Der blinde Fleck in jedem Datenprojekt
Stellen Sie sich vor, Sie erhalten eine Tabelle mit 50.000 Zeilen. Spaltenköpfe: „Ereignis", „Datum", „Quelle", „Wert". Die Daten sind vollständig. Die Daten sind aktuell. Und trotzdem kann niemand im Raum sagen, was sie bedeuten.
Warum? Weil die Tabelle zwar Fakten enthält, aber keine Zusammenhänge. Sie sagt, dass etwas passiert ist. Sie sagt nicht, was es bedeutet, warum es relevant ist oder wie es mit den anderen 49.999 Zeilen zusammenhängt. Ein Ereignis bleibt ein Ereignis. Eine Quelle bleibt eine Quelle. Was fehlt, ist das Wissen darüber, wie diese Konzepte zueinander in Beziehung stehen und welche Schlüsse daraus zulässig sind.
Das ist kein Randproblem. Es ist der Normalzustand in öffentlichen Institutionen, in Sicherheitsbehörden, in Industrieunternehmen. Daten liegen vor, aber sie sprechen nicht miteinander.
Der Grund dafür hat einen Namen: fehlende Ontologie.
Was eine Ontologie ist und was sie nicht ist
Eine Ontologie ist kein Datenbankschema. Sie ist kein Glossar. Sie ist auch keine Taxonomie im klassischen Sinne.
Eine Ontologie ist ein formales Modell der Wirklichkeit: Sie definiert, welche Konzepte existieren, wie sie zueinander in Beziehung stehen und welche Regeln für diese Beziehungen gelten.
Ein einfaches Beispiel aus der Sicherheitsdomäne:
„Fahrzeug" ist ein Konzept. „Person" ist ein Konzept. „Kennzeichen" ist ein Konzept. Eine Ontologie legt fest: Ein Fahrzeug hat ein Kennzeichen. Eine Person kann ein Fahrzeug führen. Ein Kennzeichen ist registriert bei einer Behörde. Diese Behörde ist zuständig für ein bestimmtes Gebiet.
Sobald diese Beziehungen formal kodiert sind, passiert etwas Entscheidendes: Ein System kann aus den Daten Schlüsse ziehen, die in keiner einzelnen Zeile stehen. Es kann Zusammenhänge erkennen, die ein Mensch erst nach stundenlanger Analyse sehen würde oder gar nicht.
Die drei Ebenen des Datenproblems
Um zu verstehen, warum Ontologien so entscheidend sind, hilft ein kurzer Blick auf die drei Ebenen, auf denen Datenprojekte typischerweise scheitern.
Ebene 1: Syntax. Die Daten liegen in unterschiedlichen Formaten vor: CSV hier, XML da, proprietäre Datenbank dort. Moderne ETL-Tools lösen dieses Problem gut. Es ist lösbar.
Ebene 2: Semantik. Was bedeutet „Ereignis" in System A, und was bedeutet „Vorfall" in System B? Meinen beide dasselbe? Oft nicht. Hier beginnt das eigentliche Problem.
Ebene 3: Pragmatik. Was ist die Konsequenz dieses Ereignisses, gemessen an den Zielen meiner Organisation? Welche Handlung soll ausgelöst werden?
Ohne Ontologie bleibt jede Datenintegration auf Ebene 1 stecken. Mit Ontologie werden auch Ebene 2 und Ebene 3 beherrschbar.
Warum das für Behörden und kritische Infrastrukturen besonders gilt
In Unternehmen ist ein fehlender Datenzusammenhang teuer. In Behörden, Sicherheitsorganisationen und kritischen Infrastrukturen kann er gefährlich sein.
Wenn ein Lagezentrum Meldungen aus zwölf verschiedenen Systemen bekommt: Zutrittskontrolle, Kamerasystem, Meldedaten, Streifenberichte, externe Datenfeeds. Dann braucht es nicht nur eine Oberfläche, die all das anzeigt. Es braucht eine Schicht, die versteht, was diese Daten gemeinsam bedeuten.
Genau das leistet eine Domänen-Ontologie: Sie ist das Gedächtnis und die Grammatik des Systems zugleich. Sie ermöglicht es, Daten aus heterogenen Quellen nicht nur zusammenzuführen, sondern zu verstehen.
Was das für die Praxis bedeutet
Eine gut modellierte Ontologie ermöglicht:
- Querverbindungen zwischen Datenpunkten, die in keinem Quelldatensatz explizit verknüpft sind
- Regelbasierte Schlussfolgerungen: Wenn A und B zutreffen, dann folgt C, automatisch, nachvollziehbar, auditierbar
- Erklärbarkeit: Jede Aussage des Systems ist auf ihre Grundlage zurückführbar
- Anpassbarkeit: Neue Konzepte und Beziehungen können eingeführt werden, ohne das Fundament zu verändern
Das ist der Unterschied zwischen einem System, das Daten darstellt, und einem System, das Daten versteht.
MAKOR: Ontologie als Kerntechnologie
MAKOR ist keine Visualisierungslösung, die Daten schöner aufbereitet. MAKOR ist eine ontologie-basierte Analyseplattform. Das bedeutet: Das Domänenwissen über Sicherheitslagen, Prozesse und Zusammenhänge ist nicht in der Oberfläche versteckt. Es ist formal modelliert, maschinenlesbar und prüfbar.
Was das in der Praxis bedeutet, erklären wir im nächsten Beitrag: warum diese intelligente Schicht über den Daten nicht nur klüger macht, sondern auch sicherer.