Semantik KI Skills

Die Künstliche Intelligenz kann Texte schreiben, Bilder analysieren, Dokumente auswerten, recherchieren, programmieren und Inhalte strukturieren.

Die Liste ihrer technischen Möglichkeiten wächst ständig. Doch eine entscheidende Frage bleibt häufig unbeantwortet:

Wer oder was soll die KI in der konkreten Aufgabe eigentlich sein?

Soll sie als Autorin schreiben, als Analystin prüfen, als Lernbegleiterin erklären, als Governance-Assistentin Grenzen kontrollieren oder als strategische Beraterin verschiedene Handlungsoptionen einordnen?

Die technische Fähigkeit allein beantwortet diese Frage nicht.

Eine KI kann einen Text zusammenfassen. Ob sie dabei als neutrale Dokumentationshilfe, kritische Prüfinstanz, Fachredakteurin oder Marketing-Assistentin arbeitet, hängt von ihrer Rolle, ihrem Ziel und den geltenden Bedeutungsgrenzen ab.

Genau hier beginnt der Übergang von einer bloßen Sammlung von KI-Funktionen zu einer semantisch geführten Arbeitsumgebung.

„Du bist …“ ist mehr als ein Prompt-Anfang

Viele Prompts beginnen mit einer Rollenbeschreibung:

Du bist ein erfahrener Marketingberater.

Oder:

Du bist eine Expertin für Datenschutz.

Solche Formulierungen können die Antwort beeinflussen. Häufig bleiben sie jedoch zu allgemein. Sie benennen zwar eine Rolle, definieren aber nicht eindeutig:

• welches Ziel die Rolle verfolgt,

• welche Fähigkeiten dafür relevant sind,

• welche Quellen verwendet werden dürfen,

• wie mit Unsicherheit umzugehen ist,

• wo die fachliche Zuständigkeit endet,

• welche Entscheidungen beim Menschen bleiben,

• welche technischen Werkzeuge tatsächlich verfügbar sind.

Eine belastbare Rollenbeschreibung müsste daher weitergehen:

::role
name: Semantic Intelligence Officer
purpose: Bedeutung erkennen, ordnen, prüfen und transformieren
authority: beratend
responsibility: semantische Einordnung und Qualitätskontrolle
decision_power: keine autonome Freigabe

Die Schreibweise mit :: ist dabei kein magischer KI-Befehl. Sie ist eine semantische Markierung, mit der Rolle, Zweck, Grenze und Funktion eines Elements deutlicher adressiert werden können.

Die Grundlagen dieses Ansatzes beschreibt die Seite zur Schloemer::Notation.

Rolle vor Werkzeug

In vielen KI-Projekten beginnt die Planung mit der Frage:

Welche Tools können wir einsetzen?

Semantisch sinnvoller ist eine andere Reihenfolge:

Wer bist du?
::→ Was ist dein Ziel?
::→ Welche Bedeutung musst du verstehen?
::→ Welche Fähigkeiten brauchst du dafür?
::→ Welche Werkzeuge stehen zur Verfügung?
::→ Welche Grenzen gelten?

Das verändert den Aufbau eines KI-Systems.

Die Bildbearbeitung ist dann nicht mehr nur eine aktivierte Funktion. Sie wird Teil einer konkreten Rolle und Aufgabe.

Ein visuelles Redaktionssystem müsste beispielsweise nicht nur Bilder erzeugen können. Es müsste außerdem verstehen:

• welche Aussage das Bild transportieren soll,

• welche Zielgruppe angesprochen wird,

• welche Elemente erhalten bleiben müssen,

• welche Veränderungen unzulässig sind,

• ob die Darstellung dokumentarisch oder illustrativ gemeint ist,

• ob Personen, Marken oder sensible Inhalte betroffen sind.

Das technische Werkzeug verändert Pixel. Die semantische Rolle bestimmt, warum, wozu und innerhalb welcher Grenzen diese Veränderung stattfinden darf.

