Wissensgraphen und Kontext-Engineering

KI-Agenten wandeln sich von passiven Assistenten zu autonomen Entscheidungsträgern, wodurch ein entscheidender neuer Engpass entsteht: der Kontext. Die Leistungsfähigkeit eines Agenten hängt nun weniger von seinem zugrunde liegenden Modell ab als vielmehr von dem Kontext, über den er Schlussfolgerungen ziehen kann. Leider erfassen traditionelle data-Architekturen lediglich den aktuellen Betriebszustand und lassen dabei das implizite Schlussfolgern sowie historische Präzedenzfälle, die in den Köpfen der Menschen und in fragmentierten Chats verankert sind, völlig außer Acht.

Um diese Lücke zu schließen, müssen Unternehmen eine dreistufige Grundlage schaffen, die Folgendes umfasst:

1. Wissensgraphen, die das Unternehmenswissen abbilden und verstreute Entitäten zu durchsuchbaren Netzwerken verknüpfen.
2. Ontologien, die definieren, was diese Zusammenhänge bedeuten, und dabei gemeinsame semantische Regeln sowie strenge operative Rahmenbedingungen festlegen.
3. Kontextgraphen, die abbilden, wie die Organisation tatsächlich Entscheidungen trifft, und dabei Entscheidungspfade, Ausnahmen von Richtlinien sowie Kausalketten im Zeitverlauf erfassen.

Während Software, die für Menschen entwickelt wurde, erfasst, was derzeit gilt, muss Software, die für Agenten entwickelt wurde, erfassen, wie es dazu kam. Letztendlich werden in den nächsten zehn Jahren im Bereich der Unternehmens-KI jene Unternehmen die Oberhand gewinnen, die über den besten Kontext verfügen.