Anbieter zum Thema

neo4j

The Quality Group GmbH

Liferay GmbH

Vom Datensilo zum Knowledge Graphen

Das ARSINOE-Team wollte eine einheitliche Plattform schaffen, die alle relevanten Informationen an einer zentralen Stelle zusammenführt und Analysen rund um die Erreichung der einzelnen SDGs ermöglicht. An Daten mangelte es dabei nicht. Die Herausforderung lag eher in der fehlenden Datenqualität sowie an den vielfachen Datensilos, die es zu verknüpfen galt. Abhängig von den einzelnen Initiativen und Akteuren lagen die Informationen in unterschiedlichen Formaten vor und nutzten eine abweichende Semantik und Terminologie zur Beschreibung und Kategorisierung der Inhalte. In manchen Fällen fehlten wichtige Werte, in anderen wimmelte es von Duplikaten. Die Mehrheit der Datensätze waren so wenig bis gar nicht interoperabel, was das Data Mining enorm erschwerte.

ARSINOE entschied sich schließlich für den Einsatz von Graphtechnologie und erstelle mit Hilfe der Graphdatenbank Neo4j einen Knowledge Graphen. Diese bieten ein flexibles und skalierbares Datenmodell, um große Mengen an heterogenen Daten zu verknüpfen und sie abzufragen. Einzelne Daten werden als Knoten, die Beziehungen zwischen Daten als Kanten modelliert („SDG 1 abhängig von Indikator A“). Jeder Knoten lässt sich mit weiteren Informationen (Metadaten) versehen – zum Beispiel Zielvorgaben oder Zeitstempel.

Graphdatenbanken arbeiten mit der Prämisse, dass Beziehungen überall vorhanden sind. Jede Ebene der nativen Architektur ist dafür optimiert, vernetzte Daten vollständig abzubilden. Anders als bei herkömmlichen relationalen Datenbanken liefert der Graph also einen Kontext, der Abfragen und Analysen selbst in hoch komplexen Netzwerken ermöglicht. Data Scientist können Zusammenhänge und Muster offenlegen und bislang unbekannte Wechselwirkungen aufdecken. KI profitiert von diesen vernetzten Daten, da der Kontext die Ergebnisse genauer, transparenter und erklärbarer macht. Das ist ein Grund warum Knowledge Graphen als Basisbaustein für GenAI gelten.

Nachhaltigkeitsdaten mit wenigen Klicks

Der Open-Source SustainGraph von ARSINOE umfasst momentan 3,7 Millionen Knoten und 7,5 Millionen Beziehungen, wächst aber kontinuierlich. Im Graphen sind nicht nur die UN-Ziele für nachhaltige Entwicklung abgelegt, sondern auch Vorgaben, Themen und Handlungsempfehlungen aus dem EU Green Deal für die kommenden 12 Monate für jeden Mitgliedsstaat. Lokale Regierungsrichtlinien, die Länder auf Basis des Pariser Abkommens vorlegten, sind ebenfalls erfasst. Zum Abgleich der gesetzlichen Vorgaben mit dem bislang in der Praxis umgesetzten Nachhaltigkeitsaktionen nutzt ARSINOE das öffentlich zugänglich EU-Referenzportal „Climate Innovation Window (CIW)“, das eine ausführliche Liste von Klima-Initiativen pflegt.

Für die Datenerfassung, Analyse und „Wissensproduktion“ setzt das Team in Kombination mit dem Knowledge Graphen natürliche Sprachverarbeitung (NLP) und maschinelles Lernen (ML) ein. Für eine einfache Darstellung und Navigation nutzten die Datenwissenschaftler zudem das Visualisierungstool Neo4j Bloom sowie NeoDash, ein No/Low-Code Dashboard zur Erstellung und Integration von Diagrammen, Tabellen und Karten auf der Benutzeroberfläche. Dadurch sehen die Forscher auf einen Blick, wie sich verschiedene Maßnahmen auf einzelne Nachhaltigkeitsziele auswirken und wie sie miteinander verbunden sind. Das eröffnet Möglichkeiten zur besseren Steuerung und Abstimmung. Der Fortschritt lässt sich jederzeit einsehen und nachverfolgen – und zwar für jedes SDG, jedes Land und jeden Zeitraum.

Der Anteil junger Menschen zum Beispiel, die sich weder in der Ausbildung befinden noch in einem Berufsverhältnis stehen gilt als wichtiger Indikator für SDG 4 „Inklusive, gleichberechtigte und hochwertige Bildung“. Für diesen Wert gibt es nationale Zielvorgaben (zum Beispiel 9 Prozent). Im SustainGraph können Anwender mit wenigen Klicks einsehen, welche Länder diesen Wert bereits erreicht haben, welche Maßnahmen darauf einzahlen und wie sich die Zahlen über den Lauf der Zeit verändert haben. Ähnlich aktuelle Informationen lassen sich zu Fragen über die Netto-Treibhausgasemissionen (SDG 13 „Klimaschutz“), den Anteil erneuerbarer Energie am globalen Energiemix (SDG 7 „Saubere Energie“), den Zugang zu sicherem und bezahlbarem Wohnraum (SDG 11 „Nachhaltige Städte“) oder die Zahl von Frauen in Führungspositionen (SDG 5 „Geschlechtergleichheit“) abrufen.

Die Detailtiefe im Knowledge Graph erlaubte es dem ARSINOE-Team zudem, ein Framework für Climate Change Vulnerability Assessments (CCVA) zu entwickeln. CCVAs untersuchen, wie anfällig bzw. „verwundbar“ bestimmte Regionen, Städte, Gemeinde oder Ökosysteme in Bezug auf den Klimawandel sind. Die Analyse umfasst sowohl qualitative als auch quantitative Methoden, wobei sozioökonomische Daten und Indikatoren einfließen. Der SustainGraph unterstützt beide Methoden und hilft als Analyse-Plattform, Anfälligkeiten auf zeitlicher und räumlicher Ebene zu identifizieren und Prioritäten bei Klimaschutz zu setzen.

(ID:50261407)