Was ist Open Ontologies?
Open Ontologies ist eine Kommandozeilen-Engine und ein MCP-Server für Teams, die eine produktive Ontologie pflegen. Eine Ontologie ist ein formales Vokabular für ein Fachgebiet, geschrieben in den W3C-Standards RDF und OWL (oder SKOS für Taxonomien und Thesauri): Sie legt fest, was ein Supplier, eine Jurisdiction oder eine Diagnosis ist und wie sie zusammenhängen, damit Software und Reasoner daraus Schlüsse ziehen können. Knowledge-Graph- und Data-Governance-Teams pflegen diese Dateien, und eine einzeilige Änderung kann Tausende nachgelagerte Schlussfolgerungen verändern.
Die Engine behandelt eine Ontologie-Änderung so, wie Terraform Infrastruktur behandelt: eine vorgeschlagene Turtle-Datei gegen den Store planen, Blast Radius und Risikobewertung lesen, anwenden, auf Drift achten und zurückrollen. Ihr Reasoner kann außerdem ein Ableitungszertifikat schreiben, das ein separater, in Lean 4 als korrekt bewiesener Checker ohne die Engine und ohne Netzwerk erneut prüft. Sie kommt als ein einzelnes Binary mit eingebettetem Oxigraph-Triple-Store und SQLite für den Zustand, dazu ein Docker-Image auf GHCR, eine reine Python-Engine (open-ontologies-lite 0.5.0 auf PyPI) und ein Desktop-Studio.
Fabio Rovai pflegt das Projekt bei Tesseract Semantics, einer britischen Firma, die eine gehostete Plattform und Enterprise-Projekte auf Basis der Engine verkauft. Das Repository wurde am 9. März 2026 angelegt, steht unter MIT-Lizenz, hat rund 2.600 GitHub-Sterne und 287 Forks und veröffentlichte v2.1.0 am 23. Oktober 2026. Das README nennt den MCP-Registry-Namen io.github.fabio-rovai/open-ontologies, doch eine Suche in der offiziellen Registry am 31. Oktober 2026 ergab keinen Eintrag.
Lohnt sich Open Ontologies?
Open Ontologies beantwortet eine Frage, die die meisten Ontologie-Werkzeuge dem Code-Review überlassen: Was bewirkt diese Änderung eigentlich? Ein Text-Diff für ein einzelnes hinzugefügtes rdfs:domain-Tripel ist eine Zeile lang. Das README plant genau diese Änderung und meldet keine hinzugefügten und keine entfernten Klassen sowie einen Blast Radius von null Tripeln; die Konservativitätsprüfung findet danach 901 neue Folgerungen in 0,04 Sekunden, weil jedes Individuum, das diese Property nutzt, gerade einen neuen Typ bekommen hat. Diese zweite Zahl ist der Grund, sich das Werkzeug anzusehen.
Der Plan-Schritt ist der Terraform-Teil. Das vorgeschlagene Turtle ist der vollständige Sollzustand, also wird alles gelöscht, was darin fehlt, und der Plan listet hinzugefügte und entfernte Klassen, Properties und Individuen, wie viele Tripel auf das Wegfallende verweisen (der Blast Radius), eine Risikobewertung niedrig, mittel oder hoch sowie einen Logik-Block, der neue Defekte oder eine durch die Änderung entstandene Inkonsistenz meldet. Gesperrte IRIs lassen sich nicht entfernen, die letzten 100 Pläne werden mit ID aufbewahrt, und SPARQL-Watcher können das nächste Apply blockieren oder automatisch zurückrollen. Eine Designentscheidung zählt für Pipelines: Apply liest die Risikobewertung nicht erneut, ein Plan mit hohem Risiko geht also durch, sofern deine CI ihn nicht stoppt oder ein Monitor ihn blockiert.
Der Beweis für den Prüfer ist weder eine Signatur noch eine Hash-Kette. Er ist ein Ableitungszertifikat: zwei tabulatorgetrennte Dateien, die behaupteten Tripel und eine Zeile je abgeleitetem Tripel mit Regel und Prämissen, dazu ein SHA-256-Digest der Behauptungen. Ein kleiner, in Lean 4 geschriebener Checker, dessen Korrektheit ein maschinell geprüftes Theorem ist, spielt jede Zeile nach und endet bei einer gefälschten Schlussfolgerung mit Exit-Code 1 und nennt die Regel. Das deckt die vorwärtsverkettenden Profile RDFS und OWL RL ab sowie Horn-Regeln, die du selbst lieferst und die ein schwächeres Urteilswort erhalten. Das OWL-DL-Tableau, das laut den Notizen zu v2.1.0 jetzt die 500 Subsumptionen von HermiT 1.4.3 auf der Pizza-Ontologie trifft, liefert Antworten ohne Zertifikat, und der Digest bindet einen Beweis an Bytes, nicht an den, der ihn erzeugt hat. Die Dokumentation sagt das alles deutlich.
