Eine deutsche Fachzeitschrift argumentiert, dass Wissensgraphen die von KI genutzten Informationen leichter nachvollziehbar machen können. Die übergeordnete Frage lautet, ob Unternehmen das ihren Systemen zugrunde liegende Wissen erkennen – und pflegen – können. 

Ein Kunde fragt einen KI-Assistenten nach einem Produkt und erhält eine Antwort, die auf Informationen basiert, die bereits seit Monaten veraltet sind. Es ist nichts Sichtbares fehlgeschlagen. Das Problem verbirgt sich hinter der Antwort: ein veraltetes Dokument, ein isolierter Datensatz oder Daten, für deren Aktualisierung niemand verantwortlich ist. 

Einim Juni 2026 vom deutschen KI-Bundesverband veröffentlichtes Positionspapierspricht sich für Wissensgraphen als eine mögliche Lösung aus. Die Autoren argumentieren, dass diese Informationen aus verschiedenen Unternehmenssystemen miteinander verknüpfen und es erleichtern können, die Quellen hinter einer KI-Antwort zu identifizieren. 

Es handelt sich hierbei um ein Positionspapier der Branche und nicht um eine unabhängige Forschungsarbeit. Zu den acht Autoren zählen Vertreter von KI- und Technologieunternehmen, darunter TextVerstehen, niologic, deepset, ArtiQuare, SupraTix und ATVANTAGE. Das Papier enthält zudem Unternehmensbeispiele von TextVerstehen und niologic. 

Was ein Wissensgraph leistet 

Ein Wissensgraph bildet Objekte – Produkte, Personen, Lieferanten oder Ereignisse – sowie die Beziehungen zwischen ihnen ab. Anstatt einen Lieferanten als einzelnen Eintrag zu erfassen, kann dieser Lieferant mit einem Produkt, einem Standort und einer Zertifizierung verknüpft werden. 

Dem Artikel zufolge lässt sich auf diese Weise eine gemeinsame Ebene schaffen, die Systeme wie ERP, CRM und Dokumentenablagen miteinander verbindet. Anstatt auf mehrere voneinander getrennte Quellen zurückzugreifen, kann eine KI-Anwendung auf Informationen zugreifen, die an einem Ort verknüpft und definiert wurden. 

Dies kann nützlich sein, wenn eine Antwort überprüft werden muss. In dem Artikel wird dargelegt, dass ein Diagramm es ermöglichen kann, die Herkunft einer KI-Ausgabe bis zu namentlich genannten Quellen zurückzuverfolgen, einschließlich der Informationen darüber, wann eine Quelle aktuell war und welche Abteilung dafür verantwortlich war. Dies könnte einem Team dabei helfen, festzustellen, ob eine Antwort auf veralteten, unvollständigen oder nicht mehr zuverlässigen Informationen beruhte. 

Was damit nicht gelöst wird 

Ein Wissensgraph ist nicht für jedes Unternehmen geeignet. Dem Artikel zufolge ist er vor allem dann von großem Nutzen, wenn Informationen eng miteinander verknüpft sind, sich über mehrere Systeme verteilen, sich häufig ändern oder wenn sie nachvollziehbare und faktenbasierte Antworten ermöglichen sollen. Wenn bestehende Systeme diese Anforderungen bereits erfüllen und die Daten nicht besonders stark miteinander vernetzt sind, könnte laut dem Artikel eine relationale Datenbank oder eine Dokumentendatenbank die bessere Wahl sein. 

Es handelt sich auch nicht um ein System, das einmal eingerichtet und dann sich selbst überlassen werden kann. In dem Beitrag wird betont, dass die Informationen im Laufe der Zeit aktualisiert, korrigiert und erweitert werden müssen, wobei klare Zuständigkeiten für die Datenqualität und -aktualität festgelegt werden müssen. 

Der Gesamtzusammenhang 

Wissensgraphen allein können das Problem der Beobachtbarkeit von KI nicht lösen. Sie können es jedoch erleichtern, nachzuvollziehen, woher eine Antwort stammt und ob die ihr zugrunde liegenden Informationen noch aktuell sind. 

Für Unternehmen, die KI mit internen Daten einsetzen, kann dies ebenso wichtig sein wie die Überwachung des Modells selbst. 

Weitere Informationen finden Sie imPositionspapier des KI-Bundesverbands zum Thema Wissensgraphen.