Für eine ausführliche Einordnung siehe:
➡️ Mittelstand Intelligence & Ontologie

Ontologie – einfach erklärt

Eine Ontologie beschreibt, wie Wissen in einem Unternehmen strukturiert ist. Sie definiert drei Grundelemente:

1. Welche Dinge existieren (Entitäten)

Typische Beispiele im Mittelstand:
Produkte, Dienstleistungen, Maschinen, Prozesse, Dokumente, Standorte, Kunden.

2. Welche Eigenschaften diese Dinge haben (Attribute)

Beispiele: Preis, Größe, Material, Modell, Zertifikate, Jahrgang, Version, Zustand.

3. Wie die Dinge zusammenhängen (Relationen)

Beispiele:
„Produkt gehört zu Hersteller“,
„Maschine hat Wartungsintervall“,
„Dienstleistung hängt von Vorschrift XY ab“.

Eine gute Ontologie macht Wissen klar, auffindbar und logisch verbunden – für Menschen und KI-Systeme.

Beispiel: Assaggi-Weinhandel

Weitere Einordnung:
➡️ Mittelstand Intelligence – Deutschlands unterschätzter Innovationsmotor

Die Ontologie von Assaggi lässt sich einfach darstellen:

Entitäten

Winzer, Cuvées, Jahrgänge, Lagen, Böden, Rebsorten, Disgorgements.

Stabile Attribute

Herkunft, Rebsorte, Lage, Bodenart, Betriebsstil (bio, biodynamisch).

Veränderliche Attribute

Jahrgang, Alkoholgehalt, Dosage, Disgorgement-Datum, Preis, Verfügbarkeit.

Relationen

„Cuvée stammt von Winzer X“,
„Jahrgang gehört zu Cuvée Y“,
„Cuvée kommt aus dieser Lage“,
„Disgorgement gehört zu Jahrgang Z“.

Warum Ontologie für KI-Suche wichtig ist

KI versteht keine SEO-Tricks.
KI versteht Wissensmodelle.

Wenn eine Website klar zeigt:

• was es gibt (Entitäten),
• welche Eigenschaften diese Dinge haben (Attribute),
• wie alles zusammenhängt (Relationen),

dann kann KI Inhalte korrekt einordnen, Themen verbinden, Vertrauen aufbauen und Seiten höher einstufen.

Daher kann ein kleiner Weinhandel wie Assaggi sogar in Bereichen wie FinTech, Regulierung oder Methodik sichtbar werden – nicht wegen Keywords, sondern wegen der klaren Ontologie.

Weitere strukturelle Grundlagen:
➡️ Data-Room-Methodik 2025