# talisman-modern-data-101-ontology-pipeline-refresh-2026-05-04

## Veille

**Jessica Talisman MLS** (Semantic Engineer + Information Architect, über 25 Jahre Erfahrung, zuvor RDF-Wissensgraphen bei Adobe + zuvor Informationsarchitektur bei Amazon, Gründerin des **Ontology Pipeline Framework** + von **Contextually LLC**) veröffentlicht am **4. Mai 2026** auf **Modern Data 101** (Substack, ~20.000 Mitglieder) eine grundlegende Überarbeitung ihres ursprünglich im Januar 2025 veröffentlichten **Ontology Pipeline™**-Frameworks. **Zentrale These**: Seit November 2022 (ChatGPT) ist die Nachfrage nach *semantischer Infrastruktur* explodiert, hat aber **massive Verwirrung** geschaffen — *"vendors offering shortcuts that bypass essential foundational work, creating liabilities disguised as assets"*. Die ursprüngliche **fünfstufige** Pipeline (kontrolliertes Vokabular → Metadatenstandards → Taxonomie → Thesaurus → Ontologie → Wissensgraph) bleibt gültig, **muss jedoch um 2 kritische Ergänzungen erweitert werden**: **(1) Governance** als fortlaufende Engineering-Praxis (nicht als Dokumentation nach Projektabschluss); **(2) AI Partnership** mit einer klaren Unterscheidung zwischen Unterstützung (augment) und Ersetzung (replace). **Marktdiagnose**: *"a structurally invalid taxonomy is not a taxonomy"*, *"lists are not knowledge infrastructure"*, KI-generierte Taxonomien, die als Strategie verkauft werden, Anbieter, die den Begriff *"ontology"* missbrauchen, Einheitslösungen, die als Methodologie präsentiert werden. **Bildungskrise**: Die Nachfrage nach Semantic Engineers übersteigt das Angebot an ausgebildeten Praktikern bei Weitem; die Lücke wird von Personen gefüllt, *"who know vocabulary without methodology"*. **Explizite normative Position**: *"AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."* **Akzeptable KI-Rollen**: Entitätsextraktion, Lückenanalyse, Entwurf von Kandidaten-Vokabularen zur Überprüfung, Unterstützung bei Befüllung/Validierung. **Inakzeptable KI-Rollen**: *wholesale taxonomy generation without human validation against standards*. **Referenzierte Standards**: SKOS, OWL, RDF, SPARQL. **Glaubwürdigkeit**: Framework validiert an **6 Institutionen über 10 Jahre**. **Empfehlungen für 3 Zielgruppen**: (a) Organisationen — in formale Ausbildung investieren, Wissensinfrastruktur als Rückgrat der KI behandeln, Governance als fortlaufenden Prozess, KI als Beschleuniger, nicht als Ersatz; (b) Praktiker — Kompetenzfragen vor der Modellierung, Validierung gegen SKOS/OWL/RDF, definitorische Schwierigkeiten signalisieren eine Pause, Wartung ist kontinuierlich; (c) Führungskräfte — Weiterbildung der Belegschaft ohne Selbstfinanzierung, Ressourcen für Wissensinfrastruktur als strategische Notwendigkeit bereitstellen, Governance vor der Einführung. **Prägnante Zitate**: *"the work cannot be skipped"*, *"governance is the engineering practice that keeps an ontology coherent across change"*, *"teaching this is hard. Learning it is harder."* **Hohe Relevanz** für Data Leader / CDOs / Architekten, die die semantischen Grundlagen ihrer KI-Agenten aufbauen. Ergänzend zu lesen: Seale Semantic Agent (2026-04-17) — *(Model+Harness)+(Ontology+Data) — ontology as the only moat*; Foundation Capital Context Graphs (2025-12-22); Bain Teil 2/5 *redesign data foundations for agent readiness* (2026-05); DORA ROI 2026 *AI-accessible internal data + healthy data ecosystems* (2026-04-21); Habert PROJ-AI Sechs-Zonen-Doktrin (2026-05-05). Konvergenz mit dem 2026er-Korpus zu *"data foundations as moat"*.

