Vier Dinge heißen „semantisch“. Sie meinen nicht dasselbe.

Joins in OSI beschreiben, wie zwei Tabellen für eine Berechnung verbunden werden — der Rechenweg für eine Kennzahl. Das ist eine SQL-Optimierung, kein Modell der Welt.

Ein „relationship“ im YAML hat keine Identität, keine Logik, keine Klasse, über die geschlossen werden könnte. Es ist eine Anweisung an die Query-Engine, kein Wissen.

Ein Label wie :Allergen ist für die Datenbank ein Suchstring. Sie weiß nicht, dass eine Walnuss ein Allergen ist, wenn Sie nicht jede Kante selbst ziehen.

Keine Klassenhierarchie greift automatisch, keine Disjunktheit, keine inverse Eigenschaft. Sie müssten die Logik als Anwendungscode nachbauen — eine handgeschriebene Ersatz-Ontologie.

Fairerweise: Man kann einen Knowledge Graph auf einem LPG bauen. Die Frage ist, ob Bedeutung, Identität und Regeln Standard sind — oder handgepflegter Code Ihres Teams.

Geht — solange Logik prozedural und vorab bekannt ist. SQL führt aus, was Sie vorgeben. Es entdeckt nichts, was Sie nicht in eine Abfrage gegossen haben.

Verkettete Regeln („A impliziert B, B impliziert C …“) werden zu SQL-Kaskaden, die nur ihr Autor noch wartet. Als Regeln deklariert, werden sie einmal formuliert, überall geprüft und mit Version geändert — Modellieren bleibt Arbeit, aber sie passiert an einem Ort.

Ein LLM schätzt statistische Ähnlichkeit. Exzellent im Plausibel-Klingen, unzuverlässig im Garantiert-Korrekt-Sein. Es kann nicht beweisen, dass eine Schlussfolgerung zwingend ist.

Ein Knowledge Graph liefert nachprüfbare Aussagen mit Herkunft — er ist so richtig wie seine Pflege, und er zeigt seine Quellen. Das LLM liefert Sprache. Zusammen funktioniert das; allein klingt das LLM richtig, ohne prüfbar zu sein.

Der Name ist die Quelle der Verwechslung. OSI standardisiert die Definition von Kennzahlen, damit „Umsatz“ überall identisch berechnet wird. Enorm wertvoll — aber ein Metrik-Austauschformat.

Es enthält keine Klassen-Logik, kein Reasoning, keine Open-World-Semantik, keine globale Identität. Es macht Zahlen konsistent, nicht Wissen ableitbar.

Fair — und ehrlich beantwortet: Ja, der Knowledge Graph hat auf der Modellierungsseite die höchste Einstiegshürde, und für Massen-Aggregation ist er nicht der schnellste Ort. Beides stimmt.

Aber die Folgerung „dann kaufen wir eben alle drei nebeneinander“ baut das Silo-Problem eine Ebene höher nach: Kennzahl-Definitionen in einem Tool, Pfade im zweiten, Bedeutung im dritten — drei Systeme, drei Lebenszyklen, und niemand garantiert, dass die Kennzahl in Tool eins dieselbe Definition von „Kunde“ nutzt wie die Regel in Tool drei.

Richtig, und das soll so bleiben. Niemand in Ihrem Team sollte SPARQL schreiben, so wie niemand den Bytecode Ihres BI-Tools schreibt. Consumer bekommen generierte APIs und vorbereiteten Kontext für Agenten; die Abfragesprache ist ein Implementierungsdetail darunter.