Ontologien: Warum KI ein festes Begriffssystem braucht

Zwischen Aussonderung und Absonderung liegt für ein Sprachmodell kaum ein Unterschied: zwei ähnliche Wörter, die in denselben Zusammenhängen vorkommen. Im Verfahren liegen dazwischen zwei verschiedene Rechtsfolgen. Wer ein Aussonderungsrecht hat, macht geltend, dass ein Gegenstand gar nicht zur Insolvenzmasse gehört; wer ein Absonderungsrecht hat, wird aus dem Verwertungserlös eines Massegegenstands vorrangig befriedigt. Ein Modell, das nur das wahrscheinlichste nächste Wort wählt, trifft diesen Unterschied oft. Verlassen kann man sich darauf nicht. Rechtsbegriffe sind nicht wahrscheinlich, sie sind definiert. Für die Schicht, die solche Definitionen für eine Maschine verbindlich macht, hat die Informatik einen Namen: Ontologie.

Was eine Ontologie ist

Die Idee ist älter als jeder Computer. Aristoteles ordnete das, was es gibt, in oberste Kategorien.[1] Die Informatik hat den Begriff übernommen und präzisiert. Die bis heute maßgebliche Definition stammt von Thomas Gruber: Eine Ontologie ist die explizite Spezifikation einer Konzeptualisierung.[2] Praktisch heißt das: Man legt fest, welche Dinge es in einem Fachgebiet gibt, welche Eigenschaften sie haben, welche Beziehungen zwischen ihnen gelten und welche nicht.

Juristen kennen dieses Prinzip aus der eigenen Praxis. Das Grundbuch beschreibt nicht, was über ein Grundstück gesagt wird; es legt fest, was gilt. Es hat feste Abteilungen, definierte Eintragsarten und geregelte Beziehungen zwischen Eigentum und Belastung. Niemand trägt eine Grundschuld in Abteilung I ein. Eine Ontologie überträgt diese Ordnung auf ein ganzes Fachgebiet: ein verbindliches Verzeichnis dessen, was es gibt und was gelten kann.

Im Netz sind solche Begriffssysteme längst Alltag. Hinter der Wikipedia liegt mit Wikidata ein zentraler Speicher für strukturierte Daten: eine frei zugängliche Wissensdatenbank mit über 120 Millionen Einträgen, die Menschen und Maschinen gleichermaßen lesen und bearbeiten können.[3] Suchmaschinen verstehen Webseiten über das gemeinsame Vokabular von schema.org, das auf über 45 Millionen Domains im Einsatz ist.[4] Für die formale Seite gibt es Normen: Der W3C-Standard OWL beschreibt Ontologien mit definierter Bedeutung, sein Schwesterstandard SHACL prüft Daten dagegen und meldet jeden Verstoß.[5]

Was das mit Sprachmodellen zu tun hat, zeigt ein Vergleich mit dem Schachspiel. Wer tausend Partien gesehen hat, weiß, welcher Zug wahrscheinlich kommt. Die Schachregeln bestimmen, welcher Zug erlaubt ist. Ein Zug, der in tausend Partien vorkam, kann auf diesem Brett verboten sein. Ein Sprachmodell schlägt vor, was wahrscheinlich ist. Eine Ontologie legt fest, was zulässig ist.

Das Insolvenzrecht ist bereits ein Begriffssystem

Für die Insolvenzverwaltung muss niemand ein Begriffssystem erfinden. Die Insolvenzordnung definiert ihre Begriffe selbst: wer Insolvenzgläubiger ist (§ 38), wer aussondern kann und damit gerade keiner ist (§ 47), welche Angaben zu einer Forderungsanmeldung gehören und dass sie in eine Tabelle wandern (§§ 174, 175).[6] Jeder dieser Begriffe hat eigene Rechtsfolgen. Eine Forderung, die in der falschen Klasse landet, ist nicht ungefähr richtig. Sie ist falsch.

Der Verfahrensalltag reicht weiter als das Gesetz. Ein Verfahren ist ein kleines Universum aus Dingen: Konten, Mietverträge, Fahrzeuge, Versicherungen, Arbeitsverhältnisse, Fristen, Schriftwechsel. Auch sie haben Arten, Eigenschaften und Beziehungen. Ein Konto gehört dem Schuldner. Eine Frist hängt an einem Termin. Ein Schreiben gehört zu einem Vorgang. Wer morgens den Posteingang sortiert, betreibt deshalb Ontologie im Kleinen: Er ordnet jedes Schriftstück seiner Art und seinem Verfahren zu und merkt sofort, wenn eines nirgends hineinpasst. Jeder Haushalt kennt eine schwächere Form davon: den Ordner mit den Registern „Versicherung“, „Steuer“, „Auto“, daneben der Stapel, für den es noch kein Register gibt.