## Titre Article

The Ontology Pipeline™, Refresh: Where We Were, Where We Are, and Where We're Headed

## Date

2026-05-04

## URL

https://moderndata101.substack.com/p/the-ontology-pipeline-refresh

## Keywords

Jessica Talisman MLS, Ontology Pipeline Framework, Modern Data 101, Substack 20.000 Mitglieder, Contextually LLC, Adobe RDF-Wissensgraphen, Amazon-Informationsarchitektur, Semantic Engineer Information Architect, Refresh 2026 Governance AI Partnership, kontrolliertes Vokabular Metadatenstandards Taxonomie Thesaurus Ontologie Wissensgraph, fünfstufige Pipeline, where we were where we are where we're headed, vendors offering shortcuts liabilities disguised as assets, structurally invalid taxonomy is not a taxonomy, lists are not knowledge infrastructure, AI-generated taxonomies sold as strategy, vendors misusing ontology terminology, Einheitslösungen (cookie-cutter solutions), Bildungskrise Semantic Engineers, vocabulary without methodology, Governance fortlaufendes Engineering keine Dokumentation nach Projektabschluss, KI als Unterstützung, nicht als Ersatz für menschliches Urteilsvermögen, Entitätsextraktion Lückenanalyse Entwurf von Kandidaten-Vokabularen, KI-Rollen akzeptabel inakzeptabel, vollständige Taxonomie-Generierung Verbindlichkeit, the work cannot be skipped, teaching is hard learning is harder, SKOS OWL RDF SPARQL Standards, sechs Institutionen zehn Jahre Validierung, Kompetenzfragen vor der Modellierung, definitorische Schwierigkeiten signalisieren Pause kein Weitermachen, Wartung kontinuierliches Projekt keine Abschlussphase, gezielte Gestaltung Newsletter Buch 2026, ontology as moat, Datenfundamente für Agent Readiness, Wissensinfrastruktur KI-Rückgrat, Post-ChatGPT November 2022 Nachfrageexplosion, semantische Infrastruktur Marktverwirrung

## Authors

**Jessica Talisman MLS** — Semantic Engineer et Information Architect avec **25+ ans d'expérience** en enterprise architecture, e-commerce systems et knowledge management. Fondatrice de l'**Ontology Pipeline Framework** et de **Contextually LLC**. Roles précédents : **Adobe** (RDF-based knowledge graphs), **Amazon** (information architecture). Auteure de la newsletter **Intentional Arrangement** (Substack) et d'un **livre éponyme à paraître en 2026**. Le framework initial *Ontology Pipeline* a été publié en janvier 2025 et **validé sur 6 institutions sur 10 ans**.

## Ton

**Profil**: Expertenartikel auf Modern Data 101 (Substack, Datencommunity mit ~20.000 Mitgliedern), Format eines langformigen strategischen Essays. Zielgruppe: Data Leader / CDOs / Data Architects / Data Engineers / Knowledge Engineers / Information Architects, die die semantischen Grundlagen ihrer Systeme aufbauen (RAG, KI-Agenten, Suche). Sekundäre Zielgruppe: Product-/Engineering-Manager, die von ihren RAG- oder Enterprise-Search-Implementierungen enttäuscht sind, sowie Knowledge-Management-Anbieter, die sich seriös positionieren wollen.

**Stil**: Ich-Perspektive, erarbeitet durch langjährige Erfahrung, klares und präzises Englisch, **dicht mit methodischen Unterscheidungen** (kontrolliertes Vokabular ≠ Taxonomie ≠ Thesaurus ≠ Ontologie ≠ Wissensgraph). **Technisch-pädagogisches** Register, aber **ohne überflüssigen Jargon** — Talisman erklärt jede Unterscheidung. Kein Anti-KI-Hype: **normative Präzision** darüber, was KI in der Ontology Pipeline **gut** kann und was nicht.

**Zentrale Aphorismen**:
- ***"The work cannot be skipped."*** (das Leitprinzip).
- ***"AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."*** (die zentrale normative Unterscheidung).
- ***"Lists are not knowledge infrastructure."***
- ***"A structurally invalid taxonomy is not a taxonomy."***
- ***"Governance is the engineering practice that keeps an ontology coherent across change."***
- ***"Teaching this is hard. Learning it is harder."*** (die Bildungskrise).

**Ausgearbeitete Metaphern**:
- ***Liabilities disguised as assets*** — eine Metapher aus der Buchhaltung: Was Anbieter als Vermögenswert verkaufen, ist in Wirklichkeit eine Verbindlichkeit. Knüpft an *"AI-generated taxonomies sold as strategy"* an.
- ***Black box*** — charakterisiert den Marktzustand vor der Pipeline: *"the work of building semantic knowledge management systems had been treated as a black box for too long"*.
- ***Ontology as backbone*** — semantische Infrastruktur als **Rückgrat** der KI, nicht als Nachgedanke.

