AI-modeller og platforme
Collate annoncerer Ontology Studio, der giver AI-agenter forretningskontekst

NøglepunkterOntology Studio mapper forretningsbegreber til datagodser, så agenter holder op med at…
Vis mere
- Ontology Studio mapper forretningsbegreber til datagodser, så agenter holder op med at gætte på kolonnernes betydning.
- Værktøjerne til vidensgrafen kører på en beta-projektion, som er deaktiveret som standard.
- Ontologier eksporteret i åbne formater forbliver genanvendelige aktiver, når virksomheder skifter AI-leverandør.
Collate, virksomheden bag OpenMetadata, har annonceret Ontology Studio, et arbejdsområde til at definere forretningsbegreber, knytte dem til virksomhedsdata og gøre betydningen tilgængelig for AI-agenter. Målet er at hjælpe agenter med at arbejde ud fra organisationens egne definitioner og relationer i stedet for at gætte på, hvad et tabel- eller kolonnenavn betyder.
Ontology Studio blev annonceret den 17. november og er en del af Collate 2.1. Generel tilgængelighed er planlagt til senere på måneden. Løsningen anvender åbne standarder, så virksomheder kan gennemgå og eksportere de forretningsmodeller, de opbygger, herunder tilknytninger til de dataaktiver, der implementerer modellerne.
Lanceringen adresserer et problem, som bedre sprogmodeller alene ikke kan løse: Et system kan finde et datasæt og skrive gyldig kode til det, men stadig misforstå, hvad virksomheden betragter som en aktiv kunde, et indregnet omsætningstal eller en bestemt type lån.
Hvad en ontologi tilfører en AI-agent
En ontologi beskriver begreber og deres relationer i en form, som software kan bruge. En ordliste kan definere »lån« i et afsnit. En ontologi kan også angive, at et lån har en hovedstol og en løbetid, tilhører en kunde og er knyttet til en konto gennem en navngiven relation.
Disse oplysninger giver en agent en struktureret vej til at besvare et spørgsmål. Forestil dig en agent, der bliver bedt om at analysere långivning: Før den forespørger en database, skal den identificere, hvilke dataaktiver der repræsenterer lån, hvordan kunder er knyttet til dem, og hvilke definitioner der gælder. En ontologi, der er knyttet til disse dataaktiver, kan levere den kontekst.
Ontology Studio giver teams mulighed for at definere begreber med egenskaber af bestemte typer og navngivne, retningsbestemte relationer og derefter gennemgå og offentliggøre versionsstyrede modeller. Begreber kan knyttes til tabeller, kolonner, dashboards og andre dataaktiver.
Det adskiller også forretningsmæssig betydning fra teknisk dataafstamning. Dataafstamning beskriver, hvordan data flyttes eller transformeres mellem systemer. En forretningsrelation beskriver, hvad dataene repræsenterer, f.eks. at et lån tilhører en kunde. Begge dele er nyttige for en agent, men de besvarer forskellige spørgsmål.
De åbne standarder bag modellen
Ontology Studio bygger på etableret teknologi fra det semantiske web i stedet for at kræve, at virksomheder udtrykker hele deres forretning i et proprietært format.
- OWL, sproget til webontologier, giver en formel måde at repræsentere klasser, egenskaber og relationer på, så softwaren får eksplicitte betydninger at arbejde med.
- SKOS, det enkle system til vidensorganisering, repræsenterer kontrollerede ordforråd og relationer såsom bredere, snævrere og beslægtede begreber.
- SPARQL er et forespørgselssprog til RDF-grafer, som gør det muligt for software at stille strukturerede spørgsmål om forbundne begreber og metadata.
Collate oplyser, at organisationer kan importere og eksportere ontologier i formater som OWL, Turtle, RDF/XML og JSON-LD, samtidig med at identifikatorer, definitioner og relationer bevares. Virksomheden fremhæver også, at datatilknytninger bevares, når modellen eksporteres.
Det er vigtigt, når en virksomhed skifter AI-leverandør eller dataplatform. Hvis forretningsmodellen opbevares i et format, der kan udveksles, får virksomheden et genanvendeligt aktiv i stedet for definitioner, der kun findes i én leverandørs brugerflade. Kompatible værktøjer skal stadig understøtte de relevante standarder og tilknytninger, for at modellen kan forblive nyttig efter et skifte.
