08.05.2026 • 55 Min.

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 entscheidetTerminologie ist die Grundlage für saubere Kommunikation und DatenverarbeitungTaxonomien und Ontologien machen Bedeutung strukturiert und maschinenlesbarKlassische KI-Ansätze (z. B. RAG) stoßen bei Mehrdeutigkeit schnell an GrenzenOhne semantische Klarheit steigt das Risiko von Fehlinterpretationen und HalluzinationenUnternehmen brauchen keine zentrale Datenbank für alles – aber eine zentrale Referenz für BedeutungDatensilos sind nicht das Problem – fehlende Verbindung zwischen ihnen schonEine saubere semantische Basis ist Voraussetzung für skalierbare, agentenbasierte KI-SystemeSprache ist kein „Soft-Thema“, sondern kritische Infrastruktur für DigitalisierungLinks aus der Episode Buch: Fuzzy ThinkingVerein: Deutscher Terminologietag (DTT)