↔ Ziehen zum Blättern
Keine Videos.
Pentum_Graph untersucht die automatisierte Transformation unstrukturierter Informationen in einen vernetzten, persistenten und befragbaren Informationsraum.
Pentum_Graph untersucht die automatisierte Transformation unstrukturierter Informationen in einen vernetzten, persistenten und befragbaren Informationsraum.
Erster Untersuchungsfall sind öffentlich zugängliche YouTube-Videos: komplexe Datenobjekte aus visuellen, auditiven, sprachlichen und zeitlichen Informationen. Videos werden automatisiert erfasst und als Knoten abgebildet; ermittelte Beziehungen bilden Kanten. So entsteht eine eigenständige Graphstruktur oberhalb der ursprünglichen Plattform.
Daraus werden mehrere Perspektiven abgeleitet:
Graph → Beziehungen, Kontexte, Cluster
Timeline → zeitliche Projektion eines Kontexts
ExoSeek → graphbasierte Suche über Verbindungspfade
Quellen → Herkunft und Zuordnung
Das Forschungsziel reicht über Videodaten hinaus: Informationen unterschiedlicher Quellen und Datentypen sollen in einer gemeinsamen Struktur zusammengeführt werden, ohne ihre Herkunft zu verlieren.
Langfristige Perspektive ist ein persönlicher Informationsraum. Der Nutzer definiert ein Interessengebiet, z. B. Baseball. Das System erzeugt zunächst eine Themenlandkarte und einen initialen Wissensstand. Danach beginnt die kontinuierliche Informationsarbeit:
Suchen → Erfassen → Analysieren → Einordnen → Vernetzen → Bewerten → Aktualisieren → Bereitstellen
Neue Informationen werden nicht nur gespeichert, sondern gegen den vorhandenen Informationszustand eingeordnet: Was ist neu? Was hat sich verändert? Welche Entitäten sind betroffen? Welche Beziehungen entstehen? Bestätigt eine Quelle Bekanntes oder beschreibt sie ein neues Ereignis?
Der Graph bildet dabei das persistente Informationsmodell mit Inhalten, Beziehungen, Quellen, Kontexten und zeitlicher Entwicklung.
Ein LLM bildet die natürlichsprachliche Schnittstelle. Es muss den Graphen nicht fortlaufend „lernen“, sondern erhält dynamisch den für eine Anfrage relevanten Kontext.
Autonomes System = Beschaffung + Aktualisierung
Graph = Gedächtnis + Struktur + Kontext
LLM = Interpretation + Schlussfolgerung + Dialog
Die Forschungsfrage dahinter:
Kann aus kontinuierlich erfassten, unstrukturierten Informationen ein wachsender persönlicher Informationszustand entstehen, der sich automatisch aktualisiert und in natürlicher Sprache befragen lässt?
Keine Videos.