**Epistemische Haltung**: **rigoros, normativ, auf langjähriger Erfahrung basierend**. Talisman:
1. Erkennt die **legitime Nachfrage** nach Semantik seit ChatGPT an.
2. Identifiziert **präzise** Missbräuche durch Anbieter.
3. Schlägt eine **technische Unterscheidung** (akzeptable vs. inakzeptable KI-Rollen) vor, die **operationalisierbar** ist.
4. Lehnt gleichzeitig **KI = Lösung** und **KI = Bedrohung** ab — die Position lautet: *KI = ein Beschleuniger für Arbeit, die zutiefst menschlich und methodisch bleibt*.

**Autorität**: basiert auf (a) **über 25 Jahren kontinuierlicher Erfahrung** im Knowledge Management / in semantischer KI, (b) **institutionellen Rollen** bei Adobe + Amazon (industrielle Nachvollziehbarkeit), (c) einem **validierten Framework** über 6 Institutionen / 10 Jahre, (d) **MLS-Qualifikation** (Master of Library Science — die historische Disziplin der Dokumentenklassifikation), (e) **fortlaufender redaktioneller Tätigkeit** (Newsletter + Buch 2026), (f) **Sorgfalt bei technischen Unterscheidungen** (Referenzen auf SKOS, OWL, RDF, SPARQL).

