Nach RAG, GraphRAG und Knowledge Graphs – warum beginnen Unternehmen nun, sich im Bereich der Ontologie zu konzentrieren?

Zusammenfassung der Kerninhalte

In letzter Zeit steigt das Bedürfnis von Unternehmen nach Wissensbasen, und die Begriffe „Wissensgraphen“ sowie „Ontologie“ tauchen häufig auf. Insbesondere die Ontologie hat durch die Förderung des Unternehmens Palantir an Popularität gewonnen. Allerdings ist die Umsetzung einer Ontologie schwierig und kostspielig und eignet sich nur für Unternehmen mit stabilem Geschäftsbetrieb, die eine tiefe Analyse benötigen. Unternehmen, die blind der Mode folgen, könnten in Probleme geraten; um Ontologien tatsächlich erfolgreich einzusetzen, müssen sie zunächst ihr eigenes Geschäft verstehen und diese kontinuierlich warten.

I. Warum ist die Ontologie plötzlich so beliebt? Die Nachahmungswelle in der Branche durch Palantir

Die Ontologie ist nichts Neues, doch ihre aktuelle Beliebtheit ist hauptsächlich auf Palantir zurückzuführen:

• Das Unternehmen wird oft als „Outsourcing-Dienstleister“ bezeichnet, hat aber einen Marktwert von 370 Milliarden US-Dollar und ein PS (Price-to-Sales-Ratio) von zehnmal so hoch wie das der meisten SaaS-Unternehmen (60–70 zu 4–7).
• Der CEO betont immer wieder, dass die Ontologie der Schlüssel zum Erfolg sei, was dazu geführt hat, dass die Branche seine Technologien, Geschäftsmodelle (Plattformen mit hohen Einzelpreisen) und Organisationsstrukturen (FDE, das direkt in die Frontlinie eingesetzt wird) wild nachahmt.
• Im Grunde genommen hat sich das Bedürfnis der Unternehmen nach Wissensbasen von der Suche nach Dokumenten zu einem besseren Verständnis des Geschäftsprozesses entwickelt – Probleme, die früher durch die Suche in AI-Dokumenten gelöst werden konnten, erfordern nun, dass die KI die Geschäftspartner, Beziehungen und Regeln versteht. Die Ontologie kann genau dieses Bedürfnis erfüllen.

II. Was ist eigentlich eine Ontologie? Eine einfache Erklärung für Laien

Einfach ausgedrückt: Eine Ontologie ist eine „Liste aller Dinge sowie eine Anleitung zu deren Beziehungen“ für Maschinen:

• Beispiel: Stellen Sie sich vor, Sie würden in eine Welt der Magie reisen und einen Experten fragen: „Was gibt es hier?“ Der Experte würde eine Liste erstellen – mit Mönchen, Kampftechniken und der benötigten Energie. Die Beziehungen zwischen diesen Elementen würden ebenfalls erklärt (z. B.: Mönche nutzen Energie, um Techniken zu praktizieren, und diese verbrauchen dabei Energie). Diese „Liste plus Beziehungen“ entspricht einer Ontologie.
• Technisch gesehen verwendet die Ontologie „Klassen“, „Attributen“ und „Beziehungen“, um Bereiche zu beschreiben: Auf einer Einkaufsplattform wäre „Produkt“ eine Klasse, „Preis“ ein Attribut und „Käufer – Kauf – Produkt“ eine Beziehung. Mithilfe dieser Regeln könnte die KI ableiten, dass Personen, die elektronische Produkte gekauft haben, möglicherweise auch andere elektronische Produkte bevorzugen.

III. Die drei großen Herausforderungen bei der Umsetzung einer Ontologie: Hohe Kosten, schwierige Anpassungen und aufwendige Wartung

Warum wagen seriöse Unternehmen es nicht, Ontologien einzusetzen? Weil es viele Probleme gibt:

1. Schwierige Abstraktion des Geschäftsprozesses: Unordentliche Geschäftsvorgänge (z. B. Bestellungen, Logistik) müssen in „Klassen und Beziehungen“ umgewandelt werden. Doch verschiedene Abteilungen verwenden unterschiedliche Begriffe für dieselben Konzepte – zudem gibt es oft Streitigkeiten darüber, wie diese zu definieren sind (z. B.: Ist eine Bestellung ein Ereignis oder eine Entität?). Solche Diskussionen können wochen- oder monatelang andauern.

