--- title: "Semantica Test 2026: Audit Trails für KI-Agenten" canonical: https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/ language: de description: "Semantica-Test für regulierte KI-Agenten: Provenienz, PROV-O, Policy-Gates, Self-Hosting, Sicherheitsgrenzen und Pilot-Scorecard." image: "https://wavect.io/img/blog/headers/header_semantica-ai-agent-decision-provenance.png" --- [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 14 Min Lesezeit · 14. August 2026 Zuletzt geprüft 14. August 2026 [**Weiter**](/de/blog/cloudflare-kitesurf-browser-ai-agents/) # Semantica im Test 2026: Erklärt es jede Entscheidung eines KI-Agenten? TL;DR Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform. Sie ergänzt einen bestehenden Agenten-Stack um Context Graph, eigenständige Entscheidungsobjekte, kausale Verknüpfungen, Policy-Prüfungen und Provenienzexporte. Deterministische Graphabfragen und Regeln können aus denselben gespeicherten Eingaben dieselbe Erklärung ableiten. Sie beweisen aber nicht, dass extrahierte Fakten oder eine vom Agenten formulierte Begründung korrekt waren. Version 0.6.5 vom 11. August 2026 schloss kritische Authentifizierungs- und Injection-Lücken. Pinne daher mindestens diese Version und prüfe die Sicherheit selbst. Semantica ist ein glaubwürdiger Pilot für wiederkehrende, folgenreiche Entscheidungen mit Nachweis- und Präzedenzpflicht. Für risikoarme Chats, einfache Abläufe oder Teams ohne Entscheidungsschema, Aufbewahrungsregeln und verantwortliche Prüfer ist es zu aufwendig. **Semantica verdient einen kontrollierten Pilot, wenn ein KI-Agent wiederholt folgenreiche Entscheidungen trifft und ein Prüfer Monate später Nachweise, Policy und Kausalkette rekonstruieren muss.** Das System speichert Entscheidungen als Graphobjekte, nicht nur als Logzeilen oder flüchtigen Modellkontext. Das ist eine andere Aufgabe als gewöhnliches Vektorgedächtnis. Unser kommerzielles Urteil ist an Bedingungen geknüpft. Die Software steht unter MIT-Lizenz. Ein prüfbarer Betrieb braucht trotzdem Zugriffskontrollen, Aufbewahrungsregeln, Manipulationsnachweise, getestete Policies und einen verantwortlichen menschlichen Prüfer. Wir haben das öffentliche [Semantica-Repository samt Dokumentation](https://github.com/semantica-agi/semantica) am 14. August 2026 geprüft. Das ist evidenzbasierte Kaufberatung, kein gesponserter Beitrag, keine Rechtsberatung und kein praktischer Penetrationstest. Dieser Artikel beantwortet die Produktfrage: Solltest du Semantica für die Entscheidungsprovenienz von KI-Agenten pilotieren? Für die breitere Architekturwahl zwischen Workflow-Graph, Experiment-DAG, SQL, Vektor-RAG und Knowledge Graph lies unseren [Leitfaden zu Graph Engineering für KI-Agenten](/de/blog/graph-engineering-ai-agents/). So macht ein Tool-Test nicht aus jedem Graphproblem dieselbe Kaufentscheidung. ## Was ist Semantica? **Semantica ist eine selbst hostbare Python-Plattform für Context Graphs, Knowledge Graphs, deterministische Regeln und Entscheidungsprovenienz.** Sie ergänzt dein bestehendes LLM, deinen Vektorspeicher und dein Agenten-Framework. Du musst die Orchestrierung nicht ersetzen, um Entscheidungen zu speichern, mit Ursachen zu verbinden, frühere Fälle als Präzedenz zu suchen oder Provenienz zu exportieren. | Öffentlicher Fakt, geprüft am 14. August 2026 | Bedeutung für Käufer | | --- | --- | | MIT-Lizenz | Keine Lizenzgebühr für kommerzielle Nutzung, aber auch keine Garantie oder Implementierungsleistung. | | Python-Paket und Self-Hosting | Der Graph kann in deiner Infrastruktur bleiben, wenn auch alle konfigurierten Extraktions- und Modellpfade dort bleiben. | | Entscheidungsobjekte, Kausalbeziehungen und Präzedenzsuche | Eine Entscheidung wird zu abfragbaren Geschäftsdaten statt zu einer flüchtigen Spur. | | Forward Chaining, Rete, Datalog und SPARQL | Regeln und Graphabfragen lassen sich wiederholen, ohne eine Erklärung vom LLM erfinden zu lassen. | | W3C PROV-O, RDF, JSON-LD und weitere Exporte | Die Spur kann in standardbasierte Evidenz- und Graphprozesse fließen. | | Databricks, Snowflake, MCP, REST, CLI und Editor-Integrationen | Ein Pilot passt an den bestehenden Stack, doch jeder Connector erweitert die Sicherheitsprüfung. | ## Warum reichen Embeddings und Logs nicht? Ein Vektorspeicher beantwortet eine Ähnlichkeitsfrage: Welche Passagen ähneln dieser Suchanfrage? Ein Trace beantwortet eine Ausführungsfrage: Welcher Prompt, welches Modell oder welcher Tool-Aufruf lief? Ein Entscheidungsdatensatz muss eine schwierigere Geschäftsfrage beantworten: Welche Evidenz und Policy führten zum Ergebnis, welche Alternativen schieden aus, wer gab frei und was geschah danach? Diese Ebenen ergänzen einander. Nutze Vektorsuche für unscharfe Wiederfindung und OpenTelemetry-artige Traces für Laufzeit, Fehler und Tool-Aufrufe. Ergänze einen Entscheidungsgraph nur dort, wo die Beziehung zwischen Evidenz, Policy, Entscheidung und Folge auch nach dem ursprünglichen Lauf durchsuchbar bleiben muss. | Ebene | Welche Frage beantwortet sie? | Was beweist sie nicht? | | --- | --- | --- | | Vektorgedächtnis | Welcher Kontext ist semantisch ähnlich? | Welche konkreten Fakten die Entscheidung verursachten | | Agenten-Trace | Was lief in welcher Reihenfolge und wie lange? | Warum eine Policy das Ergebnis erlaubte | | Policy Engine | Erfüllten strukturierte Eingaben eine versionierte Regel? | Ob diese Eingaben vollständig und korrekt waren | | Provenienzgraph | Welche Nachweise, Akteure, Regeln und Präzedenzfälle hängen am Ergebnis? | Dass die gespeicherte Evidenz die Realität korrekt abbildet | ## Wie zeichnet Semantica eine Agentenentscheidung auf? Die zentrale API speichert Kategorie, Szenario, Begründungstext, Ergebnis, Konfidenz und optionale Metadaten. Weitere Beziehungen markieren eine Entscheidung als Ursache, Einfluss oder Präzedenz einer anderen. Teams können vorgelagerte Ursachen verfolgen, nachgelagerte Auswirkungen prüfen, ähnliche Entscheidungen suchen und vor der Freigabe Policy-Regeln anwenden. Bei einem Kreditprozess könnte der Graph den Antragssnapshot, den verifizierten Einkommensnachweis, die Policy-Version, Risikoklasse, Modellversion, menschliche Prüfung und finale Ablehnungsmitteilung verbinden. Sechs Monate später sollte ein Prüfer vom Ergebnis zu den exakt versionierten Eingaben zurückgehen können, statt mit dem aktuellen Modell eine plausible Geschichte neu zu erzeugen. 1. **Entscheidungsgrenze festlegen.** Definiere, wann Analyse zu Empfehlung, Freigabe, Ablehnung oder Aktion wird. 2. **Versionierte Evidenz erfassen.** Speichere stabile Datensatz-IDs, Quellversionen, Gültigkeitszeit, Berechtigungsumfang und Prüfsummen statt unkontrollierter Textkopien. 3. **Policy anhängen.** Halte Regelwerksversion, passende Regel, ausgeschlossene Alternativen, Ausnahme und menschlichen Override fest. 4. **Folgen verbinden.** Verknüpfe die Entscheidung mit Mitteilung, Transaktion, Fall oder Folgeentscheidung. 5. **Rekonstruktion testen.** Ein unabhängiger Prüfer muss den Pfad ohne das ursprüngliche Kontextfenster reproduzieren. ## Ist die Begründung von Semantica wirklich deterministisch? **Graphabfragen und symbolische Regelmaschinen können deterministisch sein, obwohl der gesamte KI-Workflow es nicht ist.** Bei identischem Graph, Regelwerk und Query kann eine Forward-Chain oder Kausalsuche denselben Pfad ohne LLM liefern. Die Erklärung wird dann aus gespeicherten Beziehungen abgeleitet und nicht neu generiert. Die Grenze ist entscheidend. Entitätsextraktion kann Muster, ML-Modelle oder LLMs nutzen. Auch der ursprüngliche Wert im Feld `reasoning` kann vom Agenten stammen. Deterministische Abfrage repariert keine falsche Quelle, veraltete Beziehung, verzerrte Policy oder erfundene Begründung. Prüfe deshalb Wiederholbarkeit der Abfrage, Treue der gespeicherten Eingaben und fachliche Gültigkeit der Regel getrennt. ## Macht PROV-O ein System compliant? Nein. Die [W3C-Empfehlung PROV-O](https://www.w3.org/TR/prov-o/) liefert