Forschung fürbessere KI.

    Wir erforschen, wie KI direkt mit Wissen arbeiten, logisch schlussfolgern und überprüfbare Antworten liefern kann.

    Themen

    Ausgewählte Forschung

    VorabveröffentlichungBilAI
    2026

    Agentic SPARQL: Bewertung intelligenter SPARQL-MCP-Agenten im Benchmark für föderierte Wissensgraphabfragen

    Daniel Dobriy, Frederik Bauer u. a.

    BuchkapitelVeröffentlicht
    2026

    Künftige Innovationen bei der Verbindung großer Sprachmodelle und Wissensgraphen

    Daniel Dobriy

    KonferenzbeitragAngenommen / im Druck
    2026

    Schichtweise Lokalisierung und Klassifikation von Halluzinationen in großen Sprachmodellen

    Naveen Lamba, Sanju Tiwari u. a.

    Publikationen

    2026
    KonferenzbeitragAngenommen / im Druck

    Agentenbasierte KI, Context Engineering und Wissensgraphen: Ansätze, Herausforderungen und Chancen

    Niraj Karki, Manjila Pandey, Sanju Tiwari, Nandana Mihindukulasooriya, Sven Groppe, Daniel Dobriy

    Mit den jüngsten Fortschritten bei großen Sprachmodellen (LLMs) und agentenbasierter KI ist Context Engineering (CE) als neues Forschungsgebiet entstanden. CE ergänzt Prompts für LLM-Agenten um das relevante Kontextwissen für komplexe Aufgaben. Dessen Qualität ist entscheidend für die Zuverlässigkeit. Wissensgraphen (KGs) bieten einen vielversprechenden Ansatz, um vielfältiges Kontextwissen mithilfe von Semantic-Web-Technologien und Wissensrepräsentation zu integrieren. Diese Arbeit untersucht aktuelle Ansätze, um Herausforderungen und Chancen der Nutzung von Wissensgraphen im CE zu identifizieren, ihre Grenzen zu erkunden und strategische Forschungsrichtungen aufzuzeigen. Die Ergebnisse zeigen uneinheitliche Methoden und ein begrenztes Verständnis der Herausforderungen bei Skalierbarkeit und Qualitätssicherung. Dies verlangsamt die Entwicklung robuster, kontextbewusster KI-Systeme für reale Komplexität und domänenübergreifende Schlussfolgerungsaufgaben.

    Konferenzbeitrag/Context Engineering/Wissensgraphen/Große Sprachmodelle/Ontologie/Wissensrepräsentation/Qualität
    Publikation öffnen
    2026
    VorabveröffentlichungBilAI

    Agentic SPARQL: Bewertung intelligenter SPARQL-MCP-Agenten im Benchmark für föderierte Wissensgraphabfragen

    Daniel Dobriy, Frederik Bauer, Amr Azzam, Debayan Banerjee, Axel Polleres

    DOI: 10.57938/83c86964-2d48-46f1-b655-5bef78c1a837

    Standardprotokolle wie das Model Context Protocol (MCP), über das LLMs Werkzeuge anbinden können, haben agentenbasierte KI-Anwendungen zuletzt vorangebracht. Mit den Planungsfähigkeiten von LLMs und dem Zugriff auf externe Werkzeuge und Datenquellen versprechen sie, komplexe Aufgaben zu lösen. Öffentlich verfügbare SPARQL-Endpunkte bieten dabei eine naheliegende Verbindung verschiedener Datenquellen über MCP: durch ein standardisiertes Protokoll und eine Abfragesprache, standardisierte Metadatenformate und die native Unterstützung föderierter Abfragen. Diese Arbeit untersucht das Potenzial intelligenter SPARQL-MCP-Agenten für föderierte SPARQL-Abfragen. Zunächst wird ein bestehender Benchmark zur Fragebeantwortung über Wissensgraphen um agentenbasierte föderierte Fragebeantwortung (FKGQA) erweitert. Anschließend wird die Integration von SPARQL-Föderation und LLM-Agenten über MCP implementiert und bewertet, einschließlich Endpunktentdeckung und Quellenauswahl, Schemaerkundung und Abfrageformulierung. Verschiedene Architekturen werden anhand des erweiterten Benchmarks verglichen. Die Arbeit ergänzt frühere Forschung zur automatisierten SPARQL-Föderation um ihre Verbindung mit agentenbasierter KI.