2. Teure Datenbereinigung: Die meisten Unternehmensdaten sind ungenau; dasselbe Objekt wird in verschiedenen Abteilungen unterschiedlich bezeichnet, und niemand kennt die genauen Abläufe. Das Aufbauen einer Ontologie erfordert die Umwandlung dieser Unklarheiten in neue Regeln – die Kosten für die Datenbereinigung können mehr als die Hälfte des Projekts ausmachen, und es besteht die Gefahr von Nacharbeiten.

3. Auswirkungen von Geschäftsänderungen: Eine Ontologie ist „semantisch gekoppelt“; eine Änderung einer Beziehung (z. B. von „eine Bestellung pro Kunde“ zu „mehrere Bestellungen pro Kunde“) kann dazu führen, dass alle abhängigen Systeme und Datenstrukturen nicht mehr funktionieren. Historische Daten müssen dann neu berechnet werden, was sehr kostspielig ist.

4. Hohe Wartungskosten: Es benötigt spezialisiertes Personal, das sowohl das Geschäft als auch die Technologie versteht; solche Fachkräfte sind teuer. Zudem wagen Unternehmen es nicht, die Ontologie nachträglich zu ändern – dadurch wird sie oft zu „starrem Wissen“, das nicht mehr aktualisiert wird.

IV. Die Ontologie ist kein Allheilmittel: Nur in bestimmten Fällen eignet sie sich

Ontologien lohnen sich nur, wenn folgende Bedingungen erfüllt sind:

• Stabiler Geschäftsprozess,
• Notwendigkeit tiefer Analysen,
• **Hohe Anforderungen an die Ergebnisse*.
• Beispiele:
• Medizin: Die Beziehungen zwischen medizinischen Konzepten sind stabil; falsche Schlussfolgerungen können schwerwiegende Folgen haben (z. B. Fehldiagnosen).
• Unternehmensoperationen: Wenn ein Lieferant ausfällt, kann das System schnell analysieren, welche Auswirkungen dies auf die Produktion und Kundenbestellungen hat.
• Kleine Geschäftsszenarien: Es muss nicht das gesamte Unternehmen abgedeckt werden – nur ein spezifisches Problem soll gelöst werden. Beispiel: Passt ein bestimmtes Filterteil zu einem bestimmten Produkt? Eine einfache Suche in Dokumenten liefert keine Antwort; eine Ontologie kann mithilfe von Klassifikationen und Beziehungen die richtige Entscheidung treffen – auch außergewöhnliche Fälle können berücksichtigt werden.

V. Der richtige Umgang mit Ontologien in Unternehmen: Nicht blind folgen, sondern zunächst kleine Projekte durchführen und kontinuierlich warten

• Nicht der Mode folgen: Wenn Probleme mit Dokumentensuche oder SQL-Lösungen gelöst werden können, sollte man keine Ontologie einsetzen – die Investitionen sind hoch und die Amortisationszeit lang.
• Mit kleinen Projekten beginnen: Starten Sie mit einem klar definierten Bereich und überprüfen Sie den Nutzen, bevor Sie das System erweitern.
• Kontinuierliche Wartung: Eine Ontologie ist nicht einmalig; es benötigt regelmäßige Aktualisierungen (z. B. wenn Hersteller ihre Komponenten ändern oder neue Modelle auf den Markt bringen). Andernfalls veraltet das Wissen mit der Zeit.
• Sich erst selbst mit dem Geschäft vertraut machen: Letztendlich fragt die Ontologie: „Verstehe ich wirklich mein eigenes Geschäft?“ Wenn Unternehmen die eigenen Prozesse nicht klar verstehen, wird es auch für KI schwer sein, diese zu begreifen.

Fazit

Die nächsten zwei Jahre werden ein Aufschwung für Wissensbasen in Unternehmen bringen – doch die Ontologie ist keine „Wunderlösung“. Um KI dazu zu bringen, das Geschäft zu verstehen, müssen Unternehmen zunächst ihre eigenen Abläufe klar definieren und dann die geeigneten Technologien auswählen. Blindes Nachahmen von Palantirs Ansätzen kann zu erheblichen Fehlern führen. Der eigentliche Schlüssel liegt in der kontinuierlichen Pflege des Verständnisses für das eigene Geschäft.