# gohel-knowledge-context-procedural-graph-2026-10-25

## Veille

LinkedIn-Beitrag von **Rakesh Gohel** (Builder bei **JUTEQ**, Governance- und Proof-Infrastruktur für Agenten), veröffentlicht um den **25. Oktober 2026**, ~250 Wörter, begleitet von einer **Infografik**, die *@rakeshgohel01* zugeschrieben wird. Er unterscheidet drei Graphen, die ein Agent zur Entscheidungsfindung benötigt, am Beispiel *"Rebook this passenger"*.

## Titre Article

Knowledge Graph. Context Graph. Procedural Graph. — What's true → What matters now → What do I do next

## Date

2026-10-25

## URL

https://www.linkedin.com/posts/rakeshgohel01_aiagents-agenticai-generativeai-activity-7520100714279239681-QgHj

## Keywords

knowledge graph, knowledge graph, context graph, context graph, procedural graph, procedural graph, Ontologie, Semantic Spine, KI-Agenten, Agentengedächtnis, entscheidungsbezogener Teilgraph, Context Scoping, Prozedur als Graph, Prozedur-Relation-Prozedur-Triples, Entscheidungsspuren, audit trail, Eskalation an Menschen, Lernen aus Spuren, context engineering, Agenten-Governance

## Authors

Rakesh Gohel — builder chez JUTEQ (gouvernance et infrastructure de preuve pour agents IA) ; LinkedIn, newsletter rakeshgohel.substack.com.

## Ton

Educational Post im LinkedIn-Format: eine Eröffnungsfrage, drei Pfeile, die ein einziges Beispiel entfalten (Umbuchung eines Fluggasts), eine Kernaussage in einem Satz, dann eine Engagement-Frage an den Leser. Der Wortschatz ist assertiv und nennt keine Quelle; dies ist ein konzeptioneller Rahmen, kein quantifizierter Erfahrungsbericht. Die Infografik, dicht und ausgefeilt, trägt einen Teil der im Text fehlenden Argumentation (die Ontologie, die Funktionsspalte, der *Trace & Learn*-Speicher) und endet mit einem Aufruf, dem Autor und seinem Newsletter zu folgen. Das Register ist das eines Praktikers, der eine Agent-Governance-Infrastruktur vertreibt, wie sein angezeigter Titel anzeigt.

## Pense-betes

- **Drei Fragen pro Entscheidung**: wahr (knowledge graph), jetzt relevant (context graph), als Nächstes (procedural graph).
- **Knowledge graph**: stabile Fakten, *"enterprise-wide memory"*; Knoten im Beispiel: Passenger, Aircraft, Fare, Flight, Route, Airport, Weather, Policy.
- **Context graph**: *"Don't retrieve everything. Scope the graph to what this decision needs."* Aktueller Zustand (Flug 34/185, Gate C8, 4 Sitze frei, 9 Min. bis Schließung), organisatorischer Kontext, Entscheidungshistorie.
- **Procedural graph**: Check Availability → (falls erforderlich) Check Visa; → Compare Alternatives; *No Options* → Escalate to human; *Options Found* → Apply Fare Rules → Resolved. *"Guides the next step. Doesn't dictate it."*
- **Agent**: denkt über den begrenzten Graphen nach, folgt der nächsten Kante, weicht davon ab *"when the graph is wrong"*.
- **Trace & Learn-Schleife** (Infografik): Action → Speicherung von Erfolgs- und Fehlerspuren → Feedback an den Agenten; Spuren aktualisieren Wissen, Kontext und Prozedur.
- **Semantic Spine** (Infografik, im Text nicht vorhanden): Ontology (*what things are*) → Knowledge Graph (*what's true*) → Context Graph (*what matters now*) → Procedural Graph (*what to do next*) → AI Agent (*acting, and writing it back*).
- **Lehre des Autors**: den Graphen pro Schritt begrenzen, die Prozedur *"as a graph instead of a prompt"* speichern, jede Entscheidung als audit trail protokollieren.
- Verwandt mit [[kb-context-engineering]].

## RésuméDe400mots

Rakesh Gohel, der bei JUTEQ eine Governance-Infrastruktur für KI-Agenten aufbaut, argumentiert, dass jede Entscheidung eines Agenten auf drei Fragen beruht: was wahr ist, was jetzt relevant ist, was als Nächstes zu tun ist. Ein knowledge graph beantwortet die erste gut; jede der beiden anderen verdient seiner Ansicht nach einen eigenen Graphen.