Die Justiz arbeitet mit ihrem Begriffssystem längst maschinenlesbar: Der Standard XJustiz legt fest, wie Verfahrensdaten im elektronischen Rechtsverkehr aufgebaut sind, mit einem eigenen Fachmodul für Insolvenzsachen.[7] Das Bundesgesetzblatt trägt auf recht.bund.de stabile Fundstellen nach dem europäischen ELI-Standard (European Legislation Identifier).[8] Begriffssysteme für das Recht sind also keine Theorie; der Staat pflegt sie bereits.

Beziehungen sind Begriffe

Eine Überweisung von 20.000 Euro kurz vor dem Insolvenzantrag ist nicht gleich einer Überweisung von 20.000 Euro. Geht sie an einen fremden Lieferanten, ist sie zunächst ein Geschäftsvorfall. Geht sie an die Schwester des Geschäftsführers, stellt das Gesetz andere Fragen. Nicht der Betrag macht den Unterschied, sondern die Beziehung.

Deshalb definiert das Insolvenzrecht auch Beziehungen wörtlich. § 138 InsO bestimmt, wer dem Schuldner als „nahestehende Person“ gilt, darunter Ehegatten, Verwandte, Personen in häuslicher Gemeinschaft und wer „zu mehr als einem Viertel“ am Kapital beteiligt ist. Selbst die Zeit gehört zur Definition: Eine Ehe zählt auch dann, wenn sie „im letzten Jahr vor der Handlung aufgelöst worden ist“.[9] Die Anfechtungsregeln knüpfen daran feste Fristen und Vermutungen.[10] Ob eine Zahlung anfechtbar ist, hängt damit an Wegen durch ein Geflecht: Wer hat wann an wen geleistet, und in welcher Beziehung standen die Beteiligten? Die Antwort steckt selten in einem einzelnen Dokument, sondern in Gesellschafterlisten, Beteiligungsketten und Kontobewegungen. Die Finanzwelt erfasst solche Strukturen längst als Daten: Im weltweiten LEI-System melden Unternehmen, wem sie gehören.[11] Wie sich das Geflecht eines Verfahrens abbilden und abfragen lässt, ist Thema eines eigenen Beitrags.

Wahrscheinlich ist nicht zulässig

Wie sich eine Prüfschicht anfühlt, weiß jeder, der schon einmal ein Formular im Netz ausgefüllt hat: In das Feld für das Geburtsdatum lässt sich kein Text tippen, und wer sich bei der IBAN um eine Stelle vertippt, bekommt eine rote Meldung, bevor die Überweisung das Haus verlässt. Das Formular rät nicht, was gemeint war. Es prüft, was zulässig ist.

Bei einem Sprachmodell genügt es nicht, die Regeln in den Prompt zu schreiben. Ein Prompt ist eine Bitte, keine Prüfung. Das Modell bleibt ein statistisches System; es kann die Regel im nächsten Satz beachten und im übernächsten verfehlen. Verlässlich wird die Regel erst, wenn sie außerhalb des Modells liegt und jede Ausgabe gegen sie geprüft wird. Kanzleien kennen diese Arbeitsteilung seit jeher: Ein Entwurf mag flüssig klingen und meistens stimmen; hinaus geht er erst nach der Gegenzeichnung. Die Prüfschicht ist die Gegenzeichnung für die Maschine. In der KI-Forschung ist diese Verbindung ein etablierter Zweig: Die Neurosymbolik verbindet lernende neuronale Netze mit symbolischer Repräsentation und logischem Schließen.[12] Auch die Kopplung von Sprachmodellen an strukturierte Wissensgraphen gilt als Weg, deren bekannte Schwäche auszugleichen: Sprachmodelle greifen auf Faktenwissen unzuverlässig zu, strukturierte Wissensmodelle speichern es explizit.[13]

Was eine solche Prüfschicht im Verfahren konkret fängt, ist unspektakulär und wertvoll: die Forderung, die bereits in der Tabelle steht und ein zweites Mal angemeldet wird. Die Masseverbindlichkeit, die als Insolvenzforderung eingeordnet wurde. Die Forderung, die als festgestellt geführt wird, obwohl der Prüfungstermin noch aussteht. Keiner dieser Fehler klingt falsch. Dagegen hilft keine bessere Formulierung, sondern nur eine Festlegung, gegen die geprüft wird.

Im Beitrag über die Grenzen der KI in der Insolvenzverwaltung standen zwei Grenzen: Ein Sprachmodell erfindet Angaben, deshalb braucht jeder Wert einen Beleg. Es rechnet nicht, deshalb laufen Berechnungen in geprüftem Code. Das Begriffssystem benennt die dritte: Ein Sprachmodell darf nicht rechtlich einordnen.

Was daraus für Zenzy folgt

Zenzy baut auf diesem Prinzip auf: Zwei Ebenen stehen, die dritte entsteht. Jeder übernommene Wert trägt einen Quellenbeleg; findet das System keine Quelle, enthält es sich, und der Mensch entscheidet über jede Übernahme. Berechnungen führt kein Sprachmodell aus. Für die rechtliche Einordnung entsteht derzeit die dritte Ebene: Einordnungen folgen menschlich freigegebenen, versionierten Regeln mit Beleg ins Gesetz — nicht der freien Ausgabe eines Sprachmodells. Diese Regelebene ist in Entwicklung.

