Text 2026-06-16

Sei gegeben, dass wir zu einem Gegenstandsbereich eine existierende Theorie rekonstruieren, ggf. behutsam anpassen, neu darstellen wollen. Es entsteht eine neue Darstellung, die auch zu einer behutsamen Weiterentwickung der Theorie beiträgt. Für die Darstellung verwenden wir semiformale und formale Wissensrepräsentationen (UML, BPMN, Diagramme; Formeln aus der Mathematik; insbesondere auch Semantic Web Ontologien, und natürlich auch natürlichsprachlichen Fließtext. Es stellt sich die Frage nach der strukturellen Passung von natürlichsprachlichem Text und vom Menschen erzeugten formalen Wissensrepräsentationen: Redundanz, Ergänzung, Konkurrenz?

Unsere verschiedenen Wissensrepräsentationen sind verschiedene Sprachen, jede Sprache stellt einen Gegenstandsbereich anders dar. Eine Ontologie beispielsweise fokussiert sich auf Begriffe und ihre logischen Beziehungen, ein BPMN-Diagramm auf Abläufe. Idealerweise ergänzen sich die Wissensrepräsentationen, konkurrieren nicht, jedenfalls nicht fundamental. Insgesamt ensteht eine polymorphe Darstellung eines Gegenstandsbereichs: Verschiedene Teilmodelle in verschiedenen Sprachen und Paradigmen der Wissensrepräsentation beschreiben insgesamt einen Gegenstandsbereichs, ergänzend zum natürlichsprachlichen Text. Zusätzlich hat der natürlichsprachliche Text die Funktion, die abstrakten Symbole der formalen Wissensrepräsentationen mit dem Gegenstandsbereich in Bezug zu setzen. Eine gängige Methode sind Definitionen, Beispiele, auch Metaphern. Die natürliche Sprache dient gleichzeitig als universelle Objekt- und Metasprache, die alles zusammenhält.

Es stellt sich die Frage nach der Organisation von natürlichsprachlichem Text und formaler Wissensrepräsentation. In einem typischen LaTeX-Dokument (z.B. aus der Mathematik) stehen Text, Formel, Abbildung eng nebeneinander; über Labels können sie konsistent benannt und im Text referenziert werden. Der Text erklärt die Formel, und die Formel stellt Zusammenhänge her, die sich sprachlich nur schwer ausdrücken lassen. In der Informatik fallen Code und Software-Dokumentation typischerweise weiter auseinander, Inline-Dokumentation kann das nur bedingt ändern. In Jupyter Notebooks werden Programm und Text als eine rhythmisierte Abfolge von Code-Zellen, Output und Markdown-Zellen aufeinander bezogen. Bei all diesen Ansätzen werden Text und Formalismus zwar auf Ebene der Textstruktur z.T. sehr kleinschrittig miteinander verzahnt, stehen aber semantisch doch unverbunden nebeneinander.

Annotation Properties

In Semantic Web Ontologien haben wir eine deutlich engere Verbindung. Hier ist es vorgesehen, dass sich die in der Formalisierung verwendeten IRIs selbst dokumentieren. Hierzu stehen mehrere, sich ergänzende Systeme zur Verfügung:

  1. Annotation Properties. Mit rdfs:label lässt sich eine Entity mit einem Namen versehen; rdfs:comment fügt eine textuelle Beschreibung hinzu; rdfs:seeAlso zeigt auf Entities, die ergänzende Informationen liefern; rdfs:isDefinedBy zeigt entsprechend auf Definitionen. Solche Properties haben normalerweise String-Literale als Wert, können aber im Prinzip XML-Literale und damit höher strukturierte Wissensrepräsentationen enthalten. Es ist guter Stil und üblich, abstrakte Entites mit solchen Properties normalsprachlich knapp zu erläutern.

  2. Ergänzend zu den von rdfs bereitgestellten Annotation Properties werden Entities oft durch etablierte Vokabulare wie z.B. SKOS dokumentiert. Dazu werden separate, gut definierte eigenständige Dokumentations-Entities angelegt und mit den abstrakten Symbolen verknüpft: skos:definition liefert formale Erklärungen oder Begriffsdefinitionen; skos:scopeNote liefert Hinweise zum Gültigkeitsbereich oder der korrekten Verwendung; skos:example gibt konkrete Beispiele für die Verwendung eines Begriffes.