Er nimmt das Beispiel einer einfachen Anfrage an einen Fluggesellschafts-Agenten: einen Passagier umbuchen. Der knowledge graph hält fest, was auf Unternehmensebene wahr ist: Passagiere, Flugzeuge, Flüge, Tarife, Routen, Flughäfen, Wetter, Richtlinien, stabil und governed gehalten. Der context graph extrahiert daraus einen kleinen, auf die konkrete Entscheidung begrenzten Ausschnitt: Gate C8, Flug 34/185, noch vier Sitze frei, neun Minuten bis Schließung, und wie ähnliche Fälle behandelt wurden. Die Infografik fasst dieses Prinzip zusammen: nicht alles abrufen, den Graphen auf das beschränken, was die Entscheidung braucht.

Der procedural graph speichert Prozeduren als Prozedur-Relation-Prozedur-Triples. Der Agent bewegt sich von der Verfügbarkeitsprüfung zum Vergleich von Alternativen und dann zur Lösung, prüft bei Bedarf das Visum, wendet Tarifregeln an, wenn Optionen bestehen, und eskaliert an einen Menschen, wenn keine vorhanden sind. Der Graph leitet den nächsten Schritt, ohne ihn vorzuschreiben: Der Agent denkt über den begrenzten Kontext nach, folgt der nächsten Kante und bleibt frei, davon abzuweichen, falls der Graph falsch liegt.

Jede Spur wird zurückgeschrieben. Präzedenzfälle verfeinern den Kontext, gescheiterte Durchläufe korrigieren die Prozedur, und wiederkehrende Muster werden zu governed facts. Die Infografik verkörpert diese Schleife durch einen "Trace & Learn"-Speicher, der Erfolgs- und Fehlerspuren sammelt und Wissen, Kontext und Prozedur aktualisiert.

Sie fügt ein im Text fehlendes Element hinzu, die "Semantic Spine", eine fünfgliedrige Kette: die Ontologie sagt, was Dinge sind, der knowledge graph, was wahr ist, der context graph, was jetzt relevant ist, der procedural graph, was als Nächstes zu tun ist, und der Agent handelt und schreibt das Ergebnis zurück.

Die Lehre des Autors läuft auf drei Anweisungen hinaus: den Graphen bei jedem Schritt begrenzen, die Prozedur als Graph statt als Prompt speichern und jede Entscheidung protokollieren, denn dieses Protokoll wird zum audit trail. Der Beitrag schließt mit der Frage an den Leser, welcher der drei Graphen seinem Agenten fehlt.

## GrapheDeConnaissance

- Rakesh Gohel —travaille_chez→ JUTEQ (ORGANISATION, 0.9)
- Rakesh Gohel —a_créé→ Semantic Spine (CONCEPT, 0.85)
- Rakesh Gohel —affirme_que→ chaque décision d'agent dépend de trois questions : ce qui est vrai, ce qui compte maintenant, ce qu'il faut faire ensuite (AFFIRMATION, 0.95)
- Semantic Spine —utilise→ ontologie (CONCEPT, 0.9)
- Semantic Spine —utilise→ knowledge graph (TECHNOLOGIE, 0.92)
- Semantic Spine —utilise→ context graph (CONCEPT, 0.92)
- Semantic Spine —utilise→ procedural graph (CONCEPT, 0.92)
- context graph —est_basé_sur→ knowledge graph (TECHNOLOGIE, 0.9)
- context graph —est_basé_sur→ traces de décision (CONCEPT, 0.88)
- procedural graph —remplace→ procédure en prompt (CONCEPT, 0.85)
- procedural graph —permet→ escalade humaine (CONCEPT, 0.85)
- agents IA —utilise→ procedural graph (CONCEPT, 0.88)
- traces de décision —améliore→ procedural graph (CONCEPT, 0.88)
- traces de décision —permet→ piste d'audit (CONCEPT, 0.9)
- Rakesh Gohel —recommande→ scoper le graphe à chaque étape plutôt que tout récupérer (AFFIRMATION, 0.94)
- Rakesh Gohel —recommande→ stocker la procédure comme un graphe plutôt que comme un prompt et journaliser chaque décision (AFFIRMATION, 0.94)
- Rakesh Gohel —affirme_que→ le graphe procédural guide l'étape suivante sans la dicter ; l'agent s'en écarte quand le graphe est faux (AFFIRMATION, 0.9)

---
Canonical: https://www.thekb.eu/de/fiches/gohel-knowledge-context-procedural-graph-2026-10-25/