Page 1
Smarte Daten im Knowledge Graph,die Grundlage einer zukunftssicheren Bereitstellung offener Daten
FOSSGIS 2019
CISS TDI GmbH (Sinzig), Fraunhofer FOKUS (Berlin), Univ, Leipzig/InfAI (Leipzig)
Richard Figura (CISS), Alexander Willner (TUB), Michael Martin (InfAI)Besonderen Dank an Niklas Petersen IAIS (Bonn)
14.03.2019, Dresden
Page 2
Die ➌ wichtigsten Punkte zusammengefasst
➊ ➋ ➌
Über Open Daten
Über Linked (Open)
Data
Über LIMBO
(Forschungsprojekt)
Page 3
Über uns
Photo by Arnold Dogelis on Unsplash
Page 4
Richard Figura | CISS TDI GmbH
Richard Figura
CISS TDI GmbH(Geo-)datenverarbeitung & -vertrieb
Geschäftsfü[email protected]
https://ciss.de
https://nes.uni-due.de
@figura_richard
linkedin.com/in/richard-figura
xing.to/figura @ciss_tdi
/company/ciss-tdi-gmbh
/companies/cisstdigmbh
4
Page 5
Dr. Alexander Willner | Industrial Internet of Things – TU Berlin
Dr.-Ing. Alexander Willner
Technische Universität BerlinNext Generation Networks (AV)
Leiter der Industrial Internet of Things Forschungsgruppe
[email protected]
Fraunhofer FOKUSSoftware-based Networks (NGNI)
Leiter des Industrial Internet of Things Zentrums
[email protected]
http://iiot-center.org
http://openiotfog.org
@AlexWillner
linkedin.com/in/willner
http://xing.to/willner
5
Page 6
Dr. Michael Martin | Efficient Technology Integration – InfAI Leipzig
Dr. Michael MartinInstitut für Angewandte Informatik
Aninstitut an der Universität LeipzigKompetenzzentrumsleiter Efficient Technology
[email protected]
Agile Knowledge Engineering and Semantic Web (AKSW)
ForschungsgruppennetzwerkLeiter der Forschungsgruppe Emergent
Semantics
https://infai.org/
http://aksw.org/Groups/ES
www.linkedin.com/in/micha-martin
http://xing.to/MichaelMartin
6
Page 7
Sinzig
© OpenStreetMap
Gründung: 1982
Firmensitz: Sinzig/Rhein
Schwerpunkte: • Geodatenaustausch
• Geodatenmigration
• Geodatenserver
• Geodatenverteilung
• Geodatenservices
• Geodatenvertrieb
• Qualitätssicherung von Geodaten
CISS TDI GmbH
https://ciss.de
@ciss_tdi
/company/ciss-tdi-gmbh
/companies/cisstdigmbh
Page 8
Sinzig
© OpenStreetMap
Gründung: 1982
Firmensitz: Sinzig/Rhein
Schwerpunkte: • Geodatenaustausch
• Geodatenmigration
• Geodatenserver
• Geodatenverteilung
• Geodatenservices
• Geodatenvertrieb
• Qualitätssicherung von Geodaten
CISS TDI GmbH
https://ciss.de
@ciss_tdi
/company/ciss-tdi-gmbh
/companies/cisstdigmbh
Geoinformatio
nen nutzbar machen
Page 9
Motivation
Image Source: Carla777 @ https://www.flickr.comhttps://creativecommons.org/licenses/by/2.0/legalcode
Page 10
Clive Humby:
Daten sind das neue Öl!
