Überblick:

Project Haystack ist eine offene Ontologie zur Modellierung technischer Systeme in Gebäuden. Sie wird bereits in der Praxis eingesetzt und wird bei mehreren Big-Playern in dieser Industrie angewandt.

Trotz ihrer praktischen Relevanz besteht jedoch eine deutliche Lücke in Bezug auf die Validierung und das Testen der Ontologie selbst sowie der auf ihr basierenden Modelle. Mit der Einführung der neuen Xeto-Sprache versucht Project Haystack, diese Lücke teilweise zu schließen. Dieser Ansatz führt jedoch zu einem stärkeren Vendor Lock-In im esoterischen und isolierten Haystack-Ökosystem, was für industrielle und professionelle Anwender aus mehreren Gründen problematisch ist (z. B. eingeschränkte Erweiterbarkeit, unvollständige Implementierungen, fehlende Funktionen, Non-Standard- und Nischensprachen).

Ziel dieser Masterarbeit ist es, diese Validierungslücke systematisch zu analysieren und zu dokumentieren sowie Methoden und Werkzeuge zu entwickeln, die auf etablierten Technologien (z. B. RDF, OWL, SHACL) und gängigen Programmiersprachen (z. B. Python) basieren, um diese Lücke zu schließen.

Ziele der Arbeit:

1. Analyse der bestehenden Validierungs- und Testmöglichkeiten innerhalb von Project Haystack.

2. Identifikation von Inkonsistenzen, Mehrdeutigkeiten und Modellierungsproblemen in der Project-Haystack-Ontologie und ihrer RDF-Darstellung.

3. Untersuchung, ob die identifizierten Probleme aus den ursprünglichen Ontologie-Definitionen oder aus der RDF-Konvertierung resultieren.

4. Entwicklung von Vorschlägen und Best Practices zur Verbesserung der Konsistenz und Interoperabilität der Ontologie – entweder durch Anpassungen an den Ontologie-Definitionen oder an den Konvertierungsmechanismen.

5. Entwurf und Implementierung von Validierungs- und Testwerkzeugen für die Ontologie.

6. Entwicklung zusätzlicher Werkzeuge zur Validierung von auf der Ontologie basierenden Modellen.

Methoden und Technologien:

• Semantic-Web-Standards: RDF, OWL, SHACL, SPARQL
• Datenformate: JSON
• Programmiersprache: Python

Praktische Relevanz:

Die Arbeit weist einen engen Bezug zu industriellen Anwendungen auf, insbesondere in den Bereichen Gebäudeautomation, Optimierung, Fehlererkennung und Diagnose. Ein Industriepartner stellt reale Projektdaten (auf Project Haystack basierende Gebäudemodelle und Campusdaten) zur Verfügung, die für Analyse und Validierung genutzt werden können.

Betreuung
Jens Wala, M.Sc.

Voraussetzungen
Interesse an Ingenieurinformatik und digitaler Transformation des Facility Managements

Beginn
Ab sofort