  3. Das Dokument RDF 1.1 Concepts and Abstract Syntax aus dem Jahr 2014 (aktualisiert als W3C Candidate Recommendation Snapshot 07 April 2026: RDF 1.2 Concepts and Abstract Data Model) sieht eine drittes, sehr mächtiges System vor: Ein IRI “denotiert” eine beliebige Entity in der Welt. Das kann eine Datei sein, aber auch jedes andere Ding, insbesondere auch nicht-digitale Entities … und RDF definiert, wie die “Bedeutung” einer IRI mitgeteilt werden kann.

RDF 1.2

RDF 1.1 (und unverändert RDF 1.2) sieht einen Mechanismus vor, wie ein Mensch mitteilen kann, welche Entity denotiert wird. Dazu definiert er in einem Namespace, in dem dem er die soziale und technische Definitionsmacht besitzt, seine URIs so, dass sie auf einen http-request (“Dereferenzierung”) eine von zwei möglichen Antworten liefern: Entweder der Server liefert eine Nachricht (einen Datenstrom), den man z.B. als Datei interpretieren kann: Diese Datei enthält dann die Beschreibung der intendierten Denotation; oder der Server liefert als Antwort keine dateiartige Nachricht, sondern andere Status-Information: Dann weiß man, dass es zur dieser URI keine Datei gibt – aber viel mehr weiß man nicht. (COOLURIS)

Die aktuelle Candidate Recommendation aus 2026 formuliert das wie folgt:

Any IRI … denotes something in the world (the “universe of discourse”). These things are called resources. Anything can be a resource, including physical things, documents, abstract concepts, numbers and strings; the term is synonymous with “entity” as it is used in RDF 1.2 Semantics [RDF12-SEMANTICS]. (https://www.w3.org/TR/rdf12-concepts/#resources-and-statements)

The resource denoted by an IRI is called its referent … Guidelines for determining the referent of an IRI are provided in other documents, like Architecture of the World Wide Web, Volume One [WEBARCH] and Cool URIs for the Semantic Web [COOLURIS]. A very brief, informal, and partial account follows:

  • By social convention, the IRI owner [WEBARCH] gets to say what the intended (or usual) referent of an IRI is. …
  • The IRI owner can establish the intended referent by means of a specification or other document that explains what is denoted.
  • A good way of communicating the intended referent is to set up the IRI so that it dereferences [WEBARCH] to such a document.
  • Such a document can, in fact, be an RDF document that describes the denoted resource by means of RDF statements. Perhaps the most important characteristic of IRIs in web architecture is that they can be dereferenced, and hence serve as starting points for interactions with a remote server.

(https://www.w3.org/TR/rdf12-concepts/#referents)

Relevant wird die in RDF aufgebaute Mechanik aus Denotation und Derefernzierung insbesondere im Bereich Linked Data. Im Jahr 2007 propagierte Tim Berners Lee (TBL) in einem Blog-Beitrag:

The URIs identify any kind of object or concept. But for HTML or RDF, the same expectations apply to make the web grow: 1. Use URIs as names for things 2. Use HTTP URIs so that people can look up those names. 3. When someone looks up a URI, provide useful information, using the standards (RDF*, SPARQL) 4. Include links to other URIs. so that they can discover more things. (https://www.w3.org/DesignIssues/LinkedData.html)

Im Jahr 2010 erweiterte TBL diesen Blog-Beitrag um ein Bewertungssystem für Linked Open Data (LOD):

  • ★ Available on the web (whatever format) but with an open licence, to be Open Data
  • ★★ Available as machine-readable structured data (e.g. excel instead of image scan of a table)
  • ★★★ as (2) plus non-proprietary format (e.g. CSV instead of excel)
  • ★★★★ All the above plus, Use open standards from W3C (RDF and SPARQL) to identify things, so that people can point at your stuff
  • ★★★★★ All the above, plus: Link your data to other people’s data to provide context

(https://www.w3.org/DesignIssues/LinkedData.html#fivestar)

Was haben wir bis hierher erreicht: In einem z.B. LaTeX-Dokument oder einem Jupyter Notebook sind natürlichsprachlicher Text und formales System auf Ebene der Dokumentenstruktur eng verzahnt. Es ist die enge Verzahnung in der Dokumentenstruktur, die den Zusammenhang zwischen den verschiedenen Wissensrepräsentationen herstellt.

In RDF(S) sind dagegen Text und formales System sowohl auf Format-Ebene wie auch auf semantischer Ebene sehr hoch integriert. Eine Verzahnung auf syntaktischer Ebene (Datei-Format) wird durch eine enge Integration auf semantischer Ebene (Graph-Modell) ergänzt.