10
Page 11
Der direkte und indirekte Nutzen offener Daten wird alleine in Europa auf
bis zu 900 Milliarden Euro pro Jahr geschätzt.*
*McKinsey: Open data: Unlocking innovation and performance with liquid information (2013)11
Page 12
Geoinformationen stellen einen Rohstofffür Wertschöpfung in allen Wirtschaftsbereichen dar und
stehen am Anfang der Wertschöpfungskette.*
*Basierend auf MICUS Management Consulting GmbH13
Page 13
Wo (offene) Geodaten gebraucht warden…
14
Verkehr/Smart CitiesPhoto by Luke Stackpoole on Unsplash
Banken/DienstleisterPhoto by emily reider on Unsplash
Industrie 4.0Photo by Patrick Hendry on Unsplash
TransportPhoto by Tobias A. Müller on Unsplash
EnergiewirtschaftPhoto by LEMUR on Unsplash
Page 14
Über Open Data
Photo by Daniel Hjalmarsson on Unsplash
Page 15
Definition: „Offene Daten“
„Offene Daten sind sämtliche Datenbestände, die im Interesse der Allgemeinheit der Gesellschaft ohne jedwede Einschränkung zur freien Nutzung, zur Weiterverbreitung und zur freien Weiterverwendung frei zugänglich gemacht werden.“
Quelle: Jörn von Lucke, Christian Geiger: Open Government Data (Frei verfügbare Daten des öffentlichen Sektors). Hrsg.: zeppelin university. Friedrichshafen 3. Dezember 2010
Page 16
Definition: „Offene Daten“
„Offene Daten sind sämtliche Datenbestände, die im Interesse der Allgemeinheit der Gesellschaft ohne jedwede Einschränkung zur freien Nutzung, zur Weiterverbreitung und zur freien Weiterverwendung frei zugänglich gemacht werden.“
Quelle: Jörn von Lucke, Christian Geiger: Open Government Data (Frei verfügbare Daten des öffentlichen Sektors). Hrsg.: zeppelin university. Friedrichshafen 3. Dezember 2010
Page 17
Definition: „Offene Daten“
„Offene Daten sind sämtliche Datenbestände, die im Interesse der Allgemeinheit der Gesellschaft ohne jedwede Einschränkung zur freien Nutzung, zur Weiterverbreitung und zur freien Weiterverwendung frei zugänglich gemacht werden.“
Quelle: Jörn von Lucke, Christian Geiger: Open Government Data (Frei verfügbare Daten des öffentlichen Sektors). Hrsg.: zeppelin university. Friedrichshafen 3. Dezember 2010
Was bedeutet „ohne jedwede Einschränkung“?
Page 18
Problemanalyse
Photo by mari lezhava on Unsplash
Page 19
Photo by Atul Vinayak on Unsplash Photo by Benjamin Behre on Unsplash
Daten sind unverständlichDaten sind unverlässlichDaten sind inkompatibel
Photo by 90 angle on UnsplashPhoto by Namroud Gorguis on Unsplash
Page 20
Gibt es etwas, das wir vonKindern lernen können?
Photo by emily reider on Unsplash
Page 21
Daten sind unverständlich!
Was bekomme ich, wenn ich meinen 5-jährigen Neffen frage:
„Gibst du mir bitte die Schüssel mit
Beeren?“
Photo by Hector Bermudez on Unsplash
Page 22
Daten sind unverständlich!
Photo by TAN Erica on Unsplash Photo by Barrett Ward on Unsplash
Page 23
Daten sind unverständlich! – Was ist das Problem?
Es handelt sich um ein Homophon, die gleiche Aussprache [ˈbeːʀən] führt zu Verwechselung.
24https://de.wikipedia.org/wiki/Homophon
Page 24
Daten sind unverständlich!
Photo by Markus Spiske on Unsplash
Die Aussprache ist einem Rechner egal,was macht dieser mit der Anfrage:
„Computer, zeige mit alle Bilder von Flügeln“
Page 25
Daten sind unverständlich! – Bilder von Flügeln
26
Photo by Tim Rebkavets on UnsplashPhoto by Eli Pastor on Unsplash Photo by tian kuan on Unsplash
Tragfläche Rotorblatt Gebäudetrakt
Page 26
Daten sind unverständlich! – Bilder von Flügeln
27
Photo by jesse orrico on Unsplash Photo by Carlota Vidal on Unsplash Photo by Jian Xhin on Unsplash
Musikinstrument Vogelgliedmaß Insektengliedmaß
Page 27
Daten sind unverständlich! – Was ist das Problem?