Technische und semantische Fähigkeiten unterscheiden

Eine technische Capability beschreibt, was ein System ausführen kann:

image_generation
web_search
document_analysis
code_generation
translation

Eine semantische Fähigkeit beschreibt dagegen, welche Bedeutungsleistung erforderlich ist:

::context_binding
::intent_detection
::ambiguity_control
::meaning_preservation
::provenance
::certainty
::admissibility
::drift_control

Beide Ebenen gehören zusammen, sind aber nicht identisch.

Eine Websuche kann technisch erfolgreich sein und trotzdem semantisch schlechte Ergebnisse liefern. Das geschieht beispielsweise, wenn die Suchanfrage am eigentlichen Ziel vorbeigeht, Quellen nicht unterschieden werden oder aktuelle und historische Aussagen miteinander vermischt werden.

Eine semantisch geführte Recherche fragt deshalb nicht nur:

Welche Suchergebnisse gibt es?

Sie fragt zusätzlich:

Welche Wissenslücke soll geschlossen werden?Welche Quelle ist für diese Aussage zuständig?Wie aktuell muss die Information sein?Welche Unsicherheit bleibt bestehen?Wie fügt sich das Ergebnis in den bisherigen Kontext ein?

Die Seite Semantic Intelligence führt diesen Gedanken weiter: KI-Output wird nicht nur erzeugt, sondern hinsichtlich Bedeutung, Kontext, Herkunft, Unsicherheit und Grenze eingeordnet.

Nicht jede mögliche Fähigkeit ist relevant

Eine KI kann möglicherweise hundert verschiedene Aufgaben bearbeiten. Eine konkrete Rolle benötigt davon aber nur einen Teil.

Ein Lernbegleiter braucht andere semantische Fähigkeiten als ein System für Cyber-Governance. Ein Content-Assistent benötigt andere Grenzen als eine strategische Analyseinstanz.

Deshalb sollte eine Capability Library nicht einfach alle Funktionen auflisten, die irgendein KI-System technisch beherrscht. Sie sollte Fähigkeiten danach ordnen, ob sie für eine bestimmte Rolle und Aufgabe semantisch relevant sind.

Ein mögliches Schema wäre:

::semantic_capability

identity:
Welche Fähigkeit ist gemeint?

purpose:
Welche Bedeutungsleistung erfüllt sie?

required_context:
Welche Informationen werden benötigt?

allowed_transformations:
Was darf verändert oder abgeleitet werden?

forbidden_transformations:
Was muss erhalten oder ausgeschlossen bleiben?

certainty_requirements:
Wie müssen Unsicherheiten behandelt werden?

provenance_requirements:
Welche Herkunfts- und Quellenbindung gilt?

compatible_roles:
Für welche Rollen ist die Fähigkeit relevant?

host_dependencies:
Welche technischen Werkzeuge werden benötigt?

evaluation:
Wie kann die Wirkung geprüft werden?

So entsteht keine lose Funktionssammlung, sondern eine Semantic Capability Architecture.

Die Rolle erzeugt keine technische Fähigkeit

Ein wichtiger Unterschied muss erhalten bleiben:

Rolle
::→ wählt relevante Fähigkeiten

Fähigkeit
::→ beschreibt die benötigte Leistung

Host
::→ stellt technische Werkzeuge bereit

Governance
::→ prüft Grenzen und Zulässigkeit

Die Aussage „Du bist Bildredakteur“ aktiviert nicht automatisch ein Bildbearbeitungswerkzeug. Ebenso erzeugt die Rolle „Research Officer“ keinen Internetzugang.

Die Rolle beschreibt, wie vorhandene Möglichkeiten verwendet werden sollen. Der jeweilige KI-Host entscheidet, welche Werkzeuge tatsächlich verfügbar sind.

