Wissensgraph: Definition, Nutzen und Einordnung
Definition
Ein Wissensgraph ist eine strukturierte Darstellung von Wissen als Netz aus Entitäten und ihren Beziehungen. Statt Informationen nur in Tabellen oder Dokumenten zu halten, verknüpft er Personen, Produkte, Verträge oder Prozesse zu einem durchsuchbaren Zusammenhang. Dadurch werden Fragen beantwortbar, die über mehrere Quellen hinweg gehen, und Systeme können Kontext nutzen statt einzelner Datenpunkte.
Warum der Begriff zählt
Viel Firmenwissen liegt verstreut in Dokumenten, Systemen und Köpfen. Ein Wissensgraph macht diese Verbindungen explizit und nutzbar, auch für KI-Anwendungen, die Kontext brauchen. Für uns als neutralen Berater ist der Begriff wichtig, weil er oft überschätzt wird: Ein Graph ist Aufwand und lohnt sich erst, wenn Beziehungen über Quellen hinweg wirklich der Engpass sind. Wer das nüchtern prüft, baut nicht auf Vorrat.
Wann es relevant ist
- Fragen betreffen regelmäßig mehrere Systeme und deren Verknüpfung.
- Ein KI-Assistent soll auf verbundenes Firmenwissen zugreifen, nicht auf Einzeldokumente.
- Doppelte oder widersprüchliche Stammdaten sollen zusammengeführt werden.
- Zusammenhänge zwischen Kunden, Verträgen und Produkten sollen abfragbar sein.
Wann nicht
Wenn die Fragen sich mit einer einzelnen, gut gepflegten Datenbank beantworten lassen, ist ein Wissensgraph überdimensioniert. Und wenn die zugrunde liegenden Daten unsauber sind, verstärkt ein Graph nur die Unordnung. Dann ist es sinnvoller, zuerst Datenqualität und Quellen zu ordnen, bevor eine zusätzliche Struktur darübergelegt wird.
Branchen, die das nutzen
- Pharma und Forschung: Zusammenhänge zwischen Wirkstoffen, Studien und Regulatorik über viele Quellen abfragbar machen.
- Maschinen- und Anlagenbau: Bauteile, Varianten und Serviceverträge miteinander verknüpfen, um Ersatzteil- und Wartungsfragen schnell zu beantworten.
- Kanzleien und Compliance: Verträge, Fristen und Beteiligte in Beziehung setzen, statt sie einzeln zu durchsuchen.
- Medien und Verlage: Themen, Personen und Inhalte verbinden, um Recherche und Empfehlungen zu stützen.
Typische Anwendungsfälle
- Ein KI-Assistent, der Antworten aus verbundenem Firmenwissen zieht statt aus Einzeldokumenten.
- Zusammenführung von Stammdaten, die in mehreren Systemen doppelt vorliegen.
- Abfragen über Beziehungen, etwa welche Kunden welche Produktvarianten nutzen.
- Recherche, die von einem Treffer aus verwandte Inhalte sichtbar macht.
- Grundlage für Empfehlungen, die Kontext über einzelne Datensätze hinaus brauchen.
Entscheidungshilfe
| Signal | Wissensgraph passt | Alternative |
|---|---|---|
| Fragen betreffen mehrere Quellen | ja, Beziehungen abbilden | Suche über verbundene Daten prüfen |
| Eine Datenbank reicht | eher nicht | vorhandene Datenbank nutzen |
| Daten sind unsauber | erst später | Datenqualität zuerst ordnen |
| Nur Volltextsuche gewünscht | überdimensioniert | einfache Suchlösung |
Beispiel
Ein Anlagenbauer beantwortet Ersatzteilfragen langsam, weil Bauteil, Variante und Servicevertrag in drei Systemen liegen. In der Potenzialanalyse ordnen wir ein, ob ein Wissensgraph die Verknüpfung lohnt oder ob eine verbundene Suche reicht, und empfehlen die einfachere tragfähige Variante. Das Beispiel beschreibt die Methode, keine behauptete Kundenkennzahl.
Verbindung zu Services
Ob ein Wissensgraph zu deinem Vorhaben passt, klären wir in der KI-Potenzialanalyse oder im KI-Readiness-Check. Die spätere Umsetzung begleitet die KI-Implementierung.
Verwandte Begriffe
Quellen
Diese Einordnung beschreibt gängige Praxis im Umgang mit strukturiertem Wissen. Sie ist allgemeine Orientierung und ersetzt keine projektspezifische Architekturbewertung, die im Einzelfall vorzunehmen ist.