Bedeutung klären
Eine Ontologie beschreibt, welche Begriffe in einer Domäne existieren und was sie fachlich bedeuten.
Kunde, Account, User und Tenant können ähnlich klingen, aber unterschiedliche Rollen im System meinen.
Deep Dive · Ontologien & RDF
Ontologien klären, welche Begriffe, Beziehungen und Regeln in einer Domäne gelten. Dadurch liefert GraphRAG fachlich belastbaren Kontext.
Kuratierter erster Schnitt · Stand Mai 2026
In -Projekten reicht es nicht, Entitäten und Relationen technisch zu speichern. Entscheidend ist, ob klar ist, was diese Entitäten und Relationen bedeuten. Eine Ontologie macht diese Bedeutungen explizit: Sie beschreibt Begriffe, Beziehungstypen, Kategorien, Regeln und fachliche Grenzen einer Domäne.
Dadurch wird aus einem ein gemeinsames Bedeutungsmodell für verbundene Datenpunkte. Genau diese Schicht entscheidet, ob ein LLM-Kontext für Nutzer nachvollziehbar, konsistent und prüfbar wird.
Praktisch ist eine Ontologie ein Bedeutungsvertrag: Fachleute, Datenmodell, Extraktion, Retrieval und Agenten einigen sich darauf, welche Begriffe gelten, welche Aussagen erlaubt sind und wo Interpretationen enden.
Ontologie oder Schema definieren, welche Typen und Beziehungen erlaubt sind. Sie sind besonders wichtig für Domänen-Graphen und ergänzen Dokument-Graph und Domänen-Graph als Bedeutungsschicht. Die zentrale Unterscheidung steht auf der GraphRAG-Detailseite.
Was eine Ontologie leistet
Eine Ontologie beschreibt, welche Begriffe in einer Domäne existieren und was sie fachlich bedeuten.
Kunde, Account, User und Tenant können ähnlich klingen, aber unterschiedliche Rollen im System meinen.
Sie macht sichtbar, welche Entitäten miteinander in Beziehung stehen dürfen und welche Beziehungstypen fachlich relevant sind.
Ein Team kann einen Service fachlich, technisch oder operativ verantworten. Das ist nicht dieselbe Kante.
Ontologien helfen zu klären, welche Aussagen erlaubt, widersprüchlich oder erklärungsbedürftig sind.
Ein Vertrag kann eine Laufzeit, Parteien und Klauseln haben. Nicht jede Beziehung zu einem Dokument ist ein Vertrag.
Ein Graphschema kann sehr praktisch sein und eine Ontologie kann zusätzliche fachliche Bedeutung liefern. RDF und OWL sind Standards aus dem Semantic-Web-Kontext. Ein GraphRAG-Pilot kann mit einem kleinen, testbaren Modell starten.
Technische Struktur
Ein Graphschema beschreibt Knoten, Kanten und Eigenschaften in einer konkreten Graphdatenbank oder Anwendung.
Fachliche Bedeutung
Eine Ontologie beschreibt Begriffe, Bedeutungen, Relationen und Regeln einer Domäne, unabhängig von einer konkreten UI.
Datenmodell
RDF beschreibt Wissen als Tripel aus Subjekt, Prädikat und Objekt. Es ist ein Standard zur Repräsentation von Aussagen.
Logik und Inferenz
OWL erweitert RDF um formale Ausdrucksmittel für Klassen, Eigenschaften, Einschränkungen und Schlussfolgerungen.
RDF macht einzelne Aussagen explizit. Jede Aussage besteht aus Subjekt, Prädikat und Objekt. Der Wert liegt darin, dass viele kleine Aussagen zu einem Graph verbunden werden können.
Tripel
Subjekt: Vertrag A
Prädikat: enthält
Objekt: Klausel 12
Eine konkrete Vertragsinstanz enthält eine konkrete Klausel.
Tripel
Subjekt: Klausel 12
Prädikat: regelt
Objekt: Datenverarbeitung
Die Klausel wird fachlich mit einem geregelten Thema verbunden.
Tripel
Subjekt: Datenschutz-Policy 2026
Prädikat: betrifft
Objekt: Datenverarbeitung
Eine Policy bezieht sich auf denselben fachlichen Gegenstand.
Für den Einstieg muss nicht sofort die ganze Semantic-Web-Werkzeugkiste genutzt werden. Wichtig ist, welches Problem gerade gelöst werden soll: Aussagen repräsentieren, logisch ableiten oder Daten validieren.
RDF ist die Aussageform: Wissen wird als Tripel aus Subjekt, Prädikat und Objekt beschrieben.
Nützlich, wenn Aussagen quellenübergreifend verknüpft und eindeutig referenziert werden sollen.
OWL erweitert RDF um Logik: Klassen, Eigenschaften, Einschränkungen und Ableitungen können formal beschrieben werden.
