Inhalt

Social Knowledge Graph - Civic Innovation Platform

Der Social Knowledge Graph stellt mittels Künstlicher Intelligenz (KI) und Open Data gesellschaftliches Wissen in leicht verständlicher Sprache zur Verfügung und bietet damit Informationen barrierefrei, vernetzt und wiederverwendbar an. Hierzu zählen etwa Informationen über Verwaltungen, Pflegeeinrichtungen und die Arbeits- und Sozialpolitik. Zu diesem Zweck wurden ein Wissensgraph für regionale Informationen und eine KI-Übersetzung in Leichtes Deutsch kombiniert.

Akkordeon Social Knowledge Graph

  • Der Social Knowledge Graph fördert die Zusammenarbeit vieler Akteure zur Pflege eines dynamischen Datenpools. Als Open-Source-Projekt können Entwickler und Nutzer die Software verbessern und auf lokale Bedürfnisse anpassen. Open Data sorgt für transparente Nutzung und fördert Innovationen. Die Kompatibilität mit Schema.org erweitert die thematische Reichweite und ermöglicht Verknüpfungen, z. B. zwischen Bildung und Karriere. Die Kollaboration stärkt den sozialen Zusammenhalt durch verbesserten Informationszugang und gemeinschaftliches Engagement.

    KI-Übersetzungstechnologien verbessern die Barrierefreiheit, indem sie Texte in Leichte Sprache und unter Berücksichtigung der Ontologie übersetzen, was den Kontext und die Bedeutung innerhalb eines Wissensgebiets einbezieht. Zukünftig könnte KI auch multimediale Inhalte übersetzen und somit die Zugänglichkeit weiter erhöhen. Dies trägt zur Partizipation und Chancengleichheit bei und schafft ein informiertes, engagiertes, vernetztes soziales Gefüge.

  • Der Social Knowledge Graph zeichnet sich durch seine breite Vernetzung von Daten und Akteuren aus und hat dadurch ein einzigartiges Informationsökosystem geschaffen. Indem eine Vielzahl von Stakeholdern einbezogen wurde, ist ein Netzwerk entstanden, das über traditionelle Informationsquellen hinausgeht.

    Open-Source und Open-Data sind das Fundament dieses Ansatzes. Durch die Standardisierung mittels Schema.org sind die Daten maschinenlesbar und semantisch reichhaltig.

    KI ermöglicht es komplexe Datenmengen zu strukturieren und Informationen nutzerfreundlich aufzubereiten. Sie spielt die entscheidende Rolle dabei, die Barrierefreiheit zu erhöhen, indem sie automatisierte Übersetzungen in Leichte Sprache anbietet. So ist ein adaptives Netzwerk entstanden, das Wissen nicht nur zugänglicher macht, sondern auch individuell an die Bedürfnisse der Nutzer anpasst.

    Das Projekt fördert den Informationsaustausch und stärkt den sozialen Zusammenhalt und das Gemeinschaftsgefühl durch das Teilen von Ressourcen und Know-how.

  • Die Entwicklung des Social Knowledge Graphs war die Reaktion auf die gesellschaftliche Herausforderung der Informationsfragmentierung. In einer Welt, in der Informationen exponentiell wachsen und zunehmend digitalisiert werden, bleibt der Zugang zu verständlichen und handlungsorientierten Informationen vielen verwehrt. Dieses Defizit betrifft vor allem soziale und berufliche Angebote von staatlichen und zivilgesellschaftlichen Akteuren.

    Eine wesentliche Herausforderung ist, dass Informationen verstreut, unstrukturiert, in Fachjargon, für Laien schwer verständlich verfasst sind. Die Folge ist die Wissenskluft, die besonders benachteiligte Gruppen trifft, die nicht die Fähigkeiten haben, um die benötigten Informationen zu suchen und anzuwenden. Der Social Knowledge Graph ist die Reaktion auf das grundlegende Bedürfnis nach Informationszugänglichkeit und -demokratisierung und bietet eine Lösung, die das Potenzial hat, die Teilhabe an der Gesellschaft und die soziale Gerechtigkeit zu erhöhen.

