Het is inmiddels duidelijk en algemeen aanvaard dat AI-agents niet goed kunnen functioneren zonder voldoende context. Naarmate organisaties hun gebruik van AI uitbreiden en streven naar nieuwe, agentgebaseerde workflows, zijn er diverse technische en architectuur oplossingen voor contextmanagement ontstaan. Maar wat bevatten deze semantische lagen, contextvlakken en kennisbeheersystemen eigenlijk? En waar halen we al die context vandaan?
In deze lezing richten we ons op welke informatie daadwerkelijk nodig is, in plaats van hoe die informatie wordt opgeslagen of verwerkt. Als we een stapje terug doen, zien we dat alle ‘context’ of ‘kennis’ uiteindelijk bestaat uit zeer eenvoudige basiselementen – entiteiten, definities en relaties – die zeer vertrouwd zijn voor degenen onder ons met een achtergrond in datamodellering. We zullen de uitdagende wereld van knowledge graphs en ontologieën bekijken door deze zeer praktische bril, waardoor we niet verstrikt raken in standaarden en syntaxis en ons kunnen concentreren op het belangrijkste: de kennis zelf.