Ontologie

Formale Spezifikation eines Wissensgebiets durch Klassen, Relationen und Constraints, die als Schema-Schicht Knowledge Graphs trägt und Maschinen ein gemeinsames Begriffsverständnis liefert.

Definition

Eine Ontologie ist die formale, explizite Spezifikation einer geteilten Konzeptualisierung. Diese Definition geht auf Tom Gruber 1993 zurück und ist bis heute der akademische Goldstandard. In der Praxis bedeutet das: ein maschinenlesbares Modell, das Klassen (Welche Typen von Dingen gibt es), Relationen (Wie sind sie verbunden) und Constraints (Welche Regeln gelten) spezifiziert.

Ontologien sind die Schema-Schicht der semantischen Welt. Während ein Knowledge Graph konkrete Fakten speichert (Einstein wurde 1879 geboren), legt die Ontologie fest, welche Klassen und Properties überhaupt existieren (Person hat birthDate, dieser Wert ist vom Typ Date). Ohne Ontologie ist ein Knowledge Graph eine zufällige Sammlung von Triples, ohne Knowledge Graph ist die Ontologie ein leeres Wörterbuch.

Struktur und Mechanismus

Eine typische Ontologie kombiniert mehrere Bausteine:

Klassen: hierarchisch organisierte Typen wie Person, Organization, Event, oft mit subClassOf-Beziehungen.
Properties: Beziehungstypen zwischen Klassen oder zwischen Klassen und Werten, mit Domain (wer hat die Property) und Range (welcher Wertebereich).
Constraints: Regeln, etwa Kardinalitäten (eine Person hat genau ein Geburtsdatum) oder Wertebereiche (price muss positiv sein).
Axiome: logische Aussagen wie disjointness (Person und Organization sind disjunkt) oder Vererbung (jeder Hund ist ein Säugetier).
Annotations: Metadaten wie Definitionen, Labels in mehreren Sprachen, Autoren-Informationen, Versionen.

Die relevanten Sprachen sind RDFS (einfach), OWL (formal-logisch), SKOS (Taxonomien), SHACL (Constraints) und Schema.org (pragmatisch). Tools wie Protégé, Stardog, GraphDB und TopBraid Composer unterstützen die Modellierung.

Praxis und Anwendung

Ontologien sind unsichtbare, aber tragende Infrastruktur in vielen Bereichen:

Biomedizin: SNOMED CT mit über 350'000 Konzepten ist die Basis für medizinische Datenstandards weltweit. ICD-11 strukturiert Diagnosen, Gene Ontology beschreibt biologische Prozesse.
Bibliotheken und GLAM: BIBFRAME und FRBR strukturieren bibliografische Daten, Dublin Core liefert minimale Metadaten.
E-Commerce: GoodRelations, in Schema.org integriert, modelliert Produkte und Angebote. GS1 standardisiert globale Produktidentifikatoren.
Recht: ELI (European Legislation Identifier) und LKIF modellieren Rechtsnormen.
Web allgemein: Schema.org ist die mit Abstand am breitesten genutzte Ontologie und treibt strukturierte Daten auf Millionen Websites.
Enterprise: Eigene Branchen-Ontologien für Compliance, Risk und Pricing.

Für Citation Infrastructure ist Schema.org die richtige Wahl in fast allen Fällen. Wer Spezialdomänen abdeckt (Medizin, Recht, Forschung), kombiniert Schema.org mit Fachterminologien. Wer ein vollständiges Reasoning-System braucht, baut auf OWL.

Häufige Fehler

Ontologie-ohne-Anwendung: Modelle, die nie in konkrete Anwendungsfälle einspielen, sind teurer Overhead.
Übermässige Tiefe: zwanzigschichtige Klassenhierarchien sind selten nützlich, verkomplizieren aber Pflege und Queries.
Eigene Ontologie statt Standard: wer Schema.org mit eigenen Klassen ersetzt, schneidet sich vom restlichen Web ab.
Vermischung von Schema und Daten: Klassen, die ständig erweitert werden müssen, sind eigentlich Instanzen und gehören in den Knowledge Graph.
Über-Investition in OWL DL: vollwertige Description Logic ist rechenintensiv und in den meisten Web-Kontexten überflüssig.
Fehlende Versionierung: Ontologien ändern sich, ohne Versions-IRIs sind Migrationen ein Albtraum.

