Vrijwel dagelijks verschijnen artikelen waarin gewaarschuwd wordt dat AI alleen succesvol toegepast kan worden als organisaties hun data en metadata op orde hebben. Helaas laten veel auteurs na te melden wat er dan precies moet gebeuren. De cruciale vervolgvraag “Hoe ziet een AI-ready data-architectuur er dan uit?” blijft vaak onbeantwoord. Welke architectuurprincipes zijn nodig? Welke metadata moet beschikbaar zijn? Hoe maak je data begrijpelijk voor zowel mensen als AI-agents? En hoe voorkom je dat AI-oplossingen stranden in een verzameling losse experimenten?
In deze sessie wordt antwoord gegeven op deze vragen. Aan de hand van actuele ontwikkelingen op het gebied van generatieve AI, agentic AI en kennisgedreven architecturen wordt besproken hoe een moderne data-architectuur eruit moet zien om AI te kunnen inzetten. Niet de AI-modellen staan daarbij centraal, maar de data-architectuur. Vanuit die basis komen governance, ontwerp, implementatie en beheer vanzelf in beeld.
- Waarom AI veel meer metadata nodig heeft dan alleen simpele definities.
- De rol van semantische metadata, bedrijfslogicaregels en context.
- Het automatisch produceren en verrijken van metadata met behulp van AI.
- Metadata als fundament voor RAG (Retrieval Augmented Generation).
- Het inzetten van AI-agents op bronsystemen en de rol van MCP (Model Context Protocol) binnen agentic AI.
- Van metadata naar knowledge graphs met behulp van datamodellen, taxonomieën, ontologieën en thesauri.
- Waarom traditionele datalakes en lakehouses onvoldoende zijn als data-architectuur voor AI.
- Hoe AI data lineage, impactanalyses en documentatie kan automatiseren.