Sådan får agenter adgang til vidensgrafen
Agenter tilgår ontologien via Collates Model Context Protocol-server. MCP tilbyder en fælles grænseflade, hvorigennem en AI-applikation kan finde og aktivere værktøjer. Her gør værktøjerne det muligt for en agent at beskrive ontologien, udforske relationer omkring en entitet og udføre SPARQL-forespørgsler, der kun læser data.
En vidensgraf organiserer begreber og metadata som indbyrdes forbundne entiteter. En grafforespørgsel kan hente flere relevante relationer på én gang, så en agent kan indsamle kontekst uden gentagne gange at forespørge om hvert tilstødende element separat. Den resulterende forespørgsel og relationssti kan også give en kontrollant noget konkret at undersøge bag et svar.
Meddelelsen sætter en vigtig grænse for denne funktionalitet: Værktøjerne bygger på Collates projektion af vidensgrafen, som er i betaversion og deaktiveret som standard. Teams skal aktivere og evaluere denne komponent for at bruge agentværktøjerne, der bygger på grafen.
Produktsiden forklarer, at denne projektion er en grafkopi af platformens metadata og ikke en erstatning for de underliggende forretningsdatabaser. Forespørgsler mod driftsdata udføres stadig dér, hvor dataene ligger, f.eks. i et datavarehus eller et eksisterende semantisk lag. Ontologien hjælper med at identificere de rigtige definitioner og dataaktiver.
Videreudvikling af OpenMetadata og eksisterende forretningsviden
Collate bygger på OpenMetadata, en open source-platform, der samler metadata såsom skemaer, ejerskab, klassifikationer, kvalitetsoplysninger og dataafstamning. Ontology Studio tilføjer et redigeringsarbejdsområde til den forretningsmæssige betydning, der er knyttet til disse dataaktiver.
Collates oversigt over 2.1-udgivelsen skelner mellem det administrerede produkt og dets open source-grundlag: Ontology Studio er en funktion i Collate, mens værktøjer til vidensgrafer via MCP er angivet for både Collate og OpenMetadata. Organisationer, der vurderer annonceringen, bør skelne mellem det kommercielle arbejdsområde og de åbne standarder og fælles platformskomponenter, der ligger til grund for det.
Branchepakker med en grundstruktur giver endnu en vej ind i systemet. Annonceringen nævner modeller baseret på FIBO til finanssektoren, HL7 FHIR til sundhedsvæsenet, GS1 og EPCIS til forsyningskæder, ISA-95 til produktion og HR Open Standards. De giver teams grundstrukturer, som de kan udvide og tilpasse til deres egne data.
Collate fremhæver Scout24 som et eksempel på virksomhedens bredere tilgang til kontekstplatforme. Virksomheden bag ImmoScout24 bruger fælles datadefinitioner, AI-understøttet dokumentation og menneskelig verifikation til at understøtte interne AI-agenter. Kombinationen understreger, at fageksperter fortsat spiller en vigtig rolle i at sikre, at forretningskonteksten er nyttig.
Fælles definitioner kræver stadig ansvarlige
„Metadata, betydning og hukommelse hører hjemme på én kontekstplatform,“ sagde Sriharsha Chintalapani, medstifter og CTO hos Collate. Han sagde, at målet er, at agenter og medarbejdere arbejder ud fra de samme forretningsdefinitioner.
En ontologi kan tydeliggøre disse definitioner og gøre dem lettere at genbruge, men dens værdi afhænger af modellens kvalitet og dens forbindelse til aktuelle data. Forkerte tilknytninger eller forældede regler kan give en agent en struktureret forklaring på et forkert svar.
For virksomheder består Ontology Studios værditilbud i en mere håndterbar måde at opbygge og vedligeholde denne fælles kontekst på: modellér virksomheden, forbind modellen med reelle dataaktiver, gør den tilgængelig via standardværktøjer, og bevar muligheden for at føre den med over i et andet miljø.












