von Claus Maier (EBP) & Philipp Dohmen (QAECY)
30 Teilnehmende, eine Frage: Wie verwandeln wir vorhandene Daten in nutzbares Wissen für bessere Entscheidungen? Die Anwesenden schilderten ihr gemeinsames Problem: Unmengen von Daten liegen verstreut in Modellen und Ablagen vor. Doch wie können sie sinnvoll erschlossen und genutzt werden? Aus diesem Grund stiess das Thema des Workshops, wie Machine Learning und Knowledge Graphen helfen können, aus bestehenden Daten einen Mehrwert zu generieren, auf grosse Resonanz.
Zunächst war das Darstellen von Zusammenhängen wichtig: Welche Daten oder Inhalte (Bauteile, Protokolle, Sensoren, Verträge u.v.a. mehr) sind wo gespeichert und wie können sie zusammengeführt werden. Das Vernetzen der Daten untereinander stellt Beziehungen her und erschafft so den Kontext, der sich zu Wissen verknüpfen lässt: Die Daten «wissen» voneinander und können so einen Mehrwert erzeugen.
Von der Theorie zur Praxis – Drei Schritte zur Wissenslandschaft
Die Referenten skizzierten drei Etappen, wie jedes Unternehmen seinen Daten-Schatz heben kann:
Quellen zusammenführen – Alle Arten von Daten (BIM-Modelle, PDFs, ERP-Tabellen, Excel-Dateien usw.) sichtbar machen und an einem Ort ablegen.
Semantische Verknüpfung – Überführung in einen Knowledge Graph, der Inhalte speichert und Beziehungen unter den Daten herstellt.
Schrittweise Weiterentwicklung – Änderungen (neue Sensoren, andere Norm, erweiterte Rahmenbedingungen usw.) stellen kein Problem dar. Ein Knowledge Graph ist ein offenes System, das organisch wächst, hochflexibel ist und in jede Richtung erweitert werden kann.
Gerade langlebige Assets wie Flughäfen, Spitäler oder Tunnel profitieren von dieser Flexibilität und Offenheit. Sie überdauern mehrere Software-Generationen, nicht aber die Notwendigkeit, immer wieder neue Fragen an alte Daten zu stellen.
Philipp Dohmen (QAECY) zeigte die unterschiedlichen Arbeitsweisen von Vektoren und Graphen und warum man wissen sollte, welche Mechanik sich hinter einem AI-Agenten verbirgt. Dieser Agent kennt die Inhalte aller Dateien, ob nun IFC, DXF oder PDF. Alle am Projekt Beteiligten können den Agenten in natürlicher Sprache befragen – er kennt jedes Modell, jedes Dokument, jedes Bauteil und liefert verlässliche Antworten inklusive Quellenbeleg. Unter der Oberfläche arbeitet eine Kombination aus Graph- und Vektordatenbanken sowie ein branchenspezifisch trainiertes RAG System. Das Kernversprechen lautet: «Access all content, discover all context». Damit wird der Knowledge Graph vom Archiv zur Dialogplattform.
Nutzen, der sich rechnet
Schon niederschwellige Einstiege zeigen, wie schnell sich Investitionen amortisieren:
Wartungsvorschau: Fällige Inspektionen aggregieren sich selbst.
Budgettreue: Kosten lassen sich mit Normen, Bauteiltyp und Lebenszyklus verknüpfen.
Transparente Kommunikation: Die Beteiligten erhalten verlässliche, versionssichere Informationen.
Die Teilnehmenden nehmen die Erkenntnis mit, dass der Aufwand nicht in der Technologie steckt, sondern im Disziplinieren und Kontextualisieren vorhandener Daten. Wer heute beginnt, baut das Fundament für KI-gestützte Services von morgen – egal, ob Predictive Maintenance oder ESG-Reporting.
Nächste Schritte mit EBP
EBP begleitet Portfoliohalter und Infrastrukturbetreiber auf dem Weg zur betriebsfertigen Graph-Plattform – vom PotenzialWorkshop über ein Proof-of-Concept bis zur Skalierung in den Alltag.
Haben wir Ihr Interesse geweckt? Schreiben Sie an claus.maier@ebp.ch.
Gemeinsam finden wir das nächste Goldnugget in Ihrem Datenbestand.