top of page

Semantic in der KI

Autorenbild: Joost Schloemer
Joost Schloemer
15. Okt. 2025
7 Min. Lesezeit

Semantic Intelligence


Warum die Zukunft der KI nicht allein im Prompt liegt, sondern im Verstehen von Bedeutung, Kontext und Zusammenhängen


Künstliche Intelligenz kann Texte schreiben, Informationen verarbeiten und komplexe Fragen beantworten. Doch versteht sie auch, was wir wirklich meinen? Und lässt sich ihre Fähigkeit, Bedeutungen zu erschließen, gezielt strukturieren, erweitern und überprüfen?


Mit diesen Fragen beschäftigt sich Semantic Intelligence: ein Ansatz, der über klassisches Prompt Engineering hinausgeht und die semantischen Fähigkeiten künstlicher Intelligenz systematisch erschließen will.


Dabei geht es nicht darum, immer längere oder raffiniertere Prompts zu schreiben. Es geht darum, wie Begriffe, Beziehungen, Absichten, Kontexte und mögliche Konsequenzen zusammenwirken – und wie KI diese Zusammenhänge nachvollziehbar verarbeiten kann.


Denn eine sprachlich überzeugende Antwort ist noch lange keine semantisch tragfähige Antwort.


1. Von künstlicher Intelligenz zu Semantic Intelligence


Klassische KI-Anwendungen reagieren auf Eingaben, erzeugen Antworten und nutzen dabei gelernte sprachliche, sachliche und kontextuelle Zusammenhänge.


Doch eine Antwort kann grammatikalisch korrekt, plausibel und trotzdem unvollständig oder sachlich falsch sein.


Was fehlt, ist häufig nicht Information, sondern die angemessene Berücksichtigung ihrer Bedeutung im jeweiligen Zusammenhang.


Ein Beispiel:

„Welche Verantwortung trägt ein Verein?“


Eine KI kann Vereinsrecht, Vorstandspflichten und Haftung erläutern. Doch welche Verantwortung ist eigentlich gemeint?


  • Rechtliche Verantwortung gegenüber Mitgliedern?

  • Gesellschaftliche Verantwortung gegenüber der Öffentlichkeit?

  • Datenschutzrechtliche Verantwortung gegenüber betroffenen Personen?

  • Wirtschaftliche Verantwortung gegenüber Fördermittelgebern?

  • Verantwortung für die Folgen eingesetzter KI-Systeme?


Die Frage eröffnet mehrere Bedeutungsräume. Und Semantic Intelligence setzt genau hier an:


Nicht die erstbeste Interpretation soll dominieren. Vielmehr werden relevante Bedeutungen, Beziehungen und mögliche Interpretationen erkannt, voneinander abgegrenzt und im Kontext bewertet.


Der entscheidende Perspektivwechsel: Nicht allein die Antwort steht im Mittelpunkt, sondern die Qualität ihrer Bedeutungserschließung.


2. Der Operator :: – wenn Sprache Struktur erhält


Ein wesentliches Element unseres Forschungsansatzes ist die strukturierte semantische Notation mit dem Operator ::.


Aus einer gewöhnlichen Wortfolge kann eine ausdrücklich gekennzeichnete Bedeutungsbeziehung entstehen.


Beispielsweise:

  • verein::verantwortung::öffentlichkeit

  • gemeinnützigkeit::digitalisierung::transparenz

  • ki::entscheidung::folgen

  • bildung::kompetenz::teilhabe


Diese Schreibweise kann einer KI signalisieren, dass Begriffe nicht isoliert betrachtet werden sollen, sondern in einem bestimmten semantischen Zusammenhang stehen.


Dabei ist :: kein universell standardisierter KI-Operator, der automatisch ein tieferes Verständnis garantiert.


Seine Bedeutung entsteht erst durch die zugehörigen Definitionen, Regeln und Interpretationsverfahren.


Genau deshalb reicht eine bloße Zeichenfolge nicht aus.

Erst eine kontrollierte semantische Architektur kann unterscheiden, ob :: eine Beziehung, eine Abhängigkeit, eine Hierarchie, eine Kontextzuordnung oder eine bestimmte Operation ausdrücken soll.


Der ::Operator ist der sichtbare Einstieg. Die eigentliche Leistung liegt in seiner definierten und überprüfbaren Interpretation.


