SPARQL – Anfragesprache für das Daten-Web

Als Abfragesprache für RDF-Wissensbasen hat sich der W3C-Standard SPARQL [3] etabliert. SPARQL ähnelt dabei SQL, ist allerdings für das RDF-Tripel-Datenmodell optimiert. Die folgende SPARQL-Anfrage selektiert aus einer Wissensbasis Bauwerke und ihr Baujahr:

PREFIX  dbpedia: <http://DBpedia.org/resource/> 
PREFIX  xsd: <http://www.w3.org/2001/XMLSchema#> 
SELECT   ?bauwerk   ?jahr 
WHERE { 
  ?bauwerk	rdf:type		     dbpedia:Bauwerk . 
  ?bauwerk	dbpedia:wasBuilt	?jahr . 
} 
FILTER { ?jahr < “1900“^^xsd:gYear }

Mit der PREFIX-Klausel (Zeile 1-2) werden der Übersicht halber Abkürzungen für oft verwendete Namensräume vereinbart. Die SELECT-Klausel (Zeile 3) legt fest, welche Informationen nach Verarbeitung der Anfrage zurückgegeben werden sollen. Die WHERE-Klausel (Zeilen 4-7) definiert einen so genannten Graph-Pattern, auf den die Ergebnisse passen müssen. In unserem Beispiel besteht der Graph-Pattern aus zwei Tripel-Pattern (Zeile 5-6).

Ein Tripel-Pattern ist im Prinzip ein RDF-Tripel, bei dem an einer oder mehreren der drei Positionen (Subjekt, Prädikat, Objekt) Variablen auftreten können. Der erste Tripel-Pattern in unserem Beispiel wählt Ressourcen vom Typ „dbpedia:Bauwerk“ aus. Der zweite Tripel-Pattern wählt zu diesen Ressourcen die Eigenschaft „dbpedia:wasBuilt“ aus. Mit der optionalen FILTER-Klausel (in Zeile 8) wird das Anfrageergebnis gefiltert, sodass nur Ressourcen (in unserem Beispiel Bauwerke) zurückgegeben werden, deren Baujahr vor 1900 liegt.

Henne oder Ei?

Leider hat sich gezeigt, dass die reine Verfügbarkeit der beschriebenen Technologien nicht ausreicht, um das Web in ein semantisches Web zu verwandeln. Ein zentrales Problem ist die Bereitstellung einer kritischen Masse an im Web verfügbaren, semantisch ausgezeichneten Daten, damit Suchmaschinen diese berücksichtigen. Wenn Suchmaschinen umgekehrt solche semantischen Auszeichnungen verstehen und unterstützen, werden auch zunehmend Webseiten mit semantischen Annotationen versehen werden. Im Folgenden stellen wir mit DBpedia und Triplify zwei komplementäre Ansätze vor, die mit dem Ziel an den Start gehen, dieses Henne-Ei-Problem zu lösen.