Geschichte

Ursprünglich ist Ontologie als Lehre vom Seienden eine philosophische Disziplin und Teil der Metaphysik.

Als Vorläufer einer expliziten Formalisierung des Ontologiebegriffs sind Charles S. Peirce und Edmund Husserl zu nennen. Eine formale Sicht auf die philosophische Ontologie hatte auch A. Church 1958 (Ontological Commitment, in: The Journal of Philosophy, 55:1008-1014), sowie Willard Van Orman Quine. Quine hat einen Ontologiebegriff vorgetragen, der mit der Tradition der klassischen Auffassung des Ontologiebegriffs in der Philosophie brach. Nach Quine ist Sein: Wert einer gebundenen Variable zu sein. (Einschlägige Texte sind Von einem logischen Standpunkt, engl. Orig. 1961 und Ontologische Relativität, engl. Orig. 1969). In Unterwegs zur Wahrheit findet sich folgende Darstellung: "Empirisch von Belang sind an einer Ontologie ausschließlich die besagten neutralen Knoten, die sie zur Struktur der Theorie beiträgt." (W.V.O.Quine, Unterwegs zur Wahrheit, §13 Auflösung der Ontologie, Paderborn u.a. 1995, S.45.). Siehe auch Stellvertreterfunktion.

Im Bereich der künstlichen Intelligenz wurde der Begriff Ontologie ab Anfang der 1990er durch einen Artikel von Neches et al.Robert Neches, Richard Fikes, Tim Finin, Thomas Gruber, Ramesh Patil, Ted Senator, William R. Swartout: Enabling technology for knowledge sharing. In: AI Magazine, Band 12, Nummer 3, 1991 ^* und nachfolgende Publikationen populär.

Von da an hat sich der Begriff Ontologie als explizite Formalisierung ausgebreitet, wurde von künstliche Intelligenz Forschung verwendet und von der Bioinformatik (Ashburner 2000) und weiteren Fächern aufgegriffen.

1999 stellte Tim Berners Lee seine Vision des Semantic Web vor. Heute am häufigsten zitiert ist Berners Lee 2001.

Aufbau von Ontologien

Analog zu einer Datenbank, wo Struktur (Datenbankschema) und Inhalt (Daten) ein Ganzes bilden, gehören auch bei einer Ontologie die Regeln und die Konzepte zusammen. Während klassische Datenbanken keine Informationen über die Bedeutung der gespeicherten Daten haben, besitzen auf Ontologien beruhende Datenbankanwendungen eine formale Beschreibung der Daten sowie Regeln über deren Zusammenhang. Diese Regeln erlauben es, Rückschlüsse aus den vorhandenen Daten zu ziehen, Widersprüche in den Daten zu erkennen und fehlendes Wissen selbständig aus dem Vorhandenen zu ergänzen. Diese Rückschlüsse werden durch Inferenz abgeleitet, also durch logisches Folgern.

Unter „Ontology learning“ (vielleicht mit „ontologisches Lernen“ zu übersetzen) kann der Prozess beschrieben werden, bei dem eine Ontologie durch automatische Verfahren weiteres Wissen akquiriert und dadurch weiter an Umfang und Struktur zunimmt. Dafür spielen Inferenzen eine wichtige Rolle. In diesem Prozess erzeugt die Ontologie gewissermaßen selbst Wissen, während Ontologien sonst durch Input seitens menschlicher Experten hinzulernen.

Von der Möglichkeit von Relationen über Relationen (in RDF als Reification bezeichnet) und Regeln wird unter anderem aufgrund ihrer Komplexität in der Praxis relativ selten Gebrauch gemacht, obwohl gerade diese Merkmale Ontologien von anderen Begriffssystemen unterscheiden.

Ontologiebau

Zur Erstellung und Erweiterung von Ontologien sind verschiedene formalisierte Prozessabläufe vorgeschlagen worden. Die Verfahren nach Holsapple und Joshi, nach Gómez-Pérez oder Uschold widmen sich verstärkt der Zusammenarbeit von Experten des Wissensgebietes der Ontologie und Informatikern oder allgemeiner Formalisten. Automatisch unterstützende Verfahren haben entweder das Ziel, eine vollständige Konstruktion der Ontologie vorzunehmen (wie etwa das Verfahren von Mädche) oder bestehende Ontologien durch Begriffsvorschläge zu erweitern (beispielsweise das Verfahren von Faatz und Steinmetz). Bei der Erstellung von Ontologien kann auch die Verschmelzung bestehender Ontologien von Interesse sein. Hierzu gibt es ein formales Verfahren nach Stumme und Mädche.

Ontologie-Editoren

Kategorisierung von Ontologien

Nach der internen Struktur

1. Kontrolliertes Vokabular
2. Glossare
3. Thesauri: Objekte werden beliebig miteinander in Beziehung gesetzt (z. B. „A ist ein B“, „A ist verwandt mit B“).
4. informelle "ist-ein"-Hierarchien (Taxonomie und Klassifikationen: Objekte werden streng hierarchisch klassifiziert (z. B. „A ist Kind von B“). Taxonomien werden häufig durch Bäume visualisiert.)
5. formale "ist-ein"-Hierarchien
6. Frames – schließen Klassen und deren Eigenschaften ein
7. Ontologien, die Wertvorgaben enthalten (Ankunftsdatum ist ein DATUM)
8. Logik-Richtlinien oder auch Logisch-mathematische Repräsentation: Objektbeziehungen werden über formale Notationen dargestellt (z. B. „synonym(a, b) := synonym(b, a);“). Die Prädikatenlogik der ersten Stufe (first order logic) ist ein formales Modell einer Logik.

Nach ihrem Gegenstand

1. Wissensrepräsentationen (Knowledge Representation – KR)
2. Allgemeine (engl. common) Ontologien
3. Top-level- bzw. Upper-level-Ontologien - siehe Upper ontology (computer science)
4. Domänen-Ontologien: Beim Wissensbereich (Wissensdomäne), aus dem die Begriffe und Relationen der Ontologie stammen, gibt es unterschiedliche, oftmals komplementäre Typen:
   1. eine Ontologie kann den Versuch darstellen, Allgemeinwissen oder umfassendes und möglicherweise alltägliches Weltwissen abzubilden,
   2. eine Ontologie kann einen eingeschränkten, fachspezifischen Wissensbereich abbilden.
5. Task (Aufgaben)-Ontologie
6. Domain-Task-Ontologie
7. Methoden-Ontologie
8. Anwendungs-Ontologie

Üblicherweise bilden Ontologien eine statische Beschreibung einer Domäne ab. Bestimmte Ontologien versuchen aber auch, zeitliche Abläufe zu formalisieren, wie z.B. die in KIF geschriebene PSL (Process Specification Language).

Siehe auch

• Gerichteter azyklischer Graph (Repräsentationsmöglichkeit von Ontologien)
• Ontologiebibliothek

Quellen