AI & Analytics

Data-ontologie: de ontbrekende contextlaag voor AI-agents

Databricks Blog
Data-ontologie: de ontbrekende contextlaag voor AI-agents

Samenvatting

Data-ontologie geeft AI-agents bedrijfscontext die schema’s, tabellen en dashboards niet zelfstandig leveren.

Data-ontologie en Genie Ontology

AI-agents missen de menselijke analist die normaal definities, relaties en uitzonderingen aan data koppelt. Een schema beschrijft de structuur van tabellen en velden; een data-ontologie beschrijft wat die elementen binnen een bedrijf betekenen.

Richard Tomlinson licht in de Databricks Blog toe waarom die contextlaag nodig is. Databricks verwerkt dit idee in Genie Ontology: een model dat een beperkte set bedrijfsconcepten vastlegt die niet verkeerd mogen worden geïnterpreteerd en de rest leert uit de manier waarop een organisatie al werkt.

Data-ontologie naast semantic layers en knowledge graphs

Een bedrijf kan hetzelfde begrip op meerdere manieren gebruiken. Revenue kan bijvoorbeeld per afdeling een andere definitie hebben, terwijl elke definitie binnen de eigen context klopt. Een menselijke analist vangt die verschillen doorgaans op; een AI-agent krijgt die kennis niet automatisch uit tabellen, catalogi of dashboards.

Semantic layers en knowledge graphs probeerden eerder betekenis aan data toe te voegen. Volgens Databricks strandden zulke initiatieven vaak omdat teams een volledig bedrijfsmodel handmatig moesten onderhouden. De voorgestelde aanpak legt daarom niet elk detail vooraf vast, maar koppelt technische assets aan bedrijfsconcepten, definities, berekeningen, gezaghebbende bronnen, expertise en toegangsrechten.

Data-ontologie als werklaag voor AI-agents

Breng eerst de begrippen in kaart die rapportages en agenttaken sturen. Leg per begrip de toegestane definitie, bron, berekening en rechten vast. Test daarna of een agent dezelfde uitleg geeft bij termen met meerdere betekenissen, zoals revenue of active customer.

Behandel de ontologie niet als een eenmalig documentatieproject. Controleer welke context al in queries, rapportages en werkprocessen zit en gebruik die informatie om de betekenislaag gericht bij te werken.

Lees het volledige artikel
Meer over AI & Analytics →