Eine KI, die in einem fristgebundenen Verfahren Bestand haben soll, braucht beides: ein Modell, das liest, und ein Begriffssystem, das prüft. Das Insolvenzrecht liefert das Begriffssystem längst mit. Software muss es nur ernst nehmen.

Quellen

Alle URLs am 12. August 2026 live geprüft.

1. Stanford Encyclopedia of Philosophy, „Aristotle’s Categories“ (rev. 2021) — Aristoteles’ Lehre der obersten Kategorien als klassischer Ursprung der Frage, was es gibt: https://plato.stanford.edu/entries/aristotle-categories/
2. Thomas R. Gruber, „A Translation Approach to Portable Ontology Specifications“, Knowledge Acquisition 5(2), 1993 — „An ontology is an explicit specification of a conceptualization“: https://tomgruber.org/writing/ontolingua-kaj-1993.pdf · präzisiert in: Gruber, „Ontology“, Encyclopedia of Database Systems, Springer 2009 (Klassen, Eigenschaften, Beziehungen samt Constraints): https://tomgruber.org/writing/definition-of-ontology/
3. Wikidata — „a free and open knowledge base that can be read and edited by both humans and machines“; „central storage for the structured data of its Wikimedia sister projects including Wikipedia“; über 120 Millionen Dateneinträge (Stand August 2026): https://www.wikidata.org/wiki/Wikidata:Main_Page
4. schema.org — gemeinsames Vokabular für strukturierte Daten, gegründet von Google, Microsoft, Yahoo und Yandex; nach eigenen Angaben (Stand 2024) auf über 45 Millionen Domains im Einsatz: https://schema.org/
5. W3C, „OWL 2 Web Ontology Language Document Overview (Second Edition)“, Recommendation vom 11. Dezember 2012 — „an ontology language … with formally defined meaning”: https://www.w3.org/TR/owl2-overview/ · W3C, „Shapes Constraint Language (SHACL)“, Recommendation vom 20. Juli 2017 — „a language for validating RDF graphs against a set of conditions”: https://www.w3.org/TR/shacl/
6. § 38 InsO (Begriff der Insolvenzgläubiger), § 47 InsO (Aussonderung), § 174 InsO (Anmeldung der Forderungen), § 175 InsO (Tabelle): https://www.gesetze-im-internet.de/inso/__38.html · https://www.gesetze-im-internet.de/inso/__47.html · https://www.gesetze-im-internet.de/inso/__174.html · https://www.gesetze-im-internet.de/inso/__175.html
7. XJustiz — Standard für den strukturierten Austausch von Verfahrensdaten im elektronischen Rechtsverkehr (Bund-Länder-Kommission für Informationstechnik in der Justiz), mit Fachmodul für Insolvenzsachen: https://xjustiz.justiz.de/
8. EUR-Lex, „About ELI“ und ELI-Register Deutschland (Säule 1 umgesetzt, Bundesamt für Justiz); Beispiel einer ELI-Fundstelle im Bundesgesetzblatt: https://eur-lex.europa.eu/eli-register/about.html · https://eur-lex.europa.eu/eli-register/germany.html · https://www.recht.bund.de/bgbl/1/2024/225/VO
9. § 138 InsO (Nahestehende Personen): https://www.gesetze-im-internet.de/inso/__138.html
10. §§ 129–133 InsO (Insolvenzanfechtung: Grundsatz, kongruente und inkongruente Deckung, unmittelbar nachteilige Rechtshandlungen, vorsätzliche Benachteiligung): https://www.gesetze-im-internet.de/inso/__129.html · https://www.gesetze-im-internet.de/inso/__130.html · https://www.gesetze-im-internet.de/inso/__131.html · https://www.gesetze-im-internet.de/inso/__132.html · https://www.gesetze-im-internet.de/inso/__133.html
11. GLEIF, „Level 2 Data: Who Owns Whom“ — Rechtsträger melden „direct accounting consolidating parent“ und „ultimate accounting consolidating parent“; GLEIF ist „backed by the G20 and the Financial Stability Board“: https://www.gleif.org/en/lei-data/access-and-use-lei-data/level-2-data-who-owns-whom
12. Artur d’Avila Garcez, Luís C. Lamb, „Neurosymbolic AI: The 3rd Wave“, Artificial Intelligence Review 56 (2023), zuerst arXiv:2012.05876 — Verbindung von neuronalem Lernen mit symbolischer Repräsentation und logischem Schließen: https://arxiv.org/abs/2012.05876
13. Shirui Pan u. a., „Unifying Large Language Models and Knowledge Graphs: A Roadmap“, IEEE Transactions on Knowledge and Data Engineering, 2024, arXiv:2306.08302 — „LLMs are black-box models, which often fall short of capturing and accessing factual knowledge“: https://arxiv.org/abs/2306.08302

Weitere Beiträge dieser Reihe: „Was KI in der Insolvenzverwaltung heute leisten kann — und was nicht“ · „Warum Zenzy offene Modelle selbst betreibt“