Ontologie & MetamodellOntology & Metamodel
Entitäten, Beziehungen, Zustände, Regeln und fachliche Bedeutungen werden gemeinsam definiert.Entities, relationships, states, rules, and professional meanings are defined together.
Semantic Lifecycle & Knowledge Graph EngineeringSemantic Lifecycle & Knowledge Graph Engineering
Fragmentierte Informationen in ein navigierbares und prüfbares Systemmodell überführen.Transform fragmented information into a navigable and verifiable system model.
Wir entwickeln Ontologien, Metamodelle und Knowledge Graphs, die Bedeutung, Herkunft, Beziehungen und Auswirkungen über Systemgrenzen hinweg sichtbar machen.We develop ontologies, metamodels, and knowledge graphs that make meaning, origin, relationships, and effects visible across system boundaries.
Die HerausforderungThe Challenge
Daten sind vorhanden. Der Zusammenhang fehlt.The data exists. The relationships are missing.
Anforderungen, Prozesse, Funktionen, Komponenten, Risiken, Tests und Freigaben liegen häufig in unterschiedlichen Werkzeugen. Die Informationen existieren, können aber nicht gemeinsam ausgewertet werden.Requirements, processes, functions, components, risks, tests, and approvals often reside in different tools. The information exists, but cannot be evaluated together.
Ein semantisches Modell verbindet diese Inhalte über ihre fachliche Bedeutung. So entsteht eine gemeinsame Sicht auf Strukturen, Zustände, Abhängigkeiten und Wirkungen.A semantic model connects these contents through their professional meaning. This creates a shared view of structures, states, dependencies, and effects.
Typische EinsatzfelderTypical Use Cases
- PLM-, ALM-, QMS- und Enterprise-Systeme verbindenConnect PLM, ALM, QMS, and enterprise systems
- Requirements, Funktionen, Komponenten und Prozesse verknüpfenLink requirements, functions, components, and processes
- Traceability und Impact Analysis ermöglichenEnable traceability and impact analysis
- Datenintegrität, Versionierung und Provenienz absichernSafeguard data integrity, versioning, and provenance
- Compliance-Regeln und Evidence Chains operationalisierenOperationalize compliance rules and evidence chains
- KI-Systeme mit kontrolliertem Fachkontext versorgenProvide AI systems with controlled professional context
LeistungsbausteineService Components
Vom Domänenmodell bis zur PilotimplementierungFrom domain model to pilot implementation
Der Umfang reicht von der fachlichen Modellierung bis zur technischen Umsetzung in einem Knowledge Graph.The scope ranges from professional modelling to technical implementation in a knowledge graph.
Knowledge-Graph-ArchitekturKnowledge Graph Architecture
Graph-Schema, Labels, Beziehungen, Constraints, Versionierung und Provenienz werden entworfen.Graph schema, labels, relationships, constraints, versioning, and provenance are designed.
Daten- & ToolintegrationData & Tool Integration
Bestehende Quellen werden über APIs, Konnektoren und Transformationslogik semantisch verbunden.Existing sources are semantically connected through APIs, connectors, and transformation logic.
Regeln & ValidierungRules & Validation
Vollständigkeit, Konsistenz, erlaubte Beziehungen und Compliance-Vorgaben werden maschinenlesbar geprüft.Completeness, consistency, permitted relationships, and compliance requirements are checked in machine-readable form.
Analyse & NavigationAnalysis & Navigation
Abfragen, Pfade, Nachbarschaften und Wirkungsketten machen Zusammenhänge praktisch nutzbar.Queries, paths, neighborhoods, and chains of effect make relationships practically usable.
Proof of Value & PilotProof of Value & Pilot
Ein klar abgegrenzter Use Case wird mit realen Daten umgesetzt und auf Nutzen, Qualität und Betriebsfähigkeit geprüft.A clearly defined use case is implemented with real data and assessed for value, quality, and operational viability.
4BLM
Vier Perspektiven in einem semantischen Lifecycle-ModellFour perspectives in one semantic lifecycle model
Das MINGRAI® 4BLM-Modell verbindet Information, Funktionen, Material und Prozesse in einem gemeinsamen Ontologie-Layer.The MINGRAI® 4BLM model connects information, functions, material, and processes in one shared ontology layer.
Bill of Information
Informationsobjekte, Datendomänen, Attribute, Klassifikationen und Regeln.Information objects, data domains, attributes, classifications, and rules.
Bill of Functions
Funktionen, Services und Capabilities mit Bezug zu Anforderungen und Prozessen.Functions, services, and capabilities linked to requirements and processes.
Bill of Material
Physische und logische Komponenten, Konfigurationen, Varianten und BOM-/SBOM-Bezüge.Physical and logical components, configurations, variants, and BOM/SBOM relationships.
Bill of Processes
Aktivitäten, Rollen, Kontrollpunkte und Compliance-relevante Abläufe.Activities, roles, control points, and compliance-relevant workflows.
ErgebnisseOutcomes
Ein wiederverwendbares semantisches FundamentA reusable semantic foundation
- Domänenmodell oder OntologieDomain model or ontology
- Graph-Schema und technische ConstraintsGraph schema and technical constraints
- Mapping der Datenquellen und IntegrationsarchitekturData-source mapping and integration architecture
- Regel-, Abfrage- und ValidierungskatalogRule, query, and validation catalogue
- Governance- und Operating ModelGovernance and operating model
- Proof of Value oder Neo4j-PilotProof of value or Neo4j pilot
- Roadmap für Skalierung und produktiven BetriebRoadmap for scaling and productive operation
Keine pauschale ToolablösungNo Blanket Tool Replacement
Das Semantic Lifecycle System kann als Verbindungs- und Governance-Schicht zwischen bestehenden Systemen wirken. Vorhandene Investitionen bleiben nutzbar, während Zusammenhänge erstmals systemübergreifend sichtbar werden.The Semantic Lifecycle System can act as a connection and governance layer between existing systems. Existing investments remain usable while relationships become visible across systems for the first time.
Nächster SchrittNext Step
Welche Informationen müssen in Ihrem Unternehmen endlich zusammenfinden?Which information needs to come together in your organization?
Wir identifizieren einen geeigneten Knowledge-Graph-Use-Case und entwickeln den Weg vom Modell zum Pilot.We identify a suitable knowledge-graph use case and develop the path from model to pilot.