Die KI sitzt außerhalb der Engine. Laut SECURITY.md steckt kein Modell darin und ein Standard-Build macht keine ausgehenden Aufrufe; ein Agent in Claude Code oder Cursor ist nur ein Aufrufer ihrer 124 onto_*-Tools, und der Quickstart zeigt Claude beim Entwerfen von OWL, das die Engine dann validiert und auswertet. Lese- und Schreib-Tools teilen sich eine Oberfläche: onto_apply, onto_rollback, onto_clear, onto_push und onto_reason (das Ableitungen standardmäßig in den Store schreibt) stehen neben query und lint, daher lohnt es sich, ein Tool-Profil wie validation oder governance zu setzen. Netzwerkzugriff kommt nur von Tools, die danach verlangen, vom 448 MB großen Modell-Download des Embeddings-Builds und vom Chat-Panel im Studio, das dein Gespräch an Anthropic oder einen OpenAI-kompatiblen Anbieter schickt.
Gegenüber den etablierten Werkzeugen ist es eher Ergänzung als Ersatz. Protégé, der kostenlose OWL-Editor aus Stanford, ist der Ort, an dem du die Klassenhierarchie zeichnest, und das README sagt das auch. Stardog und TopQuadrant verkaufen einen Server mit Governance, Connectors und Zugriffskontrolle; Open Ontologies hat einen eingebetteten Oxigraph-Store, erreicht andere Triple-Stores nur über SPARQL-Endpunkte und hält seinen Zustand in lokalem SQLite. Die Kanten sind die eines Projekts, das jünger als acht Monate ist und einen langen Schwanz an Forschungsfunktionen mitschleppt: Der Speicher liegt im Arbeitsspeicher, solange OPEN_ONTOLOGIES_STORAGE_MODE=persistent nicht gesetzt ist, sodass ein load mit einem separaten reason-Aufruf danach nichts zertifiziert, und die veröffentlichten Binaries lassen die Tools weg, die optionale Cargo-Features brauchen. Für ein Team, dessen eigentliches Problem der Nachweis ist, dass die Änderung vom letzten Dienstag getan hat, was im Ticket stand, rechtfertigt das Zertifikat den Aufwand: eine Datei, die ein Prüfer kontrollieren kann, ohne dem Anbieter, der Engine oder dem Modell zu vertrauen, das die Ontologie entworfen hat.
Wo es sich lohnt
Ein Knowledge-Graph-Engineer bei einer Bank, der eine Ontologie für Sanktionen und Lieferanten pflegt
Ontologie-Pull-Requests danach freigeben, was eine Änderung bedeutet, nicht nur nach ihrem Diff
In der CI open-ontologies batch mit load und plan gegen das vorgeschlagene Turtle ausführen, den Job bei hohem risk_score oder neuen Logik-Defekten scheitern lassen und das Zertifikatsverzeichnis mit dem Merge archivieren. Kostenlos; die CI muss ausdrücklich stoppen, weil Apply einen Plan mit hohem Risiko nicht von selbst ablehnt.
Eine Compliance-Verantwortliche, die sich auf eine externe Modellprüfung vorbereitet
Dem Prüfer Belege für abgeleitete Schlussfolgerungen geben, die er selbst nachprüfen kann
asserted.tsv, derivations.tsv und asserted.sha256 aus einem Lauf mit reason --certificate übergeben; der Prüfer baut den Lean-Checker mit lake build und führt oo-cert offline aus und erhält Exit-Code 0 oder die abgelehnte Zeile samt Regel. Unerfüllbarkeitsergebnisse aus OWL DL sind nicht abgedeckt und brauchen eine eigene Erklärung.
Ein Data Engineer bei einer Behörde, der Tabellen auf ein veröffentlichtes Vokabular abbildet
CSV- und XLSX-Register in validiertes RDF verwandeln und sehen, was bricht
Claude über den MCP-Server bitten, onto_map, onto_ingest und onto_shacl und danach onto_reason aufzurufen, mit ausgewähltem Tool-Profil validation. Der Import aus PostgreSQL und DuckDB braucht einen Build aus dem Quellcode mit den sql-Features.
Bevor du dich festlegst
- Einrichtung
- Das Release-Binary für macOS, Linux oder Windows herunterladen oder docker pull ghcr.io/fabio-rovai/open-ontologies:latest, open-ontologies init ausführen und open-ontologies serve in die Konfiguration des MCP-Clients eintragen; der Quickstart verspricht eine validierte, abfragbare Ontologie in unter 2 Minuten. Prüfer brauchen eine Lean-4-Toolchain oder das oo-cert-Binary, das nur für x86_64 Linux vorkompiliert ausgeliefert wird.
- Integrationen
- 124 MCP-Tools über stdio oder Streamable HTTP, auch als CLI-Unterbefehle verfügbar; liest und schreibt Turtle, N-Triples, RDF/XML, N-Quads und TriG und exportiert die OWL Functional Syntax; importiert CSV, JSON, NDJSON, XML, YAML, XLSX und Parquet sowie PostgreSQL und DuckDB in Builds aus dem Quellcode; holt Daten von entfernten SPARQL-Endpunkten und schiebt sie dorthin; ein Katalog mit 33 Standard-Ontologien.