interoperable Begriffe für Entitäten, Aktivitäten und Akteure. Sie kann ausdrücken, welche Aktivität eine Entität nutzte oder erzeugte und wer dafür verantwortlich war. Das ist ein nützliches Evidenzschema, aber kein Compliance-Zertifikat, keine Aufbewahrungsregel, keine Zugriffskontrolle und keine Annahmegarantie eines Regulators. Die rechtliche Pflicht hängt vom Anwendungsfall ab. Der [EU AI Act](https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng) verlangt für Hochrisiko-KI unter Artikel 12 die technische Möglichkeit zur automatischen Ereignisprotokollierung. Artikel 86 gibt betroffenen Personen bei bestimmten Einzelentscheidungen ein begrenztes Recht auf eine klare und aussagekräftige Erklärung. Ein Provenienzgraph kann Evidenz dafür sammeln. Der Betreiber muss trotzdem Klassifizierung, Rollen, Aufbewahrung, menschliche Aufsicht und die Erklärung an die Person bestimmen. Bei Krediten sind die US-Vorgaben noch konkreter. Das [CFPB-Rundschreiben zu komplexen Kreditmodellen](https://www.consumerfinance.gov/compliance/circulars/circular-2022-03-adverse-action-notification-requirements-in-connection-with-credit-decisions-based-on-complex-algorithms/) verlangt konkrete und korrekte Hauptgründe für eine nachteilige Entscheidung. Ein zu komplexes Modell ist keine Entschuldigung. Ein gespeicherter Kausalpfad hilft nur, wenn seine Gründe den tatsächlich berücksichtigten Faktoren entsprechen. Der [NIST AI RMF Core](https://airc.nist.gov/airmf-resources/airmf/5-sec-core/) behandelt Dokumentation ebenfalls als Unterstützung für Transparenz, menschliche Prüfung und Verantwortlichkeit. Das ist der richtige Beschaffungsrahmen: Semantica kann die Evidenzschicht innerhalb eines Governance-Systems sein, aber nicht das ganze Governance-System. ## Kann Semantica regulierte Daten in deiner Infrastruktur halten? Semantica lässt sich selbst hosten. Native Databricks- und Snowflake-Connectoren können verwaltete Daten dort lesen, wo dein Team sie bereits kontrolliert. Das reduziert einen zusätzlichen SaaS-Export. Es bedeutet nicht automatisch, dass keine Daten deine Umgebung verlassen. Dokumentiere vor der Freigabe den vollständigen Pfad: Parser, Embedding-Modelle, LLM-basierte Extraktion, Vektorspeicher, Graph-Backends, MCP-Clients, REST-Nutzer, Backups und Telemetrie. Ist ein konfigurierter Anbieter remote, können relevante Eingaben diese Grenze überschreiten. Teste Tenant-Isolation und Berechtigungen beim Abruf, nicht nur bei der Aufnahme. ## Was müssen Sicherheitsteams über Version 0.6.5 wissen? Das aktuelle [Semantica-Sicherheitsrelease 0.6.5](https://github.com/semantica-agi/semantica/releases/tag/v0.6.5) vom 11. August 2026 schloss sechs extern gemeldete Schwachstellen. Die Release Notes nennen fehlende Authentifizierung auf Explorer-API-Routen sowie kritische Cypher- und SPARQL-Injection-Pfade. Dazu kamen Fixes für RCE, XXE, Denial of Service und ReDoS. Die schnelle Reaktion zeigt aktive Wartung. Die Befunde machen aber eine eigene Sicherheitsprüfung für jeden folgenreichen Pilot zwingend. 1. **Pinne 0.6.5 oder neuer.** Blockiere ältere Versionen in Deployment und Software-Composition-Checks. 2. **Halte den Explorer privat.** Setze Authentifizierung, Autorisierung, Rate Limits und Netzwerkregeln vor jede API-Fläche und prüfe sie unabhängig. 3. **Behandle Graphlabels als nicht vertrauenswürdig.** Fuzze dokumentbasierte Entitätstypen, Relationstypen, IRIs und Property-Namen gegen das gewählte Backend. 4. **Trenne Evidenz und Darstellung.** Bewahre einen append-only oder manipulationssicheren Nachweis außerhalb der Oberfläche auf, die ein Agent verändern kann. 5. **Plane für 0.x-Änderungen.