Wörter mit der gleichen Schreibweise können unterschiedliche Bedeutung haben.
Diese Wörter nennt man Homonyme.
28https://de.wikipedia.org/wiki/Homonym
Page 28
Daten sind unverständlich! – Was ist das Problem?
Kommunizieren wir mit einer Maschine, versteht diese weder Frage noch
Daten:
• Frage ist nicht eindeutig bestimmt sucht der Fragende nach einer Tragfläche oder nach einem Rotorblatt?
• Daten sind nicht eindeutig bestimmt Zeigt der Antwortsatz eine Tragfläche oder ein Rotorblatt?
Page 29
Daten sind unverständlich!
Daten sind nicht eindeutig bestimmt!
Lösung:
Verwendung eindeutiger URIs
für die Bezeichnung von Daten!
Photo by rawpixel on Unsplash
Page 30
Daten sind unverständlich!
Das ist kein Auto, das ist ein:
http://dbpedia.org/resource/Volkswagen_Beetle
Daten werden weltweit eindeutig adressierbar
Photo by Jorge Zapata on Unsplash
Page 31
Daten sind unverständlich!
Was macht mein Käfer*, wenn ich sage:
„BitteHindernis* umfahren?“
Photo by Jorge Zapata on Unsplash
* eindeutig durch eine URL festgelegt
Page 32
Daten sind unverständlich!
Photo by frank mckenna on Unsplash Photo by Seth Doyle on Unsplash
?
Um es herum fahren oder es überfahren?
Page 33
Daten sind unverständlich! – Was ist das Problem?
Nicht nur Daten sind uneindeutig, sondern auch Relationen…
Ist eine Zukunft des selbstfahrenden Autos nun gefährdet?
34
Page 34
Daten sind unverständlich!
Lösung:
Verwendung eindeutiger URIs für Bezeichnung und Relation von Daten!
Photo by rawpixel on Unsplash
Page 35
Daten sind unverständlich!
Was macht mein Käfer*, wenn ich sage:
„BitteHindernis*
umfahren**?“
Photo by Jorge Zapata on Unsplash
* eindeutig durch eine URL festgelegt** Kurzform für darum herum fahren
Photo by Katya Austin on Unsplash
Page 36
Daten sind unverständlich!
Durch die Verwendung von URLs, was ermöglicht das?
• Daten verschiedener Datenbestände können sich ergänzen
• Daten verschiedener Datenbeständen können dem selben Schema folgen
• Entitäten können Referenzen auf Entitäten anderer Datenbanken enthalten
Organisation A
Organisation B
Page 37
Daten sind unverständlich!
Kommunales
Open-Data Portal
Wiki:Stadt
Wichtige
Personen
BürgerportalWebseit
en
Bürgermeister
Postleitzahlen
Name des Kreises
Wiki:Kreis
Page 38
• Der Knowledge Graph, eine freie Wissensdatenbank
• Instanzen • Schemas• Metadaten• Links• Mappings
• Datensätze• DBPedia • Geonames• Div. Behördendaten• …
Image source: https://lod-cloud.net/
Page 39
Photo by Atul Vinayak on Unsplash Photo by Benjamin Behre on Unsplash
Daten sind unverständlichDaten sind unverlässlichDaten sind inkompatibel
Photo by 90 angle on UnsplashPhoto by Namroud Gorguis on Unsplash
Page 40
Daten sind unverständlich!
Was bekomme ich, wenn ich meinen 6-jährigen Neffen bitte:
„Mal mir bitte einen Elefanten?“
Photo by Alexandre Chambon on Unsplash
Page 41
Daten sind unverständlich!
Was bekomme ich, wenn ich meinen 6-jährigen Neffen bitte:
„Mal mir bitte einen Elefanten?“
Ich erhalte eine veredelte Information
Beim Veredeln u.U. gehen Informationen verloren…
Levi (6 Jahre), gemalt am 13.09.2018
Page 42
43
Daten sind unverlässlich!
