Begriffsleitfaden, Plattform

Was ist ein Semantic Layer?

Autor: PureField
Veröffentlicht: 30. Oktober 2026
Aktualisiert: 30. Oktober 2026

Ein Semantic Layer ist die Ebene aus Definitionen, die Rohdaten in Geschäftssprache übersetzt. Welcher Datensatz als Kunde zählt, wie ein Angebot mit einem Gerät verknüpft ist und wie die Abschlussquote berechnet wird, steht hier einmal fest. Berichte und KI-Agenten beantworten Fragen mit diesen Definitionen, sodass ein Wort auf jedem Bildschirm dasselbe bedeutet.

Warum sprechen jetzt alle über Semantic Layers?

Weil KI-Agenten begonnen haben, Unternehmensdaten zu befragen, und ein Sprachmodell die Begriffe Ihres Unternehmens erst dann richtig verwendet, wenn sie für es definiert sind. Ist ein „aktiver Kunde“ einer, der in den letzten 90 Tagen bestellt hat, oder einer mit laufendem Wartungsvertrag? Gilt ein Angebot am Tag der Unterschrift als gewonnen oder wenn der Auftrag angelegt wird? Menschen klären solche Unterschiede in einer Besprechung; ein Agent arbeitet mit der Definition, die er bekommt. Fehlt sie, wählt er die wahrscheinlichste Lesart und kann an zwei Tagen zwei verschiedene Antworten auf dieselbe Frage geben.

Deshalb investieren große Softwareanbieter in Semantic Layers. Salesforce beschreibt Tableau Semantics als Ebene, die Ihre Daten in Ihre Geschäftssprache übersetzt, und stützt die Antworten seiner Agentforce-Agenten darauf. Das Analystenhaus ISG schreibt, dass semantische Modellierung Daten ihre geschäftliche Bedeutung gibt und den Kontext liefert, den BI und KI-Agenten brauchen.

Was definiert ein Semantic Layer?

Ein Semantic Layer definiert fünf Dinge: Datensatztypen, die Verknüpfungen zwischen Datensätzen, Kennzahlen, die eigenen Begriffe des Unternehmens und wer was sehen darf.

Definition	Was sie beschreibt	Beispiel aus einem Unternehmen, das Anlagen verkauft und wartet
Datensatztypen	Was jeder Datensatz ist und was seine Felder bedeuten	Anlagendatensatz: Seriennummer, Installationsdatum, Garantieende
Beziehungen	Wie Datensätze miteinander verbunden sind	Angebotsposition → Anlagendatensatz → Arbeitsauftrag → Servicebericht → Rechnung
Kennzahlen	Formel, Zeitraum und welche Datensätze zählen	Abschlussquote: angenommene Angebote / (angenommen + abgelehnt)
Firmenbegriffe	Die Wörter des Teams und ihre Synonyme	„Einheit“, „Maschine“ und „Gerät“ bezeichnen denselben Datensatztyp
Berechtigungen	Wer welche Datensätze und Kennzahlen sieht	Ein Techniker sieht seine eigenen Arbeitsaufträge, die Serviceleitung die ganze Region

Was passiert, wenn Definitionen verstreut sind?

Dieselbe Frage bekommt zwei verschiedene Antworten, und das Team streitet darüber, woher eine Zahl kommt, statt darüber, was sie bedeutet. Die Vertriebsleitung sieht im Dashboard eine Abschlussquote von 32 %, die Tabelle der Finanzabteilung sagt 27 %. Der Unterschied liegt in der Formel: Eine Seite hat abgelaufene Angebote in den Nenner gezählt, die andere nicht. Beide Zahlen stimmen für sich; das Problem ist, dass die Definition zweimal an zwei Orten geschrieben wurde. Stellen Sie einem KI-Agenten dieselbe Frage, muss er wählen, welche Definition er nimmt.

