Was ist ein Knowledge Graph in der Mode?

Kurz erklärt

Ein Knowledge Graph ist eine Methode, Daten als Netz von Entitäten und ihren Beziehungen zu organisieren. In der Mode kann er Styles, Materialien, Lieferanten, Fabriken, Zertifizierungen, Kollektionen und Kunden verknüpfen. Das erleichtert die Beantwortung komplexer Fragen und versorgt KI-Assistenten mit präzisen, zusammenhängenden Informationen.

Wie funktioniert das in der Praxis?

Daten werden als Knoten gespeichert, die Dinge darstellen, und als Kanten, die Beziehungen darstellen. Ein Knoten für eine Jacke kann mit ihrem Stoff verbunden sein, dieser mit einer Weberei, die wiederum mit einer Zertifizierung und einem Land verknüpft ist. Die Struktur folgt meist einer Ontologie, die festlegt, welche Arten von Entitäten und Beziehungen zulässig sind.

Beispiele aus der Mode sind:

• Produkt- und Materialgraphen, die Styles, Komponenten, Zutaten und Lieferanten verknüpfen.
• Rückverfolgbarkeitsgraphen, die Materialien für einen Digitalen Produktpass über mehrere Lieferantenstufen verfolgen.
• Stil- und Trendgraphen, die Attribute, Anlässe und ergänzende Artikel verbinden.
• Kunden- und Account-Graphen, die zeigen, welche Händler welche Marken und Kategorien führen.

Warum ist das für Modeunternehmen wichtig?

Modedaten sind über PLM, PIM, ERP und Lieferantensysteme verteilt, und viele wichtige Fragen überschreiten diese Grenzen. Welche Styles verwenden einen Stoff von einem Lieferanten, der gerade überprüft wird? Welche Handelskunden führen Produkte mit einer bestimmten Zertifizierung? Ein Knowledge Graph macht solche Fragen beantwortbar, ohne dass manuell in Tabellen recherchiert werden muss.

Wie nutzt KI das?

Knowledge Graphs können Sprachmodelle in geprüften Fakten verankern. In einem Graph-RAG-Setup ruft ein Assistent vor der Antwort zusammenhängende Fakten aus dem Graphen ab. Das reduziert Halluzinationen und ermöglicht es, Beziehungen über mehrere Schritte zu verfolgen. Machine Learning kann zudem beim Aufbau von Graphen helfen, indem es Entitäten und Verknüpfungen aus Dokumenten extrahiert.

Typische Stolperfallen

• Zu breiter Start statt mit einer klaren geschäftlichen Fragestellung.
• Schlechte Stammdaten mit doppelten Lieferanten oder uneinheitlichen Materialbezeichnungen.
• Keine Verantwortlichkeit für die Aktualität des Graphen.
• Zu komplexe Modelle, die nur Spezialisten pflegen können.

Häufige Fragen

Was ist der Unterschied zwischen einem Knowledge Graph und einer Datenbank?

Eine klassische Datenbank speichert Daten in Tabellen, während ein Knowledge Graph die Beziehungen zwischen Entitäten in den Vordergrund stellt. Graphen erleichtern Abfragen über mehrstufige Verbindungen, etwa vom Produkt über das Material und den Lieferanten bis zur Zertifizierung.

Wie helfen Knowledge Graphs bei Nachhaltigkeitsdaten?

Sie verknüpfen Produkte über die gesamte Lieferkette mit Materialien, Lieferanten und Zertifizierungen. Das unterstützt Rückverfolgbarkeit, Reporting und die Anforderungen an Produktpässe.

Alle Begriffe