Flinkster carsharing auf Openstreetmap
Page 43
Daten sind unverlässlich
• Attributfehler• Eindeutigkeit• Wertebereiche• …
• Inkonsistenzen• Bezeichner:
• Geometriefehler• Doppelte Digitalisierungspunkte:
• Defekte Geometrien
• Unvollständige Topologien:
44
bf_nr Nettobahnsteiglaenge_m8263 1158263 1152616 115
Bf. Nr. Station8263Ahnatal-Casselbreite2616Ahnatal-Heckershausen
bf_nr==
Bf.Nr.
Flinkster carsharing auf Openstreetmap
Bahnsteiglängen/Namen
CISS – CITRA QS-Handbuch
Page 44
Daten sind unverlässlich
Wie können uns Semantische Technologien bei dem Problem Datenqualität helfen?
• Verlinkung auf originäre Datenquelle
• Vergleichen von „gleichwertigen Daten“ auf Inkonsistenzen
• Definition von Metainformationen nach Vocab-DQV
Wichtig ist, dass entsprechende Metainformationen generiert und gespeichert werden
Page 45
Photo by Atul Vinayak on Unsplash Photo by Benjamin Behre on Unsplash
Daten sind unverständlichDaten sind unverlässlichDaten sind inkompatibel
Photo by 90 angle on UnsplashPhoto by Namroud Gorguis on Unsplash
Page 46
Daten sind inkompatibel!
Was bekomme ich, wenn ich mein 3 jähriges Patenkind bitte:
„Setze bitte das passende Puzzle-Teil ein“
Page 47
Daten sind inkompatibel!
Was bekomme ich, wenn ich mein 3 jähriges Patenkind bitte:
„Setze bitte das passende Puzzle-Teil ein“
Was nicht passt, wird passend gemacht…
Page 48
LIMBO &Das Linked Open Data Warehouse
Photo by Steve Johnson on Unsplash
Page 49
Das Linked Open Data Warehouse als Teil von LIMBO
• Ziele (Kurzformulierung), Definition von Prozessen und Bereitstellung von Werkzeugen für die
• Bereitstellung von Daten in das Semantische Web• Verwertung von Daten aus dem Semantischen Web
• Methoden von LIMBO• Datenbereitstellung
• Erstellung von Vokabularen (u.a. ALKIS und COSMO)• Bereitstellung von Werkzeugen für den Lifting Prozess• Bereitstellung von Werkzeugen für eine Qualitätssicherung• Datenhaltung in einem (Linked Open Geo) Data Warehouse
• Datenverwertung• Question Answering• Crawling• Unterschiedl. Mobility 4.0 und Industrie 4.0 Szenarien
50
Page 50
Das Linked Open Data Warehouse als Teil von LIMBO
• Ziele (Kurzformulierung), Definition von Prozessen und Bereitstellung von Werkzeugen für die
• Bereitstellung von Daten in das Semantische Web• Verwertung von Daten aus dem Semantischen Web
• Methoden von LIMBO• Datenbereitstellung
• Erstellung von Vokabularen (u.a. ALKIS und COSMO)• Bereitstellung von Werkzeugen für den Lifting Prozess• Bereitstellung von Werkzeugen für eine Qualitätssicherung• Datenhaltung in einem (Linked Open Geo) Data Warehouse
• Datenverwertung• Question Answering• Crawling• Unterschiedl. Mobility 4.0 und Industrie 4.0 Szenarien
51
Page 51
LIMBO
52
Werkzeuge Beispielszenario
Photo by Nynne Schrøder on Unsplash
OntologienPhoto by Drew Graham on Unsplash
Photo by Shane Aldendorff on Unsplash
Page 52
LIMBO
53
Werkzeuge Beispielszenario
Photo by Nynne Schrøder on Unsplash
OntologienPhoto by Drew Graham on Unsplash
Photo by Shane Aldendorff on Unsplash
Page 53
Relationale Datenbestände als „virtuelle RDF-Daten“
„Herkömmliche“relationale Datenbank
RDBMSmit
ALKISo.a. Daten
RDB2RDFMapping-Tool
W3C-Standard für den Zugriff auf relationale DB‘en R2RML-
Konfig.
