Der Prozess läuft in diversen Iterationsschritten ab, folgende Phasen sind dabei zu bedenken:

• Festlegung des Zwecks und der damit verbundenen Ausdrucksstärke der Ontologie
• Festlegung der zu beschreibenden Wissensbereiche
• Sichtung vorhandener, relevanter Ontologien bzw. Datenmodelle
• Auwahl geeigneter Werkzeuge und Technologien (Ontologie-Editoren, Triple Stores, ...)
• Aufbau 1: Begriffe und Konzepte sammeln und codieren
• Aufbau 2: Bildung von Taxonomien, Klassen, Assoziationstypen
• Aufbau 3: Vernetzung und Instanzenbildung
• Integration vorhandener Ontologien
• Ontologie visualisieren und diskutieren
• Evaluierung, Konsistenz-Checks
• Integration der Ontologie in bestehende Syteme
• Nutzung und laufende Erweiterung

Oder beides? Zwei unterschiedliche "Schulen" existieren zur Frage des Ontologie-Engineerings:

Die eine geht davon aus, dass Maschinen mit Hilfe von Dokumentbeständen und Künstlicher Intelligenz (Machine Learning) Ontologien automatisch erzeugen können bzw. aus ökonomischen Gründen dies sogar müssen.

Die andere meint, dass die Erstellung solcher komplexer Metastrukturen nur mit Hilfe eines intellektuellen Vorgangs manuell vollzogen werden kann.

Wir meinen: Die Vorteile beider Ansätze kombiniert führt zu den besten Resultaten. Ein große Rolle hierbei spielt die Integration von Text-Mining-Komponenten in Ontologie-Editoren und nicht zuletzt die Miteinbeziehung der Nutzer selbst - Stichwort: Social Tagging.