Ein Semantic Layer verlagert diesen Streit an einen Ort: Die Definition wird einmal geschrieben, und Dashboard, Bericht und Agent lesen sie.

Wo liegt ein Semantic Layer?

Ein Semantic Layer entsteht entweder über dem Data Warehouse, in dem Sie Ihre Daten sammeln, oder in der Geschäftssoftware, in der die Daten entstehen.

Über einem Data Warehouse	Dort, wo die Daten entstehen
Herkunft der Daten	Aus mehreren Programmen kopiert	Als Datensatz angelegt, wenn die Arbeit erledigt wird
Wann Definitionen entstehen	Nach dem Übertragen, in einem separaten Modellierungswerkzeug	Datensatztypen und Verknüpfungen kommen mit dem Datensatz; Firmenbegriffe und Kennzahlen werden ergänzt
Wessen Aufgabe	Data Engineers und Analysten	Das Team, das die Software einrichtet, und die Führungskräfte des Unternehmens
Aktuell halten	Das Modell wird für jedes neue Programm und Feld angepasst	Verknüpfungen bleiben aktuell, wenn sich Datensätze ändern
Passt zu	Vertrieb, Service und Finanzen in getrennten Programmen	Vertrieb, Service und Finanzen auf einer Plattform

Welche Variante passt, hängt davon ab, wo Ihre Daten entstehen. Läuft die Arbeit in zehn getrennten Programmen, bringt eine Ebene über dem Warehouse sie in eine Sprache. Läuft sie auf einer Plattform, ist der kürzeste Weg, die Bedeutung dort zu halten, wo der Datensatz entsteht: Sobald ein Angebot angenommen ist, steht fest, welche Geräte daraus wurden, und sobald ein Arbeitsauftrag eröffnet ist, zu welchem Gerät er gehört.

Wie nutzen KI-Agenten einen Semantic Layer?

Der Agent ordnet die Wörter einer Frage Definitionen zu, baut daraus die Abfrage und antwortet zusammen mit den Datensätzen, auf die er sich stützt. Bei „Bei welchen Kunden endet in diesem Quartal die Garantie von Geräten?“ läuft es so:

Der Agent ordnet „Geräte“ dem Anlagendatensatz zu, „Garantie endet“ dem Garantieende und „dieses Quartal“ einem Datumsbereich.
Er folgt der Verknüpfung vom Anlagendatensatz zum Kundendatensatz und gruppiert die Liste nach Kunden.
Für jeden Kunden prüft er den letzten Servicebericht und entwirft ein Angebot für einen Wartungsvertrag.
In der Antwort zeigt er, auf welche Datensätze er sich stützt; eine berechtigte Person gibt den Entwurf frei oder korrigiert ihn.

Mit den Definitionen geht der Agent diese Schritte jedes Mal in derselben Reihenfolge; auch wenn die Frage anders formuliert ist, führt derselbe Begriff zum selben Datensatz.

Wie funktioniert der Semantic Layer in PureField?

In PureField liegt der Semantic Layer dort, wo die Daten entstehen: Sobald ein Datensatz angelegt wird, stehen sein Typ, die Bedeutung seiner Felder und seine Verknüpfungen zu anderen Datensätzen fest.