** Pinne Abhängigkeiten, prüfe Migrationen und wiederhole den Rekonstruktionstest vor Upgrades. ## Semantica im Vergleich zu RAG, Observability und Policy-as-Code | Wenn dein Hauptbedarf ist | Starte mit | Ergänze Semantica, wenn | | --- | --- | --- | | Fragen aus Dokumenten beantworten | Berechtigungsbewusstes RAG mit Zitaten | Antworten dauerhafte Mehrschritt-Fakten, Konflikte und Entscheidungshistorie brauchen | | Agentenläufe debuggen | Tracing, Logs und Evaluationen | Prüfer Präzedenz und Kausalität über mehrere Läufe rekonstruieren müssen | | Unsichere Aktionen blockieren | Schmale Policy Engine an der Tool-Grenze | Policies, Evidenz, Overrides und Folgen zusammen abfragbar bleiben müssen | | Unternehmenskontrollen verwalten | GRC- und Records-Management-Systeme | Agentenentscheidungen strukturiert in diese Systeme fließen sollen | | Verbundene Betriebsfakten modellieren | SQL oder Knowledge Graph je nach Query | Entscheidungen selbst eigenständige kausal verknüpfte Objekte werden | ## Wer sollte Semantica pilotieren, und wer sollte verzichten? | Situation | Urteil | Grund | | --- | --- | --- | | Wiederholte Kredit-, Anspruchs-, Berechtigungs- oder Routingentscheidungen | Pilot im Shadow Mode | Dieselben Evidenz- und Policy-Fragen erzeugen echte Prüfkosten. | | Mehrere Agenten brauchen eine versionierte Entscheidungshistorie | Pilot | Präzedenz und Kausalbeziehungen können über Workflows hinweg Wert sammeln. | | Risikoarmer Chatbot oder einmalige Dokumentfrage | Verzichten | Traces und zitierte Suche sind günstiger und leichter zu betreiben. | | Kein stabiles Entscheidungsschema oder kein Policy Owner | Erst Governance klären | Ein Graph formalisiert Unklarheit, entfernt sie aber nicht. | | Das Team erwartet automatische Rechtskonformität | Nicht mit dieser Annahme kaufen | PROV-O ist ein Evidenzformat, keine rechtliche Freigabe. | ## Was kostet eine Open-Source-Entscheidungsspur wirklich? Die Lizenz ist kostenlos. Die Betriebsfähigkeit ist es nicht. Plane Ontologie- und Policy-Design, Quellanbindung, Identitätsauflösung, Berechtigungen, Speicherung, Aufbewahrung, Schwärzung, Manipulationsnachweis, Evaluationen, Sicherheitstests, Prüferwerkzeuge und Incident Response ein. Databricks- oder Snowflake-Anbindung spart einen Integrationsschritt, nicht die Arbeit an Datenqualität und Zugriffsschutz. Die kommerzielle Kennzahl ist nicht die Knotenzahl. Miss Prüferminuten pro Entscheidung, Anteil materieller Faktoren mit Quellnachweis, Zeit zur Incident-Rekonstruktion, False Positives und False Negatives der Policy-Gates, Nutzbarkeit des Exports und Kosten der Aktualisierung. ## Wie sollte ein zweiwöchiger Semantica-Pilot ablaufen? 1. **Wähle eine folgenreiche Entscheidung.** Arbeite im Shadow Mode mit 30 bis 50 historischen Fällen. Beginne nicht mit automatischer Freigabe. 2. **Definiere zuerst die notwendige Erklärung.** Compliance, Betrieb und Engineering einigen sich auf materielle Faktoren, Evidenz, Policy-Version, Overrides und Aufbewahrung. 3. **Erfasse die Baseline.** Miss, wie lange bestehende Logs, Datenbank und Mitarbeitende für die Rekonstruktion brauchen. 4. **Pinne und isoliere den Stack.** Nutze mindestens 0.6.5, privaten Netzwerkzugang, Testdaten und so wenige Connectoren wie möglich. 5. **Teste adversariale Fälle.** Nutze fehlende Evidenz, widersprüchliche Fakten, alte Policies, fremde Tenants, schädliche Labels, menschliche Overrides und gelöschte Quellen. 6. **Setze eine Abbruchregel.** Stoppe, wenn weniger als 95 Prozent der materiellen Faktoren rekonstruierbar sind, irgendein Tenant-Übergriff gelingt oder der Prüfaufwand die Wartungskosten nicht rechtfertigt. Besteht der Pilot, kann Wavects [AI-Enablement-Team](/de/services/ai-enablement/) die Entscheidungsschicht mit Berechtigungen, Evaluationen und Produktionsabläufen verbinden. Nutze unsere [Checkliste für Agenten-Evaluation und Sandbox-Sicherheit](/de/blog/ai-agent-eval-sandbox-security-checklist/), lies die [Twinsoft-AI-Fallstudie](/de/case-studies/twinsoft-ai/), vergleiche den [Leitfaden zur Technologieauswahl](/de/software-development-guide/how-to-choose-a-tech-stack-for-mvp/) oder [buche einen Workshop zur Entscheidungsprovenienz](/de/contact/). ## Häufig gestellte Fragen ### Was ist Semantica? Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform für Context Graphs, Knowledge Graphs, deterministische Begründung und eigenständige KI-Entscheidungsdatensätze. Sie stellt Funktionen über Python, MCP, REST und CLI bereit. ### Ist Semantica ein Framework für KI-Agenten? Nicht primär. Es ist eine Verantwortlichkeits- und Kontextschicht für ein bestehendes LLM, einen Vektorspeicher und ein Agenten-Framework. Teams können Entscheidungs- und Provenienzfunktionen nutzen, ohne die Orchestrierung zu ersetzen. ### Ist Semanticas Begründung deterministisch? Symbolische Regeln und Graphabfragen können bei denselben gespeicherten Fakten und Regeln deterministisch sein. Der Gesamtprozess kann trotzdem probabilistische Extraktion oder agentengenerierte Begründungen enthalten. Wiederholbarkeit garantiert daher keine korrekten Eingaben. ### Macht ein PROV-O-Export Semantica compliant? Nein. PROV-O stellt ein interoperables Provenienzmodell bereit. Compliance braucht außerdem korrekte Klassifizierung, Zugriffsschutz, Aufbewahrung, menschliche Aufsicht, Evidenzqualität und eine rechtlich passende Erklärung. ### Ersetzt Semantica eine Vektordatenbank oder Observability-Plattform? Nein. Vektorsuche bleibt für semantische Wiederfindung nützlich, Tracing für Ausführung und Performance. Semantica ergänzt abfragbare Entscheidungs-, Kausal- und Provenienzbeziehungen, wenn diese dauerhaft Wert haben. ### Kann Semantica Daten in unserer Infrastruktur halten? Es lässt sich selbst hosten und an Databricks sowie Snowflake anbinden. Prüfe trotzdem jeden Parser-, Embedding-, LLM-, MCP-, API-, Graph-, Backup- und Telemetriepfad, bevor du behauptest, dass keine Daten die Umgebung verlassen. ### Wie sollte ein reguliertes Team Semantica bewerten? Nutze historische Fälle im Shadow Mode und bewerte Evidenzvollständigkeit, Kausalrekonstruktion, Policy-Genauigkeit, Tenant-Isolation, Manipulationsschutz, Prüfaufwand und Exportnutzung. Pinne mindestens Version 0.6.5 und verlange unabhängige Sicherheits- und Rechtsprüfung. ## Fazit Semantica adressiert eine echte Lücke zwischen Agenten-Observability und verantwortbaren Entscheidungen. Eigenständige Entscheidungsdatensätze, Kausalgraph, Policy-Prüfungen und standardbasierte Provenienz machen die Open-Source-Plattform zu einem glaubwürdigen Pilotkandidaten, wenn dein Team erklären muss, warum ein Agent gehandelt hat. Das ehrliche Urteil lautet nicht: installieren und compliant sein. Deterministische Pfade sind nur so belastbar wie die darunter gespeicherten Fakten, Policies und Kontrollen. Pinne das sicherheitsbereinigte Release, starte mit einem Shadow Workflow und behalte Semantica nur, wenn ein unabhängiger Prüfer schneller und zuverlässiger zu einer quellenbasierten Erklärung kommt. ## Das könnte dich auch interessieren.. [**Graph Engineering für KI-Agenten** Entscheide, wann Workflow-Graph, Experiment-DAG, Vektorspeicher, SQL-Modell oder Knowledge Graph seine Betriebskosten verdient.](/de/blog/graph-engineering-ai-agents/) [**AI Enablement vs allgemeine KI-Beratung** Vergleiche einen Implementierungspilot in deiner Infrastruktur mit einem reinen Strategieprojekt.](/de/compare/ai-enablement-vs-generic-ai-consultancy/) AI-Governance und Regulierung ## In diesem Cluster weiterlesen Security, Richtlinien, Compliance und Betriebskontrollen für verantwortungsvolle AI-Nutzung. [Mit dem Grundlagenartikel starten**EU AI Act Kosten für ein 5-Personen-Startup**](/de/blog/eu-ai-act-compliance-cost-startup/) - [KI-Agenten und eIDAS: QES-Integration für Verträge](/de/blog/ai-agent-eidas-signature-integration/) - [Terafab: Wer kontrolliert den KI-Stack vom Silizium bis zum Orbit?](/de/blog/terafab-vertical-integration-ai-stack/) - [Kann KI Viren erschaffen? Was Stanford wirklich beweist](/de/blog/ai-designed-viruses-stanford-biosecurity/) - [Stripe Billing und die E-Rechnung 2027](/de/blog/stripe-billing-e-invoicing-2027/) - [AI Act Artikel 50 Checkliste für SaaS und KI-Agenten](/de/blog/eu-ai-act-article-50-checklist/) Postfach, ohne Lärm ## Folge der Arbeit, die für dich zählt Du bekommst eine kurze E-Mail, wenn wir etwas Neues veröffentlichen. Folge dem ganzen Blog oder nur den Themen, die dich interessieren. [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 14 Min Lesezeit · 14. August 2026 Zuletzt geprüft 14. August 2026 [**Weiter**](/de/blog/cloudflare-kitesurf-browser-ai-agents/) Neue Beiträge per E-Mail × × Neue Beiträge per E-Mail Eine kurze E-Mail, wenn wir etwas veröffentlichen. Kostenlos, ohne Tracking. ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/#webpage", "@type": "WebPage", "dateModified": "2026-08-14", "inLanguage": "de", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-14", "url": "https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform. Sie ergänzt einen bestehenden Agenten-Stack um Context Graph, eigenständige Entscheidungsobjekte, kausale Verknüpfungen, Policy-Prüfungen und Provenienzexporte. Deterministische Graphabfragen und Regeln können aus denselben gespeicherten Eingaben dieselbe Erklärung ableiten. Sie beweisen aber nicht, dass extrahierte Fakten oder eine vom Agenten formulierte Begründung korrekt waren. Version 0.6.5 vom 11. August 2026 schloss kritische Authentifizierungs- und Injection-Lücken. Pinne daher mindestens diese Version und prüfe die Sicherheit selbst. Semantica ist ein glaubwürdiger Pilot für wiederkehrende, folgenreiche Entscheidungen mit Nachweis- und Präzedenzpflicht. Für risikoarme Chats, einfache Abläufe oder Teams ohne Entscheidungsschema, Aufbewahrungsregeln und verantwortliche Prüfer ist es zu aufwendig.", "articleBody": " Blog-Übersicht/Business und Regulierung/AI-Governance und Regulierung Semantica im Test 2026: Erklärt es jede Entscheidung eines KI-Agenten? TL;DR Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform. Sie ergänzt einen bestehenden Agenten-Stack um Context Graph, eigenständige Entscheidungsobjekte, kausale Verknüpfungen, Policy-Prüfungen und Provenienzexporte. Deterministische Graphabfragen und Regeln können aus denselben gespeicherten Eingaben dieselbe Erklärung ableiten. Sie beweisen aber nicht, dass extrahierte Fakten oder eine vom Agenten formulierte Begründung korrekt waren. Version 0.6.5 vom 11. August 2026 schloss kritische Authentifizierungs- und Injection-Lücken. Pinne daher mindestens diese Version und prüfe die Sicherheit selbst. Semantica ist ein glaubwürdiger Pilot für wiederkehrende, folgenreiche Entscheidungen mit Nachweis- und Präzedenzpflicht. Für risikoarme Chats, einfache Abläufe oder Teams ohne Entscheidungsschema, Aufbewahrungsregeln und verantwortliche Prüfer ist es zu aufwendig. Semantica verdient einen kontrollierten Pilot, wenn ein KI-Agent wiederholt folgenreiche Entscheidungen trifft und ein Prüfer Monate später Nachweise, Policy und Kausalkette rekonstruieren muss. Das System speichert Entscheidungen als Graphobjekte, nicht nur als Logzeilen oder flüchtigen Modellkontext. Das ist eine andere Aufgabe als gewöhnliches Vektorgedächtnis. Unser kommerzielles Urteil ist an Bedingungen geknüpft. Die Software steht unter MIT-Lizenz. Ein prüfbarer Betrieb braucht trotzdem Zugriffskontrollen, Aufbewahrungsregeln, Manipulationsnachweise, getestete Policies und einen verantwortlichen menschlichen Prüfer. Wir haben das öffentliche Semantica-Repository samt Dokumentation am 14. August 2026 geprüft. Das ist evidenzbasierte Kaufberatung, kein gesponserter Beitrag, keine Rechtsberatung und kein praktischer Penetrationstest. Dieser Artikel beantwortet die Produktfrage: Solltest du Semantica für die Entscheidungsprovenienz von KI-Agenten pilotieren? Für die breitere Architekturwahl zwischen Workflow-Graph, Experiment-DAG, SQL, Vektor-RAG und Knowledge Graph lies unseren Leitfaden zu Graph Engineering für KI-Agenten. So macht ein Tool-Test nicht aus jedem Graphproblem dieselbe Kaufentscheidung. Was ist Semantica? Semantica ist eine selbst hostbare Python-Plattform für Context Graphs, Knowledge