Erweiterung von LintedData um eine theoriebasierte Qualitätsbewertung von Ontologien

Abstract

Ontologien spielen eine zentrale Rolle in der formalen Wissensrepräsentation. Mit wachsender Komplexität und Verbreitung steigt jedoch auch das Risiko struktureller, semantischer und logischer Fehler, die Wartbarkeit und Wiederverwendbarkeit beeinträchtigen. Bestehende Werkzeuge zur Ontologieprüfung identifizieren zwar einzelne Modellierungsfehler, bieten jedoch selten eine aggregierte, theoriebasierte Qualitätsbewertung.

Die vorliegende Bachelorarbeit beschreibt die Entwicklung eines Prototyps zur systematischen Qualitätsbewertung von Ontologien, der auf dem Qualitätsframework von Zaveri et al. basiert. Der Prototyp erweitert das am DLR entwickelte Werkzeug LintedData, indem er identifizierte Ontology Pitfalls des Pitfall Katalogs neun Qualitätsdimensionen zuordnet und daraus aggregierte Qualitätsscores berechnet. Die Bewertung erfolgt verhältnisbasiert, wodurch faire Vergleiche zwischen Ontologien unterschiedlicher Größe ermöglicht werden.

Die Evaluation anhand synthetischer Testfälle und drei etablierter Ontologien (FOAF, Pizza, Schema.org) bestätigt die korrekte Funktionsweise und Praxistauglichkeit des Prototyps. Die Ergebnisse zeigen aussagekräftige Qualitätsprofile, die den jeweiligen Einsatzzweck der Ontologien widerspiegeln. Der Prototyp geht über reine Fehlerauflistungen hinaus und liefert strukturierte, nachvollziehbare Qualitätsaussagen über neun von 18 Dimensionen des Zaveri-Frameworks.

Die Arbeit demonstriert die grundsätzliche Machbarkeit einer theoriebasierten Qualitätsbewertung und identifiziert Ansatzpunkte für zukünftige Erweiterungen, darunter Gewichtungsverfahren, Kontextualisierung durch Benchmarking und Unterstützung für Ontologie-Evolution.