Auf den Punkt: Etablierte Web-Ontologien wie Schema.org und OWL dienen als „logische Guardrails" für LLM-basierte Agenten und sind bereits in deren Trainingsmaterialien enthalten.
UC-Berkeley-Professor Frank Coyle argumentiert, dass KI-Agenten neben Sprachmodellen formale Ontologien benötigen, um verlässlich zu funktionieren. Er prägte dafür den Begriff „neurosymbolische KI" – die Kombination aus probabilistischen Sprachmodellen und regelbasierter Logik.
In einem 20-minütigen Vortrag auf der AI Engineer World’s Fair 2026 stellte Frank Coyle, Computerwissenschaftler und Dozent für Generative KI an der UC Berkeley, die Wiederentdeckung von Ontologien für moderne Agentensysteme dar. Während Sprachmodelle exzellente probabilistische Reasoning-Leistungen erbringen, fehlte es ihnen nach Coyles Auffassung an strukturellen Guardrails für verlässliche Agenten-Entscheidungen – genau die Aufgabe von Ontologien.
Eine Ontologie ist im informatischen Sinne eine Beschreibung von Datenstrukturen: Klassen, Eigenschaften und Relationen in einem Wissensbereich. Coyle definierte sie pragmatisch als „Daten als Graphen“. Etablierte Web-Standards wie Schema.org, FOAF (Friend of a Friend), Dublin Core sowie Technologien wie RDF (Resource Description Framework Schema) und OWL (Web Ontology Language) sind bereits in LLM-Trainingsmaterialien verankert und ermöglichen es Entwicklern, diese bewährten Strukturen direkt zu nutzen, statt sie neu zu erfinden. Das Unternehmen Neo4j setzt Ontologien in seinen Agentenprodukten ein: CEO Emil Eifrem beschrieb drei Schichten – eine geschäftsorientierte Ontologie für Kernkonzepte, eine technische für Metadaten aller Datenquellen sowie Execution Traces für Runtime-Signale.
Coyle prägte den Begriff „neurosymbolische KI“ für diese Fusion: Neuronale Netze gekoppelt an regelbasierte, symbolische Systeme und Knowledge Graphs. Damit bleibe das Sprachmodell strukturell auf Kurs. Kingsley Idehen von OpenLink Software, der ein „Agent Engineering Stack“ mit Semantic-Web-Technologien entwickelt, betont, dass Ontologien die typische Sprachkompetenz von LLMs mit semantischen Kontexten verbinden – dadurch gewinnt Sprache Rechenbarkeit. Allerdings sind Wartbarkeit und Aktualität von Ontologien klassische Herausforderungen, die auch moderner Agent-Engineering-Praxis anhaften.
Quelle: www.latent.space · Erschienen 30. Juli 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.