nur unter "Schmerzen" zu einem Gesamtbild konsolidiert werden kann.

Technisch ist es deshalb ratsam, einen Ansatz zu wählen, der es erlaubt, Inhalte unabhängig von werkzeugspezifischen Notationen zu erfassen und miteinander in Beziehung zu setzen. Leoni erreicht dieses Ziel durch Abbildung des Knowledge Graphen in Form eines Property Graph.

In einem Property Graph repräsentieren die Knoten Objekte, wie zum Beispiel Produkte, Rollen und Prozesse, während die Verbindungen die Beziehungen zwischen den Knoten darstellen. Jedem Knoten und jeder Verbindung können Eigenschaften zugeordnet sein, die als Key-Value Kombination dargestellt werden und zusätzliche Informationen enthalten. Dadurch gelingt es mit einem Property-Graph relevante Inhalte zu erfassen, ohne zwingend die zur visuellen Darstellung erforderlichen Teile zu übernehmen.

Der Ansatz vereinfacht den Aufbau einer integrierten Unternehmensarchitektur erheblich. Leoni generiert den initialen Property Graph auf Basis des erwähnten Modells aus dem Prozessmodellierungswerkzeug BIC Process Design direkt in einer Graphen-Datenbank. So entsteht ein solides Grundgerüst, welches anschließend im Knowledge Graphen als Zentrum des Hub-and-Spoke-Konzeptes zur Verfügung steht. Daran können nun jederzeit flexibel weitere Inhalte ergänzt werden.

Der von Leoni eingeschlagene Weg zum Aufbau des Knowledge-Graphen ist besonders in den Fällen zu empfehlen, wenn bereits Inhalte in Werkzeugen zum Geschäftsprozessmanagement vorliegen. Abbildung 2 zeigt die erforderlichen Arbeitsschritte von der Gewinnung der Startinhalte bis zur Anlage im zentralen Repository auf Basis der Graphen-Datenbank Neo4j.

Die von Leoni genutzte Graphen-Datenbank Neo4j erlaubt es, die aus BIC Process Design bereitgestellten Inhalte in beliebigen Szenarien zu kombinieren. Das gelingt dadurch, dass Graph-Datenbanken stark vernetzte Sachverhalte auf natürliche Art und Weise ohne komplizierte relationale Konstrukte verwalten.

Die Abbildung eines Knowledge Graphen in Neo4j ist deutlich einfacher und aussagekräftiger als in relationalen Datenbanken, bei gleichzeitiger Flexibilität hinsichtlich Erweiterungen oder Anpassungen. Insbesondere die letztgenannte Eigenschaft ist für den Aufbau des Leoni Knowledge Graphen von besonderer Bedeutung, da es im Voraus nahezu unmöglich ist vorherzusehen, welche Informationen zukünftig noch zu integrieren sind.