Business Intelligence und das Semantic Web

Business Intelligence und das Semantic Web: ein Traumpaar Business Intelligence Grundlage: Qualitäten und Quantitäten Grob gesprochen enthält ein Datawarehouse zwei Arten von Daten, Dimensionendaten und Faktdaten, oder, in anderen Worten, Qualitäten und Quantitäten. Es ist bezeichnend für das Datawarehouse, dass es Qualitäten unter den Primat von Quantitäten stellt: In der Regel finden nur solche Qualitäten Eingang in das Datawarehouse, welche sich in Quantitäten, sprich Faktdaten, bereits tabellarisch und mehrfach niedergeschlagen haben. Ferner ist die Organisation der Qualitäten auf Hierarchien eingeschränkt, was ihrer Bedeutungsvernetzheit in der Regel nicht gerecht wird. Ungenügen: Beschränkung auf Informationshierarchien Ein einfaches Beispiel soll uns das verdeutlichen: Wollte man in einem Datawarehouse die netzartige n Verbindungen zwischen, sagen wir, Personen darstellen, zum Beispiel welche Person welche anderen wie oft trifft, so hätte man Schwierigkeiten, dies in Dimensionsebenen abzubilden. Grundsätzlich wären nämlich im Abgriff alle Kombinationen möglich, so dass man auf der ersten Ebene alle Qualitäten, also Personen, eintragen müßte. Anstatt Aggregationen über Hierarchieebenen gestaffelt vorzunehmen, müßten Aggregationen über Verkettungen erfolgen können. Im Beispiel: Jede Person könnte mit jeder anderen in Kontakt treten. A könnte B treffen, oder B und C. Im Online Analytical Processing (OLAP) würde man Aggregationen oder einfach nur Prüfung auf Vorhandensein einer bestimmten Kette mit beliebigen Anfangspunkt vornehmen können wollen. Etwa: Wie oft trifft B mit C zusammen, dann, im nächsten Schritt, wie oft trifft B C gemeinsam mit D, E oder I. Und so beliebig weiter vertieft. Wir komplizieren das Bild, wenn wir weitergehende Anforderungen stellen, etwa, ob das Aufeinandertreffen der Personen in einen Beschluß mündete, der einen Unternehmenserfolg zeigte und welchen. Denn wer wüßte zum Beispiel nicht gerne, welche Ergebnisse es zeitigte, wenn bestimmte Leute zusammekommen. Die Struktur, die ich hie r beschreibe, ist weder praktikabel hierarchisch in Dimensionen noch auch in Fakttabellen abzuspeichern, denn sie bildet einen sogenannten Graphen, welcher, technisch gesprochen, bei einer seriellen tabellarischen Projektion zu einer kombinatorischen Explo sion in den Dimensionentabellen führt. Solche Graph-Struktur der Qualitäten bildet keineswegs die Ausnahme, sondern vielmehr die Regel, wie schon das Nachdenken über unsere sprachliche Ausdrucksfähigkeit lehrt. Um dennoch nicht ganz auf Erkenntnisse wie den im Beispiel angedeuteten verzichten zu müssen, hat sich eine das Datawarehouse begleitende Technik, Datamining, herausgebildet. Die Grenzen des Datamining jedoch liegen in der strukturierten Datenerfassung bzw. Datenstrukturierung. Zudem ist es, wie schon die Statistik, dann ohne Wert, wenn die Wichtigkeit von Qualitäten die der Quantitäten in der Abfrage überwiegt. Achillesferse: Steter Wandel und Ewigneues Die Achillesferse des Datawarehouse und also des Business Intelligence ist, dass Qualitäten und Quantitäten einen Zusammenhang bilden, welcher im Datawarehousing aus rein technischen, zum großen Teil überholten Gründen, künstlich aufgehoben wird 1 . Ich spreche von der Grenzlinie zwischen Business Intelligence und Knowledge Management. Das Datawarehouse vernachlässigt, per definitionem, die Informationserfassung. Solange die massenhafte Aggregation von Faktdaten im Vordergrund steht, ist diese Spezialisierung scheinbar vernünftig. Die Praxis lehrt jedoch ganz anderes. Unternehmen und öffentliche Hand agieren in zunehmend komplexen, vom Aufkommen immer neuer, stets beachtenswerter Qualitäten bestimmten Handlungsräumen. Solche Informationen finden sich zunehmend nur noch in Dokumenten oder lose strukturierten Informationssammlungen, insbesondere dem Internet oder Intranet. So seltsam und allen Versicherungen der Business Intelligence Industrie zuwiderlaufend es sich anhören mag, aber das Datawarehousing verliert im Informationsall rasch an absoluter Bedeutung, wennschon es relativ gesehen, im einzelnen Unternehmen, zu einer Verbesserung der Informations lage führen mag und auch im BPM-, CRM- und ERP-Lösungsumfeld einen noch immer zunehmend größeren Stellenwert erringt. Allerdings müssen Unternehmen heute agiler handeln, gibt es immer mehr Projekte, temporäre Organia tionseinheiten und Zusammenschlüsse, und bilden sich ständig neue Prozesse heraus. In einem solchen Umfeld stößt das Datawarehousing an seine strukturellen und also auch Kostengrenzen: Dimensionendaten veralten rasch, neue Qualitäten finden keinen Eingang ins Datawarehouse, bestimmte, vorzüglich halbstrukturierte Datenquellen lassen sich nicht für den automatischen Import erschließen, komplexe Daten bleiben von Anfang an außen vor, kurzum: das Reporting verliert buchstäblich an Bedeutung. Beim Benutzer endet die Auseinandersetzung mit Berichten