Graphs, deterministische Regeln und Entscheidungsprovenienz. Sie ergänzt dein bestehendes LLM, deinen Vektorspeicher und dein Agenten-Framework. Du musst die Orchestrierung nicht ersetzen, um Entscheidungen zu speichern, mit Ursachen zu verbinden, frühere Fälle als Präzedenz zu suchen oder Provenienz zu exportieren. Öffentlicher Fakt, geprüft am 14. August 2026Bedeutung für Käufer MIT-LizenzKeine Lizenzgebühr für kommerzielle Nutzung, aber auch keine Garantie oder Implementierungsleistung. Python-Paket und Self-HostingDer Graph kann in deiner Infrastruktur bleiben, wenn auch alle konfigurierten Extraktions- und Modellpfade dort bleiben. Entscheidungsobjekte, Kausalbeziehungen und PräzedenzsucheEine Entscheidung wird zu abfragbaren Geschäftsdaten statt zu einer flüchtigen Spur. Forward Chaining, Rete, Datalog und SPARQLRegeln und Graphabfragen lassen sich wiederholen, ohne eine Erklärung vom LLM erfinden zu lassen. W3C PROV-O, RDF, JSON-LD und weitere ExporteDie Spur kann in standardbasierte Evidenz- und Graphprozesse fließen. Databricks, Snowflake, MCP, REST, CLI und Editor-IntegrationenEin Pilot passt an den bestehenden Stack, doch jeder Connector erweitert die Sicherheitsprüfung. Warum reichen Embeddings und Logs nicht? Ein Vektorspeicher beantwortet eine Ähnlichkeitsfrage: Welche Passagen ähneln dieser Suchanfrage? Ein Trace beantwortet eine Ausführungsfrage: Welcher Prompt, welches Modell oder welcher Tool-Aufruf lief? Ein Entscheidungsdatensatz muss eine schwierigere Geschäftsfrage beantworten: Welche Evidenz und Policy führten zum Ergebnis, welche Alternativen schieden aus, wer gab frei und was geschah danach? Diese Ebenen ergänzen einander. Nutze Vektorsuche für unscharfe Wiederfindung und OpenTelemetry-artige Traces für Laufzeit, Fehler und Tool-Aufrufe. Ergänze einen Entscheidungsgraph nur dort, wo die Beziehung zwischen Evidenz, Policy, Entscheidung und Folge auch nach dem ursprünglichen Lauf durchsuchbar bleiben muss. EbeneWelche Frage beantwortet sie?Was beweist sie nicht? VektorgedächtnisWelcher Kontext ist semantisch ähnlich?Welche konkreten Fakten die Entscheidung verursachten Agenten-TraceWas lief in welcher Reihenfolge und wie lange?Warum eine Policy das Ergebnis erlaubte Policy EngineErfüllten strukturierte Eingaben eine versionierte Regel?Ob diese Eingaben vollständig und korrekt waren ProvenienzgraphWelche Nachweise, Akteure, Regeln und Präzedenzfälle hängen am Ergebnis?Dass die gespeicherte Evidenz die Realität korrekt abbildet Wie zeichnet Semantica eine Agentenentscheidung auf? Die zentrale API speichert Kategorie, Szenario, Begründungstext, Ergebnis, Konfidenz und", "articleSection": "KI-Governance", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "Semantica-Repository samt Dokumentation", "url": "https://github.com/semantica-agi/semantica" }, { "@type": "WebPage", "name": "W3C-Empfehlung PROV-O", "url": "https://www.w3.org/TR/prov-o/" }, { "@type": "WebPage", "name": "EU AI Act", "url": "https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng" }, { "@type": "WebPage", "name": "CFPB-Rundschreiben zu komplexen Kreditmodellen", "url": "https://www.consumerfinance.gov/compliance/circulars/circular-2022-03-adverse-action-notification-requirements-in-connection-with-credit-decisions-based-on-complex-algorithms/" }, { "@type": "WebPage", "name": "NIST AI RMF Core", "url": "https://airc.nist.gov/airmf-resources/airmf/5-sec-core/" }, { "@type": "WebPage", "name": "Semantica-Sicherheitsrelease 0.6.5", "url": "https://github.com/semantica-agi/semantica/releases/tag/v0.6.5" } ], "dateModified": "2026-08-14", "datePublished": "2026-08-14", "description": "Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform. Sie ergänzt einen bestehenden Agenten-Stack um Context Graph, eigenständige Entscheidungsobjekte, kausale Verknüpfungen, Policy-Prüfungen und Provenienzexporte. Deterministische Graphabfragen und Regeln können aus denselben gespeicherten Eingaben dieselbe Erklärung