Technische Grundlagen

OMDS LD baut auf offenen Standards des W3C und auf verbreiteten Schnittstellentechniken auf. Diese Seite richtet sich an Versicherungsunternehmen und an Anbinder – Vermittler und Softwarehäuser – und zeigt, mit welchen Technologien sie sich beschäftigen, wofür jede gebraucht wird und wie tief man jeweils einsteigen muss.

Überblick

Technologie Wofür in OMDS LD Versicherer Anbinder

Knowledge-Graph, RDF

Grundmodell: Produkte, Prozesse und Geschäftsobjekte sind Aussagen über Dinge mit weltweit eindeutigen Namen (IRIs)

verstehen

Grundbegriffe

Turtle

Schreibweise der Ontologie und der Produktkataloge

schreiben

lesen können

RDFS und OWL

Vokabular der Norm: Klassen, Eigenschaften, Unterklassen

verstehen, erweitern

Grundbegriffe

SHACL

Regeln und Prüfungen: was eine Produktkonfiguration oder ein Request enthalten muss

anwenden

Prüfbericht und Shapes lesen

JSON-LD

Format der Nutzdaten über die Schnittstelle

anwenden

anwenden

OpenAPI, JSON Schema

Beschreibung der Services, Code-Generierung

Services anbieten

Services aufrufen

MCP

Werkzeuge für KI-Agenten vor den Services

optional betreiben

bei KI-Agenten

Für Anbinder ist der Einstieg kleiner, als die Liste vermuten lässt: Die Requests haben eine kanonische Form mit JSON Schemas, sie lassen sich wie gewöhnliches JSON erzeugen und prüfen. Das Verständnis von IRIs, Graphen und Prüfberichten braucht es, um die Antworten richtig zu lesen und den Folgeschritten zu folgen.

Knowledge-Graph und RDF

Ein Knowledge-Graph beschreibt Wissen als Menge einfacher Aussagen der Form Subjekt – Prädikat – Objekt, etwa „Die Kfz-Haftpflicht ist ein Baustein des Kfz-Produkts“. Subjekte und Prädikate sind IRIs, also weltweit eindeutige Namen in Form einer Web-Adresse. Das Datenmodell dafür ist RDF (Resource Description Framework).

Gegenüber festen Nachrichtenstrukturen, wie sie OMDS 3 mit XML-Schemas beschreibt, hat das zwei Folgen:

  • Erweiterbar ohne Bruch. Ein Versicherer ergänzt eigene Aussagen in seinem eigenen Namensraum; wer sie nicht kennt, überliest sie, statt an einem unbekannten Element zu scheitern.

  • Wissen zur Laufzeit. Produkte, Regeln und zulässige Folgeschritte sind Daten wie alle anderen. Ein Client fragt sie ab, statt sie einzuprogrammieren (Lösungsansatz).

Turtle

Turtle ist die gut lesbare Textform von RDF. In ihr sind die Ontologie der Norm und die Produktkataloge geschrieben. Ein Ausschnitt aus dem Beispielkatalog der Norm:

@prefix ex:   <https://vvo.at/omds/ld/example/sample#> .
@prefix p:    <https://vvo.at/omds/ld/productknowledge#> .
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .

ex:Motor_Liability
    a               p:ProductComponent ;            # ist ein Produktbaustein
    rdfs:label      "Kfz-Haftpflichtversicherung"@de ;
    p:isComponentOf ex:Motor ;                      # Baustein des Kfz-Produkts
    p:minOccurrence 1 ;                             # Pflichtbaustein
    p:maxOccurrence 1 ;
    p:hasAttribute  ex:Motor_SumInsured .           # mit dem Attribut Versicherungssumme

Jede Zeile ist eine Aussage über ex:Motor_Liability. Die Präfixe kürzen die IRIs ab: p:ProductComponent steht für https://vvo.at/omds/ld/productknowledge#ProductComponent. Was die Begriffe bedeuten, beschreiben Produktbaum und Instanzbaum.

