couche sémantique

Jamin Balls ARR-Beispiel ist die schärfste Formulierung des Problems: Innerhalb eines einzigen Unternehmens können Sales, Finance, Accounting und Legal den Annual Recurring Revenue jeweils nach unterschiedlichen Definitionen und mit widersprüchlichen Datenquellen berechnen. Menschen klären diese Mehrdeutigkeit während der Arbeit. Agenten tun das nicht. In Balls Notiz vom Dezember 2025 automatisiert ein Quote-to-Cash-Workflow, der die falsche Preisliste, die falsche Vertragsklausel oder eine veraltete ARR-Zahl übernimmt, anschließend auf jeder nachgelagerten Stufe zuversichtlich das Falsche.

Die couche sémantique ist das, worauf beide Quellen zurückgreifen: ein gemeinsames Verständnis des Unternehmens (Entitäten, Beziehungen, Definitionen, Regeln), das kodiert, was Daten bedeuten und welche Quelle Vorrang hat. Ball verortet sie im Data Warehouse und im Lakehouse, die er als "truth registries" neu fasst, die den Agenten die nötigen semantischen Schichten und Governance-Rahmenwerke liefern. Padhi und Co-Autoren bei McKinsey setzen sie eine Ebene höher an, innerhalb des AI Operating Systems: eine Schicht aus Ontologien und dem Knowledge graph, aufbauend auf bestehender Infrastruktur und Daten, neben deterministischen Analysemodellen, die von Agenten aufgerufen werden, der Agenten-Orchestrierung und einer Experience-Schicht.

Die Lücke, gegen die beide schreiben, zeigt sich in McKinseys State of AI 2026-Umfrage: 40% der großen Unternehmen haben Agenten in großem Maßstab eingesetzt, 6% schreiben KI mindestens 5% des EBIT zu. Die Behebung der semantischen Governance steht in McKinseys einleitenden Empfehlungen, neben der Finanzierung des gemeinsamen AI OS und der Neudefinition von Entscheidungsrechten. Balls eigenes Fazit lautet, dass ein System of Record eine kanonische Quelle der Wahrheit ist, was ändert, was ein Unternehmen tatsächlich bauen muss.