Was ist ein KI-Wissensgraph?

Ein KI-Wissensgraph ist eine semantische Datenstruktur, die Informationen aus verschiedenen Unternehmenssystemen — ERP, CRM, DMS, E-Mails und Dokumente — miteinander verknüpft und für KI-Systeme strukturiert zugänglich macht. Anders als einfaches Dokumenten-Retrieval (RAG) versteht ein Wissensgraph die Beziehungen zwischen Entitäten: Kunden, Produkte, Projekte, Prozesse und Mitarbeitende.

KI-Agenten, die auf einem Wissensgraphen operieren, können komplexe Unternehmens-Fragen mit verifizierbaren Quellenangaben beantworten — statt zu halluzinieren oder allgemeine Antworten zu geben.

Wie funktioniert ein Wissensgraph?

Ein Wissensgraph besteht aus drei Grundelementen: Entitäten (z.B. "Kunde Müller GmbH"), Attributen (z.B. "Umsatz: 2,4 Mio €") und Relationen (z.B. "hat Projekt X bestellt", "wird betreut von Vertriebsmitarbeiterin Y"). Diese Struktur erlaubt es KI-Systemen, mehrstufige Schlussfolgerungen zu ziehen — nicht nur Dokumente zu finden.

Wissensgraph vs. RAG — was ist der Unterschied?

RAG (Retrieval Augmented Generation) ruft bei einer Frage ähnliche Dokumente ab und übergibt sie dem Sprachmodell. Das funktioniert für einfache Textsuche — versagt aber bei relationalen Fragen: "Welche Kunden haben Maschinen aus Baureihe X und laufen bald aus der Gewährleistung?" Ein Wissensgraph beantwortet diese Frage direkt, weil er die Relationen explizit modelliert.

Wissensgraph im Mittelstand — konkrete Beispiele

• 1Maschinenbau: "Welche Maschinen beim Kunden X benötigen in den nächsten 60 Tagen Wartung?" — beantwortet aus ERP + Servicedaten in Sekunden.
• 2Logistik: "Welche Touren sind heute betroffen, wenn Fahrer Müller ausfällt?" — Graph kennt Routen, Fahrzeuge, Fahrer und Kapazitäten.
• 3Beratung: "Welche ähnlichen Projekte haben wir in der Branche X durchgeführt, und was waren die wichtigsten Learnings?" — Graph verbindet Projektberichte, Kunden und Kompetenzen.