Web-Server(Apache
Jena)
(Geo)SPARQL
HTML
RDFLinked DataWeb-Clients
Sonstige Tools(z.B. RDF-
Export)
54
Page 54
Das Linked Open Data Warehouse als OGC-W3C Schnittstelle
• (OGC-)Standard konform
• Integriert Daten unterschiedlicher Quellen an zentraler Stelle
• Erlaubt weitere Verarbeitung (z.B. Qualitätssicherung)
55
Offene Quellen
Page 55
LIMBO
56
Werkzeuge Beispielszenario
Photo by Nynne Schrøder on Unsplash
OntologienPhoto by Drew Graham on Unsplash
Photo by Shane Aldendorff on Unsplash
Page 56
57Photo by John Fowler on Unsplash
SpezialfallKlima & Wetter
Page 57
Open Data Portal des Deutschen Wetterdienstes
https://opendata.dwd.de/
• Wenige Schnittstellen
• Kaum Metadaten
• (Komplizierte Formate)
58
Page 58
Ziel des Szenarios:
59
Publikation zum COSMO-SPARQL-EPRichard Figura, Norman Radtke, Alexander Willner, Michael Martin: Applying Linked Data Paradigms for Reagional Weather Data Reanalysis. International Symposium on Regional Reanalysis 2018, ISRR
Image source: https://lod-cloud.net/
COSMO-REA2
(subset)
http://cosmo.iis.aksw.org/sparql
Page 59
Beispielanfragen
Queries für: Daten innerhalb eines Polygons
Beispiel : Ein Windparkbetreiber/Projektiere sind an Daten innerhalb des Zielgebietes interessiert
• Lon: 7.22 - 7.28 • Lat: 50.53 - 50.56
Day-time vmax lat lon"2007-01-01T05:15:00"^^xsd:dateTime "11.0904"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T05:30:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T06:00:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T05:45:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T05:30:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T06:00:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T05:45:00"^^xsd:dateTime "11.0897"^^xsd:float "7.262"^^xsd:float "50.538"^^xsd:float
"2007-01-01T05:15:00"^^xsd:dateTime "10.604"^^xsd:float "7.233"^^xsd:float "50.537"^^xsd:float
"2007-01-01T05:30:00"^^xsd:dateTime "10.6034"^^xsd:float "7.233"^^xsd:float "50.537"^^xsd:float
http://yasgui.org/short/S177c52Qm 60
Page 60
PREFIX ex: <http://example.org/wind-example/>
PREFIX cosmo: <http://example.org/cosmo/>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX qb: <http://purl.org/linked-data/cube#>
PREFIX wind: <http://example.org/windcube/>
PREFIX geo: <http://www.w3.org/2003/01/geo/wgs84_pos#>
SELECT DISTINCT ?observation ?dt ?vmax ?u ?v ?wlon ?wlat WHERE {
ex:Result-COSMO-REA2-2015-01-01 a cosmo:Result .
?result cosmo:hasRuns ?run .
?run cosmo:hasDatasets ?dataset .
?observation qb:dataSet ?dataset.
?observation wind:lon ?wlon .
?observation wind:lat ?wlat .
?observation wind:time ?dt .
?observation wind:u ?u .
?observation wind:v ?v .
?observation wind:vmax ?vmax .
?observation wind:alt ?alt .
