Geospatial linked data are an emerging domain, with growing interest in research and the industry. There is an increasing number of publicly available geospatial linked data resources, which can also be interlinked and easily integrated with private and industrial linked data on the web. The present paper introduces Geo-L, a system for the discovery of RDF spatial links based on topological relations. Experiments show that the proposed system improves state-of-the-art spatial linking processes in terms of mapping time and accuracy, as well as concerning resources retrieval efficiency and robustness.
Data is the basis for creating information and knowledge. Having data in a structured and machine-readable format facilitates the processing and analysis of the data. Moreover, metadata—data about the data, can help discovering data based on features as, e.g., by whom they were created, when, or for which purpose. These associated features make the data more interpretable and assist in turning it into useful information. This chapter briefly introduces the concepts of metadata and Linked Data—highly structured and interlinked data, their standards and their usages, with some elaboration on the role of Linked Data in bioeconomy.
Zusammenfassung Der Beitrag entwickelt und diskutiert ein im Forschungsprojekt KMI (Künstlich Menschlich Intelligent) erprobtes Vorgehensmodell zur menschzentrierten Einführung von Künstlicher Intelligenz (KI) in Unternehmen und verortet dieses im Spannungsfeld von menschzentrierter KI-Gestaltung und Design Science Research (DSR). Anhand von zwei Pilotunternehmen wird die praktische Anwendung des Vorgehensmodells entlang des vollständigen DSR-Zyklus rekonstruiert und vergleichend analysiert. Die Ergebnisse verdeutlichen, dass menschzentrierte KI-Einführung als iterativer, stakeholderorientierter und soziotechnischer Gestaltungsprozess zu verstehen ist, für dessen ganzheitliche Ausgestaltung ein multidisziplinärer Ansatz einen tragfähigen Rahmen bietet. Der Beitrag leistet einen empirisch fundierten Beitrag zur Operationalisierung menschzentrierter KI-Einführung in betrieblichen Anwendungskontexten.
14 October 2026 in HMD Praxis der Wirtschaftsinformatik
Zusammenfassung: Die Digitalisierung kleiner und mittlerer Unternehmen wird durch die zunehmende Verfügbarkeit leistungsfähiger KI-Anwendungen beschleunigt, wodurch neue Potenziale sowie Herausforderungen entstehen. Ein entscheidender Faktor für die erfolgreiche Einführung von KI-Anwendungen ist die Verfügbarkeit ausreichender Datenmengen, die oft aus einer langfristigen Datenaggregation resultieren. Kleine und mittlere Unternehmen leiden in der Regel unter Datenmangel, wodurch ihr Bedarf an hoher Qualität steigt. Hierbei stellt der Aufbau von Datenpipelines für sie eine Herausforderung dar. Bislang unzureichend betrachtet wird dabei die Abhängigkeit von Mitarbeitenden als Teil der Pipeline, insbesondere wenn diese Aufgaben zur Datenerfassung in ihre Arbeitsroutine integrieren müssen. Dieser Beitrag beleuchtet reale Szenarien in Unternehmen mit der Herausforderung, Daten angemessen zu erfassen, ohne die Entwicklungsprozesse datengetriebener nachgelagerter Aufgaben und Prozesse zu beeinträchtigen. Daraus werden Potenziale und Risiken von Menschen als Teil von Datenpipelines sowie praxisnahe Empfehlungen zur Vermeidung von Fallstricken abgeleitet. Dadurch können sowohl Datenqualität als auch Mitarbeitendenzufriedenheit langfristig verbessert werden.