30. Oktober 2026
Metadaten sind seit Langem die Grundlage für die moderne Verwaltung und Nutzung von Informationen. Sie beschreiben Inhalte und helfen dadurch, Suchergebnisse zu verbessern, Varianten zu steuern und Informationsbestände überhaupt beherrschbar zu machen. Für alle, die im Themenfeld der Informationsarchitektur tätig sind, sind sie ein zentrales Werkzeug, um Ordnung in wachsende Content-, Produkt- und Datenlandschaften zu bringen.
Doch die Anforderungen an Informationsarchitekturen haben sich verändert. Selbst wenn Metadatenmodelle und Content-Management-Systeme im Einsatz und Informationen klassifiziert sind, stoßen viele Unternehmen heute dennoch an eine Grenze. Vor allem bei der Nutzung neuer Technologien wie KI zeigt sich diese deutlich. Beispielsweise liefern Chats unzuverlässige Ergebnisse, weil sie zwar inzwischen per RAG auf die Inhalte des Unternehmens zugreifen können, aber deren fachlichen Zusammenhang nicht ausreichend verstehen. Oder Content kann nicht kontextgenau ausgespielt werden, weil die Beziehungen zwischen Produkt, Variante, Funktion, Nutzungssituation und Zielgruppe nicht explizit genug modelliert sind.
Klassische Metadatenmodelle funktionieren hervorragend, wenn Informationen innerhalb eines klar definierten Kontexts genutzt werden, und Metadaten an sich werden weiterhin eine notwendige Grundlage bleiben. Wenn Informationsräume komplexer werden und Unternehmen erwarten, dass Wissen kanalübergreifend, systemübergreifend und KI-fähig nutzbar ist, wird diese klassische Metadaten-Welt aber nicht mehr ausreichen.
Metadaten beschreiben Inhalte, vernetzen sie aber nicht
Klassische Metadaten waren für eine objektzentrierte Informationswelt gebaut. Sie beantworten wichtige Fragen wie zum Beispiel: Was ist das für ein Inhalt? Für welche Sprache gilt er? Zu welchem Produkt gehört er? Welche Zielgruppe soll ihn nutzen? Welche Version ist aktuell? In dokument- oder contentzentrierten Umgebungen war das ein enormer Fortschritt gegenüber unstrukturierten Ablagen, weil ein Dokument, ein Topic oder ein Datenobjekt dadurch genau beschrieben, kategorisiert und so besser verwaltbar wurde. Klassische Metadatenmodelle können zu einem gewissen Grad auch Beziehungen abbilden, behandeln sie aber eher als Attribute oder systemgebundene Referenzen. Dadurch bleiben Bedeutung, Beziehungstyp und Kontext oft implizit.
Explizites Beziehungswissen ist aber enorm wichtig, denn Nutzerinnen und Nutzer suchen häufig nicht nach einem isolierten Inhalt, sondern nach einer Antwort in einem bestimmten Zusammenhang. Eine Servicetechnikerin will nicht irgendeine Anleitung finden, sondern die passende Information zur konkreten Maschine, vor der sie steht, zur verbauten Komponente, zur Fehlermeldung, zur Softwareversion und zur Handlung, die sie jetzt ausführen muss. Ein Produktmanager braucht nicht nur Produktdaten, sondern die Verbindung zwischen Funktionen, Varianten, Märkten, Normen, Dokumentation und Servicefällen. Und für eine KI müssen Beziehungen sogar noch klarer sein. Denn während Menschen auch implizite Zusammenhänge und Regeln schnell erfassen können, simuliert eine KI dieses Verständnis nur. Damit KI Kontext versteht, muss dieser explizit formuliert sein.
Nehmen wir ein scheinbar einfaches Attribut wie „Industry“. Was bedeutet dieses Feld? Die Branche des Kunden? Der Zielmarkt eines Produkts? Die Branche, für die ein Marketing-Asset relevant ist? Oder die organisatorische Zuordnung innerhalb eines Unternehmens? Für einen Menschen lässt sich diese Bedeutung häufig aus dem jeweiligen System oder Interface ableiten. Für eine KI ist sie jedoch keineswegs selbstverständlich.
Informationsarchitektur entwickelt sich deshalb von der Beschreibung und Organisation einzelner Informationsobjekte hin zu einer expliziteren Modellierung ihrer Beziehungen und Bedeutungszusammenhänge. Damit verschiebt sich auch die zentrale Aufgabe in diesem Berufsfeld. Es gilt heute Wissensräume so zu modellieren, dass Beziehungen maschinenlesbar, überprüfbar und für Anwendungen nutzbar werden. Ein Werkzeug dafür sind Knowledge Graphs.
