Knowledge Graph

Ein Knowledge Graph ist eine besondere Art, Wissen zu speichern. Statt Sätze oder Tabellenzeilen abzulegen, speichert er einzelne Dinge und die Beziehungen zwischen ihnen. Ein Ding kann eine Person sein, eine Stadt, ein Unternehmen oder ein Film. Zwischen diesen Dingen liegen benannte Verbindungen: „wurde geboren in“, „arbeitet für“, „ist Hauptstadt von“. Zeichnet man das auf, entsteht ein Netz aus Punkten und beschrifteten Pfeilen. Genau dieses Netz meint das Wort Graph, und die Beschriftung der Pfeile macht es zu Wissen und nicht nur zu einem Haufen Daten.

Warum Fakten in einem Netz mehr wert sind als in einer Tabelle

In einer normalen Tabelle steht jede Information für sich. Man kann darin nachschlagen, aber schlecht weiterdenken. Ein Knowledge Graph erlaubt dagegen Ketten von Schlüssen. Die Frage „Welche Regisseure haben Filme mit Schauspielern aus meiner Heimatstadt gedreht?“ verbindet drei Beziehungen hintereinander. In einer Tabelle wäre das eine aufwendige Suche, im Graphen ist es einfach ein Weg entlang der Pfeile.

Ein zweiter Vorteil ist die Erweiterbarkeit. Eine Tabelle hat feste Spalten, und eine neue Art von Information erzwingt oft eine neue Spalte für alle Einträge. Im Graphen hängt man einfach einen zusätzlichen Pfeil an ein einzelnes Ding. Deshalb eignen sich Knowledge Graphs gut für Wissen, das ständig wächst und nie ganz vollständig ist.

Wichtig ist auch die Eindeutigkeit. Im Graphen ist „Paris“ nicht bloß ein Wort, sondern ein bestimmter Eintrag mit eigener Kennnummer. Die Stadt in Frankreich und die Kleinstadt in Texas sind zwei verschiedene Punkte im Netz. Ein Textdokument kann diesen Unterschied nicht machen, ein Graph schon.

Tripel, Ontologien und die Frage, woher die Daten kommen

Die kleinste Einheit eines Knowledge Graph heißt Tripel und besteht aus drei Teilen. Ein Beispiel: „Marie Curie“ – „erhielt“ – „Nobelpreis für Physik“. Millionen solcher Dreierpakete ergeben zusammen den Graphen. Weil alle Angaben dieselbe einfache Form haben, kann ein Computer sie leicht durchsuchen und kombinieren.

Damit das Netz nicht im Chaos endet, gibt es ein Regelwerk für die erlaubten Typen und Beziehungen. Dieses Regelwerk nennt man Ontologie oder Schema. Es legt zum Beispiel fest, dass eine Person geboren werden kann, ein Unternehmen aber gegründet wird. Solche Regeln verhindern, dass dasselbe Verhältnis in fünf verschiedenen Schreibweisen im Graphen landet.

Gefüllt werden Knowledge Graphs auf drei Wegen. Manche Fakten kommen aus bestehenden Datenbanken, etwa aus Katalogen von Bibliotheken. Andere pflegen Menschen von Hand ein, wie bei der offenen Wissenssammlung Wikidata. Und ein wachsender Teil wird automatisch aus Texten herausgelesen, wobei ein Programm Namen erkennt und die Beziehungen dazwischen errät. Der automatische Weg ist der schnellste und zugleich der fehleranfälligste.

Vom Infokasten bei Google bis zur Betrugssuche der Banken

Am bekanntesten ist der Kasten rechts neben den Google-Ergebnissen mit Geburtsdatum, Beruf und verwandten Personen. Er stammt aus Googles eigenem Knowledge Graph, der dem Verfahren seinen Namen gegeben hat. Auch Sprachassistenten greifen darauf zurück, wenn sie Fragen wie „Wie alt ist der Bundeskanzler?“ beantworten sollen.

In Unternehmen dienen Knowledge Graphs oft der Verknüpfung getrennter Systeme. Banken erkennen darüber verdächtige Geldflüsse, weil auffällige Ketten von Überweisungen als Muster im Netz sichtbar werden. Pharmafirmen verbinden Gene, Wirkstoffe und Krankheiten, um mögliche neue Medikamente zu finden. Onlineshops schlagen Produkte vor, indem sie Verbindungen zwischen Artikeln, Marken und Käufergruppen auswerten.

In aktuellen Nachrichten taucht der Begriff häufig zusammen mit Sprachmodellen auf. Solche Modelle erfinden manchmal Fakten, weil sie Wörter nach Wahrscheinlichkeit aneinanderreihen. Ein angeschlossener Knowledge Graph liefert dagegen geprüfte Angaben mit nachvollziehbarer Quelle. Ein häufiger Irrtum ist übrigens, einen Knowledge Graph für eine Form von künstlicher Intelligenz zu halten. Er denkt nicht, sondern ordnet nur Wissen so, dass Programme damit arbeiten können.