Prototypen

• Ontario
  Ontario ist ein ontologiebasiertes Datenintegrations- und Semantic Enrichment-On-Demand-Framework über Semantic Data Lakes. Ontario fügt eine semantische Schicht auf die Quelldatensätze hinzu, die als Rohformat in einem Data Lake gespeichert werden. Ontario unterstützt verschiedene Datenmodelle (strukturiert und teilstrukturiert) wie Relational, CSV, TSV, JSON, XML, Dokument und Grafik. Darüber hinaus werden die folgenden Datenmanagementsysteme unterstützt: MySQL, Postgres, MongoDB, Neo4j und verteilte Dateisysteme Hadoop HDFS und S3. SPARQL ist die globale Abfragesprache und derzeit werden RML-Mappings unterstützt. URL: https://labs.tib.eu/info/en/project/ontario/

• FALCON
  FALCON ist ein Entity- und Relation-Linking-Framework über DBpedia, das in der Lage ist, Relationen und Entitäten in kurzen Texten oder Fragen zu identifizieren. URL: https://labs.tib.eu/falcon

• RDFizer
  SDM-RDFizer ist ein Interpreter von Mapping-Regeln, die die Transformation von (un)strukturierten Daten in RDF-Wissensgraphen ermöglichen. Die aktuelle Version des SDM-RDFizers geht davon aus, dass die Mappingregeln in der RDF Mapping Language (RML) definiert sind. Der SDM-RDFizer implementiert optimierte Datenstrukturen und relationale Algebraoperatoren, die eine effiziente Ausführung von RML-Triple-Maps auch in Gegenwart von Big-Daten ermöglichen. Der SDM-RDFizer ist in der Lage, Daten aus heterogenen Datenquellen (CSV, JSON, RDB, XML) zu verarbeiten. Die neueste Version von SDM-RDFizer, Version 4.0, mit neuen Optimierungsfunktionen zur effizienten Erstellung sehr großer KGs, wurde im Oktober 2021 veröffentlicht. URL: https://github.com/SDM-TIB/SDM-RDFizer

   

• Dragoman
  Dragoman ist ein optimierter Interpreter von Mapping-Regeln (definiert in RML) und integriert Datenvor- und -nachbearbeitungsfunktionen, die gemäß der FnO (Function Ontology) als Teil der Transformation von Daten in RDF-Wissensgraphen definiert sind. Dragoman ermöglicht es dem Benutzer, seine eigene Funktionsbibliothek einfach zu erstellen. URL: https://github.com/SDM-TIB/Dragoman

• easyRML
  easyRML erleichtert die Erstellung von RML-Mapping-Regeln. easyRML bietet eine benutzerfreundliche Oberfläche, die es den Benutzern ermöglicht, ihre Mapping-Regeln zu erstellen, ohne sich um die Syntax der Mapping-Sprache kümmern zu müssen. easyRML ermöglicht es den Benutzern, ihre Ontologie und die Liste der Datenfelder hochzuladen, damit sie während des Prozesses der Deklaration der Mapping-Regeln einen besseren Überblick über die Komponenten des Datenintegrationssystems haben. URL: https://github.com/SDM-TIB/easyRML

• Leibniz Data Manager
  Der Prototyp des TIB Data Manager wurde entwickelt, um den Aspekt der besseren Wiederverwendbarkeit von Forschungsdaten zu unterstützen. URL: https://service.tib.eu/ldmservice/

• DeTrusty
  DeTrusty ist eine föderierte Abfragemaschine. In diesem Stadium werden nur SPARQL-Endpunkte unterstützt. DeTrusty unterscheidet sich von anderen Abfragemaschinen durch seinen Fokus auf die Erklärbarkeit und Vertrauenswürdigkeit des Abfrageergebnisses. URL: https://github.com/SDM-TIB/DeTrusty

• Trav-SHACL

  Trav-SHACL eine SHACL-Engine, die in der Lage ist, die Durchquerung und Ausführung eines Shape-Schemas so zu planen, dass ungültige Entitäten frühzeitig erkannt und unnötige Validierungen minimiert werden. Trav-SHACL ordnet die Shapes in einem Shape-Schema für eine effiziente Validierung neu an und schreibt Ziel- und Constraint-Abfragen für eine schnelle Erkennung ungültiger Entitäten um. Das Shape-Schema wird anhand eines RDF-Graphen validiert, der über einen SPARQL-Endpunkt zugänglich ist. URL: https://github.com/SDM-TIB/Trav-SHACL