Seminar PoolParty Semantic Suite – Intensiv – Komplettprogramm

Das Komplettprogramm verdichtet das gesamte Seminarportfolio auf fünf intensive Tage. Es vermittelt keine isolierten Produktdemos, sondern eine zusammenhängende Kette aus Architektur, Wissensmodell, Datenintegration, Textanalyse, Suche, Anwendung, GraphRAG, Sicherheit und Betrieb. Vertiefungen werden bewusst zugunsten eines vollständigen Gesamtbilds begrenzt.

Inhaltsverzeichnis

1. Zielsetzung
2. Kompetenzziele
3. Seminarinhalte
4. Praxisübungen
5. Zielgruppe und Voraussetzungen
6. Methodik und Qualitätssicherung

Zielsetzung

Ziel ist ein belastbarer Gesamtüberblick mit einem funktionierenden Referenzprototyp und einer klaren Entscheidungsgrundlage für spezialisierte Folgeseminare. Alle wesentlichen Rollen können die Abhängigkeiten zwischen Fachmodell, Daten, Anwendung und Betrieb beurteilen.

Kompetenzziele

• Gesamtarchitektur und Produktbereiche sicher zuordnen.
• Taxonomie, Ontologiebezug und Qualitätsworkflow exemplarisch umsetzen.
• Daten integrieren, Inhalte anreichern, Suche und Anwendung konfigurieren.
• GraphRAG, Sicherheit, Monitoring und Migrationsfragen in die Lösung einbeziehen.

Seminarinhalte

3.1 Semantische Grundlagen und Standards

1. Begriffe wie Taxonomie, Thesaurus, Ontologie, Wissensgraph und kontrolliertes Vokabular voneinander abgrenzen.
2. SKOS-, RDF- und URI-Grundprinzipien an einem durchgängigen Fachmodell nachvollziehen.
3. Unstrukturierte Inhalte, strukturierte Daten und Metadaten als getrennte Eingangsklassen erfassen.
4. Für einen Beispielanwendungsfall festlegen, welche semantische Struktur tatsächlich benötigt wird.

3.2 Plattformarchitektur und Komponenten

1. Graph Modeling beziehungsweise Thesaurus Manager als Modellierungs- und Governance-Schicht einordnen.
2. Extractor, Semantic Classifier, Search and Recommender, ADF und UnifiedViews ihren Aufgaben zuordnen.
3. GraphEditor, GraphViews, APIs, SPARQL-Endpunkte und Veröffentlichungsdienste in der Zielarchitektur verorten.
4. Datenflüsse vom Quellsystem bis zur Suche, Empfehlung oder generativen Anwendung skizzieren.

3.3 Use-Case-Auswahl und Anforderungsanalyse

1. Geschäftsproblem, Nutzergruppen, Informationsobjekte und gewünschte Entscheidungen präzise beschreiben.
2. Such-, Tagging-, Integrations-, Governance- und KI-Anforderungen getrennt priorisieren.
3. Messbare Qualitätskriterien für Abdeckung, Präzision, Aktualität und Nachvollziehbarkeit definieren.
4. Einen abgegrenzten Pilotumfang mit Datenquellen, Verantwortlichkeiten und Abnahmekriterien festlegen.

3.4 Projektanlage und Grundkonfiguration

1. Projektzweck, Fachdomäne, Namenskonventionen und Standardsprache dokumentieren.
2. Ein neues Projekt mit passenden Sprachen, Basiseinstellungen und Berechtigungen anlegen.
3. Konzeptschema, Top-Konzepte und erste Navigationsstruktur erstellen.
4. Projektkonfiguration kontrollieren und eine reproduzierbare Ausgangsversion sichern.

3.5 Konzepte, Benennungen und Definitionen modellieren

1. Bevorzugte Benennung pro Sprache eindeutig und fachlich neutral formulieren.
2. Alternative und versteckte Benennungen für Synonyme, Schreibvarianten und Suchbegriffe ergänzen.
3. Definitionen, Hinweise, Beispiele und redaktionelle Notizen nach verbindlichen Regeln pflegen.
4. Dublettengefahr, Homonyme und unklare Sammelbegriffe anhand einer Prüfliste bereinigen.

3.6 Qualitätsregeln und Datenvalidierung

1. Qualitätsszenarien für fehlende Labels, verwaiste Konzepte, ungültige Relationen und Pflichtfelder anlegen.
2. Validierung auf einen definierten Projektstand anwenden und Befunde priorisieren.
3. Fehlerursachen von fachlichen Ausnahmen unterscheiden und dokumentierte Ausnahmeregeln festlegen.
4. Korrekturen durchführen, erneut prüfen und den Qualitätsstatus nachvollziehbar protokollieren.

