Ontologie-gesteuerte KI-Agenten steigern Genauigkeit und Compliance in Unternehmen

Unternehmen, die große Sprachmodelle (LLMs) einsetzen, kämpfen häufig mit Halluzinationen, Domain‑Drift und der Schwierigkeit, regulatorische Vorgaben auf der Ebene der Entscheidungsfindung durchzusetzen. Eine neu entwickelte neurosymbolische Architektur, die im Foundation AgenticOS (FAOS) integriert ist, adressiert diese Probleme, indem sie LLM‑basierte Agenten durch ontologie‑basierte Beschränkungen aufbaut.

Die Architektur nutzt ein dreischichtiges Ontologiemodell – Rollen‑, Domänen‑ und Interaktionsontologien – um die semantische Grundlage für die Agenten zu schaffen. Durch asymmetrisches neurosymbolisches Coupling werden symbolische Ontologien dazu verwendet, die Eingaben der Agenten zu steuern (z. B. Kontextzusammenstellung, Tool‑Entdeckung, Governance‑Schwellen). Gleichzeitig werden Mechanismen vorgeschlagen, die die Ausgaben der Agenten prüfen, indem sie Antworten validieren, das Reasoning verifizieren und die Einhaltung von Compliance‑Regeln sicherstellen.

In einer kontrollierten Studie mit 600 Durchläufen über fünf Branchen – FinTech, Versicherungen, Gesundheitswesen sowie vietnamesische Banken und Versicherungen – zeigte sich, dass die ontologie‑gekoppelten Agenten die ungrounded‑Agenten deutlich übertrafen. Die Verbesserungen betrafen die Messgrößen Genauigkeit (p < 0,001, W = 0,460), regulatorische Compliance (p = 0,003, W = 0,318) und Rollen‑Konsistenz (p < 0,001, W = 0,614). Besonders stark waren die Fortschritte in Bereichen, in denen das parametrierte Wissen der LLMs schwächer war, etwa in vietnamesisch lokalisierten Domänen.

Die Arbeit liefert drei wesentliche Beiträge: Erstens ein formales, dreischichtiges Ontologiemodell für Unternehmen; zweitens eine Taxonomie von neurosymbolischen Coupling‑Mustern; und drittens ein Verfahren zur ontologie‑gesteuerten Tool‑Entdeckung mittels SQL‑Pushdown‑Scoring, das die Effizienz und Sicherheit von KI‑Agenten in komplexen Geschäftsumgebungen weiter erhöht.