Das ist besonders für portable KI-Systeme wichtig. Eine semantische Rolle kann auf mehreren Plattformen beschrieben werden. Ihre praktische Ausführung hängt jedoch von den Fähigkeiten des jeweiligen Hosts ab.

Ein System kann deshalb ehrlich melden:

::capability
name: live_augmented_reality
semantic_relevance: hoch
host_available: false
alternative:
  - AR-Konzept erstellen
  - Interaktionsablauf entwerfen
  - Code vorbereiten
  - visuelle Assets entwickeln

Die Rolle bleibt stabil, obwohl sich die technische Umgebung unterscheidet.

Der Bedeutungsraum verbindet Rolle und Aufgabe

Eine Rolle arbeitet nie vollständig isoliert. Sie benötigt einen Raum aus Zielen, Begriffen, Beziehungen, Quellen, Regeln und Grenzen.

Innerhalb der Semantic Reference Architecture wird dieser operative Bedeutungsraum als ::sphere beschrieben.

Ein gewöhnlicher Prompt fragt vor allem:

Was soll die KI tun?

Eine semantische ::sphere fragt weiter:

Innerhalb welcher Bedeutung, welcher Rolle, welcher Verantwortung und welcher Unsicherheit darf die Antwort entstehen?

Die ::sphere ist dabei weder ein Gedächtnis noch ein einzelner Chat. Sie beschreibt den Arbeitsraum, in dem relevante Bedeutungen zusammengeführt und gegeneinander abgegrenzt werden.

Beispielsweise:

::sphere

ziel:
Blogbeitrag über verantwortbare KI-Nutzung

rolle:
fachlich verständlicher Autor

zielgruppe:
interessierte Entscheider ohne technischen Schwerpunkt

bedeutungsgrenzen:
keine Gleichsetzung von KI-Ausgabe und Wahrheit

relevante_fähigkeiten:
  - Themenstrukturierung
  - verständliche Erklärung
  - Quellenbindung
  - Unsicherheitsmarkierung
  - interne Verlinkung

gesperrte_transformation:
unbelegte Erfolgs- oder Überlegenheitsbehauptungen

Die Rolle erhält damit einen konkreten Bedeutungs- und Wirkungsraum.

Von Prompt Engineering zu Semantik Engineering

Prompt Engineering bleibt nützlich. Klare Eingaben, Beispiele und Formatvorgaben verbessern häufig die Qualität einer Antwort.

Bei langfristigen oder komplexen KI-Anwendungen reicht ein einzelner guter Prompt jedoch nicht immer aus. Rollen müssen über mehrere Aufgaben hinweg konsistent bleiben. Begriffe dürfen ihre Bedeutung nicht unbemerkt verändern. Quellen, Unsicherheiten und Zuständigkeiten müssen nachvollziehbar bleiben.

Daraus ergibt sich eine erweiterte Entwicklung:

Prompt Engineering
::→ formuliert die Eingabe

Context Engineering
::→ stellt relevante Informationen bereit

Semantik Engineering
::→ führt Bedeutung, Rollen und Grenzen

Governance
::→ prüft Zulässigkeit und Verantwortung

Die Semantic Reference Architecture beschreibt einen möglichen Referenzrahmen für diese Verbindung aus Notation, Bedeutungsraum, Referenzzustand, Portabilität und Governance.

Vielseitigkeit entsteht durch Rollenkomposition

Der wirtschaftliche und praktische Nutzen liegt nicht darin, für jede Tätigkeit ein vollständig neues KI-System zu bauen.

Stattdessen können Rollen und Fähigkeiten kombinierbar beschrieben werden:

::role::content_editor
::capabilities
  - meaning_preservation
  - audience_alignment
  - source_binding
  - semantic_linking

::role::research_analyst
::capabilities
  - query_derivation
  - source_evaluation
  - contradiction_detection
  - certainty_control

::role::visual_communicator
::capabilities
  - image_semantics
  - visual_intent
  - identity_preservation
  - transformation_boundary

::role::governance_assistant
::capabilities
  - provenance
  - admissibility
  - risk_detection
  - output_gate

Ein KI-Arbeitsraum könnte je nach Aufgabe eine Rolle aktivieren, mehrere Rollen koordinieren oder eine Übergabe zwischen ihnen definieren.

