Definition eines KI-Wissensgraphen
Ein KI-System mit Wissensgraph speichert Informationen als Netzwerk aus Entitäten und Beziehungen. Jeder Knoten enthält ein Objekt wie eine Person, ein Dokument oder ein Ereignis. Jede Kante zeichnet eine Verbindung wie „verfasst“, „teilgenommen an“ oder „referenziert“ auf.
Zu den Kernmerkmalen zählen explizite Beziehungen, Unterstützung mehrerer Quellentypen und die Fähigkeit, neue Verbindungen hinzuzufügen, ohne das gesamte Modell zu ändern. Dadurch kann KI Antworten bereitstellen, die mehrere Schritte statt einer einzelnen Suche erfordern.
So funktionieren KI-Wissensgraphen
KI-Wissensgraphen folgen einer Abfolge, die rohe Eingaben in nutzbare Verbindungen verwandelt. Jeder Schritt ergänzt Struktur, ohne den ursprünglichen Kontext zu löschen.
Schritt 1: Entitäten extrahieren
Das System durchsucht Texte oder Aufzeichnungen und identifiziert Entitäten. Es markiert Personen, Unternehmen, Daten oder Themen als Knoten. Die Genauigkeit in dieser Phase bestimmt, wie gut spätere Schritte funktionieren.
Schritt 2: Beziehungen abbilden
Sobald Entitäten vorhanden sind, sucht das System nach Verben oder Präpositionen, die Verbindungen signalisieren. Es erzeugt Kanten, die die Art jeder Verbindung kennzeichnen. Das Ergebnis ist ein wachsendes Netz statt einer flachen Liste.
Schritt 3: Ontologie anwenden
Die Ontologie wirkt als Regelwerk zur Klassifizierung von Knoten und Kanten. Sie entscheidet, ob zwei Knoten mit ähnlichen Bezeichnungen dasselbe meinen oder getrennt bleiben. Dieser Schritt verringert doppelte Einträge und hält den Graphen kohärent. Konkrete Standards wie RDFS definieren Klassenhierarchien und Eigenschaftsbereiche, während OWL Konstrukte für Gleichwertigkeit, Disjunktheit und Einschränkungen ergänzt. Inferenz-Engines wenden formale Regeln wie die Transitivität von RDFS-Unterklassen oder OWL-Axiome für Eigenschaftsketten an, um aus expliziten Tripeln ohne manuelle Eingriffe implizite Fakten abzuleiten.
Schritt 4: Abfrage ausführen
Eine Person oder ein Agent stellt eine Frage in natürlicher Sprache. Das System übersetzt sie in Befehle zur Graphdurchquerung und folgt Kanten, um stützende Fakten zu sammeln. Der eingeschlagene Pfad zeigt die Kette der Schlussfolgerung.
Anwendungsfälle aus der Praxis
KI-Wissensgraphen erscheinen in Unternehmenssuche, medizinischer Forschung und Inhaltsempfehlungen. Jeder Bereich profitiert davon, über Schlüsselwortabgleiche hinauszugehen.