3.7 Ontologieentwurf

1. Fachobjekte, Klassen, Eigenschaften, Wertebereiche und Beziehungen aus Anforderungen ableiten.
2. Klassenhierarchie und Property-Modell ohne unnötige Komplexität aufbauen.
3. Kardinalitäten, Datentypen und fachliche Einschränkungen dokumentieren.
4. Das Modell gegen typische Abfragen, Integrationsfälle und Erweiterungsszenarien testen.

3.8 UnifiedViews-Pipelines entwerfen

1. Quelle, Ziel, Ausführungsrhythmus, Datenvolumen und Fehlerstrategie erfassen.
2. Pipeline in Extraktion, Transformation, Qualitätsprüfung und Laden zerlegen.
3. Zwischenformate, Identifier und Provenienz über alle Stufen definieren.
4. Minimalen durchgängigen Datenfluss auf dem Canvas modellieren.

3.9 Daten transformieren und in RDF überführen

1. Tabellarische, JSON- oder XML-Strukturen auf das Zielmodell abbilden.
2. Transformation mit SPARQL, Mapping oder geeigneter DPU umsetzen.
3. URIs, Datentypen, Sprach-Tags und Referenzen konsistent erzeugen.
4. Zwischenergebnis durch Stichproben und maschinelle Checks validieren.

3.10 Extractor-Konfiguration

1. Relevante Taxonomien, Sprachen und Dokumentfelder für die Extraktion auswählen.
2. Regeln für Begriffserkennung, zusammengesetzte Begriffe und Kontext festlegen.
3. Testdokumente verarbeiten und erkannte Konzepte samt Fundstellen untersuchen.
4. Konfiguration iterativ anpassen und Änderungen mit Vergleichsdokumenten verifizieren.

3.11 Training Boxes und Trainingsdaten

1. Kategorien, Dokumentklassen und Abgrenzungskriterien definieren.
2. Training Box anlegen und repräsentative, ausgewogene Dokumente hinzufügen.
3. Dokumentqualität, Dubletten und fehlerhafte Vorzuordnungen prüfen.
4. Trainingsstand versionieren und für spätere Vergleiche dokumentieren.

3.12 Semantische Sucharchitektur

1. Suchquellen, Dokumentmodell, Taxonomien, Nutzerrollen und Suchziele erfassen.
2. Indexierung, Annotation, semantische Expansion, Facetten und Ranking als Verarbeitungskette entwerfen.
3. Suchräume und Zugriffsbeschränkungen für unterschiedliche Informationsbestände trennen.
4. Testkatalog mit Navigations-, Fakten-, Explorations- und Nulltrefferfragen erstellen.

3.13 Semantische Expansion und Ranking

1. Bevorzugte Labels, Synonyme, Ober- und Unterbegriffe als Sucherweiterung bewerten.
2. Expansionsregeln je Suchmodus und Nutzeraufgabe konfigurieren.
3. Rankingfaktoren für Texttreffer, Metadaten und semantische Nähe kalibrieren.
4. Relevanztests mit dokumentierten Suchfragen und Bewertungsmaßstab durchführen.

3.14 Recommender konfigurieren

1. Empfehlungsziel, Kontextsignale, zulässige Dokumenträume und Ausschlüsse definieren.
2. Konzeptbasierte Ähnlichkeit und Interaktionssignale in einer Konfiguration kombinieren.
3. Empfehlungen mit repräsentativen Startdokumenten testen und begründen.
4. Diversität, Aktualität, Zugriffsrechte und Nullfälle in die Abnahme einbeziehen.

3.15 Application Development Framework einordnen

1. ADF-Komponenten, Konfiguration, Datenquellen und Bereitstellungsmodell erfassen.
2. Anwendungsfall in Suche, Exploration, Recommendation oder semantische Navigation zerlegen.
3. Benötigte APIs, Indizes, Taxonomien und Benutzerinteraktionen zuordnen.
4. Technische Randbedingungen und ein minimales Anwendungsinkrement definieren.

3.16 API-Zugriff und Authentisierung

1. Benötigte API-Familie, Basisendpunkt, Benutzerrolle und Berechtigungsumfang bestimmen.
2. Authentisierungsverfahren in einer geschützten Testumgebung konfigurieren.
3. Ersten lesenden Aufruf ausführen und Status, Header sowie Antwortstruktur prüfen.
4. Fehler für fehlende Berechtigung, ungültige Parameter und abgelaufene Sitzung kontrolliert behandeln.