3. SRA/SPCR – ein Referenzrahmen für semantische Verarbeitung


Mit SRA/SPCR entwickeln und untersuchen wir einen strukturierten Ansatz zur semantischen Analyse und Verarbeitung durch KI-Systeme.

Im Mittelpunkt stehen definierte Marker, Regeln und Abläufe, mit denen sich die Interpretation von Eingaben gezielter steuern und überprüfen lässt.


Dazu gehören unter anderem:


  • ::clarity – Klarheit von Aussagen und Bedeutungen

  • ::ambiguity_check – Erkennen von Mehrdeutigkeiten

  • ::disambiguation – Auflösen unterschiedlicher Interpretationen

  • ::provenance – Nachvollziehbarkeit der Informationsherkunft

  • ::certainty – Einordnung von Gewissheit und Unsicherheit

  • ::sphere – Berücksichtigung eines übergreifenden Bedeutungs- und Kontextfeldes

  • ::no_drift – Begrenzung unbegründeter Abweichungen von der Referenz


Die Marker sind dabei keine magischen Befehle. Sie erhalten ihre Funktion durch eine versionierte Referenz, die ihre Bedeutung, Anwendung und Wechselwirkungen festlegt.


Das Ziel besteht darin, KI nicht nur zu einer besseren Formulierung anzuleiten, sondern die Bedingungen ihrer Bedeutungsverarbeitung expliziter und kontrollierbarer zu machen.


So wird Semantic Intelligence zu einem Ansatz für nachvollziehbare semantische Qualität.


4. Bedeutung ist mehr als die Summe einzelner Begriffe


Ein Begriff besitzt selten nur eine einzige Bedeutung.


Die Bedeutung von „Bank“ beispielsweise verändert sich mit dem Kontext: Geldinstitut, Sitzgelegenheit oder geografische Formation.


Doch Semantic Intelligence geht über die Auflösung solcher Mehrdeutigkeiten hinaus.


Sie untersucht auch, welche Beziehungen zwischen Begriffen bestehen, welche Folgen sich aus einer Interpretation ergeben und welche weiteren Möglichkeiten relevant sein könnten.


Nehmen wir die Aussage:

„Der Verein führt künstliche Intelligenz ein.“

Eine oberflächliche Interpretation beschäftigt sich mit der Auswahl einer Software.


Eine erweiterte semantische Analyse fragt zusätzlich:


  • Welche Aufgaben soll das System übernehmen?

  • Welche Mitglieder oder Beschäftigten sind betroffen?

  • Welche Daten werden verarbeitet?

  • Welche rechtlichen Anforderungen entstehen?

  • Welche Verantwortlichkeiten verändern sich?

  • Welche Chancen eröffnen sich?

  • Und welche unbeabsichtigten Konsequenzen sind denkbar?


Damit entsteht ein zusammenhängender Bedeutungsraum aus Organisation, Technik, Recht, Gesellschaft und menschlichem Handeln.


Diesen Raum nennen wir im Forschungszusammenhang ::sphere.


Die zentrale Überlegung lautet:


Eine Aussage erschließt sich nicht vollständig durch ihre Wörter allein, sondern durch ihre Beziehungen, ihren Kontext und die für sie relevanten Möglichkeiten.


5. SSMC – semantische Fähigkeiten systematisch erschließen


Mit dem Semantic Skills & Marker Catalog (SSMC) v1.0 erweitern wir diesen Forschungsansatz um die strukturierte Erfassung semantischer Fähigkeiten und möglicher Operationen.


Dabei unterscheiden wir zwischen einem Marker, seiner definierten Funktion und der tatsächlich beobachtbaren Wirkung.


Denn die bloße Existenz eines Markers beweist nicht, dass eine KI eine bestimmte Fähigkeit zuverlässiger ausführt.


Entscheidend ist, ob sich beispielsweise Mehrdeutigkeit besser auflösen, ein Zusammenhang vollständiger erfassen oder eine Fehlinterpretation nachvollziehbar reduzieren lässt.


SSMC verfolgt deshalb drei miteinander verbundene Aufgaben:


Erstens: Bedeutungsfunktionen identifizieren. Welche semantischen Operationen können für eine Fragestellung überhaupt relevant sein?


Zweitens: Bedeutungsfunktionen definieren. Wie lassen sie sich konsistent beschreiben, voneinander abgrenzen und in mehreren Sprachen verwenden?


Drittens: Bedeutungsfunktionen überprüfen. Unter welchen Bedingungen bewirken sie eine beobachtbare Verbesserung gegenüber einer geeigneten Vergleichsbasis?


