Enterprise-ontologievoorAI

Modellen begrijpen taal. Een ontologie helpt AI uw organisatie begrijpen: welke objecten er zijn, hoe die samenhangen, wat ermee kan gebeuren en welke acties toegestaan zijn.

Enterprise ontology
One semantic model between the systems of record and everything that reasons over them.
SourcesSystems of record and systems of control
ERP / SAPSCADAGISCRMIoTDocumentsDatabasesAPIs
Semantic mappingFields become typed objects; joins become named relationships
Mappings are versioned and reviewable, so a change to what “asset” means is a change with an author and a date.

Enterprise ontology

ObjectsRelationshipsEventsActionsRulesMetricsPoliciesEvidence
ConsumersWhat reasons and acts over the model
AgentsAnalyticsDecisionsAutomation

Definitie

Een enterprise-ontologie is een gedeeld, machineleesbaar model van wat een organisatie is: de soorten objecten waarmee zij werkt, de relaties daartussen, de gebeurtenissen die kunnen optreden, de acties die genomen mogen worden, de regels die die begrenzen en de metrieken die ze meten.

Hetgatdateenontologiedicht

Een taalmodel is uitzonderlijk goed in taal en weet niets van uw organisatie. Het heeft uw assetregister nooit gezien, weet niet dat een transformator bij een station hoort dat bij een regio hoort met een eigen regulatoir regime, en kan niet zien dat het woord 'klant' in uw facturatiesysteem iets anders betekent dan in uw contractdatabase.

Retrieval helpt bij feiten. Het levert geen structuur. Vraagt u een goed ingericht retrievalsysteem welke assets door een constraint worden geraakt, dan vindt het documenten waarin constraints en assets voorkomen. Het kan niet van een constraint naar de assets erachter navigeren, naar de werkorders die daarop staan, naar de ploegen die gekwalificeerd zijn — want niets in de index weet dat die relaties bestaan.

Een ontologie levert precies die structuur. En daarmee maakt zij twee dingen mogelijk die makkelijk over het hoofd worden gezien. Rechten worden uitdrukbaar in de termen van de organisatie zelf, omdat er getypeerde objecten zijn om toegang op te geven. En acties worden declareerbaar, met eigenaren en voorwaarden, in plaats van geïmproviseerd door wat het model besluit aan te roepen.

Deobjectendieeenorganisatiewerkelijkheeft

Een ontologie is geen abstracte oefening. Dit zijn de objecttypen die terugkeren in de omgevingen waarvoor NeuroCluster is gebouwd.

  • Assets

    Fysieke en logische zaken met een locatie, een toestand, een eigenaar en een onderhoudshistorie.

  • Klanten

    Tegenpartijen met contracten, verplichtingen, rechten en een dienstverleningshistorie.

  • Contracten

    Afspraken met voorwaarden, data, verplichtingen en gevolgen bij niet-nakoming.

  • Systemen

    De applicaties en besturingssystemen die de waarheid over al het andere bevatten.

  • Werkorders

    Geplande ingrepen met een scope, een venster, een ploeg en een afhankelijkheid van de assettoestand.

  • Storingen

    Afwijkingen met een ernst, een tijdlijn, een oorzaak en een set geraakte objecten.

  • Locaties

    Terreinen, regio's en netstructuur — inclusief welke jurisdictie geldt.

  • Risico's

    Beoordeelde blootstellingen, gekoppeld aan de assets, contracten en processen die zij bedreigen.

  • Beleid

    Regels die begrenzen wat mag, door wie, onder welke voorwaarden.

  • Beslissingen

    Gemaakte keuzes, door wie, op welke grond, met welk bewijs eraan gekoppeld.

  • Gebeurtenissen

    Dingen die zijn gebeurd, getypeerd en getijdstempeld tegen de objecten die zij raakten.

  • Acties

    Operaties die uitgevoerd mogen worden, met voorwaarden, eigenaren en gevolgen.