ableiten. Sie beweisen aber nicht, dass extrahierte Fakten oder eine vom Agenten formulierte Begründung korrekt waren. Version 0.6.5 vom 11. August 2026 schloss kritische Authentifizierungs- und Injection-Lücken. Pinne daher mindestens diese Version und prüfe die Sicherheit selbst. Semantica ist ein glaubwürdiger Pilot für wiederkehrende, folgenreiche Entscheidungen mit Nachweis- und Präzedenzpflicht. Für risikoarme Chats, einfache Abläufe oder Teams ohne Entscheidungsschema, Aufbewahrungsregeln und verantwortliche Prüfer ist es zu aufwendig.", "headline": "Semantica im Test 2026: Erklärt es jede Entscheidung eines KI-Agenten?", "image": "https://wavect.io/img/blog/headers/header_semantica-ai-agent-decision-provenance.svg", "inLanguage": "de", "keywords": "KI-Governance, KI-Agenten", "mainEntityOfPage": { "@id": "https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/", "wordCount": 2173 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/de/", "name": "Startseite", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/overview/", "name": "Blog-Übersicht", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/topics/business-regulation/", "name": "Business und Regulierung", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/clusters/ai-governance/", "name": "AI-Governance und Regulierung", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/semantica-ai-agent-decision-provenance/", "name": "Semantica Test 2026: Audit Trails für KI-Agenten | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Semantica ist eine MIT-lizenzierte, selbst hostbare Python-Plattform für Context Graphs, Knowledge Graphs, deterministische Begründung und eigenständige KI-Entscheidungsdatensätze. Sie stellt Funktionen über Python, MCP, REST und CLI bereit." }, "name": "Was ist Semantica?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nicht primär. Es ist eine Verantwortlichkeits- und Kontextschicht für ein bestehendes LLM, einen Vektorspeicher und ein Agenten-Framework. Teams können Entscheidungs- und Provenienzfunktionen nutzen, ohne die Orchestrierung zu ersetzen." }, "name": "Ist Semantica ein Framework für KI-Agenten?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Symbolische Regeln und Graphabfragen können bei denselben gespeicherten Fakten und Regeln deterministisch sein. Der Gesamtprozess kann trotzdem probabilistische Extraktion oder agentengenerierte Begründungen enthalten. Wiederholbarkeit garantiert daher keine korrekten Eingaben." }, "name": "Ist Semanticas Begründung deterministisch?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nein. PROV-O stellt ein interoperables Provenienzmodell bereit. Compliance braucht außerdem korrekte Klassifizierung, Zugriffsschutz, Aufbewahrung, menschliche Aufsicht, Evidenzqualität und eine rechtlich passende Erklärung." }, "name": "Macht ein PROV-O-Export Semantica compliant?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nein. Vektorsuche bleibt für semantische Wiederfindung nützlich, Tracing für Ausführung und Performance. Semantica ergänzt abfragbare Entscheidungs-, Kausal- und Provenienzbeziehungen, wenn diese dauerhaft Wert haben." }, "name": "Ersetzt Semantica eine Vektordatenbank oder Observability-Plattform?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Es lässt sich selbst hosten und an Databricks sowie Snowflake anbinden. Prüfe trotzdem jeden Parser-, Embedding-, LLM-, MCP-, API-, Graph-, Backup- und Telemetriepfad, bevor du behauptest, dass keine Daten die Umgebung verlassen." }, "name": "Kann Semantica Daten in unserer Infrastruktur halten?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nutze historische Fälle im Shadow Mode und bewerte Evidenzvollständigkeit, Kausalrekonstruktion, Policy-Genauigkeit, Tenant-Isolation, Manipulationsschutz, Prüfaufwand und Exportnutzung. Pinne mindestens Version 0.6.5 und verlange unabhängige Sicherheits- und Rechtsprüfung." }, "name": "Wie sollte ein reguliertes Team Semantica bewerten?" } ] } ```