Von Geschäftsvorfällen zu prüfbaren Entscheidungen: Ontologie‑Graphsimulation für Unternehmens‑KI

In der heutigen KI-Landschaft stoßen viele LLM-basierte Agentensysteme an eine gemeinsame Schwachstelle: Sie greifen sofort auf ein unbegrenztes Wissensspektrum zu, ohne vorher zu prüfen, wie aktuelle Geschäftsvorfälle dieses Wissen in einem konkreten Szenario umgestalten. Das Ergebnis sind flüssige, aber unfundierte Entscheidungen, die keine nachvollziehbare Spur hinterlassen.

Die neue Methode LOM‑Action löst dieses Problem, indem sie eine „event‑gesteuerte Ontologie‑Simulation“ einführt. Geschäftsvorfälle lösen Szenario‑Bedingungen aus, die im Unternehmens‑Ontologie‑Modell (EO) kodiert sind. Diese Bedingungen führen in einer isolierten Sandbox zu deterministischen Graph‑Mutationen, wodurch ein Arbeits­graph in einen Szenario‑gültigen Simulationsgraphen G_sim überführt wird. Alle Entscheidungen werden ausschließlich aus diesem simulierten Graphen abgeleitet.

Der Kernprozess besteht aus drei Schritten: Ereignis → Simulation → Entscheidung. Er wird durch eine Dual‑Modell‑Architektur realisiert, die zwischen einem „Skill‑Modus“ und einem „Reasoning‑Modus“ wechselt. Jede Entscheidung erzeugt ein vollständig nachvollziehbares Audit‑Log, sodass die Nachvollziehbarkeit jederzeit gewährleistet ist.

In Tests erzielte LOM‑Action beeindruckende 93,82 % Genauigkeit und 98,74 % F1‑Score der Tool‑Chain – ein Vierfacher Vorteil gegenüber führenden Modellen wie Doubao‑1.8 und DeepSeek‑V3.2, die trotz 80 % Genauigkeit nur 24–36 % F1 erreichten. Diese Ergebnisse zeigen deutlich, dass die Kombination aus ontologie‑gesteuerter, ereignisbasierter Simulation und nicht bloßer Modellgröße die entscheidende Voraussetzung für vertrauenswürdige Unternehmens‑KI ist.