AI-modellen en platforms

Collate kondigt Ontology Studio aan om AI-agenten zakelijke context te bieden

Aiden Cross
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Conceptual knowledge graph linking Customer, Account, and Loan concepts to databases and an AI node.
Belangrijkste puntenOntology Studio brengt bedrijfsconcepten in kaart naar data-assets zodat agents niet…
Meer weergeven
  • Ontology Studio brengt bedrijfsconcepten in kaart naar data-assets zodat agents niet meer hoeven te raden naar de betekenis van kolommen.
  • De knowledge-graph-tools draaien op een bètaprojectie die standaard is uitgeschakeld.
  • Ontologieën die in open formaten worden geëxporteerd, blijven herbruikbare assets wanneer ondernemingen van AI-leverancier wisselen.

Collate, het bedrijf achter OpenMetadata, heeft Ontology Studio aangekondigd: een werkruimte om bedrijfsconcepten vast te leggen, ze te koppelen aan bedrijfsgegevens en die betekenis beschikbaar te maken voor AI-agenten. Het doel is agenten te helpen werken met de eigen definities en verbanden van een organisatie, in plaats van te moeten raden wat een tabel- of kolomnaam betekent.

Ontology Studio werd op 17 november aangekondigd en maakt deel uit van Collate 2.1; algemene beschikbaarheid staat gepland voor later deze maand. De studio maakt gebruik van open standaarden, zodat bedrijven de bedrijfsmodellen die ze bouwen kunnen bekijken en exporteren, inclusief de koppelingen met de gegevensbronnen waarin die modellen zijn geïmplementeerd.

De lancering richt zich op een probleem dat niet alleen met betere taalmodellen kan worden opgelost: een systeem kan een dataset vinden en er geldige code voor schrijven, maar toch verkeerd begrijpen wat het bedrijf beschouwt als een actieve klant, een erkend omzetcijfer of een bepaald type lening.

Wat een ontologie toevoegt aan een AI-agent

Een ontologie beschrijft concepten en hun onderlinge relaties in een vorm die software kan gebruiken. Een begrippenlijst kan ‘Lening’ in een alinea definiëren. Een ontologie kan ook vastleggen dat een lening een hoofdsom en een looptijd heeft, bij een klant hoort en via een benoemde relatie aan een rekening is gekoppeld.

Die details bieden een agent een gestructureerde manier om een vraag te beantwoorden. Stel dat een agent de opdracht krijgt om kredietactiviteiten te analyseren: voordat hij een database raadpleegt, moet hij vaststellen welke gegevensbronnen leningen vertegenwoordigen, hoe klanten daarmee verband houden en welke definities van toepassing zijn. Een ontologie die aan die gegevensbronnen is gekoppeld, kan die context bieden.

Met Ontology Studio kunnen teams concepten definiëren met getypeerde eigenschappen en benoemde, gerichte relaties, en vervolgens modellen met versies beoordelen en publiceren. Concepten kunnen worden gekoppeld aan tabellen, kolommen, dashboards en andere gegevensbronnen.

Zo wordt ook het onderscheid duidelijk tussen zakelijke betekenis en technische herkomst. Herkomst beschrijft hoe gegevens tussen systemen worden verplaatst of getransformeerd. Een zakelijke relatie beschrijft waar de gegevens voor staan, bijvoorbeeld dat een lening bij een klant hoort. Beide zijn nuttig voor een agent, maar ze beantwoorden verschillende vragen.

De open standaarden achter het model

Ontology Studio bouwt voort op gevestigde technologie voor het semantische web, zodat bedrijven hun bedrijfsvoering niet volledig in een eigen, gesloten formaat hoeven vast te leggen.

  • OWL, de Webontologietaal, biedt een formele manier om klassen, eigenschappen en relaties weer te geven, zodat software beschikt over expliciete betekenissen om mee te werken.
  • SKOS, het eenvoudige systeem voor kennisorganisatie, geeft gecontroleerde vocabularia weer, evenals relaties zoals bredere, specifiekere en verwante concepten.
  • SPARQL is een querytaal voor RDF-grafen waarmee software gestructureerde vragen kan stellen over verbonden concepten en metadata.

Volgens Collate kunnen organisaties ontologieën importeren en exporteren in formaten als OWL, Turtle, RDF/XML en JSON-LD, met behoud van identificatoren, definities en relaties. Het bedrijf benadrukt ook dat de koppelingen met gegevens behouden blijven wanneer het model wordt geëxporteerd.

Dat is belangrijk wanneer een bedrijf overstapt op andere AI-leveranciers of dataplatforms. Door het bedrijfsmodel in een uitwisselbaar formaat te bewaren, blijft het een herbruikbaar bedrijfsmiddel en zijn definities niet uitsluitend ingebed in de interface van één leverancier. Compatibele tools moeten de relevante standaarden en koppelingen nog wel ondersteunen om het model na een overstap bruikbaar te houden.