Het onderscheid dat het meest uitmaakt

Kennis is wat de organisatie weet. Een ontologie is wat de organisatie is, hoe de onderdelen samenhangen en wat er kan gebeuren. Retrieval levert het eerste. Alleen een semantisch model levert het tweede.

Ontologieversusnaburigebegrippen

Deze drie worden vaak als alternatief gepresenteerd. Alle drie werken in de praktijk samen met een ontologie.

Ontologie versus naburige begrippen
VergelijkingWat dat isWat een ontologie toevoegt
Knowledge graphDe gevulde graaf: instanties en hun verbindingenHet schema: typen, relaties, regels en toegestane acties
RAGVindt en citeert passages uit documentenNavigeert relaties, handhaaft rechten en declareert acties
VectordatabaseOpslag- en zoekinfrastructuur op basis van gelijkenisExacte begrenzing op type en relatie, waarop beleid kan aangrijpen
DatacatalogusDocumenteert welke data bestaat, voor mensenDefinieert wat dingen zijn, voor systemen die erop redeneren en handelen

Ontologieenagents

Een agent zonder ontologie moet structuur afleiden uit wat hij toevallig krijgt aangereikt. Hij gokt welk systeem de waarheid bevat, gokt waar een identificatie naar verwijst en improviseert toolaanroepen. Vaak zal hij het goed hebben, en dat is het gevaarlijke deel: achteraf is een juiste gok niet te onderscheiden van een zelfverzekerde gok.

Een agent met een ontologie krijgt een mandaat in dezelfde taal als de business: u mag deze objecttypen lezen, binnen dit bereik, en u mag deze gedeclareerde acties voorstellen. Zijn plan is controleerbaar, want de stappen verwijzen naar echte objecten en echte operaties. Zijn bewijs is koppelbaar, want de beslissing hoort bij iets dat in het model bestaat.

Daarom staat de ontologiepagina in het platform en niet in een datacatalogussectie. Het is geen documentatie. Het is de ondergrond die governance en gefundeerd redeneren tegelijk mogelijk maakt.

Hoeeenontologietotstandkomt

Nooit in één keer, en nooit als modelleerproject los van een workload.

Hoe een ontologie tot stand komt
01Begin bij een beslissingKies één beslissing die de business beter wil nemen. Modelleer alleen wat die raakt.
02Breng de bronnen in kaartStel per object vast welk systeem de waarheid bevat en welke kopieën zijn.
03Typeer de objectenVelden worden getypeerde attributen; joins worden benoemde relaties met kardinaliteit.
04Declareer de actiesWat mag met deze objecten gebeuren, door wie, onder welke voorwaarden.
05Maak regels en metrieken explicietZet de beperkingen en maatstaven om van impliciet naar controleerbaar.
06Versioneer hetEen wijziging in wat een woord betekent is een beoordeelbare wijziging met auteur en datum.

Vragen

Hoeveel moeten we modelleren voordat het nuttig is?
Veel minder dan teams verwachten — doorgaans de handvol objecttypen waar één beslissing van afhangt. Organisatiebreed modelleren vóór een eerste workload is de meest betrouwbare manier om een ontologie te maken die niemand gebruikt.
Hebben we een graafdatabase nodig?
Niet noodzakelijk. De ontologie is een model; hoe het wordt opgeslagen en bevraagd is een implementatiekeuze die afhangt van uw bestaande infrastructuur en toegangspatronen.
Wat gebeurt er als de organisatie verandert?
Het model is geversioneerd. Nieuwe objecttypen, nieuwe relaties en gewijzigde regels zijn gewone wijzigingen met auteur, datum en beoordeling. Bewijsdossiers verwijzen naar de modelversie die gold toen een beslissing werd genomen, zodat oude beslissingen interpreteerbaar blijven.

Breng ons één operationeel probleem.

U hoeft nog geen volledig plan te hebben. Breng het probleem — samen bepalen we de volgende stap.

Of plan direct een gesprek met het team