Sprache entscheidet: Warum deine KI ohne saubere Begriffe scheitert | Tom Winter

Wir reden ständig über Daten, KI und Automatisierung.
Aber wir übersehen das Fundament: Sprache.


In dieser Folge spreche ich mit Tom Winter über ein Problem, das
in fast jedem Unternehmen existiert – und selten sauber
adressiert wird:
Wir verwenden die gleichen Begriffe, meinen aber unterschiedliche
Dinge.


Was harmlos klingt, wird im Kontext von KI richtig teuer.
Denn Large Language Models arbeiten genau mit diesen Begriffen.
Wenn die Bedeutung unscharf ist, skaliert die KI nicht Wissen –
sondern Missverständnisse.


Wir sprechen darüber, warum Terminologie mehr ist als ein
„Wörterbuch“, wie Taxonomien und Ontologien daraus echte
Entscheidungsgrundlagen machen und warum viele aktuelle
KI-Ansätze genau hier an ihre Grenzen stoßen.


Und wir schauen auf eine unbequeme Wahrheit:
Digitale Transformation scheitert nicht an Technologie – sondern
an fehlendem gemeinsamen Verständnis.


Key Takeaways


Gleiche Begriffe bedeuten nicht automatisch das Gleiche –
Kontext entscheidet

Terminologie ist die Grundlage für saubere Kommunikation und
Datenverarbeitung

Taxonomien und Ontologien machen Bedeutung strukturiert und
maschinenlesbar

Klassische KI-Ansätze (z. B. RAG) stoßen bei Mehrdeutigkeit
schnell an Grenzen

Ohne semantische Klarheit steigt das Risiko von
Fehlinterpretationen und Halluzinationen

Unternehmen brauchen keine zentrale Datenbank für alles –
aber eine zentrale Referenz für Bedeutung

Datensilos sind nicht das Problem – fehlende Verbindung
zwischen ihnen schon

Eine saubere semantische Basis ist Voraussetzung für
skalierbare, agentenbasierte KI-Systeme

Sprache ist kein „Soft-Thema“, sondern kritische
Infrastruktur für Digitalisierung



Links aus der Episode


Buch: Fuzzy Thinking

Verein: Deutscher Terminologietag (DTT)