Seminar Ontop SPARQL 1.1 für virtuelle Knowledge Graphs

SPARQL-Abfragen über virtuelle Graphen müssen fachlich korrekt und für die relationale Ausführung geeignet sein. Der Kurs verbindet Sprachkonstrukte mit Kardinalität, Nullwerten, Join-Verhalten und der erzeugten SQL-Abfrage.

Inhaltsverzeichnis

1. Abfragemodell und Grundmuster
2. Filter und Wertbildung
3. Optionale und alternative Daten
4. Aggregation und Gruppierung
5. Unterabfragen und Pfade
6. Ontop-Reformulierung
7. Endpoint- und Regressionstests

Lernziele

• Komplexe SPARQL-Abfragen schrittweise und prüfbar aufbauen.
• OPTIONAL, UNION, FILTER, BIND, VALUES, Aggregationen und Unterabfragen sicher einsetzen.
• Duplikate, fehlende Werte und Kardinalität bewusst behandeln.
• Abfragestruktur und SQL-Reformulierung gemeinsam optimieren.

Zielgruppe

SPARQL- und Ontop-Entwicklung, Data Engineering, Datenanalyse, Knowledge-Graph-Teams und technische Fachanwender.

Voraussetzungen

RDF-Grundlagen und erste Erfahrung mit einfachen SPARQL-SELECT-Abfragen; SQL-Kenntnisse sind empfehlenswert.

Kapitel 1: Abfragemodell und Grundmuster

Kapitel-Inhaltsverzeichnis: Variablen, Triple-Muster, Basic Graph Patterns, Projektion und Ergebnisform.

1. Schritt 1: Eine Fachfrage wird in kleine Triple-Muster mit klaren Join-Variablen zerlegt.
2. Schritt 2: Die Projektion wird auf tatsächlich benötigte Variablen begrenzt.
3. Schritt 3: Zwischenergebnisse werden nach jedem zusätzlichen Muster auf Kardinalität geprüft.

Kapitel 2: Filter und Wertbildung

Kapitel-Inhaltsverzeichnis: FILTER, Datentypen, Sprachen, BIND, COALESCE und VALUES.

1. Schritt 1: Filter werden auf korrekt typisierte Werte und erwartetes Nullverhalten geprüft.
2. Schritt 2: Berechnete oder normalisierte Werte werden mit BIND transparent erzeugt.
3. Schritt 3: VALUES begrenzt Test- oder Lookup-Abfragen auf eine kontrollierte Wertemenge.

Kapitel 3: Optionale und alternative Daten

Kapitel-Inhaltsverzeichnis: OPTIONAL, UNION, fehlende Werte und unerwartete Vervielfachung.

1. Schritt 1: Pflicht- und optionale Muster werden fachlich getrennt.
2. Schritt 2: Filter innerhalb und außerhalb von OPTIONAL werden anhand ihrer Wirkung verglichen.
3. Schritt 3: UNION-Zweige erhalten kompatible Variablen und werden einzeln auf Duplikate geprüft.

Kapitel 4: Aggregation und Gruppierung

Kapitel-Inhaltsverzeichnis: COUNT, SUM, AVG, GROUP BY, HAVING, DISTINCT und Ergebnisinterpretation.

1. Schritt 1: Die zugrunde liegende Detailmenge wird vor der Aggregation verifiziert.
2. Schritt 2: Gruppierungsvariablen und Aggregatfunktionen werden explizit auf fachliche Körnung abgestimmt.
3. Schritt 3: HAVING und DISTINCT werden nur nach Analyse der Duplikatursache eingesetzt.

Kapitel 5: Unterabfragen und Pfade

Kapitel-Inhaltsverzeichnis: Subqueries, EXISTS, NOT EXISTS, Property Paths und Begrenzung.

1. Schritt 1: Eine Unterabfrage kapselt eine klar definierte Voraggregation oder Auswahl.
2. Schritt 2: EXISTS und NOT EXISTS prüfen fachliche Existenzbedingungen ohne unnötige Ergebnisprojektion.
3. Schritt 3: Property Paths werden auf begrenzte, vom Ontologie- und Datenmodell erwartete Pfadlängen geprüft.

Kapitel 6: Ontop-Reformulierung

Kapitel-Inhaltsverzeichnis: SPARQL-zu-SQL, Joins, Casts, Post-Processing, Limits und Optimierungsansätze.

1. Schritt 1: Die erzeugte SQL-Abfrage wird den SPARQL-Mustern und Mapping-Assertions zugeordnet.
2. Schritt 2: Unnötige Joins oder Casts werden auf Abfragestruktur und Mapping zurückgeführt.
3. Schritt 3: Alternative Formulierungen werden anhand Ergebnisgleichheit und Laufzeit verglichen.

Kapitel 7: Endpoint- und Regressionstests

Kapitel-Inhaltsverzeichnis: GET oder POST, Parameter, Formate, Fehlerfälle und Referenzresultate.

1. Schritt 1: Abfragen werden mit klar definiertem Format und Zeitlimit an den Endpoint gesendet.
2. Schritt 2: Leere Ergebnisse, fehlerhafte Datentypen und Zeitüberschreitungen werden als eigene Testfälle behandelt.
3. Schritt 3: Referenzresultate und Leistungsbudgets werden für wiederholbare Regressionstests gespeichert.