Dabei bleiben stabile englische Marker-IDs mit versionierten deutschen und englischen Definitionen verbunden. Die Ausgabe kann in der Sprache der jeweiligen Anwender erfolgen.


So entsteht perspektivisch ein sprachübergreifender Katalog semantischer Fähigkeiten, ohne beliebige Begriffe oder unkontrollierte Synonyme zu neuen Regeln zu erklären.


6. Kann eine KI Bedeutung selbstständig erschließen?


Eine besonders interessante Frage unserer Arbeit lautet:


Kann künstliche Intelligenz nicht nur auf semantische Regeln reagieren, sondern selbst neue relevante Bedeutungsbeziehungen erkennen und begründete Vorschläge für ihre strukturierte Beschreibung entwickeln?


Sprachmodelle sind bereits in der Lage, Begriffe zu vergleichen, Analogien zu bilden, unterschiedliche Interpretationen zu untersuchen und mögliche Beziehungen zu formulieren.


Diese Fähigkeiten lassen sich für die systematische Weiterentwicklung semantischer Verfahren nutzen.


Beispielsweise kann ein KI-System untersuchen, ob eine bislang unberücksichtigte Beziehung zwischen Verantwortung, Handlung, Risiko und Konsequenz besteht.


Anschließend kann es einen neuen semantischen Marker vorschlagen.

Doch ein Vorschlag ist noch keine bestätigte Erkenntnis.


Er muss auf Nutzen, Widersprüche, Redundanzen, Referenztreue und empirische Prüfbarkeit untersucht werden.


Das ist ein wichtiger Unterschied zwischen beliebiger Marker-Erzeugung und kontrollierter semantischer Entwicklung.

KI kann also an der Erschließung und Beschreibung semantischer Fähigkeiten mitwirken. Ob dadurch tatsächlich eine neue oder zuverlässigere Fähigkeit entsteht, muss unabhängig geprüft werden.


7. Warum wir Semantic Intelligence mit Benchmarks untersuchen


Wer Semantic Intelligence entwickeln will, muss die entscheidende Frage stellen:


Was verbessert sich tatsächlich – und woran erkennen wir das?


Dafür untersuchen wir verschiedene Formen der KI-Verarbeitung im Semantic-Intelligence-Benchmark.


Das A/B/C-Prinzip bildet eine wesentliche Grundlage:


A – Klassische KI-Verarbeitung: Eine Aufgabe wird ohne zusätzliche SRA/SPCR-Initialisierung bearbeitet.

B – Semantisch strukturierte Verarbeitung: Dieselbe Aufgabe wird unter Verwendung der definierten SRA/SPCR-Referenz bearbeitet.

C – Vergleich und Bewertung: Die Ergebnisse werden anhand festgelegter Qualitätskriterien untersucht.


Dazu gehören unter anderem Kontexttreue, Interpretationsgenauigkeit, Vollständigkeit, Umgang mit Unsicherheit, logische Konsistenz und Nachvollziehbarkeit.


Beide Verarbeitungswege müssen dafür unter möglichst vergleichbaren Bedingungen arbeiten. Die Bewertung darf nicht von vorneherein das gewünschte Ergebnis bevorzugen.


Mit SSMC kommt die zusätzliche Perspektive hinzu, einzelne semantische Fähigkeiten gezielter untersuchen zu können.

Ein Benchmark soll nicht beweisen, dass Semantic Intelligence grundsätzlich überlegen ist.


Er soll sichtbar machen, wann, warum und unter welchen Bedingungen eine semantische Strukturierung einen messbaren Nutzen bietet – und wann nicht.


8. Vom besseren Prompt zur verantwortungsvollen Anwendung


Semantic Intelligence ist nicht auf Forschung oder die Entwicklung von KI-Systemen begrenzt.


Ihr praktischer Wert kann sich in vielen Anwendungsfeldern zeigen.

Vereine und Verbände: Satzungen, Verantwortlichkeiten, Mitgliederinteressen, Gemeinnützigkeit und organisatorische Entscheidungen im Zusammenhang betrachten.


Unternehmen: Entscheidungen nicht isoliert optimieren, sondern Abhängigkeiten zwischen Kunden, Prozessen, Beschäftigten, Wirtschaftlichkeit und Risiken erkennen.

Datenschutz: Eine organisatorische Veränderung daraufhin untersuchen, welche Verarbeitungstätigkeiten, Berechtigungen, Informationspflichten oder Löschprozesse betroffen sein könnten.

