Wie aus Ihren Unterlagen ein Fundament wird.
Dasselbe Vorgehen, ob Sie aus dem Bauwesen, der Gebäudetechnik oder der Industrie kommen. Eine automatisierte Pipeline baut, Ihre Fachleute entscheiden. Kein Workshop-Marathon, kein Modellieren von Hand.
Fünf Schritte, Ihre Leute bei jedem dabei.
Das Video zeigt die Geschichte von Anfang bis Ende. Darunter die Mechanik hinter jedem Schritt. Eines gilt durchgehend: Eine automatisierte Pipeline baut, und Ihre Fachleute treten genau dreimal auf, an den Freigabetoren: Dort prüfen sie, was die Pipeline vorschlägt, statt selbst zu modellieren.
- 01
Start
Das Ontologie-Design beginnt mit dem offenen Standard Ihrer Branche: im Finanzwesen, im Bauwesen, in der Fertigung. Die Pipeline lädt ihn automatisch und bildet ihn ab: Entitätstypen, Eigenschaften und erlaubte Beziehungen, Tausende Begriffe, auf die sich Ihre Branche längst geeinigt hat. Dieser Entwurf wird Ihre Ontologie, das formale Vokabular, auf dem der ganze Graph aufbaut. Niemand bei Ihnen modelliert etwas; Ihre Fachleute korrigieren später nur.
Unter der Haube- Der Standard wird als Ontologie-Skelett (TBox) geladen: Klassen, Eigenschaften und die zwischen ihnen erlaubten Beziehungen.
- Der Standard ist der Ausgangspunkt, nicht Ihre Dokumente: Er trägt Unterscheidungen, die Regulierung verlangt und Ihre Daten nie festhielten.
- Er wird aus einem lokalen bSDD/OWL-Export oder der bSDD-API geladen und direkt ins Graph-Schema abgebildet. Kein Modellieren von Hand.
ErgebnisEin Ontologie-Entwurf für Ihren Sektor, verankert in einem veröffentlichten Standard, noch vor dem ersten internen Meeting. - 02
Sichtbar machen
Niemand füllt Vorlagen aus, niemand sitzt in Workshop-Marathons. Die Pipeline durchsucht Ihre Dokumente und Systeme und schlägt zwei Dinge vor. Erstens die Kompetenzfragen: die konkreten Fragen, die der Graph beantworten können muss, etwa „welche Verträge verlängern sich nächstes Quartal, und zu welchen Bedingungen?“, jede mit erwarteter Antwort als dauerhafter Testfall gespeichert. Zweitens die Definitionen, Ausnahmen und Regeln, die sie dahinter findet, jede mit ihrer Quelle. Ihre Fachleute prüfen eine fertige Liste in einer Sitzung. An dieser Stelle stecken Wissensgraph-Projekte sonst monatelang fest; hier ist es der schnelle Teil, weil das Entwerfen Maschinenarbeit ist.
Unter der Haube- Jede Kompetenzfrage wird mit ihrer erwarteten Antwort und einer Testabfrage gespeichert, die der fertige Graph erfüllen muss.
- Zwei Wege der Erhebung, ein Ergebnis: ein geführtes Experteninterview und das Auswerten Ihrer Dokumente liefern denselben Fragensatz.
- Definitionen und Ausnahmen werden aus Ihren Daten herausgeholt, jede mit Quelldokument und Seite ihrer Herkunft.
ErgebnisEin Satz Kompetenzfragen mit erwarteten Antworten, dazu jede Definition und Ausnahme: von der Pipeline vorgeschlagen, von Ihren Fachleuten geprüft. - 03
Bestätigen
Bevor Daten fließen, wird der Ontologie-Entwurf gegen jede Kompetenzfrage getestet: Kann er jede beantworten, in der richtigen Form? Dann kommt das Freigabetor, und das ist alles, was wir von Ihren Fachleuten verlangen: prüfen, was die Pipeline vorgeschlagen hat, korrigieren, wo das Geschäft widerspricht, freigeben. Nichts kommt in den , bevor eine namentlich benannte Fachperson es freigegeben hat. Dieses Freigabetor ist Absicht: Eine falsche Definition, die offiziell aussieht, richtet mehr Schaden an als eine fehlende. Jedes Element der Ontologie existiert, um eine echte Frage zu beantworten, und jede Tatsache führt zur Person zurück, die sie freigab.
