The Ontology Pipeline™, Refresh: Where We Were, Where We Are, and Where We're Headed
Jessica Talisman MLS (Semantic Engineer + Information Architect, über 25 Jahre Erfahrung, zuvor RDF-Wissensgraphen bei Adobe + zuvor Informationsarchitektur bei Amazon, Gründerin des Ontology Pipeline Framework + von Contextually LLC) veröffentlicht am **4.
Von **Jessica Talisman MLS** — Semantic Engineer et Information Architect avec **25+ ans d'expérience** en enterprise architecture// Quelle moderndata101.substack.com ↗/Lesezeit 2 min/.md// Automatisch geprüfte Übersetzung
#Jessica Talisman MLS#Ontology Pipeline Framework#Modern Data 101#Substack 20.000 Mitglieder#Contextually LLC#Adobe RDF-Wissensgraphen#Amazon-Informationsarchitektur#Semantic Engineer Information Architect
Zusammenfassung
Jessica Talisman MLS — Semantic Engineer + Information Architect (über 25 Jahre Erfahrung, zuvor bei Adobe RDF + zuvor bei Amazon, Gründerin des Ontology Pipeline Framework und von Contextually LLC) — veröffentlicht am 4. Mai 2026 auf Modern Data 101 (Substack, ~20.000 Mitglieder) eine grundlegende Überarbeitung ihres ursprünglich im Januar 2025 veröffentlichten Ontology-Pipeline™-Frameworks. Das Framework wurde an 6 Institutionen über 10 Jahre validiert.
Zentrale These: Seit November 2022 (ChatGPT) ist die Nachfrage nach semantischer Infrastruktur explodiert, hat aber massive Verwirrung geschaffen — "vendors offering shortcuts that bypass essential foundational work, creating liabilities disguised as assets". Marktdiagnose: "a structurally invalid taxonomy is not a taxonomy", "lists are not knowledge infrastructure", KI-generierte Taxonomien, die als Strategie verkauft werden, Einheitslösungen, die als Methodologie präsentiert werden. Bildungskrise: Die Nachfrage nach Semantic Engineers >> Angebot an ausgebildeten Praktikern; die Lücke wird gefüllt von "people who know vocabulary without methodology".
Ursprüngliche fünfstufige Pipeline (weiterhin gültig): kontrolliertes Vokabular → Metadatenstandards → Taxonomie → Thesaurus → Ontologie → Wissensgraph. Leitprinzip: "the work cannot be skipped".
Refresh 2026 — 2 kritische Ergänzungen:
1. Governance = "the engineering practice that keeps an ontology coherent across change" — fortlaufendes Engineering, nicht Dokumentation nach Projektabschluss.
2. AI Partnership mit einer expliziten normativen Unterscheidung: "AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."
Akzeptable KI-Rollen: Entitätsextraktion, Lückenanalyse, Entwurf von Kandidaten-Vokabularen zur Überprüfung, Unterstützung bei Befüllung/Validierung. Inakzeptable KI-Rollen: vollständige Taxonomie-Generierung ohne menschliche Validierung gegen Standards (SKOS, OWL, RDF, SPARQL).
Empfehlungen für 3 Zielgruppen: (a) Organisationen — in formale Ausbildung investieren + Wissensinfrastruktur als Rückgrat der KI behandeln + Governance als fortlaufenden Prozess + KI als Beschleuniger; (b) Praktiker — Kompetenzfragen vor der Modellierung + Validierung gegen Standards + definitorische Schwierigkeiten = Pause + Wartung ist kontinuierlich; (c) Führungskräfte — Weiterbildung ohne Selbstfinanzierung + strategische Ressourcen bereitstellen + Governance vor der Einführung.
Verbindungen zur Veille-Sammlung: starke Konvergenz mit Seale Semantic Agentontology as the only moat, Foundation Capital Context Graphs, Bain Teil 2/5redesign data foundations for agent readiness, DORA ROI 2026AI-accessible internal data, Habert PROJ-AI-Doktrin. Übergreifende Konvergenz zu "augment vs replace" mit Karpathy, Osmani Cognitive Surrender, Frizzo, Soto Developer Taste. Konvergenz zur "Bildungskrise" mit DORA Trainingskosten von $9.600/Nutzer/Jahr und Tatsyi/Raiffeisen kontinuierlicher Weiterbildung.
Nutzbar für CDOs / Data Leader (strukturierendes Framework), KI-/RAG-Architekten (Raster akzeptabel/inakzeptabel), Geschäftsleitungen (Argument "liabilities disguised as assets"), HR-Strategie (Argument für kontinuierliche Weiterbildung).
