> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/akademie/introduction-to-ontologies.md).

# Einführung in Ontologien

## Einführung

In der modernen Smart-Building-Technologie bieten Ontologien wertvolle Ansätze zur Strukturierung, Verwaltung und Nutzung von Daten in intelligenten Gebäuden. Sie unterstützen die Integration unterschiedlicher Systeme und Datenquellen und sorgen so für einen nahtlosen Informationsfluss. Diese Dokumentation zeigt, wie BuildingPro Suites Elemente der drei Ontologien Brick, Haystack und RealEstateCore nutzt, um die von diesen Ontologien adressierten Probleme zu lösen und zugleich die Flexibilität bietet, eigene ontologische Strukturen zu erstellen.

***

## Was sind [Ontologien](https://gi.de/informatiklexikon/ontologien)?

Ontologien sind strukturierte Rahmenwerke, die dazu dienen, Wissen in einem bestimmten Bereich zu organisieren und darzustellen. Sie bestehen aus einer Sammlung von Begriffen und den Beziehungen zwischen diesen Begriffen. Diese Begriffe und Beziehungen sind in einer formalen, häufig hierarchischen Struktur definiert, die es ermöglicht, Wissen zu kategorisieren und miteinander zu verknüpfen.

Eine Ontologie umfasst:

* **Klassen**: Sie stehen für Konzepte oder Objekte im betrachteten Bereich.
* **Instanzen**: Dies sind konkrete Beispiele oder Ausprägungen der Klassen.
* **Attribute**: Sie beschreiben Eigenschaften der Klassen und Instanzen.
* **Beziehungen**: Sie legen fest, wie Klassen und Instanzen miteinander in Beziehung stehen.

***

## Warum sind Ontologien im Kontext von Smart Buildings erforderlich?

Ontologien sind im Smart-Building-Bereich besonders nützlich, da sie eine strukturierte und semantisch reichhaltige Methode zur Organisation, Integration und Nutzung von Daten bieten. Im Folgenden werden konkrete Anwendungsbereiche und die Probleme aufgeführt, die Ontologien im Smart-Building-Kontext lösen:

### Wissensmanagement

* **Problem:** Umfangreiche und komplexe Datensätze in Smart Buildings lassen sich nur schwer organisieren und durchsuchen.
* **Lösung:** Ontologien helfen, diese Datensätze zu organisieren und zugänglich zu machen, indem sie klare Definitionen von Begriffen und deren Beziehungen bereitstellen. Das erhöht die Konsistenz und Zuverlässigkeit der Informationen und erleichtert das Wissensmanagement.

### Datenintegration

* **Problem:** Daten in Smart Buildings stammen aus verschiedenen Quellen und Systemen, die häufig nicht miteinander kompatibel sind.
* **Lösung:** Ontologien stellen eine gemeinsame Sprache und Struktur bereit, die die Integration dieser heterogenen Datenquellen erleichtert. So wird ein nahtloser Informationsfluss zwischen den Systemen ermöglicht und die Gesamteffizienz und Kohärenz der Gebäudeinfrastruktur verbessert.

### Interoperabilität

* **Problem:** Verschiedene Systeme und Geräte in Smart Buildings können oft nicht effektiv miteinander kommunizieren.
* **Lösung:** Ontologien fördern die Interoperabilität durch die Verwendung standardisierter Begriffe und Beziehungen. Dadurch können verschiedene Systeme effektiv kommunizieren und zusammenarbeiten. Das ist besonders wichtig für die Integration neuer Technologien und die Skalierbarkeit von Smart-Building-Lösungen.

### Semantische Webservices

* **Problem:** Die Integration und Nutzung von Webservices in Smart Buildings ist häufig kompliziert und unflexibel.
* **Lösung:** Ontologien ermöglichen die semantische Annotation von Webservices. Dadurch lassen sich Webservices, die für die Verwaltung und den Betrieb intelligenter Gebäude relevant sind, einfacher finden, aufrufen und integrieren.

### Ein gewisses Maß an Flexibilität und Anpassungsfähigkeit

* **Problem:** Systeme in Smart Buildings müssen sich an veränderte Anforderungen und technologische Fortschritte anpassen können.
* **Lösung:** Ontologien bieten die Flexibilität, neue Konzepte und Beziehungen in das bestehende Rahmenwerk zu integrieren. Dadurch steigt die Anpassungsfähigkeit der Systeme, und kontinuierliche Innovation und Anpassung im dynamischen Umfeld der Smart-Building-Technologie werden unterstützt.

