Ontologie-basierte Definitionen für kontrollierte LLM-Konversationen

Die Steuerbarkeit von Large Language Models (LLMs) als Gesprächspartner ist ein zentrales Problem, wenn es darum geht, vorhersehbare und auf den Nutzer zugeschnittene Antworten zu liefern. In einer neuen Studie wird ein ontologiebasierter Ansatz vorgestellt, der qualitative Gesprächseigenschaften in quantifizierbare Konzepte überführt. Durch die Nutzung sprachlicher Deskriptoren entstehen präzise Definitionen, die in einer Ontologie integriert werden können, um logisches Schließen und Konsistenzprüfungen zu ermöglichen.

Der Ansatz wird auf die Kontrolle von Sprachkompetenzstufen in Gesprächen angewendet, wobei die CEFR‑Niveaus als Beispiel dienen. Die gewonnenen Definitionen werden in Description Logic formalisiert und in die Ontologie eingebettet. Diese Ontologie dient anschließend als Leitfaden für die kontrollierte Textgenerierung eines LLMs, indem sie das Modell durch Feintuning an die definierten Stufen anpasst.

Experimentelle Ergebnisse zeigen, dass die Methode konsistente und erklärbare Kompetenzstufen liefert, was die Transparenz von KI‑Chatbots deutlich erhöht. Damit eröffnet die Studie einen vielversprechenden Weg, um LLM‑basierte Konversationen systematisch zu steuern und gleichzeitig nachvollziehbare Ergebnisse zu erzielen.