SiGNaL³/de

⚠️ LLM-generierter Inhalt Hinweis: Teile dieser Seite könnten mit Hilfe eines Large Language Models (LLM) erstellt oder bearbeitet worden sein. Die verwendeten Prompts könnten auf der Seite selbst, der Diskussionsseite oder in einfachen Fällen war der Prompt einfach "Schreibe eine MediaWiki-Seite über X", wobei X der Seitenname ist. Obwohl der Inhalt überprüft wurde, könnte er dennoch ungenau oder fehlerhaft sein.

Diese Seite in anderen Sprachen: en

SiGNaL³ de

SiGNaL³ - Simple Strategic Superior Graph Navigation Language

Von SiGNaL zu SiGNaL³: Die RAG-Revolution

Aufbauend auf dem Fundament von SiGNaL (Simple Graph Navigation Language) wendet SiGNaL³ Retrieval Augmented Generation geschickt an, um die Exploration von Wissensgraphen von statischer Navigation in intelligente, kontextbewusste Reisen zu transformieren.

Wikidata-Tour: Erde, Mond und menschliches Bewusstsein

Als Beispiel unternehmen wir eine Tour durch Wikidata, beginnend in Übereinstimmung mit dem ursprünglichen SiGNaL-Artikel von 2018.

Die Erde-Mond-Beziehung

Erdaufgang - der ikonische Moment, der die menschliche Perspektive veränderte

Erde (Q2) und Mond (Q405) haben eine Beziehung, die als Kante in einem Wissensgraphen beschrieben werden kann.

Überlegene Visualisierung durch LLMs

Beim Besuch des Knotens Erde des Wissensgraphen sollte eine angemessene Visualisierung des Knotens und relevanter möglicher Pfade/Kanten visualisiert werden. Mit der Kraft modernster Large Language Models sollte die Auswahl der Visualisierung auf eine Weise machbar sein, die traditionellen Ansätzen zur Exploration von Wissensgraphen überlegen ist.

Das Erdaufgang-Symbol

Das Erdaufgang-Bild (Q843864) ist ein Symbol für die Beziehung zwischen Mond, Erde und Mensch (Q5). Als die Menschheit fähig war, diesen Blickwinkel einzunehmen, war es ein bahnbrechender Moment in der Menschheitsgeschichte und das Bild ist ikonisch im semiotischen Sinne.

Prinzipien der Wissensgraph-Navigation

Tripel von zwei Knoten, die durch eine Beziehung verbunden sind, sind die Kernelemente von Wissensgraphen (KGs). Die Navigation durch einen solchen Graphen auf menschenfreundliche / natürliche / einfache Weise ist zwingend erforderlich für die erfolgreiche Nutzung solcher Wissensgraphen.

Strategische Verfügbarkeit von Subgraphen

Der strategische Schritt besteht nun darin, sicherzustellen, dass relevante Subgraphen leicht verfügbar sind, um die Bedürfnisse von Projekten basierend auf den Anwendungsfällen und Anwendungsfall-Szenarien eines Projekts zu erfüllen.

Solche Szenarien können glücklicherweise mit Sätzen von Situation/Aktion/erwartetes Ergebnis-Beschreibungen beschrieben werden:

• Eine Situation beschreibt einen relevanten Subgraphen in einem konkreten Zustand
• Die Aktion beschreibt, was ein System als API anbieten sollte, die auf dem Situations-Subgraphen arbeitet
• Das erwartete Ergebnis beschreibt den Ergebnis-Subgraphen, möglicherweise mit Modifikationen, die angewendet wurden

Natürliche Sprache zu Graph-Traversierung

Natürlichsprachige Anwendungsfall-Beschreibungen können auf diese Weise in erweiterte Wissensgraph-Traversierungen transformiert werden. Die Reise durch den Wissensgraphen kann interaktiv sein.

Anwendung zur Wissensgraph-Exploration

Eine erste Anwendung ist die Wissensgraph-Exploration. Der Traversierungspfad und die dabei gesammelten menschlichen Eingaben können nun verwendet werden, um:

1. Einen relevanten Subgraphen zu erstellen
2. Eine abstrakte Beschreibung des Subgraphen zu generieren, die es Stakeholdern ermöglicht, eine lokale Kopie zu erstellen
3. Projekt-Stakeholdern zu ermöglichen, mit der lokalen Kopie durch Modifizierung und Erweiterung zu arbeiten
4. Synchronisation dieser lokalen KG mit der ursprünglichen KG zu bieten (unter Beachtung von Privatsphäre-Einstellungen)

SiGNaL³-Tour-Beispiel: Von der Erde zum menschlichen Bewusstsein

Beginnend von Erde (Q2):

Interaktive Reise-Elemente

1. Situation: Benutzer am Erde-Knoten, interessiert an menschlicher Raumfahrt
2. Aktion: SiGNaL³-RAG-System identifiziert Mond→Apollo→Erdaufgang-Pfad als bedeutungsvollsten
3. Erwartetes Ergebnis: Benutzer gewinnt Verständnis dafür, wie Raumfahrt das menschliche Bewusstsein veränderte

Vorteile gegenüber traditionellen Ansätzen

Traditionelle KG-Navigation	SiGNaL³ RAG-erweiterte Navigation
Manuelles Knoten-Klicken	Intelligente Pfad-Vorschläge
Alle Kanten gleichwertig gezeigt	Kontextuell relevante Kanten priorisiert
Statische Visualisierungen	Dynamische, story-getriebene Präsentationen
Technische Benutzeroberfläche	Menschenfreundliche natürlichsprachige Interaktion
Kein narrativer Kontext	Reicher semiotischer und historischer Kontext

Anwendungsfall-Szenarien

Forschungsentdeckung

• Situation: Forscher erkundet Klimawandel-Auswirkungen
• Aktion: Start von Erde (Q2), RAG identifiziert Pfade durch Atmosphäre, Treibhausgase, Temperaturaufzeichnungen
• Ergebnis: Kuratierter Subgraph klimabezogener Konzepte mit zeitlichen Beziehungen

Bildungs-Touren

• Situation: Student lernt über Raumfahrt
• Aktion: Interaktive Tour von Erde→Mond→Mars mit historischem Kontext
• Ergebnis: Fesselnde Erzählung, die astronomische Fakten mit menschlichen Errungenschaften verbindet

Technische Grundlage

SiGNaL³ nutzt:

• Wikidata als primäre Wissensgraph-Quelle
• SPARQL für semantische Abfragen und Beziehungsextraktion
• Large Language Models für Kontextverständnis und Pfad-Optimierung
• Graphviz für menschenlesbare Beziehungsvisualisierung

Links

• SiGNaL - Ursprüngliche Simple Graph Navigation Language
• Erde auf Wikidata
• Mond auf Wikidata
• Erdaufgang auf Wikidata
• Mensch auf Wikidata