RDF und SPARQL

W3C-Standards für die strukturierte Repräsentation und Abfrage von Wissen im Web, die als technische Grundlage von Knowledge Graphs, Wikidata und Linked Data fungieren.

Definition

RDF (Resource Description Framework) und SPARQL (SPARQL Protocol And RDF Query Language) sind die beiden zentralen W3C-Standards für die strukturierte Repräsentation und Abfrage von Wissen im Web. RDF, 1999 standardisiert und 2014 in RDF 1.1 erweitert, definiert ein graph-basiertes Datenmodell aus Triples. SPARQL, 2008 standardisiert und 2013 als SPARQL 1.1 erweitert, ist die zugehörige Query-Sprache.

Zusammen bilden RDF und SPARQL die technische Grundlage des semantischen Webs und praktisch aller modernen Knowledge Graphs. Wikidata, DBpedia, Europeana, der EU Open Data Portal, BBC Things und der gesamte Linked-Open-Data-Cloud-Ökosystem operieren auf RDF. Selbst Schema.org-JSON-LD ist formal eine RDF-Serialisierung.

Struktur und Mechanismus

Das RDF-Modell ist denkbar einfach: Wissen wird als Sammlung von Triples ausgedrückt, wobei jedes Triple aus drei Komponenten besteht. Subjekt ist die Entität, über die etwas ausgesagt wird, identifiziert durch eine URI. Prädikat ist die Relation, ebenfalls eine URI. Objekt ist entweder eine weitere URI (Verweis auf eine Entität) oder ein Literal (Text, Zahl, Datum).

Ein Beispiel in Turtle-Syntax: wd:Q937 wdt:P19 wd:Q3012 bedeutet, dass Albert Einstein (QID Q937) am Ort Ulm (Q3012) geboren wurde, ausgedrückt mit Wikidata-Property P19 (place_of_birth). Mehrere Triples beschreiben eine Entität vollständig.

SPARQL baut auf diesem Modell auf. Eine Query besteht aus Triple-Pattern mit Variablen, die SPARQL durch passende Belegungen ersetzt. Die wichtigsten Klauseln sind:

SELECT: wählt die zurückzugebenden Variablen.
WHERE: beschreibt die Triple-Pattern, die erfüllt sein müssen.
FILTER: zusätzliche Bedingungen, etwa numerische oder textuelle Vergleiche.
OPTIONAL: Pattern, die erfüllt sein können, aber nicht müssen.
UNION: Alternative Pattern-Sets.
GROUP BY und Aggregationen: COUNT, SUM, AVG, GROUP_CONCAT.
SERVICE: federierte Queries über externe Endpoints.

Praxis und Anwendung

In der Praxis kommen RDF und SPARQL in mehreren Kontexten zum Einsatz:

Wikidata-Abfragen: Das Wikidata Query Service ist der meistgenutzte öffentliche SPARQL-Endpoint. Forscher, Journalisten und Entwickler ziehen daraus strukturierte Fakten.
Linked Open Data: Tausende öffentliche Datensätze von Regierungen, Bibliotheken und Forschungsinstitutionen liegen als RDF vor.
Enterprise Knowledge Graphs: Pharma, Finance, Telco und Pharma-Konzerne betreiben interne SPARQL-Endpoints für Compliance, Drug Discovery und Risk Management.
Bibliotheken: BIBFRAME, das neue Standard-Datenformat der Library of Congress, ist RDF-basiert.
Schema.org als RDF: Jedes JSON-LD-Markup ist formal RDF und lässt sich in einen RDF-Store laden.
GraphRAG-Pipelines: RDF-basierte GraphRAG-Ansätze nutzen bestehende Triple-Stores als Grounding-Basis für LLMs. Microsoft GraphRAG dagegen baut seinen Graph per LLM-Extraktion aus Rohtext und konsumiert kein RDF.

Wer eigene Knowledge Graphs aufbaut, hat die Wahl zwischen RDF-nativen Stores (Apache Jena, GraphDB, Stardog, Virtuoso, Amazon Neptune) und Property-Graph-Stores (Neo4j, Memgraph). RDF-Stores haben den Vorteil voller W3C-Standardisierung und SPARQL-Federation, Property-Graph-Stores oft bessere Performance bei kleinen bis mittleren Graphen.

Häufige Fehler

Triples ohne URIs: Wer Strings statt URIs als Subjekt oder Prädikat nutzt, verliert die Vernetzungsfähigkeit, das Kernmerkmal von Linked Data.
Fehlende Provenance: Triples ohne Quellen-Information machen Audit und Vertrauensbildung unmöglich.
SPARQL ohne LIMIT: Queries auf grossen Endpoints ohne LIMIT führen zu Timeouts.
Federation ohne Index-Wissen: SERVICE-Klauseln über fremde Endpoints sind langsam, wenn die Join-Reihenfolge ungünstig ist.
OWL-Reasoning überdimensionieren: vollwertige Description Logic ist teuer und in den meisten Fällen unnötig.
Verwechslung von Triple-Store und Graph-Datenbank: RDF-Stores sind eine Unterklasse, nicht jeder Graph-Store unterstützt RDF und SPARQL.