Abgrenzung

Taxonomie: flache Klassifikationshierarchie, eine Ontologie ist deutlich reicher mit Relationen und Constraints.
Vokabular: Liste von Begriffen ohne formale Beziehungen, Schema.org bewegt sich an der Grenze zwischen Vokabular und Lightweight-Ontologie.
Schema (relationale Datenbank): Tabellen-Struktur ohne formale Semantik der Beziehungen.
Knowledge Graph: Instanziierung der Ontologie mit Daten.
Datenmodell: generischer Begriff, Ontologie ist die formalisierte, semantische Variante.
Glossar: menschenlesbare Begriffsdefinitionen, eine Ontologie ist primär maschinenlesbar.

Weiter im KI-Lexikon

← Zurück zum Lexikon

Häufige Fragen

Was ist eine Ontologie?+

Eine Ontologie ist eine formale, explizite Spezifikation einer geteilten Konzeptualisierung. Praktisch heisst das: ein maschinenlesbares Modell aus Klassen, Relationen und Constraints, das beschreibt, welche Entitätstypen in einem Wissensgebiet existieren und wie sie zueinander stehen. Der Standardbegriff stammt aus dem KI-Klassiker von Tom Gruber 1993.

Wie unterscheidet sich Ontologie von Knowledge Graph?+

Die Ontologie ist das Schema, der Knowledge Graph ist die Instanziierung mit konkreten Daten. Schema.org ist eine Ontologie, die Aussage Albert Einstein instance_of Person ist eine Instanz im Knowledge Graph. Ohne Ontologie hat ein Knowledge Graph kein gemeinsames Begriffsverständnis, ohne Knowledge Graph ist die Ontologie eine leere Hülle.

Welche Ontologie-Sprachen gibt es?+

Wichtige Sprachen sind RDFS (RDF Schema) für einfache Klassen- und Property-Definitionen, OWL (Web Ontology Language) für formale Logik und Inferenz, SKOS (Simple Knowledge Organization System) für Taxonomien sowie SHACL (Shapes Constraint Language) für Validierung. In der Praxis kombiniert ein typisches Projekt OWL-Lite-Klassen mit SHACL-Constraints.

Was ist OWL?+

OWL (Web Ontology Language) ist die W3C-Standardsprache für formale Ontologien. OWL kennt mehrere Profile: OWL 2 EL für grosse Hierarchien (gebraucht in Biomedizin), OWL 2 QL für Query-Optimierung, OWL 2 RL für regelbasierte Inferenz und OWL 2 DL für vollständige Description Logic. OWL erlaubt Reasoning, etwa Vererbung von Eigenschaften und Konsistenzprüfung.

Wie hängt Schema.org zur Ontologie?+

Schema.org ist eine pragmatische, lightweight Ontologie für das offene Web. Sie verzichtet bewusst auf vollwertige OWL-Logik zugunsten einfacher Klassen- und Property-Hierarchien. Diese Reduktion ist der Schlüssel zur breiten Adoption: Schema.org ist 2026 die mit Abstand am häufigsten verwendete Ontologie weltweit, während OWL-Ontologien Spezialdomänen abdecken.

Welche Domänen-Ontologien sind etabliert?+

In Biomedizin: SNOMED CT, ICD-11, Gene Ontology. In Bibliotheken: Dublin Core, FRBR, BIBFRAME. In Geo: GeoNames, Wikidata-Geo. Im E-Commerce: GS1, GoodRelations (in Schema.org integriert). In Recht: LKIF, ELI. Diese Ontologien sind Jahrzehnte alt und werden von internationalen Konsortien gepflegt.

Was ist Inferenz in Ontologien?+

Inferenz heisst, neue Fakten aus bestehenden Aussagen plus Ontologie-Regeln abzuleiten. Beispiel: wenn Klasse Hund Unterklasse von Säugetier ist und Bello ein Hund, dann ist Bello automatisch ein Säugetier. Reasoner wie HermiT und Pellet berechnen solche Schlüsse. In der Praxis wird Inferenz für Konsistenzprüfung, Klassifikation und Query-Erweiterung eingesetzt.

Wann lohnt sich eine eigene Ontologie?+

Eigene Ontologien lohnen sich, wenn ein Wissensgebiet entweder nicht durch existierende Standards abgedeckt ist oder wenn Geschäftslogik (Compliance, Risk, Pricing) auf strukturiertem Wissen aufbaut. In den meisten Web-Kontexten reicht Schema.org plus eigene Erweiterungen via additionalType. Wer eine OWL-Ontologie ohne klares Reasoning-Use-Case baut, investiert ohne Return.

Quellen

W3C OWL 2 Specification
Schema.org Community
Gruber 1993 (A Translation Approach to Portable Ontology Specifications)

Wikidata: Q324254 · Zuletzt geprüft: 2026-06-07