Was ist ein Kontextgraph?

Ein Kontextgraph ist ein verbundenes Modell des fachlichen Kontexts rund um die Daten einer Organisation, also der Konzepte, Definitionen, Prozesse, Menschen und Datenbestände samt der Beziehungen zwischen ihnen, zusammengestellt so, dass ein Agent der KI (oder ein Mensch) ihn durchlaufen kann, um eine Domäne zu verstehen und richtig über sie zu schließen. Wo ein roher Datensatz beantwortet „was sind die Werte“, beantwortet ein Kontextgraph die schwereren Fragen, die eine KI zuerst klären muss: „was bedeutet dieses Konzept, was hängt damit zusammen, woher kommen die Daten dahinter, und wie sind sie gesteuert?“

Das zählt, weil Agenten der KI nicht an Fakten scheitern, sondern am Kontext. Ein Agent, der nach „Kundenabwanderung“ gefragt wird, muss wissen, was Abwanderung in diesem Unternehmen bedeutet, welche Daten sie messen, wie diese Daten mit Kunden, Bestellungen und Verträgen zusammenhängen, wem sie gehören und ob man ihnen trauen kann, also ein Geflecht an Kontext, das eine fachkundige Person aus dem Gefühl heraus mitbringt. Ein Kontextgraph macht dieses Geflecht ausdrücklich und begehbar, sodass ein Agent dieselbe Erdung zusammenstellen kann wie die Fachkraft. Er ist die beziehungsreiche Substanz hinter einem Context Layer und ein naher Verwandter des Knowledge Graph der Metadaten, weniger auf das Katalogisieren der Datenlandschaft gerichtet und mehr auf das Modellieren der fachlichen Bedeutung, die KI braucht.

Kontextgraph im Überblick

Ein Kontextgraph ist ein Graph, also Knoten und typisierte Beziehungen, doch sein Ordnungsprinzip ist der fachliche Kontext zum Verstehen und nicht bloß ein Verzeichnis. Sein Schwerpunkt ist das Konzept: eine fachliche Idee wie „Kunde“, „Umsatz“ oder „Abwanderung“, umgeben von allem, was ihr Bedeutung gibt, nämlich ihrer Definition, den Konzepten, mit denen sie zusammenhängt, den Daten, die sie umsetzen, der Lineage hinter diesen Daten, den Richtlinien, die sie steuern, und den Menschen, die dafür geradestehen.

Das Ziel ist, in maschinell begehbarer Form das Situationswissen festzuhalten, das eine fachkundige Person selbstverständlich anwendet. Wenn dieses Wissen ein Graph ist, kann eine KI tun, was Fachleute tun: bei einem Konzept beginnen und den Beziehungen nach außen folgen, um genau den Kontext zusammenzustellen, den eine Frage verlangt.

Kontextgraph und Knowledge Graph

Die Begriffe überschneiden sich stark und werden mitunter gleichbedeutend verwendet, doch der Schwerpunkt unterscheidet sich auf nützliche Weise:

• Ein Knowledge Graph ist die allgemeine Struktur: Entitäten und Beziehungen, die Wissen in irgendeiner Domäne darstellen (er könnte Filme, Proteine oder Menschen modellieren).
• Ein Knowledge Graph der Metadaten wendet diese Struktur auf die Datenlandschaft an, also auf Bestände, Spalten, Owner und Richtlinien, und zwar für Governance und die Analyse der Auswirkungen.
• Ein Kontextgraph betont den fachlichen Kontext für einen Verbraucher (meist eine KI): die Konzepte, Bedeutungen und Beziehungen, die ein Agent durchlaufen muss, um richtig über eine Domäne zu schließen. Er umspannt oft sowohl die fachlichen Konzepte als auch die Daten dahinter.

In der Praxis sind sie Schichten derselben Idee. Den Kontextgraphen versteht man am besten als die der KI zugewandte Sicht: die verbundene fachliche Bedeutung, geerdet im gesteuerten Graphen der Metadaten darunter.