Abgrenzung

SQL: Query-Sprache für relationale Datenbanken, SPARQL ist das Äquivalent für RDF.
Cypher und Gremlin: Query-Sprachen für Property Graphs (Neo4j, TinkerPop), nicht standardisiert auf W3C-Ebene.
GraphQL: API-Query-Sprache für JSON-Strukturen, nicht für Knowledge Graphs.
Property Graph: alternatives Datenmodell, weniger formal als RDF, weiter verbreitet in Enterprise-Engineering.
JSON-LD: RDF-Serialisierung in JSON-Syntax, web-freundlich und dominant für Schema.org.
OWL: Ontologie-Sprache, baut auf RDF auf und ergänzt es um formale Logik.

Weiter im KI-Lexikon

← Zurück zum Lexikon

Häufige Fragen

Was ist RDF?+

RDF (Resource Description Framework) ist die W3C-Standard-Datenstruktur für Wissen im Web. RDF basiert auf Triples, also Aussagen aus Subjekt, Prädikat und Objekt, etwa Einstein geboren_in Ulm. Diese Atomstruktur erlaubt es, beliebiges Wissen graph-strukturiert zu speichern, mit eindeutigen URIs als Identifikatoren. RDF wurde 1999 standardisiert und ist die Basis aller modernen Knowledge Graphs.

Was ist SPARQL?+

SPARQL ist die W3C-Standard-Query-Sprache für RDF, ähnlich wie SQL für relationale Datenbanken. Die wichtigste Konstruktion ist das Triple-Pattern: man beschreibt, welche Subjekt-Prädikat-Objekt-Muster gesucht werden, und SPARQL findet alle passenden Belegungen. SPARQL 1.1 wurde 2013 standardisiert und unterstützt Federation, Aggregation, Subqueries und Updates.

Wie sieht ein RDF-Triple aus?+

Ein Triple besteht aus drei URIs (oder einem Literal als Objekt). Beispiel in Turtle-Syntax: wd:Q937 wdt:P19 wd:Q3012 bedeutet Einstein (Q937) wurde geboren in (P19) Ulm (Q3012). Die Präfixe wd und wdt sind Kurznamen für Wikidata-URI-Bereiche. Triples werden in verschiedenen Serialisierungen geschrieben: Turtle, N-Triples, RDF/XML, JSON-LD.

Wie sieht eine SPARQL-Query aus?+

Eine SPARQL-Query hat Klauseln SELECT, WHERE und optional GROUP BY, ORDER BY, LIMIT. WHERE enthält Triple-Pattern mit Variablen, die SPARQL belegt. Beispiel: SELECT ?person WHERE { ?person wdt:P19 wd:Q3012 } liefert alle Entitäten, die in Ulm geboren wurden. Das Wikidata Query Service unter query.wikidata.org ist der bekannteste öffentliche SPARQL-Endpoint.

Welche RDF-Serialisierungen gibt es?+

Die wichtigsten sind Turtle (kompakt und menschenlesbar), N-Triples (eine Zeile pro Triple, maschinenfreundlich), RDF/XML (älter, verbose) und JSON-LD (web-nativ, basierend auf JSON). 2026 dominieren JSON-LD im Web und Turtle in der Linked-Data-Community. RDF/XML wird kaum mehr für Neues genutzt, ist aber historisch wichtig.

Was sind Named Graphs?+

Named Graphs sind benannte Container für Triple-Sammlungen, die SPARQL über die FROM- oder GRAPH-Klausel adressiert. Damit lassen sich Datensätze logisch trennen, etwa pro Quelle, pro Version oder pro Mandant. Praktisch sind sie ein zentrales Werkzeug für Provenance, Versionierung und Multi-Tenancy in RDF-basierten Systemen.

Was ist SPARQL Federation?+

SPARQL Federation erlaubt Queries über mehrere SPARQL-Endpoints in einer einzigen Anfrage via SERVICE-Klausel. So lässt sich Wikidata kombinieren mit DBpedia, mit dem EU-Open-Data-Portal oder mit eigenen Endpoints. Federation ist mächtig, aber schwierig zu performen, weil die Engine Joins über Netzwerk-Grenzen koordinieren muss.

Brauche ich RDF und SPARQL für moderne LLM-Anwendungen?+

Direkt selten, aber indirekt zentral. Die meisten LLM-Pipelines konsumieren strukturierte Daten heute über JSON oder REST-APIs, nicht über SPARQL-Endpoints. Aber Wikidata, das wichtigste Grounding-Backend, läuft auf RDF und SPARQL. Schema.org-JSON-LD ist eine RDF-Serialisierung. Wer LLM-Grounding ernst nimmt, kommt am RDF-Modell nicht vorbei.

Quellen

W3C RDF 1.1 Specification
W3C SPARQL 1.1 Specification
Wikidata SPARQL Endpoint

Wikidata: Q54872 · Zuletzt geprüft: 2026-07-02