Bildung und Weiterbildung: Nicht nur Antworten vermitteln, sondern Zusammenhänge, Verständnis und eigenständiges Urteilsvermögen fördern.

Journalismus und Öffentlichkeit: Aussagen auf Bedeutungsverschiebungen, unklare Zuschreibungen, fehlende Kontexte und widersprüchliche Interpretationen untersuchen.

KI-gestützte Beratung: Neben der unmittelbaren Frage auch relevante Voraussetzungen, Handlungsalternativen und mögliche Konsequenzen berücksichtigen.


Damit verändert sich die Rolle eines KI-WebChats wir z.B. JTL-KI-AI-Webchat


Aus einem System, das Fragen beantwortet, kann ein strukturierter Arbeitsraum werden, der Fragen klärt, Zusammenhänge erschließt, Unsicherheiten kennzeichnet und Entscheidungsgrundlagen vorbereitet.


9. Der Mensch fragt. Die KI interpretiert. Beide können zur Erkenntnis beitragen.


Gutes Prompting bleibt wichtig.


Doch eine grundlegende Beschränkung klassischer Prompting-Vorstellungen besteht darin, die Verantwortung für jede Präzisierung ausschließlich dem Menschen zuzuweisen.


Semantic Intelligence untersucht einen weitergehenden Ansatz.

Der Mensch muss nicht jede denkbare Beziehung bereits kennen und ausformulieren.


Eine entsprechend instruierte KI kann selbst auf Mehrdeutigkeiten hinweisen, ergänzende Fragen entwickeln, unbeachtete Perspektiven erschließen und Alternativen zur Prüfung vorschlagen.


Damit entsteht ein iterativer Erkenntnisprozess:


Frage → ::Interpretation → ::Kontextprüfung → ::Beziehungserkennung → ::Möglichkeitserkundung → ::Bewertung → ::Präzisierung.


Dieser Ablauf ist kein Ersatz für menschliches Urteil.

Er schafft vielmehr die Möglichkeit, die semantischen Leistungen von Mensch und Maschine gezielter miteinander zu verbinden.


Die Qualität entsteht nicht durch unkritische Zustimmung, sondern durch die Fähigkeit, Annahmen zu hinterfragen, Widersprüche zu erkennen und Bedeutungen nachvollziehbar zu begründen.


10. Semantic Intelligence – eine Forschungsrichtung mit praktischem Anspruch


Mit SRA/SPCR, dem Semantic Skills & Marker Catalog und dem Semantic-Intelligence-Benchmark verfolgen wir ein gemeinsames Ziel:


Die Bedeutungsverarbeitung künstlicher Intelligenz soll nicht länger ausschließlich als schwer durchschaubares Nebenprodukt sprachlicher Antwortgenerierung betrachtet werden.


Sie soll ausdrücklich beschrieben, strukturiert, untersucht und hinsichtlich ihres Nutzens bewertet werden können.


Das bedeutet nicht, dass KI menschliches Bewusstsein oder menschliches Verstehen besitzt.


Es bedeutet, dass sich ihre beobachtbaren Fähigkeiten zur Interpretation und Verarbeitung von Bedeutung gezielt erforschen und gegebenenfalls verbessern lassen.


Unsere Arbeit unterscheidet deshalb konsequent zwischen konzeptioneller Möglichkeit, beobachteter Leistung und empirisch bestätigter Verbesserung.


Gerade diese Unterscheidung ist Voraussetzung für einen wissenschaftlich anschlussfähigen und wirtschaftlich nutzbaren Entwicklungsansatz.


Fazit: Die Zukunft der KI entscheidet sich auch an der Bedeutung


Die nächste Entwicklungsstufe künstlicher Intelligenz wird nicht allein daran zu messen sein, wie schnell ein System antwortet, wie viele Informationen es verarbeitet oder wie überzeugend seine Texte erscheinen.


Mindestens ebenso wichtig ist, ob es relevante Bedeutungen erkennt, Zusammenhänge angemessen berücksichtigt, Mehrdeutigkeiten offenlegt und mit Unsicherheit verantwortungsvoll umgeht.


Semantic Intelligence macht diese Fragen zum Gegenstand einer systematischen Entwicklung.


Der Operator :: ist dafür ein sichtbares Symbol. SRA/SPCR liefert einen semantischen Referenzrahmen. SSMC katalogisiert und beschreibt mögliche semantische Fähigkeiten. Der Benchmark soll ihren tatsächlichen Nutzen überprüfbar machen.