## Pense-betes

- **Datum / Quelle**: **4. Mai 2026**, Modern Data 101 (Substack, ~20.000 Mitglieder). Autorin: **Jessica Talisman MLS**.
- **Format**: Refresh-Artikel (Überarbeitung des ursprünglichen Frameworks von Januar 2025).
- **Zentrale These**: ***"AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."*** ### Die ursprüngliche Ontology Pipeline (Januar 2025) ``` Controlled Vocabulary ↓ Metadata Standards ↓ Taxonomy ↓ Thesaurus ↓ Ontology ↓ Knowledge Graph ``` **Leitprinzip**: ***"the work cannot be skipped"***. Jede Stufe bedingt die nächste. ### Die 2 Ergänzungen des Refresh 2026 | Ergänzung | Definition | |-------|-----------| | **(1) Governance** | *"the engineering practice that keeps an ontology coherent across change"* — keine Dokumentation nach Projektabschluss, sondern **fortlaufendes Engineering** | | **(2) AI Partnership** | KI als **Beschleuniger** für ausgebildete Menschen, **kein Ersatz** für menschliches Urteilsvermögen | ### Die Marktdiagnose 2026 | Symptom | Beschreibung | |----------|-------------| | Nachfrage explodiert | Seit ChatGPT (Nov. 2022) | | Anbieter überziehen | *"misusing ontology terminology"* | | Einheitslösungen | Als Methodologie präsentiert | | KI-generierte Taxonomien | Als Strategie verkauft | | Bildungskrise | Nachfrage >> Angebot an ausgebildeten Praktikern | | Lücke gefüllt von | *"people who know vocabulary without methodology"* | ### Das Raster akzeptabler / inakzeptabler KI-Einsatz | Akzeptabel (KI unterstützt) | Inakzeptabel (KI ersetzt) | |-------------------------|----------------------------| | Entitätsextraktion | Vollständige Taxonomie-Generierung | | Identifikation von Lückenanalysen | (ohne menschliche Validierung gegen Standards) | | Entwurf von Kandidaten-Vokabularen zur Überprüfung | | | Unterstützung bei Befüllung und Validierung | | ### Referenzierte externe Daten | Datenpunkt | Wert | Quelle | |--------|--------|--------| | Validierung des Frameworks | **6 Institutionen / 10 Jahre** | Talismans Erfahrung | | Modern-Data-101-Community | ~20.000 Mitglieder | Plattform | | Talismans Erfahrung | über 25 Jahre | Berufliches Profil | | Referenzierte Standards | SKOS, OWL, RDF, SPARQL | W3C | ### Empfehlungen nach Zielgruppe | Zielgruppe | Empfehlungen | |--------|-----------------| | **Organisationen** | (1) In formale Ausbildung + Mentoring für Praktiker investieren; (2) Wissensinfrastruktur als Rückgrat der KI behandeln, nicht als Nachgedanken; (3) Governance als fortlaufendes Engineering; (4) KI als Beschleuniger, nicht als Ersatz | | **Praktiker** | (1) **Kompetenzfragen** vor der Modellierung; (2) Validierung gegen SKOS/OWL/RDF; (3) Definitorische Schwierigkeiten signalisieren eine **Pause**, kein Weitermachen; (4) Wartung als **kontinuierliches Projekt** | | **Führungskräfte** | (1) Weiterbildung der Belegschaft **ohne Selbstfinanzierung**; (2) Ressourcen für Wissensinfrastruktur als strategische Notwendigkeit bereitstellen; (3) Governance-Strukturen **vor** der Einführung | ### Verbindungen zur Veille-Sammlung #### Konvergenz zu "ontology as moat"
- **Talisman**: Ontology Pipeline = Rückgrat, Governance + AI Partnership.
- **Seale Semantic Agent** (2026-04-17): *(Model+Harness)+(Ontology+Data) — ontology as the only moat*.
- **Foundation Capital Context Graphs** (2025-12-22): Decision Traces, neue Systems of Record.
- **Bain Teil 2/5** *cross-system labor* (2026-05): *redesign data foundations for agent readiness* + *accumulated execution data as moat*.
- **DORA ROI 2026** (2026-04-21): *AI-accessible internal data + healthy data ecosystems + machine-readable documentation quality*.
- **Habert PROJ-AI** (2026-05-05): sechs Zonen (DOCS/IDEAS/DR/OUT/DOCTRINE/AGENT) — Doktrin + Decision Records.
- → **Starke Konvergenz**: **semantisch strukturierte Daten** sind die **Moat-Initiative 2026**, unabhängig vom Modell. #### Konvergenz zu "the work cannot be skipped"
- **Talisman**: *"the work cannot be skipped"* — jede Stufe bedingt die nächste.
- **DORA**: *"all models are wrong"* — das Modell muss kontextualisiert werden.
- **Wescale** (2026-05-03): *governance injected as an "almost military layer"*.
- **Habert PROJ-AI**: *"technology 20% / team discipline 80%"*.
- → **Ethische Konvergenz**: Es gibt keine **Abkürzung** für methodische Arbeit. KI kann Methodik **beschleunigen**, aber nicht **umgehen**. #### Konvergenz zu "AI partnership augment not replace"
- **Talisman**: Entitätsextraktion OK / vollständige Taxonomie-Generierung NICHT OK.
- **Karpathy** (2026-04-29): *"outsource thinking but not understanding"*.
- **Osmani Cognitive Surrender** (2026-05-05): Cognitive Offloading (gesund) vs. Cognitive Surrender (toxisch).
- **Frizzo** (2026-05-05): *"the new bottleneck is supervision"*.
- **Soto Developer Taste** (2026-04): Taste (Geschmack) als letzte verbleibende Fähigkeit.
- → **Übergreifende Konvergenz**: Die Position **augment vs replace** wiederholt sich über **mehrere Achsen** hinweg (Kognition, Code, Ontologie, Design-Geschmack). #### Konvergenz zu "education crisis / training"
- **Talisman**: Bildungskrise im Semantic Engineering, *"teaching is hard, learning is harder"*.
- **Curran/Intercom** (2026-04-16): 1.100 Claude Code-Nutzer unternehmensweit bei Intercom, 16-monatige F&E-Transformation.
- **DORA ROI 2026**: *"empower the human in the loop (OpEx)"*, Trainingskosten $9.600/Nutzer/Jahr.
- **Tatsyi/Raiffeisen** (2026-05-05): KI-Adoption 62 → 83 % erfordert kontinuierliche Weiterbildung.
- → **Konvergenz**: Der **Engpass** der KI-Adoption ist nicht technologischer, sondern **bildungsbezogener** Natur — kontinuierliche Weiterbildung, Mentoring, Upskilling. ### Zu beachtende Einschränkungen
- **Essayistischer Artikel** statt empirischer Forschung — keine quantifizierte Methodik für die 6 Institutionen / 10 Jahre.
- **Rahmen stark auf W3C-/klassische Standards fokussiert** (SKOS, OWL, RDF, SPARQL) — geringe Auseinandersetzung mit Graphdatenbanken neuerer Generation (Neo4j, TigerGraph) oder modernen Vektor-Embeddings/RAG.
- **Keine Diskussion** der Kosten von Sorgfalt — wie lange dauert eine ordnungsgemäße Ontology Pipeline? Welcher Personalbedarf? Welcher ROI?
- **Keine konkreten quantifizierten Branchenbeispiele** für erfolgreiche vs. gescheiterte Pipelines (abgesehen von der allgemeinen Erwähnung von "6 Institutionen").
- **Starke normative Position** gegenüber Anbietern: Kontroversrisiko bei Interpretation außerhalb des Kontexts (Talisman nennt die betreffenden Anbieter nicht explizit).
- **Anbieterkritik ohne Quantifizierung der Kosten** schlechter Entscheidungen — ein Argumentationspunkt, der für Geschäftsleitungen noch vervollständigt werden muss. ### Nutzbar für
- **CDOs / Data Leader**: ein strukturierendes Framework zur **Organisation der Ontologie-/Wissensgraph-Initiative**.
- **KI-/RAG-Architekten**: das Raster **KI akzeptabel / inakzeptabel** als direkte Engineering-Regel.
- **Präsentationen vor der Geschäftsleitung**: das Argument *"the work cannot be skipped"* + *"liabilities disguised as assets"*, um sich gegen *cookie-cutter*-Anbieter zu positionieren.
- **HR-/Weiterbildungsstrategie**: *"workforce upskilling without self-funding"* — ein Argument für kontinuierliche Weiterbildungsbudgets im Bereich semantischer Daten.
- **FR-/Europa-Bezug**: Talisman legt den amerikanischen methodischen Standard dar, der mit Habert PROJ-AI (FR), Wescale (französisches Beratungsunternehmen) und Seale Semantic Agent (UK) abzugleichen ist, um eine europäische Sicht auf das *agentic data backbone* zu gewinnen.

