# seale-semantic-agent-model-harness-ontology-data-2026-04-17

## Veille

Semantischer Agent: die Symmetrie von Modell+Harness und Ontologie+Daten, der Kollaps der Agenten-Frameworks, Ontologie als einziges nicht-kommoditisierbares Asset

## Titre Article

There is a growing disconnect in the way people think about building AI agents

## Date

2026-04-17

## URL

https://www.linkedin.com/posts/tonyseale_there-is-a-growing-disconnect-in-the-way-share-7450647565982715904-kzDt/

## Keywords

semantic agent, agent harness, ontology, knowledge graph, business domain, Claude Code, Codex, agent frameworks, LangGraph, CrewAI, AutoGen, Semantic Kernel, scaffolding, shared domain model, typed linked data, commoditization, ontological moat, shared understanding, isolated vs combined intelligence, orchestration, post-training

## Authors

Tony Seale

## Ton

**Profil**: Perspektive eines Knowledge-Graph-Experten (The Knowledge Graph Guy), strategisches und manifestartiges Register, technisches Senior-Niveau mit architektonischer und geschäftlicher Reichweite. Tony schreibt wie ein Evangelist, der ein grundlegendes Muster identifiziert und zu einer Neupositionierung der Branche aufruft.

**Beschreibung**: Der Ton ist prägnant und musterorientiert. Der Artikel baut seine These durch Symmetrien und binäre Gegensätze auf: Modell+Harness auf der einen Seite, Ontologie+Daten auf der anderen, Commodity vs. Moat, vergänglich vs. dauerhaft. Der LinkedIn-Stil ist kurz, dicht, mit Abschnitten, die durch farbige Aufzählungspunkte (🔵) markiert sind, und einem telegrafischen Rhythmus (kurze Sätze, Listen von Frameworks, die schnell aneinandergereiht werden). Der Autor stützt sich auf ein Anthropic-Zitat, um seine Autorität zu untermauern: „Every component in a harness encodes an assumption about what the model can't do on its own, and those assumptions can quickly go stale as models improve.“ Der Beitrag gipfelt in einer eigenen Maxime: „Everything else is scaffolding — useful for a while, but scaffolding comes down.“ Die Zielgruppe ist zweigeteilt: Unternehmensarchitekten, die in Frameworks investieren, und Daten-/KI-Verantwortliche, die das strategische Asset identifizieren wollen, das innerhalb ihrer Organisation aufzubauen ist. Der Ton ist der eines Berater-Philosophen, der überzeugen, nicht nur informieren will.

## Pense-betes

- **Wachsende Diskrepanz**: Die Branche investiert massiv in Orchestrierungs-Frameworks (LangGraph, CrewAI, AutoGen, Semantic Kernel, OpenAI Agents SDK, AWS Bedrock, Google ADK), während führende Praktiker zum „leistungsfähigen Modell in einem leistungsfähigen Harness“ übergegangen sind (Claude Code, Codex, OpenClaw, Hermes)
- **Der Kollaps der Frameworks**: Frühe Frameworks waren notwendig, als Modelle mehrstufige Aufgaben nicht allein bewältigen konnten. Aber mit zunehmender Modellleistung behindert ein für begrenzte Modelle gebautes Gerüst intelligente Modelle. Das Gerüst sollte mit der Zeit abnehmen, nicht sich anhäufen
- **Anthropic-Zitat**: „Every component in a harness encodes an assumption about what the model can't do on its own, and those assumptions can quickly go stale as models improve“
- **Isolierte Agenten reichen nicht aus**: Zugriff auf den Computer ≠ Verständnis. Gibt man einem Agenten 1000 Dokumente und stellt eine Frage, sucht er, hofft er, rät er. Multipliziert man das mit 50 Agenten ohne gemeinsames Weltmodell = intelligent isoliert, inkohärent in der Kombination
- **Bedarf an einer strukturierten Informationsumgebung**: Im Unternehmensmaßstab brauchen Agenten ein gemeinsames Domänenmodell und Menschen im Loop
- **Die grundlegende Symmetrie**: dieselbe Vereinfachung auf der Datenseite anwenden. Das Modell sitzt in einem Harness, der ihm Zugriff auf den Computer gibt. Die Daten sitzen in einer Ontologie, die ihnen Struktur und Bedeutung gibt
- **Definition von Ontologie**: Sie definiert, was existiert, ihre Eigenschaften, ihre Beziehungen. Sie ist die Schnittstelle, durch die Agenten Daten verstehen. Typisierte, verknüpfte, strukturierte Daten bilden einen navigierbaren Bedeutungsgraphen
- **Zwei symmetrische Muster**: (1) leistungsfähiges Modell in einem leistungsfähigen Harness, (2) leistungsfähige Daten in einer leistungsfähigen Ontologie
- **Der Semantic Agent**: (Model + Harness) + (Ontology + Data). „Er generiert nicht nur. Er beginnt zu verstehen“
- **Was Commodity ist**: Jeder hat Zugang zu denselben Frontier-Modellen. Jeder kann ein Harness bauen. Das dünnt sich mit der Zeit aus
- **Was KEINE Commodity ist**: die Ontologie, das Domänenmodell, das strukturierte und verknüpfte Wissen, das erfasst, wie die EIGENE Organisation die Welt versteht
- **Modelle werden gemietet, Frameworks sind vergänglich**: Das Einzige, was noch zu bauen bleibt, ist Wissen — und das gehört einem selbst
- **Zitierte Tools**: Claude Code, Codex, OpenClaw, Hermes als Beispiele für ausgereifte Harnesses; LangGraph, CrewAI, AutoGen, Semantic Kernel, OpenAI Agents SDK, AWS Bedrock, Google ADK als Frameworks der vorherigen Generation
- **Externe Referenzen**: Anthropic on Harness Design, Meaning IS Your Moat (früherer Artikel von Seale)