Kernpunkte
Datum / Quelle.4. Mai 2026, Modern Data 101 (Substack, ~20.000 Mitglieder). Autorin: Jessica Talisman MLS.
Format. Refresh-Artikel (Überarbeitung des ursprünglichen Frameworks von Januar 2025).
Zentrale These."AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart." ### Die ursprüngliche Ontology Pipeline (Januar 2025) ` Controlled Vocabulary ↓ Metadata Standards ↓ Taxonomy ↓ Thesaurus ↓ Ontology ↓ Knowledge Graph `Leitprinzip: "the work cannot be skipped". Jede Stufe bedingt die nächste. ### Die 2 Ergänzungen des Refresh 2026 | Ergänzung | Definition | |-------|-----------| | (1) Governance | "the engineering practice that keeps an ontology coherent across change" — keine Dokumentation nach Projektabschluss, sondern fortlaufendes Engineering | | (2) AI Partnership | KI als Beschleuniger für ausgebildete Menschen, kein Ersatz für menschliches Urteilsvermögen | ### Die Marktdiagnose 2026 | Symptom | Beschreibung | |----------|-------------| | Nachfrage explodiert | Seit ChatGPT (Nov. 2022) | | Anbieter überziehen | "misusing ontology terminology" | | Einheitslösungen | Als Methodologie präsentiert | | KI-generierte Taxonomien | Als Strategie verkauft | | Bildungskrise | Nachfrage >> Angebot an ausgebildeten Praktikern | | Lücke gefüllt von | "people who know vocabulary without methodology" | ### Das Raster akzeptabler / inakzeptabler KI-Einsatz | Akzeptabel (KI unterstützt) | Inakzeptabel (KI ersetzt) | |-------------------------|----------------------------| | Entitätsextraktion | Vollständige Taxonomie-Generierung | | Identifikation von Lückenanalysen | (ohne menschliche Validierung gegen Standards) | | Entwurf von Kandidaten-Vokabularen zur Überprüfung | | | Unterstützung bei Befüllung und Validierung | | ### Referenzierte externe Daten | Datenpunkt | Wert | Quelle | |--------|--------|--------| | Validierung des Frameworks | 6 Institutionen / 10 Jahre | Talismans Erfahrung | | Modern-Data-101-Community | ~20.000 Mitglieder | Plattform | | Talismans Erfahrung | über 25 Jahre | Berufliches Profil | | Referenzierte Standards | SKOS, OWL, RDF, SPARQL | W3C | ### Empfehlungen nach Zielgruppe | Zielgruppe | Empfehlungen | |--------|-----------------| | Organisationen | (1) In formale Ausbildung + Mentoring für Praktiker investieren; (2) Wissensinfrastruktur als Rückgrat der KI behandeln, nicht als Nachgedanken; (3) Governance als fortlaufendes Engineering; (4) KI als Beschleuniger, nicht als Ersatz | | Praktiker | (1) Kompetenzfragen vor der Modellierung; (2) Validierung gegen SKOS/OWL/RDF; (3) Definitorische Schwierigkeiten signalisieren eine Pause, kein Weitermachen; (4) Wartung als kontinuierliches Projekt | | Führungskräfte | (1) Weiterbildung der Belegschaft ohne Selbstfinanzierung; (2) Ressourcen für Wissensinfrastruktur als strategische Notwendigkeit bereitstellen; (3) Governance-Strukturen vor der Einführung | ### Verbindungen zur Veille-Sammlung #### Konvergenz zu "ontology as moat"
Talisman. Ontology Pipeline = Rückgrat, Governance + AI Partnership.
Seale Semantic Agent. (2026-04-17): (Model+Harness)+(Ontology+Data) — ontology as the only moat.
Foundation Capital Context Graphs. (2025-12-22): Decision Traces, neue Systems of Record.
Bain Teil 2/5.cross-system labor (2026-05): redesign data foundations for agent readiness + accumulated execution data as moat.
DORA ROI 2026. (2026-04-21): AI-accessible internal data + healthy data ecosystems + machine-readable documentation quality.
Habert PROJ-AI. (2026-05-05): sechs Zonen (DOCS/IDEAS/DR/OUT/DOCTRINE/AGENT) — Doktrin + Decision Records.
