Van database naar kennislaag
IndentiaGraph slaat niet alleen losse waarden op. Het legt vast wat iets is, hoe het verbonden is, waar het vandaan komt, wanneer het gold en wie het mag zien. Onder de motorkap levert SurrealDB het multimodel-fundament; IndentiaGraph voegt daar een semantische kennislaag aan toe.
Dezelfde uitleg is beschikbaar in twee lagen. “Vereenvoudigd” gebruikt herkenbare voorbeelden. “Professional” benoemt het echte technische model. “Samen” toont beide.
“SQL organiseert gegevens vooral op hun vorm. Een knowledge graph organiseert kennis vooral op haar betekenis en relaties.”
Dat is geen wedstrijd waarin SQL “oud” en graph “nieuw” is. Het zijn verschillende zwaartepunten. Een goede architectuur gebruikt het model dat bij de vraag past.
Microsoft SQL Server lijkt op een archiefkast: klanten in één lade, facturen in een andere, betalingen in een derde. Sleutels vertellen welke kaartjes bij elkaar horen.
Het relationele model normaliseert gegevens in tabellen. Primary keys bewaken rij-identiteit; foreign keys bewaken referentiële integriteit; joins reconstrueren verbanden tijdens de query.
IndentiaGraph lijkt op een kaart: personen, facturen en bedrijven zijn plekken; relaties zijn de wegen. De verbinding is zelf een eersteklas onderdeel van de informatie.
De RDF-kern modelleert subject–predicate–object-feiten met globale IRI-identiteit. Relaties zijn geen impliciete join-afspraak maar expliciete, bevraagbare semantiek.
De ontologie is de legenda: wat betekent “betaalt”, “is leverancier van” of “hoort bij”? Provenance is het bronbewijs achter de informatie.
Ontologie, SHACL-vormen, RDF-star-provenance, temporele context en semantisch toegangsbeleid maken van een property graph een bestuurbare knowledge graph.
De basiseenheid is eenvoudig: een onderwerp heeft via een relatie een waarde of een verbinding met iets anders. Veel van zulke feiten vormen samen een graaf.
Eén RDF-feit
In gewone taal: niet alleen “Acme” en “INV-0042” bewaren, maar ook expliciet bewaren dat de factuur aan Acme is uitgereikt en waar we dat vandaan weten.
Technisch: subject, predicate en object zijn RDF-termen; canonieke IRI’s verzorgen identiteit. Een named graph kan de broncontext dragen. RDF 1.2 triple terms/RDF-star maken metadata óp een statement mogelijk, bijvoorbeeld provenance of een security-annotatie.
“Acme BV”, “ACME B.V.” en klantnummer 1938 kunnen dezelfde organisatie zijn. De naam is een label; de vaste identiteit is de kapstok waaraan alle bekende namen en bronnen hangen.
Een canonieke, tenant- en administratiegebonden IRI is de autoriteit. Externe ID’s en labels blijven bronkenmerken, niet de identiteit zelf. Entity resolution bepaalt gecontroleerd of records naar dezelfde entiteit verwijzen.
Een zoekindex, dashboard of AI-embedding is een handige kopie of samenvatting. Het oorspronkelijke feit met bron en betekenis blijft leidend.
Canonical graph facts zijn source of truth; full-text-indexen, LPG-projecties, embeddings en read models zijn afleidbare projecties. Modelversie, dimensie en indexprofiel moeten bij vectorrotatie gescheiden blijven.
De applicatie schrijft server-side via één AccountingStore-grens naar POST /governed/commit. Daar worden identiteit, rechten, verwachte versie, boekhoudkundige invarianten, audit en outbox als één geheel beoordeeld. Directe browserwrites, /sql en directe SurrealQL zijn hier geen applicatiepad.
Met beide modellen kun je een factuur aan een klant koppelen. Het verschil zit vooral in waar de betekenis woont, hoe gemakkelijk het model uitbreidt en welk soort vragen natuurlijk voelt.
De relatie ontstaat door sleutelkolommen en wordt met een JOIN tijdens de query weer samengesteld.
De verbindingen zijn benoemde feiten. Nieuwe soorten nodes en relaties kunnen worden toegevoegd zonder één centrale megatabel te ontwerpen.
IndentiaGraph kan flexibel opslaan, maar professionele inzet gebruikt juist expliciete ontologieversies, SHACL-validatie, canonieke identifiers en migratiegates. “Schemaless” zonder governance wordt al snel een onbruikbare zak triples.
SurrealDB brengt meerdere datamodellen en querymogelijkheden in één engine. IndentiaGraph gebruikt dat fundament en bouwt daar RDF/SPARQL, semantische validatie, inferencing, provenance, graphprojecties en enterprise-beleid bovenop.
Factuurbeheer, Data Hub, zoekervaringen, rapportages, agents en andere domeinmodules gebruiken begrensde API’s.
Canonieke RDF-feiten, SPARQL, ontologie, SHACL, provenance, bitemporaliteit, semantische ACL, LPG-projecties, reasoning en governed writes.
Embedded multimodel-opslag en executie voor records/documenten, tabellen, relaties, indexen, geodata, live queries en transactionele workloads.
On-disk of memory-backed runtime voor standalone; de bredere IndentiaGraph-architectuur kent daarnaast schaal- en projectiepaden die per deployment expliciet gekozen worden.
Flexibele objecten met geneste velden voor documentachtige data en metadata.
Recordtabellen, constraints en relationele patronen wanneer een vaste structuur handig is.