    Künstliche Intelligenz/Wissensengineering/Webengineering/Semantische Technologien/Working Papers on Information Systems, Information Business and Operations
    Publikation öffnen PDF
    2026
    BuchkapitelVeröffentlicht

    Künftige Innovationen bei der Verbindung großer Sprachmodelle und Wissensgraphen

    Daniel Dobriy

    Dieses Kapitel untersucht, wie große Sprachmodelle und Wissensgraphen kombiniert werden können, um Faktenbezug, nachvollziehbares Schlussfolgern sowie dauerhaftes und aktualisierbares Wissen zu unterstützen. Es entwickelt eine Taxonomie für graphgestütztes Retrieval und Generierung, Aufbau, Zugriff und Pflege von Wissensgraphen sowie hybride adaptive Architekturen. Die Übersicht über Evaluierungsressourcen betont, dass Graphzugriff, Belegabruf, Aktualisierung, Herkunft, Unsicherheit, Gedächtnisstabilität und Rechenaufwand getrennt bewertet werden müssen. Besonderes Augenmerk gilt graphbasiertem Agentengedächtnis: Wissensgraphen unterstützen dauerhaftes Wissen, Weltmodellierung, Schlussfolgern, Werkzeug- und Agentenkoordination sowie die Verwaltung gemeinsamer Aussagen. Ein durchgehendes Beispiel eines wissenschaftlichen Literaturanalysten veranschaulicht diese Fähigkeiten und ihre betrieblichen Anforderungen. Das Kapitel identifiziert Herausforderungen bei Graphversionierung, logischer Laufzeitvalidierung, ausführbarem Graphzugriff, Quellenentdeckung und Metadateninteroperabilität. Es skizziert drei Zukunftsrichtungen: Datensuchmaschinen mit natürlichsprachlicher Interaktion und föderierten Abfragen über das dezentrale Web der Daten, eine gemeinsame semantische Schicht für unterschiedliche Wissensorganisationssysteme sowie generative Modelle, die direkt auf sprachunabhängigen semantischen Repräsentationen arbeiten. Der Nutzen der Integration hängt von den Aufgabenanforderungen und einem Graphgedächtnis ab, das langfristig korrekt, prüfbar, reversibel und steuerbar bleibt.

    Buchkapitel/Wissensgraphen/Große Sprachmodelle/Neurosymbolische KI/Agentenbasierte KI/Graphbasiertes Agentengedächtnis/GraphRAG/Semantic Web
    Publikation öffnen
    2026
    KonferenzbeitragAngenommen / im Druck

    Schichtweise Lokalisierung und Klassifikation von Halluzinationen in großen Sprachmodellen

    Naveen Lamba, Sanju Tiwari, Manas Gaur, Daniel Dobriy

    LLM/KI/Halluzinationen/Erklärbarkeit
    Publikation öffnen
    2026
    KonferenzbeitragVeröffentlicht

    Die historischen Wurzeln agentenbasierter KI in semantischen Webdiensten

    Axel Polleres, Frederik Bauer, Daniil Dobriy, Tobias Käfer, Lukas Kubelka, Andreas Harth, Thomas Wehr

    DOI: 10.1145/3774905.3795076

    Konferenzbeitrag/WWW Companion '26: Companion Proceedings of the ACM Web Conference 2026 : Dubai
    Publikation öffnen PDF
    2025
    ZeitschriftenartikelVeröffentlicht

    Offen oder wettbewerbsfähig? Unterschiede beim Teilen offener Daten im europäischen Schienenpersonenverkehr

    Shahrom Sohi, Sri Harikrishnan, Amin Anjomshoaa, Axel Polleres

    DOI: 10.1016/j.trip.2025.101698

    Offene Daten prägen das Zusammenspiel von Verwaltung, Wirtschaft und Öffentlichkeit. Im europäischen Bahnsektor verstärken Liberalisierung, ökologische Nachhaltigkeit und der einheitliche europäische Eisenbahnraum (SERA) den Bedarf an offenen, interoperablen Verkehrsdaten. Bahnorganisationen stehen jedoch vor einer doppelten Aufgabe: Sie sollen ihre öffentliche Rolle im offenen Verkehrs- und Mobilitätsdatenökosystem erfüllen und zugleich sensible, wettbewerbsrelevante Informationen schützen. Diese Arbeit untersucht die Beteiligung nationaler Bahnorganisationen in EU und EFTA an offenen Dateninitiativen über drei Kanäle: Bahn-Datenportale (ROPs), staatliche Datenportale (GOPs) und nationale Zugangspunkte (NAPs). Durch strukturierte Datenerhebung und manuelle Kennzeichnung werden 1.097 offene Datensätze nationaler Bahnunternehmen und Infrastrukturbetreiber nach Portaltyp, Land, Thema und Qualität gemäß dem Fünf-Sterne-Modell für offene Daten katalogisiert. Die Ergebnisse zeigen eine fragmentierte Landschaft mit Unterschieden bei Datenmenge, Themen und Offenheitsstandards. Betriebsdaten wie Fahrpläne und Strecken dominieren. Wesentliche Lücken bestehen bei Kundenerfahrung, spezifischer Infrastruktur und Organisationsdaten. Bahnunternehmen bevorzugen ROPs und GOPs gegenüber den EU-rechtlich vorgeschriebenen NAPs. Das wirft Fragen nach Konsistenz und Regelkonformität auf. Die ungleiche Verfügbarkeit offener Bahndaten betrifft auch digitale Teilhabe. Ungleicher Zugang zu Verkehrsinformationen kann Informationsunterschiede zwischen Einwohnern der EU und EFTA verstärken. Daraus ergibt sich Bedarf an harmonisierten Regeln für offene Daten und stärkeren Qualitätskontrollen auf europäischer Ebene.

    Zeitschriftenartikel/Transportation Research Interdisciplinary Perspectives
    Publikation öffnen PDF