Jessica Talisman MLS — Semantic Engineer + Information Architect (25+ Jahre Erfahrung, ehemals Adobe RDF + ehemals Amazon, Gründerin von Ontology Pipeline Framework und Contextually LLC) — veröffentlicht am 4. Mai 2026 auf Modern Data 101 (Substack, ~20.000 Mitglieder) eine umfassende Überarbeitung ihres ursprünglich im Januar 2025 veröffentlichten Ontology Pipeline™-Frameworks. Das Framework wurde über 6 Institutionen und 10 Jahre validiert.

Kernthese: Seit November 2022 (ChatGPT) ist die Nachfrage nach semantischer Infrastruktur explodiert, hat aber massive Verwirrung erzeugt — „Anbieter, die Abkürzungen anbieten, welche wesentliche Grundlagenarbeit umgehen, und dabei Verbindlichkeiten schaffen, die als Vermögenswerte getarnt sind". Marktdiagnose: „eine strukturell ungültige Taxonomie ist keine Taxonomie", „Listen sind keine Wissensinfrastruktur", KI-generierte Taxonomien werden als Strategie verkauft, Schablonenlösungen werden als Methodik präsentiert. Ausbildungskrise: Die Nachfrage nach semantischen Ingenieuren übersteigt das Angebot an ausgebildeten Fachkräften bei Weitem; die Lücke wird von „Personen, die Vokabular ohne Methodik kennen" gefüllt.

Ursprüngliche fünfstufige Pipeline (weiterhin gültig): kontrolliertes Vokabular → Metadatenstandards → Taxonomie → Thesaurus → Ontologie → Wissensgraph. Leitprinzip: „die Arbeit kann nicht übersprungen werden".

Refresh 2026 — 2 kritische Ergänzungen: 1. Governance = „die Engineering-Praxis, die eine Ontologie über Veränderungen hinweg kohärent hält" — fortlaufendes Engineering, nicht Dokumentation nach Projektabschluss. 2. KI-Partnerschaft mit einer expliziten normativen Unterscheidung: „KI, die eine Taxonomie vollständig generiert, produziert eine als Vermögenswert getarnte Verbindlichkeit; KI, die ausgebildete Ingenieure unterstützt, ist schlicht klug."

Akzeptable KI-Rollen: Entitätsextraktion, Lückenanalyse, Entwurf von Kandidatenvokabularen zur Überprüfung, Unterstützung bei Population/Validierung. Inakzeptable KI-Rollen: vollständige Taxonomiegenerierung ohne menschliche Validierung anhand von Standards (SKOS, OWL, RDF, SPARQL).

Empfehlungen für 3 Zielgruppen: (a) Organisationen — in formale Bildung investieren + Wissensinfrastruktur als Rückgrat der KI behandeln + Governance als fortlaufenden Prozess + KI als Beschleuniger; (b) Praktiker — Kompetenzfragen vor der Modellierung + Validierung anhand von Standards + definitorische Schwierigkeiten = Innehalten + fortlaufende Wartung; (c) Führungskräfte — Weiterbildung ohne Eigenfinanzierung + strategische Ressourcenzuweisung + Governance vor der Einführung.

Verbindung zum Veille-Korpus: starke Konvergenz mit Seale Semantic Agent Ontologie als einziger Burggraben, Foundation Capital Context Graphs, Bain Teil 2/5 Neugestaltung der Datenfundamente für Agenten-Bereitschaft, DORA ROI 2026 KI-zugängliche interne Daten, der Habert-PROJ-AI-Doktrin. Übergreifende „Unterstützung vs. Ersatz"-Konvergenz mit Karpathy, Osmani Cognitive Surrender, Frizzo, Soto Developer Taste. Konvergenz zur „Ausbildungskrise" mit DORA-Schulungskosten von 9.600 $/Nutzer/Jahr und der kontinuierlichen Weiterbildung bei Tatsyi/Raiffeisen.

Verwendbar für CDOs / Data Leader (Strukturierungsframework), KI-/RAG-Architekten (Raster akzeptabel/inakzeptabel), Geschäftsleitungen (Argument „als Vermögenswerte getarnte Verbindlichkeiten"), HR-Strategie (Plädoyer für kontinuierliche Weiterbildung).