→ Starke Konvergenz: semantisch strukturierte Daten sind die Moat-Initiative 2026, unabhängig vom Modell. #### Konvergenz zu "the work cannot be skipped"
Talisman."the work cannot be skipped" — jede Stufe bedingt die nächste.
DORA."all models are wrong" — das Modell muss kontextualisiert werden.
Wescale. (2026-05-03): governance injected as an "almost military layer".
Habert PROJ-AI."technology 20% / team discipline 80%".
→ Ethische Konvergenz: Es gibt keine Abkürzung für methodische Arbeit. KI kann Methodik beschleunigen, aber nicht umgehen. #### Konvergenz zu "AI partnership augment not replace"
Talisman. Entitätsextraktion OK / vollständige Taxonomie-Generierung NICHT OK.
Karpathy. (2026-04-29): "outsource thinking but not understanding".
Frizzo. (2026-05-05): "the new bottleneck is supervision".
Soto Developer Taste. (2026-04): Taste (Geschmack) als letzte verbleibende Fähigkeit.
→ Übergreifende Konvergenz: Die Position augment vs replace wiederholt sich über mehrere Achsen hinweg (Kognition, Code, Ontologie, Design-Geschmack). #### Konvergenz zu "education crisis / training"
Talisman. Bildungskrise im Semantic Engineering, "teaching is hard, learning is harder".
Curran/Intercom. (2026-04-16): 1.100 Claude Code-Nutzer unternehmensweit bei Intercom, 16-monatige F&E-Transformation.
DORA ROI 2026."empower the human in the loop (OpEx)", Trainingskosten $9.600/Nutzer/Jahr.
→ Konvergenz: Der Engpass der KI-Adoption ist nicht technologischer, sondern bildungsbezogener Natur — kontinuierliche Weiterbildung, Mentoring, Upskilling. ### Zu beachtende Einschränkungen
Essayistischer Artikel. statt empirischer Forschung — keine quantifizierte Methodik für die 6 Institutionen / 10 Jahre.
Rahmen stark auf W3C-/klassische Standards fokussiert. (SKOS, OWL, RDF, SPARQL) — geringe Auseinandersetzung mit Graphdatenbanken neuerer Generation (Neo4j, TigerGraph) oder modernen Vektor-Embeddings/RAG.
Keine Diskussion. der Kosten von Sorgfalt — wie lange dauert eine ordnungsgemäße Ontology Pipeline? Welcher Personalbedarf? Welcher ROI?
Keine konkreten quantifizierten Branchenbeispiele. für erfolgreiche vs. gescheiterte Pipelines (abgesehen von der allgemeinen Erwähnung von "6 Institutionen").
Starke normative Position. gegenüber Anbietern: Kontroversrisiko bei Interpretation außerhalb des Kontexts (Talisman nennt die betreffenden Anbieter nicht explizit).
Anbieterkritik ohne Quantifizierung der Kosten. schlechter Entscheidungen — ein Argumentationspunkt, der für Geschäftsleitungen noch vervollständigt werden muss. ### Nutzbar für
CDOs / Data Leader. ein strukturierendes Framework zur Organisation der Ontologie-/Wissensgraph-Initiative.
KI-/RAG-Architekten. das Raster KI akzeptabel / inakzeptabel als direkte Engineering-Regel.
Präsentationen vor der Geschäftsleitung. das Argument "the work cannot be skipped" + "liabilities disguised as assets", um sich gegen cookie-cutter-Anbieter zu positionieren.
HR-/Weiterbildungsstrategie."workforce upskilling without self-funding" — ein Argument für kontinuierliche Weiterbildungsbudgets im Bereich semantischer Daten.
FR-/Europa-Bezug. Talisman legt den amerikanischen methodischen Standard dar, der mit Habert PROJ-AI (FR), Wescale (französisches Beratungsunternehmen) und Seale Semantic Agent (UK) abzugleichen ist, um eine europäische Sicht auf das agentic data backbone zu gewinnen.
Zugeschriebene Aussagen
"AI that assists trained engineers is just plain smart"
— Jessica Talisman
Der aus dieser Fiche extrahierte Wissensgraph — 13 Entitäten, 19 Relationen.
In diesem Graphen :Jessica Talisman · Contextually LLC · Ontology Pipeline · "AI wholesale taxonomy generation = liability disguised as asset" · "The work cannot be skipped" · Governance ontology · AI Partnership (Talisman) · Modern Data 101 · SKOS OWL RDF SPARQL · Education crisis semantic engineering · Ontologie comme backbone IA · Vendor confusion / shortcuts · Refresh 2026