3.17 GraphRAG- und Semantic-RAG-Architektur

1. Fragetypen, Wissensquellen, Antwortgrenzen und Nachweisanforderungen erfassen.
2. Taxonomie, Wissensgraph, semantische Suche und Sprachmodell als getrennte Schichten modellieren.
3. Retrieval-, Kontextbildungs-, Generierungs- und Prüfpfad definieren.
4. Risiken durch fehlende Quellen, veraltete Daten, Rechte und mehrdeutige Begriffe bewerten.

3.18 Retrieval und Grounding konfigurieren

1. Semantische Expansion, Filter, Graphpfade und Ranking für die Fragetypen festlegen.
2. Kontextmenge so begrenzen, dass Relevanz und Nachvollziehbarkeit erhalten bleiben.
3. Antwortbelege mit Dokument- und Graphidentifikatoren in der Pipeline mitführen.
4. Nulltreffer, widersprüchliche Belege und unzureichende Evidenz explizit behandeln.

3.19 Identitätsarchitektur mit Keycloak

1. Benutzerquellen, Anmeldewege, Mandanten und Sicherheitsanforderungen erfassen.
2. Rollenmodell zwischen Identitätsanbieter, Keycloak und Plattformkomponenten abbilden.
3. Testbenutzer mit minimalen Rechten einrichten und Anmeldung prüfen.
4. Token, Session, Abmeldung und Fehlerfälle ohne Offenlegung sensibler Daten kontrollieren.

3.20 Monitoring und Servicezustand

1. Gesundheit, Ressourcen, Antwortzeiten, Jobs, Indizes und Datenaktualität als Messbereiche definieren.
2. Technische und fachliche Schwellenwerte mit Warn- und Kritischstufe festlegen.
3. Beispielstörung erzeugen oder simulieren und Signale über mehrere Komponenten korrelieren.
4. Alarm, Diagnose, Behebung und Dokumentation in einem standardisierten Ablauf testen.

3.21 Backup, Snapshot und Wiederherstellung

1. Zu sichernde Projekte, Konfigurationen, Datenbanken, Indizes und abhängige Modelle erfassen.
2. Sicherungsplan mit Häufigkeit, Aufbewahrung, Verschlüsselung und Verantwortlichkeit festlegen.
3. Snapshot oder Export in einer Testumgebung erzeugen und Integrität prüfen.
4. Wiederherstellung durchführen und fachliche sowie technische Abnahmepunkte kontrollieren.

3.22 Übergang von PoolParty zur Graphwise-Nomenklatur

1. Bestehende PoolParty-Komponenten den Bereichen Graph Modeling, Semantic Analytics, Graph Automation und GraphRAG zuordnen.
2. Dokumentation, Betriebsunterlagen und Schulungsbegriffe auf konsistente Bezeichnungen prüfen.
3. Auswirkungen auf Benutzerführung, Rollen, APIs und Supportprozesse erfassen.
4. Kommunikations- und Qualifizierungsplan für Fachbereiche, Betrieb und Entwicklung erstellen.

Praxisübungen

4.1 Semantische Grundlage aufbauen

1. Pilotanforderung und Architektur festlegen.
2. Taxonomie mit Ontologiebezug modellieren.
3. Workflow und Qualitätsprüfung durchführen.

4.2 Daten bis zur Anwendung verarbeiten

1. Datenquelle in einer Pipeline transformieren.
2. Dokumente extrahieren oder klassifizieren.
3. Suche, Facetten, Empfehlung und API-Zugriff konfigurieren.

4.3 KI- und Betriebsreife bewerten

1. GraphRAG-Fragen mit Belegen testen.
2. Rollen, Sicherheit und Monitoring prüfen.
3. Backup-, Migrations- und Vertiefungsplan dokumentieren.

Zielgruppe und Voraussetzungen

Zielgruppe: Projekt- und Programmleitung, Solution Architecture, Senior Fachverantwortung, Product Owner sowie interdisziplinäre Kernteams, die das gesamte Portfolio in kurzer Zeit einordnen müssen.

Voraussetzungen: Breites technisches oder fachliches Grundverständnis von Daten, Content, Suche und IT-Projekten. Für tiefe Konfigurationen werden anschließend die jeweiligen Fachseminare empfohlen.

Methodik und Qualitätssicherung

Die Vermittlung kombiniert strukturierte Fachimpulse, Demonstrationen, moderierte Modellierungs- oder Konfigurationsschritte und praktische Übungen. Jeder Arbeitsblock endet mit einer prüfbaren Zwischenkontrolle.

• Ausgangszustand und Lernziel werden vor jedem Arbeitsauftrag festgelegt.
• Konfigurationen und Modelle werden schrittweise aufgebaut und dokumentiert.
• Positiv-, Negativ- und Grenzfälle werden anhand definierter Kriterien geprüft.
• Abweichungen werden analysiert, korrigiert und in einer erneuten Prüfung bestätigt.