Schlussfolgerungssystem GraphScale

In einer semantischen Lösung werden die zugrundeliegenden Rohdaten mit einer Ontologie zu einem Wissensnetz ergänzt. Dieses ist Ausgangspunkt für logische Schlussfolgerungsprozesse. Erst hierüber wird Wissen explizit nutzbar. GraphScale ist ein hochperformantes Schlussfolgerungs- und Abfragesystem für große Wissensnetze, die in Triple Stores sowie relationalen oder NoSQL-Datenbanken gespeichert sind. Mit der GraphScale-Technologie wird damit aus bestehenden Speichersystemen eine effiziente und belastbare Verarbeitungskomponente für wissensinstensive Anwendungen.

Mehr Skalierbarkeit und Ausdrucksstärke für Smart Data

GraphScale ist speziell für die Verarbeitung großer Wissensnetze aus dem ausdrucksmächtigen OWL 2 RL Sprachprofil entwickelt worden. Die GraphScale-Technologie basiert auf einem neuartigen Abstraktionsansatz, der Performanz-Vorteile gegenüber existierenden Mechanismen in bekannten Triple Stores besitzt und gleichzeitig beweisbar korrekt und vollständig funktioniert.
Das Ergebnis ist ein flexibles, semantisches Gesamtsystem, dass auf einem bestehenden Datenspeichern aufbaut und alle logisch folgenden Schlussfolgerungen sehr effektiv berechnet (materialisiert). Abfragen z.B. via SPARQL können anschließend direkt auf dem Datenspeicher, oder auch über GraphScale ausgeführt werden. Für den Einsatz unter hochverfügbaren Anforderungen besitzt GraphScale von Grund auf eine parallele Verarbeitungsarchitektur und kann vom verteilten Datenmanagement der zugrundeliegenden Datenspeicher (z.B. replication, sharding) profitieren. Für maximale Performanz kann GraphScale auch als reines in-memory System aufgesetzt werden.

Highlights

  • Skalierbar durch innovativen Abstraktionsansatz
  • Volle Unterstützung von OWL 2 RL
  • Flexibel kombinierbar mit Triple Stores und Datenbanken
  • Integrierte, optimierte SPARQL-Schnittstelle

Verfügbarkeit

GraphScale wird im Rahmen einer dualen Lizenz demnächst verfügbar sein.