- Daten und Datenschutz
- Standardmäßig bleibt alles lokal: Graphen in Oxigraph, Pläne, Versionen und Lineage in SQLite unter ~/.open-ontologies. Kein LLM und keine ausgehenden Aufrufe in einem Standard-Build; was ein Agent über die Tools liest, geht an den Modellanbieter dieses Agenten. serve-http bindet an 127.0.0.1 mit optionalem Bearer-Token und ohne TLS; auf 0.0.0.0 ohne Token bekommt jeder im Netzwerk vollen Lese- und Schreibzugriff. WASM-Plugins laufen im selben Prozess und sind über Fuel-Limits hinaus nicht abgeschottet.
- Kosten im großen Maßstab
- Die Engine ist kostenlos und läuft auf einem Laptop; Reasoning kostet CPU-Zeit, begrenzt durch ein Timeout pro Phase. Der Embeddings-Build bringt ein 448 MB großes ONNX-Modell mit. Die gehostete Plattform und der Support von Tesseract Semantics kosten auf Anfrage.
- Grenzen
- Der Speicher liegt im Arbeitsspeicher, solange OPEN_ONTOLOGIES_STORAGE_MODE=persistent nicht gesetzt ist; --data-dir ist ein Flag, keine Umgebungsvariable. Die veröffentlichten Binaries und das GHCR-Image lassen acht Tools weg, die die Features embeddings, plugins, postgres oder duckdb brauchen. Das DL-Tableau unterstützt SHIQ ohne Nominale, und Zertifikate binden an Bytes statt an die Historie eines Stores.
Was gut ist
- Pläne melden semantische Folgen, nicht nur ein Text-Diff
- Zertifikate lassen sich offline mit einem als korrekt bewiesenen Lean-Checker nachprüfen
- Ein Rust-Binary, keine JVM, kein LLM darin, keine Standard-Telemetrie
- Sperren, Watcher, automatisches Rollback und ein nur anhängbares Lineage-Log
Was nicht
- Apply ignoriert die Risikobewertung, sofern CI oder ein Monitor nicht eingreifen
- OWL-DL-Antworten tragen kein Zertifikat
- Speicher im Arbeitsspeicher als Standard überrascht CLI-Nutzer
- 124 Tools mischen Lesen und Schreiben; Profile nötig, um sie einzugrenzen
Am besten für
Knowledge-Graph-Teams, die eine produktive OWL- oder RDF-Ontologie regelmäßig ändern und einem Reviewer oder Prüfer zeigen müssen, was jede Änderung nach sich zog.
Open Ontologies: häufige Fragen
- Lohnt sich Open Ontologies?
- Open Ontologies bringt Pläne im Stil von Terraform und überprüfbare Beweise zu Ontologie-Änderungen und sagt ungewöhnlich ehrlich, wo seine Garantien enden. Wir bewerten es mit 4.1 von 5.
- Was kostet Open Ontologies?
- Kostenlos und Open Source (MIT). Tesseract Semantics verkauft eine gehostete Plattform und Enterprise-Support zu nicht veröffentlichten Preisen und bietet seinen nächsten zehn Enterprise-Teams eine kostenlose Evaluierung über einen Monat an.
- Welche Nachteile hat Open Ontologies?
- Apply ignoriert die Risikobewertung, sofern CI oder ein Monitor nicht eingreifen; OWL-DL-Antworten tragen kein Zertifikat; Speicher im Arbeitsspeicher als Standard überrascht CLI-Nutzer; 124 Tools mischen Lesen und Schreiben; Profile nötig, um sie einzugrenzen.
- Für wen eignet sich Open Ontologies?
- Knowledge-Graph-Teams, die eine produktive OWL- oder RDF-Ontologie regelmäßig ändern und einem Reviewer oder Prüfer zeigen müssen, was jede Änderung nach sich zog.
- Was kostet Open Ontologies für ein Team oder im Produktivbetrieb?
- Die Engine ist kostenlos und läuft auf einem Laptop; Reasoning kostet CPU-Zeit, begrenzt durch ein Timeout pro Phase. Der Embeddings-Build bringt ein 448 MB großes ONNX-Modell mit. Die gehostete Plattform und der Support von Tesseract Semantics kosten auf Anfrage.
- Ist Open Ontologies sicher für Firmendaten?
- Standardmäßig bleibt alles lokal: Graphen in Oxigraph, Pläne, Versionen und Lineage in SQLite unter ~/.open-ontologies. Kein LLM und keine ausgehenden Aufrufe in einem Standard-Build; was ein Agent über die Tools liest, geht an den Modellanbieter dieses Agenten. serve-http bindet an 127.0.0.1 mit optionalem Bearer-Token und ohne TLS; auf 0.0.0.0 ohne Token bekommt jeder im Netzwerk vollen Lese- und Schreibzugriff. WASM-Plugins laufen im selben Prozess und sind über Fuel-Limits hinaus nicht abgeschottet.
Antworten geprüft am 31. Okt. 2026.