Wenn ein KI-Agent SQL für Sie schreibt, ist der beängstigende Teil nicht die Syntax. Modelle sind gut in der Syntax. Der beängstigende Teil ist, dass der Agent erraten muss, was Ihre Worte bedeuten.
Ein Kunde von mir, ein 14-köpfiges Logistikunternehmen in Hamburg, hat sich im vergangenen Jahr direkt damit beschäftigt. Zwei Dashboards, eine Datenbank, und sie waren sich über offene Forderungen nicht einig €40.000 pro Monat. Wir brauchten einen Nachmittag, um die Ursache zu finden. Eine Abfrage zählte eine Rechnung bis zum Fälligkeitsdatum als offen; die andere zählte sie als offen, bis die Zahlung tatsächlich gelandet war. Beide Zahlen sahen auf einem Bildschirm plausibel aus. Niemand war sorglos. Die Definitionen wurden nirgends aufgeschrieben, so dass jedes Werkzeug, Mensch oder KI, leise seine eigenen gemacht hat.
Das ist ungefähr das Problem, das NVIDIA in dieser Woche gemacht hat. Wenn Sie bereits lassen KI-Agenten führen Abfragen zu Ihren Geschäftsdaten aus, oder Sie sind nah dran, diese Veröffentlichung verdient zehn Minuten Ihrer Aufmerksamkeit.
Was verschifft
Am 2. November 2026 veröffentlichte NVIDIA Auto Ontology, eine Open-Source-Bibliothek unter der Apache 2.0-Lizenz. Es erzeugt eine semantische Schicht aus Unternehmensmetadaten. Diese Ebene basiert auf dem SQL, das Ihre KI-Agenten in zertifizierten Definitionen schreiben, so dass eine Klartextfrage zu der von Ihnen zertifizierten Definition aufgelöst wird und nicht zu dem, was der Agent aus Spaltennamen ableitet. Auto Ontology bedient diesen Kontext durch MCP, eine CLI und eine API.
Warum sich KMU kümmern sollten
Kleine Unternehmen treffen dieses Problem zuerst in der Admin-Arbeit. Forderungen. Berichterstattung zum Monatsende. "Wie viele Bestellungen wurden letzte Woche ausgeliefert?" In dem Moment, in dem Sie einen Agenten auf Ihre Datenbank richten und im Klartext fragen, beginnt es zu schließen, was offen, aktiv oder netto bedeutet aus Ihrem Schema. Manchmal folgert es richtig.
Der teure Fall ist, wenn es selbstbewusst falsch ist und die Zahl in einem Bericht landet, den Ihr Buchhalter, Ihre Bank oder ein Kunde tatsächlich liest. Der ehrliche Workaround heute ist eine doppelte Überprüfung: Jemand in Ihrem Team überprüft jede von Agenten erstellte Antwort gegen eine Anfrage, der ein Mensch vertraut. Das sind 20 bis 40 minuten admin-zeit pro bericht, und es isst leise die meiste geschwindigkeit, die sie vom agenten in erster linie wollten.
Eine semantische Schicht bewegt diese Überprüfung nach vorne. Zertifizieren Sie die Definitionen einmal, und jede Frage verwendet sie wieder. Theoretisch ist das der Unterschied zwischen einem Agenten, den Sie babysitten, und einem, den Sie gerade laufen lassen. Wenn Sie Text-to-SQL noch nicht ausführen, behandeln Sie dies als "Uhr" und nicht als "Do". Und ich gebe vorweg eine Grenze zu: Ich weiß nicht, wie gut sich die Autogeneration verhält, wenn Metadaten ein Durcheinander sind, was für viele kleine Unternehmen der Fall ist. Das ist das erste, was ich testen würde. Erdung ist wirklich eine Zuverlässigkeitsfrage, das gleiche Territorium, das wir abdecken Workflow Reliability Engineering.
Wie man Vorteile nutzt
Drei Züge für diese Woche, alle mit geringem Risiko:
- 1. Notieren Sie sich, was Ihre Worte bedeuten, bevor Sie das Werkzeug berühren. Wählen Sie die zehn bis fünfzehn Begriffe, auf die sich Ihre Admin-Berichte stützen: offene Rechnung, aktiver Kunde, Nettoumsatz, überfällig. Eine oder zwei Zeilen, plus welche Tabelle und Spalte sie unterstützt. Das Ergebnis: Sie haben die Metadaten produziert, aus denen Auto Ontology seine Schicht erstellt, und Sie haben den einen Job erledigt, den keine Software für Sie erledigen kann. Die Ankündigung beschreibt nicht, welche Metadatenformate sie aufnimmt, also überprüfen Sie die offiziellen Dokumente von NVIDIA, bevor Sie annehmen, dass Ihre passt.