***

## Schwächen von Ontologien im Kontext von Smart Buildings

* **Komplexität:** Die Erstellung und Pflege von Ontologien ist ein komplexer Prozess, der umfassende Kenntnisse in den Bereichen Wissensrepräsentation, Informatik und domänenspezifisches Fachwissen erfordert. Die detaillierte Struktur und die Vielzahl der Beziehungen innerhalb einer Ontologie können schwer zu verstehen und umzusetzen sein. Diese Komplexität kann zu Fehlern und Inkonsistenzen führen, die die Wirksamkeit der Ontologie beeinträchtigen.
* **Kosten:** Die Entwicklung und Implementierung von Ontologien sind mit hohen Kosten verbunden. Diese entstehen durch den Bedarf an spezialisierten Fachkräften, umfangreiche Entwicklungs- und Validierungsprozesse sowie den Einsatz spezialisierter Softwarewerkzeuge. Die laufende Pflege und Aktualisierung der Ontologie verursacht zusätzliche Kosten, die viele Organisationen nicht tragen wollen oder können.
* **Unflexibilität:** Ontologien sind oft starr und lassen sich nach ihrer Definition nur schwer ändern. Jede Änderung kann weitreichende Auswirkungen auf die gesamte Struktur und die damit verbundenen Systeme haben, wodurch der Änderungsprozess zeitaufwendig und kostspielig wird. Diese Unflexibilität kann dazu führen, dass Ontologien nicht schnell genug auf veränderte Anforderungen und technologische Fortschritte reagieren können.
* **Akzeptanz:** In der Praxis werden Ontologien oft nicht eingesetzt, weil sie als zu theoretisch und unpraktisch gelten. Viele Praktiker bevorzugen pragmatischere Ansätze zur Datenintegration und -verwaltung, die weniger komplex und leichter verständlich sind. Die geringe Akzeptanz kann auch darauf zurückzuführen sein, dass die Vorteile von Ontologien nicht ausreichend vermittelt oder verstanden werden.
* **Pflege und Aktualisierungen:** Die kontinuierliche Pflege und Aktualisierung von Ontologien stellt eine erhebliche Herausforderung dar. Da sich Technologien und Anforderungen in intelligenten Gebäuden ständig weiterentwickeln, müssen Ontologien regelmäßig aktualisiert werden, um relevant zu bleiben. Dieser Prozess erfordert kontinuierliche Aufmerksamkeit und Ressourcen und bedeutet für die Organisation einen zusätzlichen Aufwand.
* **Kompatibilität und Standardisierung:** Die Entwicklung von Ontologien, die mit bestehenden Standards und Systemen kompatibel sind, kann schwierig sein. Unterschiede in Terminologie, Struktur und Implementierung zwischen verschiedenen Ontologien und Systemen können zu Interoperabilitätsproblemen führen. Dadurch wird die Integration neuer Systeme und Technologien erschwert und die Effizienz von Lösungen für intelligente Gebäude beeinträchtigt.
* **Skalierbarkeit:** Obwohl Ontologien bei der Verwaltung von Daten in großen Systemen helfen können, stoßen sie bei der Skalierung auf sehr große Datenmengen und komplexe Systeme an ihre Grenzen. Die Leistung von Ontologien kann durch die Zunahme der Datenmenge und die Komplexität der Beziehungen beeinträchtigt werden, was zu Verzögerungen bei der Datenverarbeitung und bei Abfragen führen kann.

***

## Alternative Lösungen zu Ontologien

Neben Ontologien gibt es weitere Ansätze zur Wissensrepräsentation und Datenintegration. Vier relevante Alternativen sind Taxonomien, Thesauri, Graphdatenbanken und AKS (Aggregierte Kodierungssystematik). Diese Ansätze lösen einige der Probleme, mit denen sich auch Ontologien befassen, bieten jedoch jeweils spezifische Vor- und Nachteile.

### [Taxonomien](https://de.wikipedia.org/wiki/Taxonomie)

**Was ist das?** Taxonomien sind hierarchische Klassifizierungssysteme, die Daten in Kategorien und Unterkategorien ordnen. Sie bieten eine einfache Struktur zur Organisation von Informationen.

#### Gelöste Probleme:

* **Wissensmanagement:** Taxonomien helfen dabei, Daten zu kategorisieren und zu strukturieren, sodass sie leichter zugänglich und verwaltbar sind.
* **Datenintegration:** Die einfache hierarchische Struktur erleichtert die Integration von Daten aus verschiedenen Quellen.

#### Stärken:

* **Einfachheit:** Taxonomien lassen sich leichter erstellen und pflegen als Ontologien.
* **Kosteneffizienz:** Weniger ressourcenintensiv bei Entwicklung und Implementierung.
* **Flexibilität:** Im Vergleich zu Ontologien leichter anpassbar und erweiterbar.

#### Schwächen:

* **Geringere semantische Tiefe:** Taxonomien bieten nicht dieselbe Tiefe und Vielfalt an Beziehungen wie Ontologien.
* **Eingeschränkte Interoperabilität:** Weniger wirksam bei der Förderung der Interoperabilität zwischen komplexen Systemen.
* **Eingeschränkte Automatisierung:** Weniger geeignet für die Automatisierung komplexer Prozesse.

***

### Thesauri

**Was ist das?** Thesauri sind strukturierte Begriffslisten, die Synonyme und verwandte Begriffe enthalten. Sie erleichtern das Auffinden und Verknüpfen von Informationen, indem sie Synonyme und verwandte Begriffe bereitstellen.

#### Gelöste Probleme:

* **Wissensmanagement:** Thesauri bieten strukturierte Begriffslisten mit Synonymen und verwandten Begriffen, die das Auffinden und Verknüpfen von Informationen erleichtern.

