Analytics-Glossar
In Geschäftsdaten ist eine Ontologie ein formales, maschinenlesbares Modell der Entitäten, auf die es in Ihrem Unternehmen ankommt – Kunden, Produkte, Maschinen, Aufträge – und der Beziehungen zwischen ihnen. Sie gibt jedem System und jedem KI-Agenten eine gemeinsame Definition dessen, was Ihre Daten bedeuten, und bildet das Rückgrat von Knowledge Graphs und Semantic Layern.
Eine Ontologie definiert drei Dinge: welche Arten von Entitäten es gibt, wie sie zusammenhängen und welche Regeln sie einschränken. Gefüllt mit Ihren realen Daten wird daraus ein Knowledge Graph.
Die Ontologie deklariert Entitätstypen (Kunde, Maschine, Auftrag), deren Beziehungen (ein Kunde erteilt einen Auftrag; eine Maschine fertigt eine Charge) und Constraints (jeder Auftrag gehört zu genau einem Kunden). Der Stanford-Klassiker „Ontology Development 101“ beschreibt diese Modellierungsdisziplin.
Die Ontologie ist das Schema; der Knowledge Graph ist dieses Schema, instanziiert mit echten Datensätzen und ihren Verknüpfungen. Abfragen können dann Beziehungen entlanglaufen – „welche Kunden betrifft der Stillstand dieser Maschine?“ – statt Tabellen von Hand zu joinen.
Ontologien stammen aus Jahrzehnten von KI- und Semantic-Web-Forschung, doch Palantir hat den Begriff für operative Unternehmensdaten populär gemacht – mit der Ontologie als Interaktionsschicht zwischen Quellsystemen und Entscheidungsanwendungen. Das Konzept selbst ist herstellerneutral.
Illustrative Geschäftsobjekte, Dokumente und externe Signale, verbunden durch typisierte, benannte Beziehungen.
Beachten Sie die Form: ein Netz mit Querverbindungen und Zyklen — Kunde, Bestellung und Rechnung verweisen aufeinander zurück, und Retouren lassen sich über Qualitätslose bis zu Lieferanten zurückverfolgen. Genau das unterscheidet einen ontologiegestützten Wissensgraphen von einem Sternschema, das alles durch eine zentrale Tabelle zwingt. Gestrichelte Kanten sind Beziehungen, die Adaptrix automatisch entdeckt hat, ohne dass irgendwo ein Fremdschlüssel deklariert wäre.
Die meisten Analytics-Probleme sind semantisch, nicht technisch: Zwei Teams berechnen „aktiver Kunde“ auf drei Arten, und KI-Agenten erben die Verwirrung. Eine Ontologie legt die Bedeutung einmal fest – jede nachgelagerte Frage startet von derselben Realität.
Adaptrix baut automatisch ein semantisches Modell Ihrer angebundenen Quellen auf – Entitäten, Beziehungen und Kennzahlendefinitionen werden aus Schemata und Nutzung abgeleitet und von Ihrem Team verfeinert –, damit seine KI-Agenten ein konsistentes Bild des Unternehmens abfragen. Sie erhalten den praktischen Nutzen einer Ontologie ohne mehrjähriges Modellierungsprogramm und ohne Projekt in Palantir-Größenordnung.
Bauen Sie Ihr Analytics-Vokabular weiter aus.
Ein Semantic Layer definiert Kennzahlen und Dimensionen für BI – Umsatz, aktive Nutzer, Marge –, damit jedes Dashboard sie gleich berechnet. Eine Ontologie ist breiter: Sie modelliert die Entitäten selbst und ihre Beziehungen und deckt auch operative Fragen jenseits von Kennzahlen ab. In der Praxis ist ein Semantic Layer oft der BI-Ausschnitt einer Ontologie.
Die Ontologie ist das Schema – Typen, Beziehungen, Regeln. Der Knowledge Graph ist dieses Schema, befüllt mit realen Instanzen: Ihre tatsächlichen Kunden, Maschinen und Aufträge, miteinander verknüpft. Eine Ontologie kann viele Graphen tragen.
Nein. Ontologien haben Jahrzehnte Geschichte in KI und Semantic Web – von formalen Definitionen im Knowledge Engineering der 1990er bis zu W3C-Standards wie OWL. Palantirs Beitrag war, den Begriff für operative Unternehmensdaten populär zu machen und die Ontologie ins Zentrum seiner Foundry-Plattform zu stellen.
Eine Ontologie, die überwiegend von Software aufgebaut und gepflegt wird: Entitätstypen, Beziehungen und Definitionen werden aus Quellschemata, Datenprofilen und Nutzungsmustern abgeleitet; Menschen prüfen und verfeinern, statt bei null zu modellieren. Das verkürzt den historisch langwierigen manuellen Modellierungsaufwand drastisch.
Bringen Sie eine echte Frage aus Ihrem Unternehmen mit und sehen Sie die Antwort live – mit Begründung, Quellen und Rechenweg – oder rechnen Sie zuerst aus, was es Ihnen spart.