- 2. Führen Sie einen ersten Blick gegen eine Kopie Ihrer Daten aus, niemals Produktion. Installieren Sie die Bibliothek, erzeugen Sie die semantische Schicht und setzen Sie sie über MCP einem Agenten aus. Das Ergebnis: Die nächsten Anfragen Ihres Agenten erhalten Ihre zertifizierten Definitionen, anstatt das Rohschema zu erraten. Setup Walkthroughs waren nicht Teil der Ankündigung, also ziehen Sie die Installationsschritte aus den Dokumenten von NVIDIA und nicht aus einem zufälligen Tutorial.
- 3. A/B ein Bericht für eine Woche. Wählen Sie einen wiederkehrenden Admin-Bericht aus, lassen Sie ihn vom Agenten mit der aktiven semantischen Schicht neu erstellen und produzieren Sie ihn parallel auf die alte Weise. Das Ergebnis: Sie werden erfahren, ob Ihre zertifizierten Definitionen tatsächlich die Fragen Ihres Teams abdecken, bevor jemand aufhört, etwas zu überprüfen.
Kosten und Aufwand
Die Lizenzkosten €0 pro Monat. Apache 2.0 bedeutet, dass Sie es verwenden können, ohne jemanden zu bezahlen, und keine bezahlten Tiers, Hosting oder Support-Angebote wurden angekündigt, also werde ich keine erfinden. Was es entfernen soll, ist der Verifizierungspass nach jeder von Agenten erstellten Abfrage sowie die lästige Aufgabe der manuellen Abfragedefinitionen für Agenten.
Der wahre Preis ist Zeit. Mit Metadaten in vernünftiger Form kann eine technische Person wahrscheinlich innerhalb eines halben Tages einen ersten Blick bekommen. Das schreiben und zertifizieren der definitionen fügt ein oder zwei weitere tage hinzu, verteilt auf wen auch immer ihre zahlen besitzen. Kein technisches Inhouse? Budget ein paar externe Stunden oben. Für das breitere Bild, was SMB Automatisierung kostet, wenn Sie alles addieren, behalten wir Ein AI-Automatisierungsbudget für 2026 up to date.
Eine ehrliche Falle
Das Wort, das all das schwere Heben hier macht, ist zertifiziertAuto Ontology kann eine Ebene erzeugen, aber nur ein Mensch, der das Geschäft kennt, kann bestätigen, dass die Definitionen wahr sind. Überspringen Sie diesen Schritt und Sie haben eine Maschine gebaut, die selbstbewusst falsche Zahlen mit einem offiziell aussehenden Stempel produziert, was schlimmer ist als eine falsche Zahl, der die Leute bereits misstrauen.
Dann gibt es Verfall. Jedes neue Feld, jede Prozessänderung, jede umbenannte Tabelle benötigt die aktualisierte Ebene, oder sie driftet aus der Synchronisation mit der Realität, ohne es jemandem zu sagen. In der Hamburger Geschichte war der Fix nie Software. Es waren zwei Leute, die sich darüber einig waren, was "offen" bedeutet. Software kann diese Vereinbarung durchsetzen. Es kann es nicht schaffen. Mein anderer Ärger: Es wird als Bibliothek ausgeliefert, die Sie durch eine CLI und eine API fahren, was Ihnen sagt, dass es einen technischen Komfort annimmt, den viele kleine Teams noch nicht haben.
Wenn Sie eine Hand mit diesem
Wenn das Entwirren von Definitionen, Agenten und Metadaten allein wie ein schlechter Abend klingt, Buchen Sie eine Beratung mit uns und wir werden uns dein setup zusammen ansehen, keine folien, versprochen.
Verwandtes Lesen
- AI Automation für KMU: das No-Hype Playbook
- Automatisierungsplattformen im Vergleich: Zapier, Make und n8n
- Über Damian, der diesen Blog schreibt
Sprich bald,
Damian
P.S. Wenn Sie diese Woche Auto Ontology ausprobieren, sagen Sie mir, wie der Metadatenimport gelaufen ist. Wirklich. Ich weiß es immer noch nicht.
