Las organizaciones de investigación (por ejemplo, centros de investigación, universidades) suelen acumular una gran cantidad de datos relacionados con sus investigadores, los resultados científicos generados y los productos de investigación, así como proyectos financiados pública y privadamente que apoyan sus actividades, etc. Aunque los tipos de datos manejados pueden parecer similares entre organizaciones, es común ver que cada institución ha desarrollado su propio modelo de datos para apoyar muchas de sus actividades administrativas (informes de proyectos, gestión de currículos, gestión de personal, etc.). Esto crea obstáculos para la integración y vinculación del conocimiento entre organizaciones, así como dificultades cuando los investigadores se trasladan de una institución a otra. En este documento, aprovechamos la red de ontologías creada por la iniciativa española HERCULES para facilitar la construcción de gráficos de conocimiento a partir de sistemas de información existentes, como el gestionado por la empresa Universitas XXI, que apoya a más de 100 organizaciones de investigación de habla hispana en todo el mundo. Nuestro esfuerzo no se centra solo en seguir las elecciones de modelado de esa ontología, sino también en demostrar cómo el uso de reglas de mapeo declarativas estándar (es decir, R2RML) garantiza un flujo de trabajo sistemático y sostenible para la construcción y mantenimiento de un KG. También presentamos varios casos de uso del mundo real en los que se adopta el flujo de trabajo propuesto junto con un conjunto de lecciones aprendidas y recomendaciones generales que también pueden aplicarse a otros dominios. Los próximos pasos incluyen investigar en la automatización de la creación de las reglas de mapeo, el enriquecimiento del KG con fuentes externas y su explotación a través de entornos distribuidos.