## RésuméDe400mots

**Jessica Talisman MLS** — Semantic Engineer + Information Architect (über 25 Jahre Erfahrung, zuvor bei Adobe RDF + zuvor bei Amazon, Gründerin des **Ontology Pipeline Framework** und von **Contextually LLC**) — veröffentlicht am **4. Mai 2026** auf **Modern Data 101** (Substack, ~20.000 Mitglieder) eine grundlegende Überarbeitung ihres ursprünglich im Januar 2025 veröffentlichten Ontology-Pipeline™-Frameworks. Das Framework wurde an **6 Institutionen über 10 Jahre** validiert.

**Zentrale These**: Seit November 2022 (ChatGPT) ist die Nachfrage nach *semantischer Infrastruktur* explodiert, hat aber **massive Verwirrung** geschaffen — *"vendors offering shortcuts that bypass essential foundational work, creating liabilities disguised as assets"*. Marktdiagnose: *"a structurally invalid taxonomy is not a taxonomy"*, *"lists are not knowledge infrastructure"*, KI-generierte Taxonomien, die als Strategie verkauft werden, Einheitslösungen, die als Methodologie präsentiert werden. **Bildungskrise**: Die Nachfrage nach Semantic Engineers >> Angebot an ausgebildeten Praktikern; die Lücke wird gefüllt von *"people who know vocabulary without methodology"*.

**Ursprüngliche fünfstufige Pipeline** (weiterhin gültig): kontrolliertes Vokabular → Metadatenstandards → Taxonomie → Thesaurus → Ontologie → Wissensgraph. **Leitprinzip**: ***"the work cannot be skipped"***.

**Refresh 2026 — 2 kritische Ergänzungen**:
1. **Governance** = *"the engineering practice that keeps an ontology coherent across change"* — fortlaufendes Engineering, **nicht** Dokumentation nach Projektabschluss.
2. **AI Partnership** mit einer expliziten normativen Unterscheidung: ***"AI that generates a taxonomy wholesale is producing a liability disguised as asset; AI that assists trained engineers is just plain smart."***

**Akzeptable KI-Rollen**: Entitätsextraktion, Lückenanalyse, Entwurf von Kandidaten-Vokabularen zur Überprüfung, Unterstützung bei Befüllung/Validierung. **Inakzeptable KI-Rollen**: vollständige Taxonomie-Generierung ohne menschliche Validierung gegen Standards (SKOS, OWL, RDF, SPARQL).