Unter der Haube- Ontologie-Evaluierung: Jede Kompetenzfrage läuft gegen das Schema. Kann es jede beantworten, in der richtigen Form?
- SHACL-Regeln bilden ein deterministisches Tor: Alles Fehlerhafte fängt die Maschine ab, ein Mensch sieht also nur gültige Kandidaten.
- Das Freigabetor ist eines von genau dreien: Eine benannte Fachperson prüft, korrigiert und gibt frei, bevor etwas als wahr gilt.
- Jede Entscheidung wird mit Verantwortlichem und Zeitstempel gespeichert, die verbindliche Definition lässt sich also stets auf eine Person zurückführen.
ErgebnisEine geprüfte, von Fachleuten freigegebene Ontologie. Jedes Element dient einer Frage, jede Tatsache hat einen Verantwortlichen. - 04
Verbinden
Jetzt füllt die Pipeline den Graphen, ohne Zutun. Konnektoren lesen Ihre Dokumente und Systeme (PDF, Word, Excel, SAP-Exporte, IFC-Modelle), und die Extraktion läuft in zwei Durchgängen: zuerst die , dann die Beziehungen dazwischen, gespeichert als Triples. Jedes Triple trägt Quelldokument, Seite und Zeitstempel. Duplikate werden aufgelöst: Derselbe Kunde unter drei Namen in drei Systemen wird ein Datensatz mit einer stabilen Kennung. Niemand bei Ihnen tippt etwas ein; am zweiten Tor prüfen Ihre Fachleute eine Stichprobe der extrahierten Fakten, einzeln, bevor der volle Lauf startet.
Unter der Haube- Ein Konnektor je Format: PDF, Word, PowerPoint, Excel, E-Mail, IFC/BIM-Modelle, SAP-Exporte. Gescannte Seiten laufen durch OCR.
- Extraktion in zwei Durchgängen: zuerst die Entitäten, dann die Beziehungen dazwischen, als Triples geschrieben (Subjekt, Beziehung, Objekt).
- Entitätsauflösung: drei Namen in drei Systemen fallen auf eine stabile Kennung zusammen, Ihre KI zählt sie also nicht mehr als drei.
- Herkunft an jedem Triple: Quelldokument, Seite, Zeitstempel und ein Konfidenzwert. Das macht jede Antwort nachvollziehbar.
- Ein Stichproben-Tor vor dem vollen Lauf: Ihre Fachleute prüfen einen Satz extrahierter Fakten, einzeln.
ErgebnisEin befüllter Wissensgraph: jede Tatsache bis auf Dokument und Seite belegbar, jedes reale Ding genau einmal vorhanden. - 05
Aktuell halten
Ein Graph, den niemand pflegt, entfernt sich Stück für Stück von dem Unternehmen, das er beschreibt. Deshalb ist die Pflege eine Pipeline, kein Versprechen. Ändert sich ein Quelldokument, löscht sie genau die Fakten, die daraus stammen, und liest nur dieses eine Dokument neu ein; die Herkunftsangabe an jedem Triple macht diesen gezielten Eingriff möglich. Nach jeder Änderung an der Ontologie laufen alle Kompetenzfragen automatisch erneut als Regressionstests. Und jede Version bleibt erhalten, damit Sie sehen, was sich wann geändert hat.
Unter der Haube- Delta-Neuaufnahme: Ändert sich ein Dokument, werden nur die daraus abgeleiteten Fakten gelöscht und neu extrahiert. Die Herkunft macht das chirurgisch.
- CQ-Regression: Nach jeder Änderung an der Ontologie läuft jede gespeicherte Kompetenzfrage automatisch erneut, als Test.
- Versionierung: Die Ontologie trägt eine Versionskennung, und jede Version bleibt erhalten, Sie sehen also, was sich wann geändert hat.
- Zeitliche Konfidenz: Fakten tragen ein Gültig-von und Gültig-bis, und das Vertrauen sinkt über die Zeit, veraltete Bedeutung wird markiert, nicht geglaubt.
ErgebnisEine Schicht, die korrekt bleibt, während sich Ihr Geschäft verändert: gezielte Updates, automatische Nachtests, vollständige Versionsgeschichte.
Sehen Sie es an einer Frage aus Ihrem Haus.
Die fünf Schritte oben bleiben immer dieselben. Womit sie bei Ihnen anfangen, klären wir in einem ersten Gespräch.