Bedeutung vor Technik klären

Ein semantisches Datenmodell beschreibt, welche Dinge es in einem Fachbereich gibt, was ihre Eigenschaften bedeuten und wie sie zusammenhängen. Es verbindet technische Datenfelder mit der Sprache des Unternehmens.

Das muss kein grosses Ontologieprojekt sein. Für einen begrenzten Anwendungsfall können einige klar definierte Begriffe und Beziehungen genügen. Wichtig ist, dass Fachpersonen und Entwickler dieselbe Bedeutung verwenden.

Mit echten Fragen beginnen

Nehmen Sie Fragen, die Ihre geplante KI-Anwendung beantworten soll. «Welche Anlage steht beim Kunden?» klingt einfach. Tatsächlich können Rechnungsempfänger, Betreiber und Eigentümer verschiedene Unternehmen sein.

Markieren Sie diese Begriffe und klären Sie die Unterschiede. Wenn das System alle drei Rollen unter «Kunde» zusammenfasst, kann eine technisch korrekte Abfrage die fachlich falsche Antwort liefern.

Einen Begriff sauber beschreiben

Halten Sie pro Begriff Name, Definition, Kennung, führende Quelle und wichtige Beziehungen fest. Ergänzen Sie ein Beispiel und einen Gegenfall.

Für «aktive Anlage» könnte die Definition lauten: eine beim Betreiber installierte und nicht stillgelegte Anlage. Eine verkaufte, aber noch nicht ausgelieferte Maschine wäre dann kein aktiver Bestand. Diese Entscheidung muss der Fachbereich treffen, nicht das Sprachmodell.

Die W3C-Einführung in RDF zeigt eine standardisierte Möglichkeit, Aussagen über Dinge und Beziehungen darzustellen. Ein semantisches Modell lässt sich jedoch auch ohne RDF beginnen und beispielsweise in einem Glossar oder relationalen Schema umsetzen.

Beziehungen präzise benennen

«Gehört zu» ist häufig zu ungenau. Eine Anlage kann an einem Standort stehen, einem Unternehmen gehören und von einem anderen betrieben werden. Unterschiedliche Beziehungen sollten verschiedene Namen erhalten.

Dokumentieren Sie auch zeitliche Gültigkeit. Ein Betreiberwechsel macht die historische Beziehung nicht falsch, verändert aber die Antwort auf die Frage nach dem aktuellen Betreiber. Ein Datum ohne klare Bedeutung hilft dabei wenig.

Ein kleines Modell als Arbeitsbeispiel

Ein fiktiver Serviceassistent verwendet vier Objekte: Anlage, Modell, Bauteil und Anleitung. Jede Anlage hat eine Kennung. Sie entspricht einem Modell, enthält bestimmte Bauteile und verweist auf freigegebene Anleitungen für ihre Revision.

Nun lässt sich eine Frage gezielt auflösen: erst die Anlage identifizieren, dann Konfiguration und Revision bestimmen, anschliessend gültige Unterlagen suchen. Fehlt eine Zuordnung, wird sie als Lücke sichtbar.

Die Graphdatenbank-Grundlagen von Neo4j beschreiben eine mögliche technische Umsetzung solcher Beziehungen. Die fachliche Modellierung bleibt davon unabhängig.

Synonyme erlauben, Unterschiede erhalten

Mitarbeitende verwenden Abkürzungen und lokale Begriffe. Ein Glossar kann «Servicefall», «Ticket» und eine interne Kurzform miteinander verbinden, wenn sie tatsächlich dasselbe meinen.

Fassen Sie Begriffe aber nicht nur wegen sprachlicher Ähnlichkeit zusammen. «Auftrag», «Bestellung» und «Offerte» können im Ablauf eng verbunden sein und dennoch unterschiedliche Zustände bezeichnen. Genau diese Unterschiede sind für verlässliche Antworten wichtig.

Das Modell an Fragen testen

Lassen Sie Fachpersonen einige typische und ungewöhnliche Fragen mit dem Modell nachvollziehen. Können die erforderlichen Objekte eindeutig identifiziert werden? Sind Beziehungen vollständig? Ist der aktuelle Stand erkennbar?

Passen Sie das Modell an beobachtete Lücken an. Modellieren Sie nicht vorsorglich das gesamte Unternehmen. Ein kleiner, gepflegter Ausschnitt ist ein besserer Start als ein umfassender Entwurf ohne Verantwortliche.

Unser Beitrag Knowledge Graph oder Vektordatenbank ordnet die technischen Möglichkeiten ein. Die KI-Beratung von einclick verbindet Begriffe, Daten und die Fragen Ihrer Mitarbeitenden.