Kategorientheorie, semantische Entropie und Entscheidungswissen: Warum Websites im Zeitalter generativer KI zu expliziten Wissensmodellen werden
Einleitung
Generative KI verändert die Funktion von Websites grundlegend. Während Sprachmodelle bestätigendes Wissen heute selbst erzeugen und zusammenfassen können, verschiebt sich der Wert einer Website auf die Modellierung von Zusammenhängen, Entscheidungsprozessen und Beziehungen zwischen Entitäten. Die Zukunft liegt nicht mehr in der Speicherung einzelner Fakten, sondern in expliziten Wissensmodellen mit geringer semantischer Entropie, die sowohl Menschen als auch KI-Systeme eindeutig interpretieren können.
1. Generative KI verändert die Funktion von Websites
Bestätigendes Wissen
- Definitionen
- Enzyklopädische Informationen
- Produktbeschreibungen
- Historische Fakten
- Standardwissen
- Wiederholbare Inhalte
Zweck
Bestätigung bereits bekannten Wissens.
Entscheidungswissen
- Handlungsoptionen
- Konsequenzen
- Prioritäten
- Vergleiche
- Strategien
- Prozesse
- Empfehlungen
- Governance
- Entscheidungswege
Zweck
Unterstützung konkreter Entscheidungen.
2. Vom Dokument zum Wissensmodell
Klassische Websites bestehen überwiegend aus Dokumenten.
Moderne KI-Systeme benötigen dagegen Modelle.
Ein Dokument beantwortet:
Was steht hier?
Ein Wissensmodell beantwortet:
Wie funktioniert dieser Bereich?
3. Wissensarchitektur statt Seitenarchitektur
Die zentrale Einheit einer Website ist künftig nicht mehr die einzelne Seite, sondern das zugrunde liegende Wissensmodell.
Dieses besteht aus:
Entitäten
- Personen
- Organisationen
- Produkte
- Orte
- Gesetze
- Verfahren
Beziehungen
- gehört zu
- beeinflusst
- verursacht
- setzt voraus
- erzeugt
- entscheidet
- beschreibt
Transformationen
- Beobachtung → Daten
- Daten → Wissenschaft
- Wissenschaft → Governance
- Governance → Handlung
4. Semantische Entropie
Semantische Entropie beschreibt die Unsicherheit, die entsteht, wenn Beziehungen zwischen Informationen nicht explizit dargestellt werden.
Hohe semantische Entropie entsteht durch
- isolierte Seiten
- doppelte Inhalte
- widersprüchliche Begriffe
- fehlende Beziehungen
- implizites Wissen
- uneinheitliche Terminologie
Die KI muss diese Beziehungen selbst rekonstruieren.
Niedrige semantische Entropie entsteht durch
- explizite Entitäten
- konsistente Terminologie
- eindeutige Beziehungen
- nachvollziehbare Prozesse
- vollständige Wissenspfade
Dadurch reduziert sich der Interpretationsaufwand erheblich.
5. Kategorientheorie als Modellierungssprache
Die Kategorientheorie beschreibt keine Inhalte.
Sie beschreibt deren Struktur.
Objekte repräsentieren Wissenselemente.
Morphismen beschreiben deren Beziehungen.
Komposition verbindet mehrere Beziehungen zu konsistenten Wissenspfaden.
Dadurch entsteht ein explizites Modell eines Fachgebietes anstelle einer Sammlung einzelner Seiten.
6. Vier Ebenen einer modernen Wissensarchitektur
Ebene 1 – Realität
- Menschen
- Unternehmen
- Tiere
- Produkte
- Prozesse
- Ereignisse
Ebene 2 – Bestätigendes Wissen
- Definitionen
- Eigenschaften
- Fachbegriffe
- Fakten
- Standards
Ebene 3 – Strukturelles Wissen
- Beziehungen
- Abhängigkeiten
- Ursachen
- Transformationen
- Wissensgraphen
- Modelle
Diese Ebene verbindet bestätigendes Wissen mit Entscheidungswissen.
Ebene 4 – Entscheidungswissen
- Welche Alternative ist sinnvoll?
- Welche Folgen entstehen?
- Welche Reihenfolge ist notwendig?
- Welche Voraussetzungen müssen erfüllt sein?
- Welche Strategie ist geeignet?
7. Warum KI explizite Modelle bevorzugt
Große Sprachmodelle erzeugen intern selbst Wissensmodelle.
Je vollständiger eine Website diese Struktur bereits bereitstellt,
- desto weniger Beziehungen müssen rekonstruiert werden,
- desto geringer wird die semantische Entropie,
- desto stabiler wird die Interpretation.
Der Mehrwert einer Website verschiebt sich deshalb von der Wiederholung bekannten Wissens zur Bereitstellung eines expliziten Domänenmodells.
8. Von der Suchmaschinenoptimierung zur Wissensmodellierung
Die Entwicklung des Webs lässt sich als zunehmende Strukturierung von Wissen verstehen.
Keyword-SEO
↓
Dokumentenorientierte Websites
↓
Semantisches SEO
↓
Entitäten und strukturierte Daten
↓
Knowledge Graphs
↓
Explizite Beziehungen
↓
Domänenmodelle
↓
Zusammenhängende Wissensarchitekturen
↓
Entscheidungswissen
↓
Handlungsorientierte KI-Unterstützung
9. Konsequenzen für Website-Betreiber
Zukünftige Websites werden weniger nach der Menge ihrer Inhalte bewertet als nach der Qualität ihres Wissensmodells.
Dazu gehören insbesondere:
- eindeutige Entitäten
- explizite Beziehungen
- nachvollziehbare Prozesse
- konsistente Terminologie
- strukturierte Entscheidungswege
- geringe semantische Entropie
Der Wettbewerb verschiebt sich damit von der Produktion möglichst vieler Inhalte hin zur Modellierung eines Fachgebietes als kohärentes Wissenssystem.
Zusammenfassung
Generative KI übernimmt zunehmend die Bereitstellung bestätigenden Wissens. Der langfristige Mehrwert einer Website entsteht deshalb nicht mehr durch die Wiederholung von Fakten, sondern durch die explizite Modellierung eines Fachgebietes. Kategorientheorie bietet hierfür einen formalen Rahmen, um Entitäten, Beziehungen und Transformationen konsistent zu beschreiben. Dadurch sinkt die semantische Entropie einer Website, während ihr Entscheidungswissen und ihre Maschinenlesbarkeit zunehmen. Im Zeitalter generativer KI entwickelt sich die Website damit von einer Dokumentensammlung zu einem expliziten Wissensmodell, das sowohl Menschen als auch KI-Systemen als Grundlage für Interpretation und Entscheidungen dient.
Kategorientheorie und semantische Entropie: Warum Wissensmodelle klassische Websites ablösen
Bestätigendes Wissen und Entscheidungswissen: Die neue Architektur für KI-lesbare Websites