aus dem Datawarehouse nach einiger Zeit immer öfter mit dem Schluß: „Schön und gut, aber was bedeutet das jetzt eigentlich noch und was fange ich nun damit an? “ Semantic Web Geschmacksrichtungen: Ein Überblick Zwischen Dokumenten-basiertem Wissensmanagement und hierarchisch multi- dimensionalem Datawarehousing gibt es einen jungen dritten Weg, der unsere Beachtung verdient : das Semantic Web 2 . Das Internet ist eine gigantische, alles übersteigende Informationsque lle. Es hat das Wirken von Wissensarbeitern stark verändert. Ob nun Programmierer in Windeseile ergooglen, wie Sprachkonstrukte gebraucht werden, was früher mühsam nachgeschlagen werden mußte, oder Übersetzter anhand der Anzahl von Textfunden leichthin erschließen, welche von zwei Wendungen landläufiger ist. Die Möglichkeiten scheinen grenzenlos. Sie sind es aber nicht. Das Internet ist darstellungsorientiert. HTML ist eine präsentationsorientierte Sprache, die Informationen nur ganz unzureichend semantisch strukturiert. Demgemäß sind HTML- Dokumente nur eingeschränkt maschinenlesbar. Selbst XML mangelt es an gründlicher Semantik. Ontologien, das sind formale Konzeptualisierungen, gehen einen Schritt weiter: sie schreiben die Bedeutung von Konzepten fest. Das Resource Description Framework, RDF, und die Web Ontology Language, OWL3 , sind Wissensrepräsentationssprachen im Semantic Web, die, insbesondere letztere, stark von der Artificial Intelligence Gemeinde beinflußt werden. RDF baut auf der XML auf, OWL auf dem RDF. Mit diesen Sprachen will man Dokumente und Resourcen im Web annotieren, dass heisst, mit Metadaten so versetzen, dass 1 Siehe: Lars Ludwig, Business Intelligence versus Knowledge Management -Wem gehört die Zukunft?, www.competence-site.de 2 Tim Berners-Lee et al., The Semantic Web, http://www.sciam.com/article.cfm?articleID=00048144-10D2- 1C70-84A9809EC588EF21 3 Gesprochen: ‚AUL’ ihr Inhalt strukturiert durchsucht oder derart gelesen werden kann, dass sich logische Schlüsse automatisch ziehen lassen, um neues Wissen zu gewinnen. Damit sind auch bereits die zwei Stoßrichtungen der Entwicklung des Semantic Web angedeutet: hier die Partei, welche RDF bevorzugt, eine graph-orientierte, auf Datentrippeln beruhende Metadatensprache, welche zur Erstellung semi-strukturierter Dokumente dient. Das sind die Realisten. Dort Logiker, die mit OWL, einer konstruktreichen, auf Aussagenlogik aufbauenden Repräsentationssprache, automatisches Schlußfolgern zu ermöglichen versuchen, um so den alten Traum von der künstlichen Intelligenz endlich doch wahr werden zu lassen. Das sind die Utopen. RDF hat bereits Eingang in das Internet gefunden, etwa in Informationsfeeds mit RSS, oder in Form von FoaF 4 -, Friend-of-a-Friend-Dateien, in welchen man beim social networking persönliche Angaben im Internet bereitstellt. Ferner existieren bereits einige RDF-Triple- Stores, welche Graph-Daten zunehmend effizienter abspeichern und durch oft SQL-ähnliche Abfragesprachen immer bequemer und mächtiger abrufbar machen. OWL, das in mehreren verschiedenen Fassungen vorliegt, ist noch eine Spielwiese für Theoretiker, die im Bereich Semantic Web Services durch automatische Serviceauswahl und -komposition einen entscheidenden Durchbruch anstreben. Pferdefuß: Annotationen Das klingt doch aber alles sehr vielversprechend: Ein halbstrukturiertes Internet, das sich über semantische Suche wie eine strukturierte Datenbank mit Abfragen durchsuchen läßt, um so neuartige Abfragen zu gestatten. Beispielsweise: ‚Gib alle Veröffentlichungen des Autors XY, die er zum Thema Z geschrieben hat!’, oder ‚Gib Personen, die Politiker sind und in allen Dokumenten des Autors XY genannt werden!’. Solche und Tausend vergleichbare Abfragen würden eine neue Stufe der Wissensgewinnung aus globalen und unternehmensweiten halbstruktur ierten Informationsspeichern ermöglichen. Zur Voraussetzung hätte dies allerdings, dass die in Dokumenten enthaltenen unstrukturierten Informationen auch tatsächlich annotiert werden. Und hier beginnen die Schwierigkeiten. Bald stellte sich nämlich in der Semantic Web Community heraus, dass das manuelle Annotieren mit Metadaten nicht unbeträchtlichen Zusatzaufwand verursacht. Eine alte Weisheit der Datenpraxis. Zwar ließe sich das Annotieren von Dokumenten durch Anwendung von Natural Language Processing halb oder ganz automatisieren, doch wird jede Stufe der Automatisierung mit einer immer geringerern Güte und einem immer geringeren Grad der Annotation eingekauft, und es ist auch nur bei relativ homogenen Dokumentensammlungen überhaupt realistisch machbar. Zudem hat sich, gemäß der Erkenntnis, nach Metadaten auch nur Daten sind, gezeigt, dass oft erst im Prozess der Annotation selbst sich die Konzepte und Zusammenhänge ergeben, welche in Form einer Ontologie just ihre Grundlage abgeben. Die ganze herrliche Semantic Web Idee droht daran zu scheitern, dass der Aufwand zur Metadatenanreicherung schlichtweg unrealistisch ist.