Arzneimittel-Wissensgraph für ein Leverkusener Pharma-Unternehmen
Übersicht
Worum es bei diesem Projekt geht.
Modelliere einen OWL-Wissensgraph aus 14 Excel-Tabellen, lade Daten per ETL in einen Triple Store und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie modelliert man Arzneimittel-Daten als Wissensgraph so, dass typische Medical-Affairs-Fragen verlässlich per SPARQL und über eine LLM-Schicht beantwortet werden können?
Earning criteria — what you'll demonstrate
- Domänenwissen sauber in RDF/OWL modellieren und vorhandene Ontologien wiederverwenden
- ETL-Pipelines für heterogene Quellen reproduzierbar bauen
- SPARQL als Abfragesprache effektiv einsetzen
- Text-to-SPARQL als kontrollierte LLM-Schicht verantwortungsbewusst integrieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Engineer
ETL-Pipelines für heterogene Quellen plus Triple-Store-Integration sind Tagesarbeit von Data Engineers in datenintensiven Pharma-Teams.
Dieses Projekt schärft
- data-integration
- rdf
- sparql
KI-Engineer
Text-to-SPARQL als kontrollierte LLM-Schicht über einen Wissensgraphen zu legen, ist die Tagesarbeit von KI-Engineers in Enterprise-Knowledge-Teams.
Dieses Projekt schärft
- text-to-sparql
- sparql
- rdf
KI-Solutions-Architekt:in
Governance, Schema-Strategie und LLM-Integration zu einer Empfehlung zu bündeln, ist Kernrolle von KI-Solutions-Architekt:innen in regulierten Industrien.
Dieses Projekt schärft
- ontology-modeling
- data-integration
- owl
Noch eine Sache