**Empfehlungen für 3 Zielgruppen**: (a) Organisationen — in formale Ausbildung investieren + Wissensinfrastruktur als Rückgrat der KI behandeln + Governance als fortlaufenden Prozess + KI als Beschleuniger; (b) Praktiker — Kompetenzfragen vor der Modellierung + Validierung gegen Standards + definitorische Schwierigkeiten = Pause + Wartung ist kontinuierlich; (c) Führungskräfte — Weiterbildung ohne Selbstfinanzierung + strategische Ressourcen bereitstellen + Governance vor der Einführung.

**Verbindungen zur Veille-Sammlung**: starke Konvergenz mit **Seale Semantic Agent** *ontology as the only moat*, **Foundation Capital Context Graphs**, **Bain Teil 2/5** *redesign data foundations for agent readiness*, **DORA ROI 2026** *AI-accessible internal data*, **Habert PROJ-AI**-Doktrin. Übergreifende Konvergenz zu "augment vs replace" mit **Karpathy**, **Osmani Cognitive Surrender**, **Frizzo**, **Soto Developer Taste**. Konvergenz zur "Bildungskrise" mit **DORA Trainingskosten von $9.600/Nutzer/Jahr** und **Tatsyi/Raiffeisen** kontinuierlicher Weiterbildung.

Nutzbar für CDOs / Data Leader (strukturierendes Framework), KI-/RAG-Architekten (Raster akzeptabel/inakzeptabel), Geschäftsleitungen (Argument *"liabilities disguised as assets"*), HR-Strategie (Argument für kontinuierliche Weiterbildung).

## GrapheDeConnaissance

- Jessica Talisman —publie→ Ontology Pipeline Refresh (DOCUMENT, 0.97)
- Jessica Talisman —a_créé→ Ontology Pipeline (METHODOLOGIE, 0.97)
- Jessica Talisman —a_créé→ Contextually LLC (ORGANISATION, 0.96)
- Ontology Pipeline —est_basé_sur→ controlled vocabulary + metadata standards + taxonomy + thesaurus + ontology + knowledge graph (CONCEPT, 0.96)
- Refresh 2026 —affine→ Ontology Pipeline (METHODOLOGIE, 0.96)
- Governance ontology —est_instance_de→ ongoing engineering practice (pas post-project documentation) (CONCEPT, 0.95)
- génération de taxonomie en gros par IA —permet→ "AI wholesale taxonomy generation = liability disguised as asset" (CONCEPT, 0.96)
- Jessica Talisman —affirme_que→ "AI that assists trained engineers is just plain smart" (CITATION, 0.96)
- Jessica Talisman —s_oppose_à→ abus vendor de la terminologie ontology + cookie-cutter solutions (CONCEPT, 0.93)
- ChatGPT (novembre 2022) —améliore→ demande de semantic infrastructure (explosion) (CONCEPT, 0.94)
- Demande semantic engineers —surpasse→ offre praticiens formés (CONCEPT, 0.94)
- Ontology Pipeline —utilise→ SKOS OWL RDF SPARQL (TECHNOLOGIE, 0.96)
- Ontology Pipeline —observé_dans→ 6 institutions sur 10 ans (validation) (CONCEPT, 0.93)
- Modern Data 101 —publie→ article Talisman 2026-05-04 (DOCUMENT, 0.96)
- Jessica Talisman —travaille_chez→ Adobe (RDF knowledge graphs) et Amazon (information architecture), rôles passés (ORGANISATION, 0.95)
- Jessica Talisman —recommande→ competency questions before modeling (METHODOLOGIE, 0.94)
- Bilan Talisman —converge_avec→ Seale Semantic Agent ontologie comme moat, Foundation Capital Context Graphs, Bain agent readiness data foundations, DORA AI-accessible internal data, Habert PROJ-AI doctrine (CONCEPT, 0.93)
- Position augment_not_replace —converge_avec→ Karpathy outsource thinking not understanding, Osmani Cognitive Surrender, Frizzo bottleneck supervision, Soto Developer Taste (CONCEPT, 0.92)
- Crise pédagogique semantic —converge_avec→ DORA training cost 9600 dollars per user, Tatsyi Raiffeisen training continu (CONCEPT, 0.91)

---
Canonical: https://www.thekb.eu/de/fiches/talisman-modern-data-101-ontology-pipeline-refresh-2026-05-04/