In diesem Paper stellen wir unser System Kepler-aSI für die Semantic Web Challenge zum Matching von Tabellarischen Daten mit Wissensgraphen (SemTab 2021) vor. Dieses System nimmt zum zweiten Mal an dieser Kampagne teil und bringt Verbesserungen sowie neue technische Aspekte mit. Kepler-aSI analysiert tabellarische Daten, um korrekte Übereinstimmungen in WikiData und DBpedia zu erkennen. Es ist zu beachten, dass jede Datenausgangsquelle oder jeder Runde der Kampagne bestimmte Einschränkungen mit sich bringt, die fortgeschrittene Techniken erfordern. Die oben genannte Aufgabe erweist sich als schwierig für Maschinen und erfordert einen zusätzlichen Aufwand, um kognitive Fähigkeiten in die Matching-Methoden einzubinden. Kepler-aSI basiert weiterhin auf SPARQL-Abfragen, um Tabellen semantisch in Wissensgraphen (KG) zu annotieren, um kritische Probleme bei Matching-Aufgaben zu lösen. Die während der Evaluierungsphase erzielten Ergebnisse sind vielversprechend und unterstreichen die Stärken des vorgeschlagenen Systems.