So funktioniert der Knowledge Graph von Leoni

Für Spezialaufgaben genutzte Werkzeuge, wie zum Beispiel für die Modellierung von Geschäftsprozessen, können diese Flexibilität meist nur zu hohen Kosten und mit individuellen Anpassungen bieten. Durch die Verbindung von Modellierungswerkzeugen mit einer Graphen Datenbank wird diese Einschränkung kostengünstig aufgelöst. Das Modellierungswerkzeug liefert das initiale Gerüst und die Graphen-Datenbank gewährleistet die Flexibilität, jederzeit zusätzliche Inhalte ohne Beeinträchtigung mit minimalem Aufwand zu ergänzen.

Dynamische Erweiterung des Knowledge Graphen

Neo4j ermöglich, den Knowledge Graphen dauerhaft persistiert wie auch virtuell zur Laufzeit mit neuen Inhalten anzureichern. So wird die Suche nach Antworten auf strategische und operative Fragestellungen flexibel und kostengümstig unterstützt, auch auf Adhoc-Basis.

Neu hinzugefügte Inhalte können mit bereits bestehenden verbunden werden, ohne an zuliefernden Werkzeugen eine Anpassung vornehmen zu müssen. Abbildung 3 zeigt die Erweiterung des initialen Knowledge Graphen auf Grund des schemalosen Ansatzes aus verschiedenen Quellformaten.

Die Graphen-Datenbank bietet fertig implementierte Schnittstellen und Konnektoren, um diverse Datenquellen anzubinden. Dadurch ist es möglich, einen Abgleich zwischen den Inhalten der beteiligten Systeme durchzuführen und die Qualität des integrierten Modells durch Bereinigung von Duplikaten oder Inkonsistenzen mit minimalem Aufwand zu verbessern.

Auf den Neo4j Knowledge Graph wird mittels der standardisierten Graphen-Abfragesprache Cypher zugegriffen. Dabei ist unerheblich, aus welchen Quellen die Inhalte entnommen wurden. Für die Anwender des Knowledge Graphen präsentieren sich die Daten immer in einheitlicher Struktur, auf die immer mit der standardisierten Abfragesprache zugegriffen wird.

Im Ergebnis entsteht eine sehr flache Lernkurve zur Nutzung des Knowledge Graph, um ihn zu persistieren, zu analysieren oder zu modifizieren. Anwender müssen nur diese eine Sprache beherrschen und sich nicht mehr in verschiede Tools einarbeiten oder Daten integrieren.

Abbildung 4 zeigt eine exemplarische Cypher Abfrage zur Ausgabe der Inhalte der Leoni Prozesslandkarte und deren graphische Visualisierung. Zu erwähnen ist, dass zur Abfrage und Visualisierung in Neo4j die gleiche Abfrage genutzt wird.

Besonders interessant ist, dass Neo4j zusätzlich Funktionalitäten bereitstellt, um auf Inhalte entfernter API-Endpunkte zuzugreifen. So ist es zum Beispiel möglich, direkt aus dem Knowledge Graphen über Low-Code Abfragen auf Web-APIs zuzugreifen.