Was er verbindet

Ein Kontextgraph webt die Stränge an Kontext zusammen, die zusammengenommen etwas verstehbar machen:

• Konzepte und Definitionen. Die fachlichen Ideen und ihre Bedeutungen, also das Glossar, relational gemacht.
• Daten. Die Datensätze, Tabellen und Kennzahlen, die jedes Konzept umsetzen.
• Beziehungen zwischen Konzepten. Wie „Abwanderung“ mit „Kunde“, „Vertrag“ und „Umsatz“ zusammenhängt.
• Lineage. Woher die Daten hinter einem Konzept stammen, also ihre Herkunft und ihre Vertrauenswürdigkeit.
• Governance. Die Richtlinien, die Klassifizierung und die Verantwortung, die sagen, ob und wie die Daten genutzt werden dürfen.

Verbunden machen diese aus einem vereinzelten Konzept ein vollständig in seinen Kontext gestelltes, also genau das, was ein Agent braucht, bevor er antwortet.

Seine Rolle beim Erden der KI

Der Kontextgraph ist die Stelle, an der geerdete KI ihre Erdung bekommt. Schlichtes RAG ruft nach Ähnlichkeit einzelne Textbrocken ab und kann dabei die Beziehungen verfehlen, die eine Antwort richtig machen. GraphRAG und agentische Wege durchlaufen stattdessen einen Kontextgraphen: Sie beginnen bei den Konzepten einer Frage und folgen den Beziehungen, um verbundenen, gesteuerten Kontext einzusammeln, nämlich Definitionen, verwandte Konzepte, Quelldaten und Signale des Vertrauens. Das Ergebnis ist eine Antwort, die aus einem stimmigen Geflecht von Bedeutung zusammengesetzt ist statt aus einem Sack lose verwandter Schnipsel. Deshalb sind Kontextgraphen für verlässliche KI im Unternehmen zentral geworden: Sie geben dem Modell dasselbe Verständnis von Beziehungen, das eine fachkundige Person mitbringt, und sie halten es innerhalb gesteuerter Grenzen.

Wie Dawiso ihn baut

Dawiso baut den Kontextgraphen aus dem gesteuerten Wissen, das es ohnehin verwaltet, statt Sie zu bitten, ihn von Grund auf zu modellieren. Das Business Glossary liefert Konzepte und Definitionen; der Katalog liefert die Daten, die sie umsetzen; die interaktive Lineage liefert die Herkunft; Klassifizierung und Verantwortung liefern die Governance. Und eine KI-gestützte Anreicherung schlägt die Beziehungen vor, die das alles verbinden, sodass der Graph wächst, ohne dass reine Handarbeit ihn modellieren müsste. Der Context Layer stellt diesen verbundenen Kontext dann über den Dawiso MCP Server jedem Agenten der KI zu, sodass ein Agent in Echtzeit von einem Konzept zu allem gesteuerten Kontext laufen kann, den er braucht. Der Kontextgraph ist in der Sache das, wozu Dawiso Ihre Metadaten macht: keine Liste, sondern ein Geflecht von Bedeutung, über das Ihre KI schließen kann.

Fazit

Ein Kontextgraph ist das verbundene Modell fachlicher Bedeutung, also Konzepte, Daten, Beziehungen, Lineage und Governance, das einer KI erlaubt, über eine Domäne so zu schließen wie eine fachkundige Person: indem sie bei einer Idee beginnt und den Beziehungen folgt, die ihr Kontext geben. Er teilt seine Struktur mit Knowledge Graphs und Graphen der Metadaten, ist aber auf die Frage gerichtet, auf die es bei KI am meisten ankommt: welchen Kontext braucht das Modell, um richtig und sicher zu antworten? Während Unternehmen ihre KI in den eigenen Daten erden, ist der Kontextgraph die Grundlage, die diese Antworten verbunden, vertrauenswürdig und gesteuert macht. Bauen Sie ihn aus Ihrem Glossar, Ihrem Katalog und Ihrer Lineage, stellen Sie ihn über MCP zu, und Ihre Agenten hören auf zu raten und beginnen zu verstehen.