## RésuméDe400mots

Tony Seale, The Knowledge Graph Guy, identifiziert eine wachsende Diskrepanz in der Art und Weise, wie die Branche KI-Agenten baut. Einerseits investiert die Branche massiv in Orchestrierungs-Frameworks: LangGraph, CrewAI, AutoGen, Semantic Kernel, OpenAI Agents SDK, AWS Bedrock, Google ADK — jedes mit eigenen Orchestrierungsgraphen, Zustandsautomaten und Routing-Logik. Andererseits sind führende Praktiker zum Paradigma des „leistungsfähigen Modells in einem leistungsfähigen Harness“ übergegangen (Claude Code, Codex, OpenClaw, Hermes).

**Der Kollaps der Frameworks.** Frühe Frameworks waren notwendig, als Modelle mehrstufige Aufgaben nicht allein bewältigen konnten. Anthropic-Zitat: „Every component in a harness encodes an assumption about what the model can't do on its own, and those assumptions can quickly go stale as models improve.“ Ein für ein begrenztes Modell gebautes Gerüst behindert ein intelligentes Modell. Es sollte mit der Zeit abnehmen, nicht sich anhäufen. Was übrig bleibt, ist einfach: ein leistungsfähiges Modell in einem leistungsfähigen Harness. Viele, die interagieren, die zusammenarbeiten. Kein Framework erforderlich.

**Isolierte Agenten reichen nicht aus.** Zugriff auf den Computer ≠ Verständnis. Gibt man einem Agenten 1000 Dokumente, sucht er, hofft er, rät er. Multipliziert man das mit 50 Agenten ohne gemeinsames Weltmodell, erhält man Intelligenz, die isoliert, aber in der Kombination inkohärent ist. Im Unternehmensmaßstab braucht die Informationsumgebung Struktur — ein gemeinsames Domänenmodell, mit dem Menschen im Loop.

**Die Symmetrie.** Die Antwort besteht darin, dieselbe Vereinfachung auf der Datenseite anzuwenden. Das Modell sitzt in einem Harness, der ihm Zugriff auf den Computer gibt; die Daten sitzen in einer Ontologie, die ihnen Struktur und Bedeutung gibt. Die Ontologie definiert, was existiert, ihre Eigenschaften, ihre Beziehungen — die Schnittstelle, durch die Agenten Daten verstehen. Zwei symmetrische Muster: (leistungsfähiges Modell + leistungsfähiger Harness) und (leistungsfähige Daten + leistungsfähige Ontologie).

**Der Semantische Agent.** Ihre Kombination erzeugt den Semantic Agent: (Model + Harness) + (Ontology + Data). Er generiert nicht nur, er beginnt zu verstehen. Alles andere ist Gerüst — eine Zeit lang nützlich, aber zum Abbau bestimmt.

**Was man besitzt.** Jeder hat Zugang zu denselben Frontier-Modellen; jeder kann ein Harness bauen. Das ist Commodity, und es dünnt sich jeden Tag weiter aus. Was KEINE Commodity ist: die eigene Ontologie, das eigene Domänenmodell, das strukturierte und verknüpfte Wissen, das erfasst, wie die eigene Organisation die Welt versteht. Frameworks sind eine Übergangsphase. Modelle werden gemietet. Das Einzige, was noch zu bauen bleibt — und das man selbst besitzt — ist Wissen.

## GrapheDeConnaissance

- Tony Seale —publie→ Semantic Agent post LinkedIn (DOCUMENT, 0.99)
- Tony Seale —est_instance_de→ The Knowledge Graph Guy (persona) (CONCEPT, 0.98)
- Semantic Agent —est_basé_sur→ Model + Harness + Ontology + Data (CONCEPT, 0.97)
- Harnais d'agent —converge_avec→ Ontologie (CONCEPT, 0.92)
- Frameworks d'agents —est_instance_de→ Phase transitoire (CONCEPT, 0.9)
- LangGraph —fait_partie_de→ Frameworks d'agents (TECHNOLOGIE, 0.95)
- CrewAI —fait_partie_de→ Frameworks d'agents (TECHNOLOGIE, 0.95)
- AutoGen —fait_partie_de→ Frameworks d'agents (TECHNOLOGIE, 0.95)
- Claude Code —est_instance_de→ Pattern modèle+harnais (CONCEPT, 0.92)
- Codex —est_instance_de→ Pattern modèle+harnais (CONCEPT, 0.92)
- Ontologie —permet→ définition de ce qui existe, ses propriétés et relations (CONCEPT, 0.95)
- Modèles frontier —est_instance_de→ Commodité louée (CONCEPT, 0.88)
- Ontologie —est_instance_de→ Seul moat non-commoditisable (CONCEPT, 0.92)
- Anthropic —affirme_que→ les composants du harnais encodent des hypothèses qui vieillissent vite quand les modèles s'améliorent (AFFIRMATION, 0.95)
- Tony Seale —affirme_que→ des agents isolés sans modèle du monde partagé produisent de l'incohérence en combinaison (AFFIRMATION, 0.9)
- Agents à l'échelle entreprise —est_basé_sur→ Modèle de domaine partagé (CONCEPT, 0.93)
- Tony Seale —recommande→ faire diminuer le scaffolding à mesure que les modèles s'améliorent (AFFIRMATION, 0.9)

---
Canonical: https://www.thekb.eu/de/fiches/seale-semantic-agent-model-harness-ontology-data-2026-04-17/