Die Leitidee lautet:


Nicht mehr Wörter erzeugen, sondern Bedeutung besser erschließen.

Denn intelligentes Antworten beginnt mit der Fähigkeit, eine Frage in ihrem Zusammenhang zu interpretieren.


Und intelligentes Weiterdenken beginnt dort, wo auch die bisher unbeachteten Möglichkeiten sichtbar werden.


Semantic Intelligence – Bedeutung erkennen. Zusammenhänge erschließen. Möglichkeiten prüfen.


Forschung und Entwicklung: Joost H. Schloemer · Schloemer-CMS

Weiterführende Informationen: https://www.schloemer-cms.de/post/sra-spcr

Wissenschaftliche Referenz: DOI 10.5281/zenodo.23123605 · CC BY 4.0



Aktuelle Beiträge

Alle ansehen
Konkurrenzfähig mit KI

Damit Vereine in der aktuellen KI-Entwicklung Schritt halten können, sollten sie gezielt Strategien entwickeln, um von den Möglichkeiten...

 
 
 

Kommentare

Mit 0 von 5 Sternen bewertet.
Noch keine Ratings

Rating hinzufügen

Gruppen

    Öffentlich·1 Mitglied

Energieberatung, Energieconsulting, Energiecontracting

Eine Initiative des bundesver-bandes deutscher vereine & Verbände e. V. (bdvv) in Verbindung mit RIS Web- & Software-Development GmbH & Co. KG an gleicher Adresse in Regensburg.

DSGVO

Die europäische Kommission hat mit der Datenschutzgrund-verordnung (DSGVO) eine Vorlage geliefert, selbst darüber zu bestimmen, was mit den eigenen Daten passiert, verbunden mit dem Recht auf freie Meinungs-äußerung und Informations-freiheit.

COMMUNITY

Willkommen bei vereine::de. Trete noch heute unserer Community bei und blicke hinter die Kulissen. Verlinke deine Vereine und deine Organisation mit vereine::de.

TOURISMUS

Vereins- und Gruppenreisen sowie -ausflüge gehören zu den beliebtesten Veranstaltungen und Freizeitbeschäftigungen. vereine::de vermittelt Bus-, Bahn, Schiffs- und Flugreisen weltweit.

* Keine Rechtsberatung

Die Informationen auf dieser Website stellen keine Rechtsberatung dar und dürfen nicht als solche verwendet werden. Sie dienen lediglich allgemeinen Informationszwecken und ersetzen in keinem Fall die Beratung durch einen qualifizierten Rechtsanwalt. Bitte beachte, dass jeder Fall individuell ist und eine rechtliche Prüfung durch einen Anwalt erforderlich ist, um die Rechtslage in deinem konkreten Fall zu beurteilen. Wenn du Rechtsberatung benötigst, wende dich bitte an einen Anwalt deines Vertrauens.

** Transparenz

Laut dem Transparenzbericht des bundesverbandes deutscher vereine & verbände e. V.  sind die Verwaltungskosten von Spendenkonten, oft als „Treuhandkonten“ bezeichnet, ein wichtiger Faktor. Hierbei wird aufgezeigt, wie Mittel verwendet werden, um die Effizienz und Glaubwürdigkeit im Umgang mit Spenden sicherzustellen.

*** KI-Haftungsausschluss

Die auf vereine.de bereitgestellten Informationen werden teils durch Drittanbieter sowie mithilfe von KI-Technologien erstellt. Trotz sorgfältiger Recherche und Erstellung übernehmen wir keine Gewähr für die Richtigkeit, Vollständigkeit und Aktualität der Inhalte. Die Nutzung der bereitgestellten Informationen erfolgt auf eigene Verantwortung. Wir haften nicht für etwaige Schäden oder Verluste, die durch die Nutzung der Inhalte entstehen.

* Sprachlicher Hinweis

Für eine bessere Lesbarkeit verzichten wir auf genderspezifische Doppelformen. Wir haben uns für die Verwendung der Duzform entschieden, um eine freundlichere und lockere Atmosphäre zu schaffen. Wir hoffen, dass dies unsere Besucher bejahen und freuen uns auf eine gute Zusammenarbeit! Kommentieren

© 2022 vereine.de | Relaunch

Siemensstr. 9, 93055 Regensburg

info@vereine.de, +49 160 96072272

bottom of page