Рассматривается задача автоматического формирования ответов на сложные наукометрические вопросы к базам знаний, заданные на естественном языке. Актуальность исследования обусловлена ограничениями современных больших язы-ковых моделей (LLM), которые, несмотря на высокую степень «понимания» вопросов, склонны генерировать неточные ответы и не всегда обладают актуальными сведения-ми в специализированных предметных областях. В то же время графы знаний обеспе-чивают точность и актуальность информации, однако требуют знания формальных языков запросов. В работе предложено решение на основе гибридной архитектуры, в которой LLM выполняет функцию интеллектуального интерфейса к онтологической базе знаний, преобразуя вопросы на естественном языке в корректные SPARQL-запросы, результаты выполнения которых возвращаются пользователю. Для решения задачи составлен специализированный корпус данных для обучения и тестирования NL-to-SPARQL моделей в области теории управления. Подход реализован на основе онтологии научной деятельности в области теории управления и апробирован на сформированном корпусе вопросов. Интеграция LLM с онтологической базой знаний позволила добиться высокой точности ответов (около 99%), что подтверждает пер-спективность предложенного подхода.