Fünf Mitglieder der Forschungsgruppe „Foundations of Knowledge Representation” der Universität Leipzig – Marvin Großer, Simon Hosemann, Quentin Manière, Moritz Schönherr und Lukas Schulze – errangen zusammen mit Matti Berthold einen Doppelsieg: Sie gewannen den „Best Video Award” (Jury) und den „People's Choice Video Award” für ihr Video mit dem Titel ‘Waiting for the Chase to Terminate: Have you tried this other variant?’

Das Video stellt den Chase-Algorithmus vor, eine grundlegende Technik in der Database Theorie und Wissensrepräsentation. Die Grundidee besteht darin, dass der Chase-Algorithmus bei einer unvollständigen Datenbank und Hintergrundwissen in Form von logischen Regeln (bekannt als Existenzregeln) die Datenbank durch sukzessive Anwendung dieser Regeln vervollständigt. Im Idealfall können so Abfragen je nach Datenbank und Hintergrundwissen eindeutig beantwortet werden. In einigen Fällen kann die Anwendung der Regeln jedoch auf unterschiedliche Weise erfolgen oder unbegrenzt fortgesetzt werden, was Fragen hinsichtlich der Beendigung und der rechnerischen Komplexität aufwirft. Das Video erklärt die verschiedenen Varianten des Chase-Algorithmus und die Kompromisse zwischen ihnen. Um das Thema zugänglicher zu machen, verwendet das Video einen narrativen Rahmen, in dem ein Zauberladenbesitzer und sein Lehrling den Chase-Algorithmus verwenden, um Tränke für ihre Kunden zu brauen. Um das Thema zu vereinfachen, werden grafische Darstellungen und Animationen anstelle komplexer mathematischer Notationen verwendet.

Über die Forschungsgruppe:

Die Forschungsgruppe „Grundlagen der Wissensrepräsentation“ an der Universität Leipzig wird von Prof. Dr. Carsten Lutz geleitet. Die Gruppe forscht zu logikbasierter Wissensrepräsentation, insbesondere Beschreibungslogiken, und zu theoretischen Aspekten von Datenbanken, wobei der Schwerpunkt auf Ausdruckskraft und rechnerischer Komplexität liegt. Die Mitglieder der Gruppe beschäftigen sich mit Themen, die vom ontologischen Lernen und der Beantwortung von Abfragen bis hin zur logischen Charakterisierung von graphischen neuronalen Netzen reichen.

Über Simon Hosemann:

Simon Hosemann ist Doktorand in der Gruppe „Grundlagen der Wissensrepräsentation” an der Universität Leipzig unter der Betreuung von den Fellows Carsten Lutz und Sebastian Rudolph (TU Dresden) und seit Dezember 2022 Mitglied der SECAI Graduate School. Seine Forschung liegt an der Schnittstelle zwischen Wissensrepräsentation und Logik in der Informatik. Er untersucht grundlegende Fragen zum Verhältnis zwischen Daten und formaler Wissensrepräsentation. Insbesondere untersucht er, wie Ontologien, die in Beschreibungslogiken und logischen Beschränkungen wie existentielle Regeln formuliert sind, aus Datenbeispielen gelernt, durch diese charakterisiert und an diese angepasst werden können, und analysiert die rechnerische Komplexität dieser Aufgaben. Diese Forschungsrichtung trägt dazu bei, wissensbasierte Systeme zugänglicher zu machen, indem sie untersucht, wie Ontologie-Ingenieure Ontologien und ihre Bausteine aus Beispielen konstruieren können, anstatt sie vollständig manuell zu spezifizieren. Die aktuelle gemeinsame Veröffentlichung bei KR 2025 befasst sich mit einer solchen Frage, indem sie die Komplexität und Machbarkeit der Konstruktion von Ontologien und Beschränkungen aus positiven und negativen Beispielen untersucht, die als endliche relationale Strukturen gegeben sind.