DTT-Webinar: Modellierung terminologischer Daten in RDF, SKOS, OWL und OntoLex-Lemon
DTT-Webinar
Modellierung terminologischer Daten in RDF, SKOS, OWL und OntoLex-Lemon
Termin & Ort:
Dienstag, 13. Oktober 2026, 11:00 – 12:30 Uhr, online
Referent:
Tom Winter
Inhalte:
Wie lassen sich terminologische Daten so modellieren, dass sie nicht nur menschenlesbar, sondern auch maschineninterpretierbar, vernetzbar und für Semantic-Web-Anwendungen nutzbar sind?
Dieses Webinar gibt eine praxisorientierte Einführung in die Modellierung terminologischer Ressourcen mit RDF, SKOS, OWL und OntoLex-Lemon.
Dabei werden die unterschiedlichen Rollen und Einsatzmöglichkeiten der Standards erläutert und anhand typischer Beispiele aus der Terminologiearbeit veranschaulicht.
Die Teilnehmenden erhalten damit einen Überblick über zentrale Modellierungsansätze und lernen, die Standards hinsichtlich ihrer Möglichkeiten, Unterschiede und ihres Zusammenspiels einzuordnen.
Über den Referenten:
Tom Winter arbeitet als Terminologie, Computerlinguist und Data Scientist im Sprachenmanagement der Deutsche Bahn AG. Neben dem Terminologie- und Sprachdatenmanagement liegt sein Schwerpunkt auf Prozessautomatisierung und der Integration, Beeinflussung und qualitativen Bewertung von MT-Systemen.
Tom Winter ist Vorsitzender des Deutschen Terminologie-Tag e.V. (DTT), Mitglied im Rat für Deutschsprachige Terminologie (RaDT) und vertritt den DTT im Vorstand von infoterm.
Weitere Informationen und Anmeldung:
In Kooperation mit der BDÜ Weiterbildungs- und Fachverlags GmbH veranstalten wir regelmäßig Webinare, die sich mit praktischen Themen aus den Bereichen Terminologiearbeit, Wissensmanagement und KI beschäftigen. Alle DTT-Webinare zählen zum DTT-Terminologiezertifikat.
Für den Erhalt des DTT-Terminologiezertifikats müssen zwei DTT-Webinare und weitere DTT-Fortbildungsveranstaltungen besucht werden.
Veranstalter der Webinare:
BDÜ Weiterbildungs- und Fachverlags GmbH
webinare@bdue.de und
Deutscher Terminologie-Tag e.V. (DTT)
Stand: 13.07.2026, Änderungen vorbehalten