Knowledge Graphs machen Informationsarchitektur anwendungsfähig
Ein Knowledge Graph verbindet Informationen als Netzwerk aus Objekten und Beziehungen. Er beschreibt nicht nur, dass ein Inhalt bestimmte Eigenschaften hat, sondern wie Inhalte, Produkte, Komponenten, Funktionen, Prozesse, Rollen, Märkte, Normen und Nutzungssituationen miteinander zusammenhängen. Ein Knowledge Graph kann so beispielsweise sichtbar machen, dass ein bestimmtes Content-Modul nicht einfach zum Produkt A gehört, sondern für eine konkrete Produktvariante, eine bestimmte Firmware-Version, eine definierte Zielgruppe und einen bestimmten Prozessschritt relevant ist.
Für Information Architects ist das besonders wichtig, weil ein Knowledge Graph bestehende Strukturierungsarbeit nicht ersetzt. Er baut darauf auf. Taxonomien, Ontologien, kontrollierte Vokabulare, Metadatenmodelle und modulare Content-Strukturen werden nicht obsolet. Sie werden in einen größeren Zusammenhang gestellt und für konkrete Anwendungen nutzbarer gemacht.
Diese Nutzbarkeit zeigt sich überall dort, wo Inhalte nicht mehr nur gespeichert, sondern intelligent ausgespielt werden sollen wie in der semantischen Suche, in Content-Delivery-Portalen, KI-basierten Assistenzsystemen, Self-Service-Angeboten oder technischen Supportprozessen. Kurz: In allen Systemen, die kontextabhängig entscheiden müssen, welche Information relevant, gültig und vertrauenswürdig ist.
KI verschärft die Schwächen flacher Informationsmodelle
Wie bereits angedeutet, macht die aktuelle KI-Diskussion die Grenzen klassischer Metadatenmodelle besonders deutlich. Viele Unternehmen möchten ihre vorhandenen Inhalte für Chatbots, Suchassistenten oder generative KI-Anwendungen nutzen. In der Praxis merken sie aber ziemlich schnell, dass ihr großer Dokumentenbestand noch längst keine gute Wissensbasis ist. KI-Antworten sind teilweise fachlich unscharf, manchmal sogar vollkommen falsch. In diesen Halluzinationen (von KI erfundene Antworten) liegt darüber hinaus eine große Gefahr, weil die Antworten meistens sprachlich sehr überzeugend klingen. Selbst wenn sie auf Unternehmenswissen zugreifen können, beantworten Nicht-symbolische KIs wie Large Language Models (LLMs) Fragen auf Grundlage von Wahrscheinlichkeiten. Man könnte auch sagen, Sie raten einfach. Die wahrscheinlichste Antwort gewinnt.
Knowledge Graphs können hier eine wichtige Rolle übernehmen, um die Antwortqualität zu verbessern und Halluzinationen zu vermeiden. Sie geben KI-Anwendungen einen strukturierten fachlichen Kontext und ermöglichen so kontextualisierte Informationsnutzung. KI muss dann nicht ausschließlich aus Textfragmenten ableiten, was zusammengehört. Sie kann auf ein explizites Netzwerk aus Beziehungen zugreifen.
Für Information Architects entsteht dadurch eine neue strategische Relevanz. Ihre Arbeit wird zur Voraussetzung dafür, dass KI im Unternehmen nicht nur beeindruckende Demos produziert, sondern belastbare Ergebnisse liefern kann. Gute Prompts und leistungsfähige Modelle bringen gar nichts, wenn der Wissensraum dahinter nicht ausreichend strukturiert ist.
Gestaltung von Wissensräumen als neue Perspektive
Das bedeutet nicht, dass jede Organisation sofort einen umfassenden Enterprise Knowledge Graph benötigt. Der sinnvollere Einstieg liegt oft in einem konkreten Informationsraum, in dem die Grenzen heutiger Metadatenmodelle deutlich spürbar sind: technische Dokumentation, Servicewissen, Produktinformationen, Supportfälle, Ersatzteilinformationen oder regulatorisch relevante Inhalte wie der digitale Produktpass.
Information Architects übernehmen hier eine Rolle, die weit über Ordnung und Klassifikation hinausgeht. Sie gestalten die Bedingungen, unter denen Unternehmenswissen nutzbar wird. Sie entscheiden mit, ob Inhalte lediglich verwaltet oder in digitale Prozesse, KI-Systeme und Serviceangebote eingebunden werden können. Metadaten bleiben dafür ein wichtiger Baustein, allein reichen sie dafür aber nicht mehr. Das Zielbild ist ein Informationsraum, in dem Wissen nicht nur beschrieben, sondern verbunden ist.
Sandy Hedig
Marketing Manager | PANTOPIX
Wir informieren Sie gerne regelmäßig über neue Artikel, Videos oder Podcast-Folgen.
Knowledge
Erfahren Sie mehr über das Vernetzen von Informationen
