Современные системы прогнозирования предлагают широкий спектр инструментов в зависимости от объекта прогнозирования и среды его окружения. Часто в основе таких систем используются прогнозирование временных рядов или машинное обучение.

Для систем моделирования характерно либо замена существующего объекта на моделируемый и размещение его в условия новой среды, либо моделирование по открытому количеству параметров, когда мы не знаем всех свойств объекта моделирования либо это полностью теоретический объект. Решение всех перечисленных ситуаций возможно, если задать определенные ситуационные правила. Причем важна возможность менять эти правила в зависимости от текущего прогноза/модели.

С такого рода задачами хорошо справляются онтологии с семантическим подходом к их формированию. Они позволяют статически задать сущности, таким образом зафиксировав количество участвующих в прогнозе/модели факторов, и менять логические правила отношений между сущностями. При этом предполагается, что существует определенный базовый набор сущностей и правил, который создается заранее и не меняется.

Это так называемый фундамент, который определяет границы использования будущих моделей/прогнозов и на основе которого строятся будущие модели/прогнозы.

Также существенным преимуществом использования онтологий является доказуемость всех результатов, которые они выдают и множество поисков, в том числе по неявным, не прямым связям (поиск вокруг).