In ihrem Paper An Introduction To Linked Data and the Semantic Web gehen Clifford Brown, Daniel Hutzschenreuter und Julia Neumann auf die Frage ein, wie die Verwendung von Linked Data und Werkzeugen aus dem Semantic Web zur Kodierung von Daten und Metadaten erfolgen kann.
Damit können Maschinen in die Lage versetzt werden, Daten aus verschiedenen Quellen besser zu interpretieren und miteinander zu verknüpfen. Das wiederum kann dazu beitragen, die heutigen Silos proprietärer Daten, die innerhalb von Organisationen und in externen Quellen existieren, aufzubrechen. “Eine Kombination von Daten aus verschiedenen Quellen und Bereichen ist sehr vielversprechend im Hinblick auf die Ermöglichung neuer Forschungsergebnisse durch die Anwendung von Methoden der Datenwissenschaft und des maschinellen Lernens. Cyber-Physical-Systems und autonome Prozesse in der Industrie 4.0 beispielsweise sehen eine umfangreiche Kommunikation von und Aktion auf Daten durch Maschinen vor, die Verständlichkeit erfordern. Darüber hinaus basieren viele Beispiele für FAIR (findable, accessible, interoperable, and reusable) Daten auf Semantic Web-Ansätzen, um Interoperabilität zu erreichen”.
Das Web begann als eine Sammlung online veröffentlichter Dokumente, die durch URL zu bestimmten Webstandorten geöffnet werden können.
Diese Dokumente enthalten oft Daten aus realen Ressourcen, die hauptsächlich maschinenunlesbar sind.
Das Web soll den Zugriff auf diese Daten aktivieren, indem es die Daten in maschinenlesbaren Formaten bereitstellt und indem es sie mit Uniform Resource Identifiers (URIs) verbindet, so dass die Menschen und Maschinen die Daten sammeln und zusammensetzen können, um mit ihnen alles Mögliche tun zu können (soweit die Lizenz dies zulässt). Quelle: Einführung in Linked Data
Allerdings bleiben einige Herausforderungen bestehen: “Die größten Nachteile, die den unmittelbaren Einsatz von Linked Date und Semantic Web Tools behindern, sind die hohe Komplexität und die technisch sehr abstrakten Konzepte. Deren Einsatz in der Metrologie erfordert nicht nur einen erheblichen Schulungsaufwand um Fachwissen zu erlangen, sondern erfordert auch einen erheblichen Wandel in der Art und Weise, wie Unternehmen und Anwendungen Daten nutzen, im Vergleich zu den traditionellen, weniger interoperablen Datenmodellen. Schließlich sind die Implementierungen von Daten und Semantik im Dienste der Metrologie von sehr unterschiedlicher Qualität, was die Fähigkeit zur Interoperabilität von Messdaten in heutigen Anwendungen angeht. Zukünftige Forschung ist notwendig, um nachhaltige Qualitätsanforderungen zu finden”.