Datensätze entstehen verknüpft. Angenommene Angebotspositionen werden zu Anlagendatensätzen mit Seriennummer; Arbeitsaufträge werden aus dem Anlagendatensatz eröffnet, Serviceberichte sind mit dem Arbeitsauftrag verknüpft, und die Rechnung entsteht aus dem abgeschlossenen Servicebericht.
Agenten lesen aus einem Datensatzkatalog. Copilot und digitale Mitarbeiter lesen aus einem Katalog, der Datensatztypen wie Kunde, Anlage, Angebot, Arbeitsauftrag und Rechnung mit ihren Feldbeschreibungen definiert. Fragen Sie nach einem Kunden, folgen sie den Verknüpfungen zu Angeboten, Anlagen, Service und Rechnungen über die Beziehungen in diesem Katalog.
Copilot kennt Ihre Geschäftssprache. Copilot wird der Kontext Ihres Geschäfts mitgegeben: ob Anlagen beim Kunden installierte Geräte oder Ihr eigener Bestand sind, was ein Arbeitsauftrag bei Ihnen bedeutet und nach welchen Regeln er antwortet. Copilot nutzt dieses Profil in jeder Antwort.
Zahlen stützen sich auf Datensätze. In der Managementbesprechung von Copilot sehen sich die Direktoren für Vertrieb, Finanzen und Service die Datensätze ihres Bereichs an; jede Zahl in der Antwort stützt sich auf einen Datensatz, und Beträge ohne Quelle werden markiert.
Sie bestimmen die Schreibregeln. Vollständige Pläne zum Anlegen und Aktualisieren werden direkt gespeichert; Löschungen, fehlende Felder und Inhalte aus externen Quellen gehen in die Freigabe.

Copilot und digitale Mitarbeiter laufen auf PAIOS (PureField AI Operating System). Was jeder Agent in welchem Modul tut, sehen Sie auf der Seite KI-Agenten.

Belege

Tableau Semantics: die Produktseite von Salesforce. Sie beschreibt den Semantic Layer als Ort, an dem Daten in Geschäftssprache übersetzt, Modelle einmal definiert und überall genutzt werden und Agentforce-Agenten ihre Antworten verankern. Quelle: tableau.com/products/tableau-semantics
ISG, Salesforce Adds Knowledge to Tableau for Agentic Analytics: Analyst Perspective von Matt Aslett vom 3. Juni 2026. Sie schreibt, dass semantische Modellierung Daten ihre geschäftliche Bedeutung gibt und den Kontext liefert, den BI und KI-Agenten brauchen. Quelle: research.isg-one.com

Testen Sie in einer PureField-Demo einen Copilot, der die Sprache Ihrer Datensätze spricht. Demo vereinbaren oder 7 Tage kostenlos testen.

Häufige Fragen

Ist ein Semantic Layer dasselbe wie ein Datenwörterbuch?

Ein Datenwörterbuch listet, was Felder bedeuten. Ein Semantic Layer macht aus diesen Definitionen Kennzahlen und Verknüpfungen zwischen Datensätzen, und Abfragen werden daraus gebaut. Ein Datenwörterbuch ist ein Dokument zum Lesen; ein Semantic Layer ist die Ebene, auf der Berichte und Agenten arbeiten.

Was unterscheidet einen Semantic Layer von einem Unternehmensgedächtnis?

Ein Semantic Layer beantwortet „Was bedeutet diese Zahl, und womit ist dieser Datensatz verknüpft?“. Ein Unternehmensgedächtnis beantwortet „Was tun wir in dieser Lage, und wer gibt frei?“. Ein KI-Agent nutzt beides: Zuerst liest er, was die Datensätze bedeuten, dann das Vorgehen des Unternehmens.

Braucht man ein Datenteam für einen Semantic Layer?

Entsteht die Ebene über einem Data Warehouse, braucht man meist Data Engineers und Analysten. Laufen Vertrieb, Service und Finanzen auf einer Plattform, kommen Datensatztypen und Verknüpfungen mit der Software, und firmenspezifische Begriffe und Kennzahlen werden gemeinsam mit Ihren Führungskräften ergänzt.

Verhindert ein Semantic Layer falsche Antworten der KI?

Er senkt das Risiko deutlich: Der Agent liest Begriffe aus Definitionen, statt zu raten, und geht bei derselben Frage jedes Mal denselben Weg. Zu prüfen, auf welchen Datensatz sich eine Antwort stützt, bleibt eine gute Gewohnheit; in PureField stützen sich die Zahlen von Copilot auf Datensätze, und Beträge ohne Quelle werden markiert.