Das eröffnet Einsatzmöglichkeiten in:

• Content und Kommunikation,

• Recherche und Wissensmanagement,

• Dokumentenanalyse,

• Bildung und Lernbegleitung,

• Bildgenerierung und Bildbearbeitung,

• Beratung und Strategie,

• Projektsteuerung,

• Governance und Qualitätssicherung,

• portablen persönlichen KI-Arbeitsräumen.

Der eigentliche USP

Der Unterschied liegt nicht darin, dass die KI plötzlich Fähigkeiten besitzt, die andere Systeme grundsätzlich nicht haben.

Der Unterschied liegt in der Art, wie diese Fähigkeiten geordnet werden:

nicht:
Tool auswählen und Ergebnis erzeugen

sondern:
Rolle bestimmen
::→ Ziel und Bedeutung binden
::→ relevante Fähigkeiten auswählen
::→ Hostmöglichkeiten prüfen
::→ Grenzen kontrollieren
::→ Ergebnis erzeugen
::→ Ausgabe prüfen

Die zwei Doppelpunkte :: sind dabei das sichtbare Element. Ihr Wert entsteht aber erst durch die dahinterliegende semantische Disziplin.

Sie helfen dabei, Funktionsräume zu markieren, Begriffe zu unterscheiden und Beziehungen expliziter zu machen. Sie ersetzen weder das Sprachmodell noch das Werkzeug und garantieren keine Wahrheit.

Sie können jedoch einen Rahmen schaffen, in dem Rollen, Fähigkeiten, Kontext und Grenzen klarer miteinander verbunden werden.

Vom KI-Assistenten zum Semantic Intelligence Officer

Der Begriff Semantic Intelligence Officer kann diese Entwicklung als Rollenmodell zusammenfassen.

Ein solcher Officer wäre keine amtliche Stelle und keine autonome Entscheidungsinstanz. Er wäre eine semantisch geführte Assistenzrolle, die nicht nur

Output produziert, sondern vor der Ausgabe prüft:

• Was ist die eigentliche Aufgabe?

• Welche Rolle gilt?

• Welche Bedeutung muss erhalten bleiben?

• Welche Fähigkeiten sind relevant?

• Welche Werkzeuge sind verfügbar?

• Welche Quellen und Grenzen gelten?

• Welche Unsicherheit muss sichtbar bleiben?

• Welche Entscheidung verbleibt beim Menschen?

Die allgemeine KI-Governance wird dadurch um eine wichtige Ebene ergänzt: Nicht nur Modelle, Daten und Zugriffsrechte werden betrachtet, sondern auch die Bedeutung, mit der das System arbeitet.

Fazit

KI wird nicht allein dadurch vielseitig, dass immer mehr Werkzeuge aktiviert werden.

Sie wird sinnvoll vielseitig, wenn ihre technischen Möglichkeiten an klare Rollen, Ziele und Bedeutungsgrenzen gebunden sind.

Der zentrale Wechsel lautet deshalb:

Was kann die KI?

wird zu:

Wer soll die KI in dieser Aufgabe sein?
Welche Bedeutung soll sie tragen?
Welche Fähigkeiten sind dafür relevant?
Welche Grenzen müssen erhalten bleiben?

Genau an dieser Stelle treffen Rollenarchitektur, semantische Fähigkeiten, Schloemer::Notation, ::sphere und Semantic Reference Architecture aufeinander.

Nicht das einzelne Tool steht im Mittelpunkt.

Im Mittelpunkt steht die Rolle, in der technische Möglichkeiten zu semantisch relevanten Fähigkeiten werden.