Nützlich, wenn Schlussfolgerungen, Klassenhierarchien oder formale Konsistenz wichtiger werden.
SHACL beschreibt Validierungsregeln: Welche Eigenschaften, Kardinalitäten oder Beziehungsmuster muss ein Graph erfüllen?
Nützlich, wenn Graphdaten geprüft, kuratiert und qualitätsgesichert werden müssen.
Eine Ontologie wird greifbarer, wenn sie als kleine fachliche Sprache erscheint: Welche Dinge gibt es, welche Beziehungen sind erlaubt, und warum hilft diese Struktur bei besseren Antworten?
Entitäten
Beziehungen
Ein Agent kann passende Textstellen finden und erklären, welche Klausel welches Risiko in welchem Vertrag erzeugt.
Entitäten
Beziehungen
Ownership wird als fachliche, technische oder operative Verantwortung modelliert.
Entitäten
Beziehungen
Antworten können aufzeigen, welche Nachweise eine Policy stützen und wo Prozesslücken oder Abweichungen sichtbar werden.
Der beste Start ist ein kleines, testbares Bedeutungsmodell. Es muss nicht vollständig sein, aber es muss konkrete Fragen besser beantworten helfen.
Eine Domäne wählen, zum Beispiel Verträge, Supportfälle oder Service Ownership.
5 bis 8 zentrale Klassen definieren, nicht die ganze Organisation modellieren.
Wenige Beziehungstypen benennen, die für echte Fragen gebraucht werden.
Erlaubte und nicht erlaubte Aussagen mit Beispielen festhalten.
Extraktion und Retrieval gegen echte Fragen testen, bevor das Modell größer wird.
GraphRAG-Relevanz
Ontologie ist hier das Fundament für semantische Klarheit. Sie wird wertvoll, wenn sie Extraktion, Retrieval, Datenqualität und Agentensteuerung konkret beeinflusst.
macht ontologische Bedeutung operativ nutzbar für Abfragen, Metriken, Berechtigungen und Agentenaktionen.
nutzt die Ontologie als Zielmodell: Welche Entitäten und Relationen sollen aus Quellen entstehen?
speichern Instanzen und Beziehungen, die durch Ontologie oder Schema fachlich lesbar werden.
profitiert von Ontologien, wenn Retrieval belastbare Beziehungspfade braucht.
Die Konzepte werden greifbarer, wenn sie als Kette erscheinen. Ontologie beschreibt Bedeutung, RDF formuliert Aussagen, der Knowledge Graph speichert Instanzen, der Semantic Layer steuert Nutzung und GraphRAG verwendet den Kontext in Antworten.
definiert Klassen und Beziehungen: Vertrag, Klausel, Policy, Kontrolle und Risiko.
Eine Klausel kann ein Risiko erzeugen; eine Policy kann eine Kontrolle verlangen.
macht einzelne Aussagen explizit und verknüpfbar.
Klausel 12 -[:ERZEUGT]-> Risiko Datenschutz.
speichert konkrete Instanzen, Quellen und Beziehungen als abfragbares Netz.
Vertrag A enthält Klausel 12, die von Policy 2026 betroffen ist.
macht Bedeutung operativ nutzbar: erlaubte Abfragen, Rollen, Regeln und Metriken.
Nur Compliance-Rollen dürfen Risikobewertungen schreiben; andere Rollen lesen nur.
nutzt den Graphkontext, um Antworten mit Pfaden und Quellen zu formulieren.
Die Antwort nennt Vertrag, Klausel, Policy, Risiko und Nachweis als nachvollziehbare Kette.
Ontologiearbeit wird schwierig, wenn sie entweder zu akademisch oder zu technisch wird. Gute Ontologien bleiben an Fragen, Beispielen und Pflegeverantwortung gebunden.
Die Ontologie beschreibt generische Weltbegriffe, aber keine konkreten Fragen der Anwendung.
Tabellen und Felder werden nur umbenannt, ohne fachliche Bedeutung, Regeln oder Grenzen zu klären.
Das Modell wird so groß, dass niemand mehr Verantwortung für Pflege und Qualität übernimmt.
Ohne gute und schlechte Beispielaussagen bleibt unklar, was die Begriffe praktisch erlauben.
Begriffe ändern sich fachlich, aber niemand entscheidet, wann die Ontologie angepasst wird.
Starte mit Definitionen, Synonymen und Gegenbeispielen. Das schafft sofort mehr Klarheit als ein großes Modell.
Nutze die Ontologie als Zielscheibe für Graph Construction: Welche Typen und Kanten sollen wirklich entstehen?
Verbinde Ontologie mit Semantic Layer. Bedeutung muss korrekt und operativ nutzbar sein.
Nächste Schritte