#### Stärken:

* **Erweiterte Suche:** Verbesserte Suchfunktionen durch Synonyme und verwandte Begriffe.
* **Flexibilität:** Ermöglicht eine flexiblere Navigation zwischen verwandten Konzepten.

#### Schwächen:

* **Komplexität:** Die Verwaltung kann bei großen Datenmengen komplex sein.
* **Eingeschränkte Struktur:** Bietet keine umfassende hierarchische Struktur wie Ontologien.

***

### [Graphdatenbanken](https://aws.amazon.com/de/nosql/graph/)

**Was ist das?** Graphdatenbanken sind spezialisierte Datenbanken, die Daten als Knoten (Entitäten) und Kanten (Beziehungen) darstellen. Sie ermöglichen die flexible Darstellung und Abfrage komplexer Datenbeziehungen.

#### Gelöste Probleme:

* **Datenintegration:** Graphdatenbanken ermöglichen die flexible Darstellung und Abfrage von Datenbeziehungen, was die Integration erleichtert.
* **Interoperabilität:** Sie unterstützen die Verknüpfung und Interoperabilität zwischen verschiedenen Datensätzen und Systemen.

#### Stärken:

* **Flexibilität:** Graphdatenbanken ermöglichen flexible und dynamische Beziehungen zwischen Datenpunkten.
* **Leistung:** Sie bieten leistungsstarke Abfragefunktionen für komplexe Datenbeziehungen.
* **Skalierbarkeit:** Gut geeignet für große und komplexe Datensätze.

#### Schwächen:

* **Komplexität:** Die Modellierung und Abfrage von Daten in Graphdatenbanken kann komplex sein.
* **Kosten:** Höhere Kosten für Implementierung und Wartung im Vergleich zu einfacheren Lösungen wie Taxonomien.
* **Spezialisierung:** Für die effektive Nutzung sind Fachwissen und spezielle Kompetenzen erforderlich.

***

### AKS (Aggregiertes Codierungssystem)

**Was ist das?** AKS ist ein standardisiertes System zur strukturierten und einheitlichen Codierung von Gebäuden und ihren Komponenten. Es bietet eine klare und konsistente Struktur für die Verwaltung von Gebäudedaten. [Beispiel](https://www.astra.admin.ch/dam/astra/de/dokumente/standards_fuer_nationalstrassen/astra_83013_umsetzungderakschbsa.pdf.download.pdf/astra_83013d.pdf)

#### Gelöste Probleme:

* **Datenintegration:** AKS bietet eine standardisierte Methode zur strukturierten und einheitlichen Codierung von Gebäuden und ihren Komponenten, wodurch die Integration erleichtert wird.
* **Konsistenz:** Die Verwendung standardisierter Aspekte wie „Standort“, „Produkt“ und „Zugehörigkeit“ gewährleistet eine konsistente Datenstruktur.

#### Stärken:

* **Standardisierung:** Bietet eine einheitliche und standardisierte Struktur für Daten.
* **Einfachheit:** Weniger komplex in der Implementierung und Wartung als Ontologien.
* **Flexibilität:** Kann an verschiedene Anwendungsfälle angepasst werden.

#### Schwächen:

* **Eingeschränkte Semantik:** Bietet bei der Darstellung von Beziehungen nicht dieselbe Tiefe und Flexibilität wie Ontologien.
* **Eingeschränkte Interoperabilität:** Weniger effektiv bei der Förderung der Interoperabilität zwischen hochkomplexen Systemen.

***

## Fazit

Ontologien bieten einen methodischen Ansatz zur Integration und Verwaltung von Daten in intelligenten Gebäuden, sind jedoch oft komplex, zeitaufwendig und unflexibel. BuildingPro Suites nutzt Elemente der Ontologien Brick, Haystack und RealEstateCore, um spezifische Herausforderungen zu bewältigen, und bietet zugleich die Flexibilität, benutzerdefinierte ontologische Strukturen zu erstellen, die individuellen Anforderungen entsprechen.

Alternative Ansätze wie Taxonomien, Thesauri, Graphdatenbanken und AKS bieten weniger komplexe und flexiblere Lösungen:

* **Taxonomien**: Einfach und kostengünstig, aber weniger semantisch.
* **Thesauri**: Verbesserte Suchfunktionen, aber komplexer in der Verwaltung.
* **Graphdatenbanken**: Flexibel und leistungsstark, aber kostenintensiv und komplex in der Implementierung.
* **AKS**: Standardisiert und einfach, jedoch mit eingeschränkter Semantik und Interoperabilität.

Jede Methode hat ihre eigenen Stärken und Schwächen; welche gewählt wird, hängt von den spezifischen Anforderungen der Anwendung ab.

In den nächsten Kapiteln betrachten wir die Implementierungen der Ontologien Brick, Haystack und RealEstateCore im Detail und erläutern ihre Bedeutung und praktischen Anwendungen für intelligente Gebäude.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.buildings.ability.abb/collection/german/akademie/introduction-to-ontologies.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