  • Der Social Knowledge Graph ist ein fortschrittliches System, erbaut auf einer robusten technischen Grundlage: MongoDB als flexible NoSQL-Datenbank, Elasticsearch für leistungsstarke Suchfunktionen und Javascript als dynamische Programmiersprache. Diese Kombination ermöglicht eine effiziente Verarbeitung und Analyse großer Datenmengen sowie eine benutzerfreundliche Interaktion. KI wird dabei in unterschiedlichsten Ausprägungen und in allen Ebenen eingesetzt. Zum Beispiel wird ein neuronales Sprachmodell, ein sogenannter Transformer, dazu verwendet um Standard-Deutsch in Leichte Sprache zu übertragen. NER – also Named Entity Recognition (= die automatische Erkennung benannter Entitäten) – wird eingesetzt, um zukünftige Redakteure zu unterstützen.

  • Am Projekt waren vier Partner beteiligt, bei denen der praktische Nutzen und Nachhaltigkeit im Mittelpunkt stehen. Die Venus GmbH sowie die T2K GmbH als Technologiepartner waren bei der ersten CIP-Wettbewerbsrunde mit ihren jeweiligen Projekten erfolgreich und haben in der Folgezeit damit begonnen die beiden Projektideen zu kombinieren.

    Die T2K GmbH verbindet das Wissen um die Sprache mit KI-Kompetenz. Die Venus GmbH entwickelt und betreibt Knowledge Graphen für unterschiedlichste Anwendungsbereiche.

    Um die Belange der Zielgruppen besonders berücksichtigen zu können, wurde die Pfennigparade Sigmeta als führender Dienstleister im Umfeld der technischen Barrierefreiheit ins Team geholt.

    Als Praxispartner für die vernetzte Datenpflege wurde der Landkreis Wunsiedel gewonnen. Im Rahmen von Vorgängerprojekten wurden hier umfangreiche Erfahrungen in der vernetzten Pflege von Daten gesammelt.

    Die Abstimmung im Projekt erfolgt durch gemeinsame Online-Boards und effiziente Meetings.

  • Wir möchten zusätzliche Projektpartner gewinnen und den Social Knowledge Graph in allen größeren kommunalen Einheiten in Deutschland sehen. Die KI-Übersetzung in leichtes Deutsch soll als Ergänzung für eine Vielzahl von Content Management Systemen zur Verfügung stehen.

  • Zunächst sollte man Geduld haben. Es müssen sowohl die Idee als auch der Zeitpunkt passen. Also nicht entmutigen lassen, wenn es im Vorfeld zu Verzögerungen kommt. Innerhalb unseres Projekts konnten gleich zwei Projektideen aus dem Jahr 2020 realisiert werden. Und es zeigt sich, dass 2024 genau der richtige Zeitpunkt für die Umsetzung war.

    Die von uns adressierten Themen Barrierefreiheit und einfache Sprache, offene und interoperable Datenräume und nicht zuletzt der alltagstaugliche Einsatz von KI in Form von Sprachmodellen sind ihren ursprünglichen Nischen entwachsen.

    Im Jahr 2020, also vor lediglich vier Jahren, wurden sowohl die Sinnhaftigkeit als auch die Machbarkeit des Projektes von Fachleuten teilweise angezweifelt. Nun stehen wir zumindest in einem Teilprojekt vor der Fertigstellung nicht nur eines Prototyps, sondern konnten erfolgreich namhafte Partner für den Einsatz der Technologie gewinnen. Also offen und geduldig bleiben und sich nicht entmutigen lassen.

  • Ein Projektteam mit vier Partnern und rund 20 beteiligten Mitarbeitern stellt erhebliche Anforderungen an die Projektkoordination. Insbesondere da der Projektzeitraum von zwölf Monaten sehr kurz war. Wir haben daher auf agiles Projektmanagement und regelmäßige Abstimmungsgespräche in kleinen Teilteams gesetzt.

    Eine weitere Herausforderung – die jedoch nicht allein unser Projekt betrifft – ist die mangelnde Routine kommunaler Organisationen mit themen- und abteilungsübergreifender Digitalisierung.

    Wir haben also unseren Fokus ein Stück weit weg von den Fachthemen hin zu den Digitalisierungsthemen und den dafür verantwortlichen Personen gelenkt.

    Im Teilprojekt Sprach-KI zeigte sich deutlich, dass die Übersetzung von alltagssprachlichen Texten in Leichte Sprache möglich ist, jedoch bei „Behördensprache“ zunächst eine Sprachvereinfachung in einfache Sprache nötig ist. Um die Übersetzungsqualität für Leichte Sprache fortlaufend steigern zu können, wurde ein Feedback-Mechanismus in den Workflow integriert, der weitere Trainingsdaten für das Sprachmodell generieren wird.