Directe relaties en traversals; IndentiaGraph projecteert RDF ook naar een labeled property graph.
RDF 1.2, SPARQL, ontologie, RDF-star-provenance en machineleesbare betekenis.
Embeddings en KNN/ANN-indexen voor vergelijkbare teksten of entiteiten; vectors blijven afgeleid.
Zoeken op woorden, graphcontext en gecombineerde tekst/vector-ranking.
Geospatiale relaties en tijdsdimensies maken “waar?”, “wanneer geldig?” en “wanneer bekend?” bevraagbaar.
Live-querymogelijkheden en events kunnen consumers informeren zodra relevante data verandert.
Een multimodel-engine biedt veel modaliteiten, maar een product kiest een geautoriseerd source-of-truth- en writepad. In Invoice Administration zijn directe SurrealQL en /sql bewust verboden; de governed commit naar canonieke graphfeiten is leidend. Ook zijn niet alle querypaden of projecties automatisch transactioneel identiek.
Datafusie combineert bewijs uit meerdere bronnen rond dezelfde werkelijkheid. De ontologie bepaalt wat de begrippen en relaties betekenen. IndentiaGraph bewaart het verbonden resultaat mét herkomst.
Datafusie
Het CRM kent “Jansen B.V.”, de factuur zegt “Jansen BV” en de bank noemt alleen een IBAN. Datafusie zoekt bewijs dat dit dezelfde organisatie is, maar plakt ze niet blind aan elkaar.
Entity resolution gebruikt bron-ID’s, identificerende kenmerken, relaties, temporele context en confidence. Het resultaat kan link, separate, review of unknown zijn. Bronrecords en alternatieven blijven herleidbaar.
Ontologie
Een ontologie is een gedeeld woordenboek plus spelregels. Ze zegt bijvoorbeeld dat een betaling een factuur kan vereffenen, dat een factuur door een organisatie wordt uitgegeven en dat een creditnota een correctie is — geen gewiste geschiedenis.
De T-box definieert classes, properties, domain/range, hiërarchie en constraints. SHACL bewaakt structurele vormen; native domeinlogica bewaakt onder meer bedrag-, status-, periode- en boekhoudkundige invarianten.
Een organisatorisch Second Brain ontstaat wanneer mensen, documenten, transacties, begrippen, beslissingen en processen rond stabiele identiteiten zijn gekoppeld — met bron, tijd, kwaliteit en toegang als onderdeel van de kennis.
Bekijk een klant, leverancier of project samen met facturen, betalingen, contracten, documenten, betrokken mensen en eerdere besluiten.
Zoek niet alleen een document, maar vraag welke keten van relaties het antwoord verklaart en welke bronnen elk tussenresultaat dragen.
Een agent krijgt een kleine, taakgerichte en geautoriseerde contextslice in plaats van een onbeheersbare dump van alle bedrijfsdata.
Zie welke rapporten, dossiers, processen en besluiten geraakt worden wanneer een bronfeit, definitie of regel verandert.
Vind conflicterende identiteiten, ontbrekende relaties, vreemde betaalpatronen of feiten die niet meer bij de geldende ontologie passen.
Bewaar waarom een beslissing is genomen, met welke context en regels, zodat latere professionals en agents precedent verantwoord kunnen hergebruiken.
Een Second Brain is pas slim als het ook kan zeggen: “dit weet ik niet”, “de bronnen spreken elkaar tegen” of “jij mag dit verband niet zien”.
Zonder die grenzen is het geen betrouwbaar geheugen, maar een grote map vol gekopieerde informatie.
De runtime-context hoort daarom een kleine, purpose-bound en ACL-gefilterde slice te zijn. Durable facts en inferencing leven in IndentiaGraph; agentorkestratie en acties blijven erbuiten. Een DecisionTrace kan het gebruikte bewijs en de uitkomst duurzaam vastleggen.
Een knowledge graph lost semantische en relationele problemen elegant op, maar is geen gratis vervanging voor elke database. De kwaliteit van de ontologie, identiteit en governance bepaalt de waarde.
De lokale ADR accepteert IndentiaGraph/IndentiaDB als enige duurzame system of record voor dit bounded context. Dat is een architectuurbesluit, nog geen productiecertificaat: implementatie-evidence voor onder andere atomiciteit, concurrency, HA, backup/restore, security, performance en native documentopslag staat nog als releasegate open.
De termen hieronder vormen het minimum om professioneel over graph, semantiek en multimodel-opslag te praten.
Nee. SurrealDB is een belangrijk embedded multimodel-fundament. IndentiaGraph voegt een RDF/SPARQL-kern, semantiek, ontologievalidatie, inferencing, provenance, bitemporaliteit, graphprojecties, zoekintegratie en governance-interfaces toe. De waarde zit juist in die samenhang.
Nee. Bestaande SQL-bronnen kunnen blijven waar ze operationeel sterk zijn. Via mapping, synchronisatie of federation kan relevante betekenis aan de graph worden gekoppeld. Het cruciale besluit is per bounded context: welke laag is autoritatief en welke lagen zijn afgeleide projecties?
Niet automatisch. AI krijgt pas betere context als identiteit, provenance, actualiteit, ontologie, toegang en retrievalkwaliteit op orde zijn. Een grote graph zonder kwaliteits- en autorisatiegrenzen produceert vooral overtuigend klinkende fouten.
Deze pagina is gebaseerd op de lokale repositorycontracten en de actuele IndentiaGraph-documentatie. De bronnen blijven leidend voor implementatie en productieclaims.
