context graph

Gate C8, Flug 34/185, noch vier Plätze frei, neun Minuten bis zum Schließen der Tür: genau diesen Ausschnitt nennt Rakesh Gohel einen Context Graph. Gohel, der bei JUTEQ Governance-Infrastruktur für KI-Agenten baut, unterscheidet ihn vom «knowledge graph», der das festhält, was auf Unternehmensebene gilt (Passagiere, Flugzeuge, Flüge, Tarife, Routen, Flughäfen, Wetter, Richtlinien), und der stabil und governiert gehalten wird. Der Context Graph extrahiert nur, was die laufende Entscheidung braucht, einschließlich dessen, wie ähnliche Fälle zuvor behandelt wurden. Seine Anweisung lautet, den Graph bei jedem Schritt gezielt einzugrenzen, statt alles abzurufen.

Jaya Gupta und Ashu Garg von Foundation Capital nähern sich demselben Objekt von der Seite der Unternehmenssoftware. Sie verorten eine fehlende Schicht unterhalb von KI-Agenten: Entscheidungsspuren, also die Ausnahmen, Overrides, Präzedenzfälle und systemübergreifenden Kontexte, die derzeit in Slack, Deal-Desk-Gesprächen, Eskalationsanrufen und im Gedächtnis der Mitarbeitenden liegen. Angesammelt bilden diese Spuren einen Context Graph, ein lebendiges, über Entitäten und Zeit hinweg verknüpftes Protokoll von Entscheidungen, in dem Präzedenz abfragbar wird. Sie argumentieren, dass die etablierten Anbieter ihn nicht bauen können. Salesforce speichert den aktuellen Zustand, nicht den Zustand zum Zeitpunkt der Entscheidung. Snowflake erhält Daten per ETL, nachdem Entscheidungen getroffen wurden, und verliert dabei den Entscheidungskontext.

Die beiden Beiträge laufen auf eine Verlagerung des Systems der Aufzeichnung zusammen, vom Geschäftsobjekt zur Entscheidung. Gohels Infografik platziert den Context Graph an dritter Stelle einer fünfteiligen "Semantic Spine", zwischen dem «knowledge graph» und dem procedural graph. Gupta und Garg lassen offen, welche Startups diese Schicht am Ende besetzen werden.