RDFS und OWL

RDFS (RDF Schema) und OWL (Web Ontology Language) legen das Vokabular fest: welche Klassen es gibt, etwa p:Product und p:ProductComponent, welche Eigenschaften sie haben und welche Klasse eine Unterklasse einer anderen ist. Die Norm gliedert ihr Vokabular in Schichten, von den Grundlagen bis zu den Begriffen eines Versicherers. Eine eigene Sparte oder ein eigener Baustein eines Versicherers ist eine Unterklasse eines Begriffs der Norm.

SHACL

SHACL (Shapes Constraint Language) beschreibt, wie Daten aussehen müssen: welche Aussagen ein Knoten braucht, wie oft und mit welchem Wertebereich. Eine SHACL-Prüfung liefert einen Prüfbericht, der jede Abweichung mit dem betroffenen Knoten nennt.

In OMDS LD steckt SHACL an drei Stellen:

  • in den Regeln des Produktmodells, etwa Pflichtbausteine und Wertebereiche von Attributen;

  • in den Request-Shapes, die je Operation festlegen, was ein Request enthalten muss;

  • in den Antworten: Jede Antwort zu einem Geschäftsobjekt enthält den Prüfbericht, und jeder Folgeschritt nennt die Shapes, die er erwartet (Prüfungen und Zuständigkeiten).

JSON-LD

JSON-LD ist JSON, das zugleich ein RDF-Graph ist. Ein @context ordnet den Schlüsseln IRIs zu, @id nennt die IRI eines Knotens, @type seine Klasse. Über die Schnittstelle gehen Requests und Antworten in JSON-LD; die Norm legt einen normativen Context fest. Ein Request in der kanonischen Form:

{
  "@context": "https://vvo.at/omds/ld/context.jsonld",
  "@type": "bc:AddComponentRequest",
  "bc:target": "https://insurer.example/omds-ld/api/business-cases/4711/calculation/instance",
  "bc:component": "https://vvo.at/omds/ld/example/disrupto#ProdElement34"
}

Details zu Context und Schreibweise stehen unter Kanonische Form der Requests.

OpenAPI und JSON Schema

Die Services sind in einer OpenAPI-Datei (Version 3.1) beschrieben: Pfade, Methoden, Statuscodes, Beispiele und je Operation ein JSON Schema des Requests. Daraus lassen sich Clients und Server-Gerüste generieren, wie bei jeder anderen REST-Schnittstelle (Schnittstelle (OpenAPI)).

MCP

Das Model Context Protocol (MCP) ist ein offenes Protokoll, über das KI-Agenten Werkzeuge aufrufen. Der MCP-Server der Norm bietet jede Operation der OpenAPI-Datei als Werkzeug an und verdichtet die Antworten für das Modell (KI-Agenten (MCP)). Wer keine KI-Agenten anbinden will, braucht MCP nicht.

Bibliotheken

Für alle genannten Standards gibt es ausgereifte freie Bibliotheken, etwa:

  • Java: Eclipse RDF4J, Apache Jena (RDF, Turtle, JSON-LD, SHACL);

  • JavaScript und TypeScript: jsonld.js, N3.js, rdf-validate-shacl;

  • Python: rdflib, pySHACL;

  • .NET: dotNetRDF.

Die Referenzimplementierung von OMDS LD ist in Java mit Eclipse RDF4J und für den MCP-Server in TypeScript geschrieben (Werkzeuge).

Zum Weiterlesen

  • Online-Kurs Knowledge Graphs – Foundations and Applications von Prof. Dr. Harald Sack (FIZ Karlsruhe – Leibniz-Institut für Informationsinfrastruktur und Karlsruher Institut für Technologie) auf openHPI. Der Kurs gibt einen umfassenden Überblick über Knowledge-Graphs, die Technologien dahinter und ihre Anwendungen, etwa in Suche, Fragebeantwortung, Empfehlungen und erklärbarer KI. Er ist kostenlos, in englischer Sprache, im Selbststudium belegbar und verlangt eine Registrierung bei openHPI.

  • Einführungen des W3C: RDF 1.1 Primer, OWL 2 Primer, SHACL, JSON-LD 1.1.

  • Schnittstellen: OpenAPI 3.1, Model Context Protocol.