  • In der Nachbetrachtung wäre es vermutlich sinnvoller gewesen, zwei getrennte, aber miteinander kooperierende Projekte zu beantragen, da die Koordination von so vielen Projektteilnehmern doch erheblich mehr Aufwand bereitete als angenommen. Was dann teilweise zu Lasten der Kommunikation nach außen ging. Um diesen Mangel auszugleichen, haben wir dann die Kommunikation auf einen Messeauftritt als Aussteller bei der SCCON (Smart Country Convention) konzentriert. Dieser war dann auch sehr erfolgreich und führte zu vielen neuen Kontakten und einer ganzen Reihe von potenziellen Kooperationsmöglichkeiten. Sehr hilfreich war in diesem Zusammenhang auch das Einzelcoaching und das Networking im Rahmen von Civic Coding. Es ist sicher gut, dass die CIP-Förderung 2025/2026 über einen längeren Zeitraum geht. Das wäre auch für unser Projekt enorm hilfreich gewesen.

  • Wir stehen immer noch zu 100 Prozent zu unserer Vision, die da lautete: „Die Entwicklung des Social Knowledge Graphs ist die Reaktion auf die gesellschaftliche Herausforderung der Informationsfragmentierung. In einer Welt, in der Informationen exponentiell wachsen und zunehmend digitalisiert werden, bleibt der Zugang zu verständlichen und handlungsorientierten Informationen vielen verwehrt. Dieses Defizit betrifft vor allem soziale und berufliche Angebote von staatlichen und zivilgesellschaftlichen Akteuren.

    Eine wesentliche Herausforderung ist, dass Informationen verstreut, unstrukturiert, im Fachjargon, für Laien schwer verständlich verfasst sind. Die Folge ist die Wissenskluft, die besonders benachteiligte Gruppen trifft, die nicht die Fähigkeiten haben, um die benötigten Informationen zu suchen und anzuwenden. Der Social Knowledge Graph ist die Reaktion auf das grundlegende Bedürfnis nach Informationszugänglichkeit und -demokratisierung und bietet eine Lösung, die das Potenzial hat, die Teilhabe an der Gesellschaft und die soziale Gerechtigkeit zu erhöhen.“

    Wir würden aber noch einen Aspekt hinzufügen wollen: Wir möchten mit dem Social Knowledge Graph die Kluft in den Lebensverhältnissen zwischen Stadt und Land ausgeglichener gestalten.

  • Die nächsten Schritte sind vielfältig. Die Projektwebsite www.knowledgegraph.de läuft natürlich weiter. Das Test-Portal https://freiraum-fichtelgebirge.knowledgegraph.de wird mittelfristig in eine vollwertige Lösung überführt. Die Social Knowledge Graph-Plattform wird inzwischen auf eigene Kosten betrieben. Große Teile des Codes werden im Laufe des Jahres auf OpenCode by ZenDis veröffentlicht.

    Mit den neu hinzugekommenen Projektpartnern gwt Starnberg sowie der Metropolregion Rhein-Neckar werden die ersten konkreten Themen und Anwendungen realisiert. Dabei werden Daten aus unterschiedlichen Quellen in interoperablen Datenräumen zusammengeführt und publiziert. Also z. B. Unternehmensdaten mit Jobangeboten der Jobbörse der Agentur für Arbeit oder Veranstaltungsdaten mit Informationen zu Kulturschaffenden, Veranstaltungsorten und ÖPNV-Angeboten.

    Mit weiteren Partnern wurden oder werden Förderanträge in den unterschiedlichsten Förderkulissen formuliert und gestellt. Insbesondere der Trend zu Open Data Anwendungen in der Verwaltung bietet erhebliche Chancen, da diese Anforderung ja im Social Knowledge Graph nahezu ideal realisiert ist.

    Der Eintrag des Social Knowledge Graph auf marktplatz.deutschlanddigital.orgFraunhofer-Instituts für Experimentelles Software Engineering IESE steht ebenfalls kurz vor der Veröffentlichung. Auch die Vernetzung mit weiteren Dienstleistern sowie öffentlichen und zivilgesellschaftlichen Organisationen wird weiter vertieft, um gemeinsame Projekte und Nutzungsszenarien zu entwickeln.  um gemeinsame Projekte und Nutzungsszenarien zu entwickeln.

Kontakt