Hoe agenten toegang krijgen tot de kennisgraaf

Agenten bereiken de ontologie via de Model Context Protocol-server van Collate. MCP biedt een gemeenschappelijke interface waarmee een AI-toepassing tools kan vinden en aanroepen. In dit geval kunnen agenten met die tools de ontologie beschrijven, relaties rond een entiteit verkennen en alleen-lezen-SPARQL-query’s uitvoeren.

Een kennisgraaf ordent concepten en metadata als verbonden entiteiten. Met een graafquery kunnen meerdere relevante relaties tegelijk worden opgevraagd, zodat een agent context kan verzamelen zonder herhaaldelijk elk aangrenzend item afzonderlijk op te vragen. De resulterende query en het gevolgde relatiepad bieden een beoordelaar bovendien iets concreets om achter een antwoord te onderzoeken.

In de aankondiging wordt een belangrijke beperking van deze functionaliteit genoemd: de tools draaien op de kennisgraafprojectie van Collate, die zich in de bètafase bevindt en standaard is uitgeschakeld. Teams moeten dit onderdeel inschakelen en evalueren om de op de graaf gebaseerde agenttools te gebruiken.

Op de productpagina staat dat deze projectie een kopie van de metadata van het platform in graafvorm is, en geen vervanging van de onderliggende bedrijfsdatabases. Query’s op operationele gegevens worden nog steeds uitgevoerd op de plek waar die gegevens zijn opgeslagen, bijvoorbeeld in een datawarehouse of een bestaande semantische laag. De ontologie helpt vaststellen welke definities en gegevensbronnen geschikt zijn.

Voortbouwen op OpenMetadata en bestaande bedrijfskennis

Collate is gebouwd op OpenMetadata, een open-sourceplatform dat metadata zoals schema’s, eigenaarschap, classificaties, kwaliteitsinformatie en herkomst samenbrengt. Ontology Studio voegt een werkruimte toe waarin de zakelijke betekenis van die gegevensbronnen kan worden vastgelegd.

Het overzicht van release 2.1 van Collate maakt onderscheid tussen het beheerde product en de open-sourcebasis: Ontology Studio is een functionaliteit van Collate, terwijl kennisgraaftools via MCP worden vermeld voor zowel Collate als OpenMetadata. Organisaties die de aankondiging beoordelen, moeten onderscheid maken tussen de commerciële werkruimte en de open standaarden en gedeelde platformcomponenten waarop deze is gebouwd.

Branchegerichte startpakketten bieden een andere ingang tot het systeem. In de aankondiging worden modellen genoemd op basis van FIBO voor de financiële sector, HL7 FHIR voor de gezondheidszorg, GS1 en EPCIS voor toeleveringsketens, ISA-95 voor de maakindustrie en HR Open Standards. Deze bieden een basisstructuur die teams kunnen uitbreiden en aan hun eigen gegevens kunnen koppelen.

Collate noemt Scout24 als voorbeeld van zijn bredere aanpak als contextplatform. Het bedrijf achter ImmoScout24 gebruikt gedeelde gegevensdefinities, AI-ondersteunde documentatie en menselijke verificatie om interne AI-agenten te ondersteunen. Die combinatie onderstreept dat inhoudsdeskundigen een blijvende rol spelen bij het bruikbaar houden van bedrijfscontext.

Gedeelde definities hebben nog steeds eigenaren nodig

‘Metadata, betekenis en geheugen horen thuis in één contextplatform’, zei Sriharsha Chintalapani, medeoprichter en CTO van Collate. Hij zei dat het doel is dat agenten en medewerkers uitgaan van dezelfde bedrijfsdefinities.

Een ontologie kan die definities expliciet maken en het hergebruik ervan vergemakkelijken, maar de waarde ervan hangt af van de kwaliteit van het model en de koppeling met actuele gegevens. Onjuiste koppelingen of verouderde regels kunnen een agent een gestructureerde uitleg geven voor een verkeerd antwoord.

Voor ondernemingen biedt Ontology Studio een beter beheersbare manier om die gedeelde context op te bouwen en te onderhouden: het bedrijf modelleren, het model koppelen aan daadwerkelijke bedrijfsmiddelen, het beschikbaar stellen via standaardtools en de mogelijkheid behouden om het mee te nemen naar een andere omgeving.

Aiden Cross is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar hij zich richt op AI-productstrategie, -uitvoering en de praktische uitdagingen van het omzetten van experimentele modellen in schaalbare, marktklare producten. Zijn werk richt zich op hoe startups en ondernemingsteams overgaan van prototypes en demos naar betrouwbare systemen die worden gebruikt door echte klanten.
Met een pragmatische en detailgerichte benadering, analyseert Aiden productroadmaps, go-to-marktstrategieën, platformbeslissingen en organisatorische compromissen die bepalen of AI-initiatieven slagen of stilvallen. Hij let met name op de implementatie, gebruikersadoptie, infrastructuurbeperkingen en de afstemming tussen technische capaciteit en bedrijfswaarde.
Artikelen geschreven door Aiden Cross zijn AI-gegenereerd en beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze duidelijk, nauwkeurig en verantwoordelijk zijn over hoe AI-producten worden gebouwd, beschikbaar gesteld en geschaald in de echte wereld.