FILTER (?wlon > 7.22 && ?wlon < 7.28 && ?wlat > 50.53 && ?wlat < 50.56)
} ORDER BY DESC(?vmax) LIMIT 1000
61
Page 61
Beispielanfragen
We can query data by providing a class as input
Beispiel: Rückversicherer ist an allen Einträgen interessiert, aufgeteilt nach Städten
• Für alle Instanzen des Typs “Stadt” wird ein Ergebnis zusammengestelltCity Day time vmax u v
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T06:00:00"^^xsd:dateTime "16.1806"^^xsd:float "6.64926"^^xsd:float "2.13524"^^xsd:float
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T05:30:00"^^xsd:dateTime "16.1806"^^xsd:float "6.24013"^^xsd:float "1.56067"^^xsd:float
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T05:45:00"^^xsd:dateTime "16.1806"^^xsd:float "6.90421"^^xsd:float "2.21563"^^xsd:float
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T05:15:00"^^xsd:dateTime "16.1802"^^xsd:float "6.54106"^^xsd:float "1.33747"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T06:00:00"^^xsd:dateTime "15.3964"^^xsd:float "7.19614"^^xsd:float "1.93066"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:45:00"^^xsd:dateTime "15.2597"^^xsd:float "7.5502"^^xsd:float "1.70244"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T06:00:00"^^xsd:dateTime "15.1493"^^xsd:float "6.58774"^^xsd:float "1.87401"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:15:00"^^xsd:dateTime "15.0806"^^xsd:float "6.84477"^^xsd:float "0.921945"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:30:00"^^xsd:dateTime "15.08"^^xsd:float "7.34657"^^xsd:float "1.39026"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:45:00"^^xsd:dateTime "14.7675"^^xsd:float "6.62345"^^xsd:float "1.83233"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:30:00"^^xsd:dateTime "14.3602"^^xsd:float "6.35634"^^xsd:float "1.34827"^^xsd:float
http://dbpedia.org/resource/Grafschaft,_Rhineland
"2007-01-01T05:15:00"^^xsd:dateTime "14.3599"^^xsd:float "6.06255"^^xsd:float "1.10163"^^xsd:float
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T05:45:00"^^xsd:dateTime "14.1718"^^xsd:float "6.59708"^^xsd:float "1.9666"^^xsd:float
http://dbpedia.org/resource/Bad_Breisig "2007-01-01T05:30:00"^^xsd:dateTime "14.1718"^^xsd:float "5.64931"^^xsd:float "1.37903"^^xsd:float
http://yasgui.org/short/r17pFIPX7 62
Die Liste der Einträge kommt aus DBpedia (weitere Ressource)
Page 62
PREFIX ex: <http://example.org/wind-example/>
PREFIX cosmo: <http://example.org/cosmo/>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX qb: <http://purl.org/linked-data/cube#>
PREFIX wind: <http://example.org/windcube/>
PREFIX geo: <http://www.w3.org/2003/01/geo/wgs84_pos#>
SELECT DISTINCT ?observation ?ort ?dt ?vmax ?u ?v WHERE {
ex:Result-COSMO-REA2-2015-01-01 a cosmo:Result .?result cosmo:hasRuns ?run .?run cosmo:hasDatasets ?dataset .?observation qb:dataSet ?dataset.?observation wind:lon ?wlon .?observation wind:lat ?wlat .?observation wind:time ?dt .?observation wind:lat ?wlat .?observation wind:u ?u .?observation wind:v ?v .?observation wind:vmax ?vmax .?observation wind:alt ?alt .?ort a geo:SpatialThing .?ort geo:long ?glon .?ort geo:lat ?glat .
FILTER(abs(?wlon-?glon)<0.001 && abs(?glon-?wlon)<0.001)
} ORDER BY DESC(?vmax) LIMIT 1000
63
Page 64
LIMBO
65
Werkzeuge Beispielszenario
Photo by Nynne Schrøder on Unsplash
OntologienPhoto by Drew Graham on Unsplash
Photo by Shane Aldendorff on Unsplash
Page 65
LIMBO - Beispielszenario
Abfrage von Informationen mit natürlicher Sprache:
Beispielfragen• Where is the birthplace of Goethe?• What is the highest mountain in the Bavarian Alps?• How much is the population of Mexico City?
66http://tebaqa.com/ http://139.18.2.39:8187
Page 66
Es lohnt sich, von Kindern zu lernen…
Photo by emily reider on Unsplash
Page 67
Die ➌ wichtigsten Punkte zusammengefasst
➊ ➋ ➌
Wir müssen Objekte und Beziehungen
eindeutig benennen können
Wir müssen die richtigen Fragen
stellen
Wir müssen die richtigen
Werkzeuge und Technologien beherrschen
Page 68
Fragen?
Richard Figura
Geschäftsführung
Bild durch Klicken auf Symbol hinzufügen