Naar de inhoud
Van A tot Z ontzorgdAltijd en direct resultaatAlle expertise onder 1 dak
Datalaag voor AI

Dataplatform voor AI: één datalaag onder al je AI-tools.

Wil je ChatGPT, Claude of Copilot laten werken met je eigen bedrijfsdata, dan zit er een laag tussen. Die laag bepaalt wat de AI ziet, voor wie, en uit welke bron het antwoord komt.

Onderdeel van Datamanagement voor het MKB.

Film van 30 seconden: een vraag gaat door de datalaag, het antwoord komt terug met de bron. Voorbeeldgegevens.
Wat het is

De datalaag zit tussen je systemen en de AI.

De toegangspoort voor AI heet vaak een . Die poort bouwen we bij AI-automatisering. Hier gaat het om wat erachter zit: de gegevens, het model en de rechten. Voor documenten gebruiken we vaak , voor cijfers een vaste set definities.

BegripMCP

Model Context Protocol: een open standaard waarmee een AI-model tools en gegevensbronnen op een vaste manier aanspreekt.

Bekijk MCP in de begrippenlijst
BegripRAG

De AI zoekt eerst in jouw documenten en baseert het antwoord daarop, met de bron erbij.

Bekijk RAG in de begrippenlijst
Hoe het in elkaar zit

De rechten zitten in het midden van vijf lagen.

Een vraag aan de AI gaat van boven naar beneden door deze lagen. Het antwoord komt terug met de bron. Wie iets niet mag zien, krijgt het ook niet via de AI.

  1. AI-tools

    ChatGPT, Claude, Copilot of je eigen assistent. Ze stellen de vraag.

    jouw keuze
  2. Toegangspoort (MCP)

    Eén ingang voor alle tools, gebouwd bij AI-automatisering.

    automatisering
  3. Rechten per persoon

    De AI ziet alleen wat de vrager zelf al mag zien. Elke vraag wordt gelogd.

    hier zit de grens
  4. Datamodel en herkomst

    Vaste definities, alleen de velden die nodig zijn, en bij elk getal de bron.

    datamanagement
  5. Jouw bronnen

    Boekhouding, CRM, ERP en documenten. Ze blijven waar ze staan.

    blijven staan

Schema van onze vaste opbouw. Welke tools en bronnen erin zitten, kies je zelf.

Zo bouwen we het

Zo bouwen we een datalaag voor AI, in vijf stappen.

We beginnen bij de vragen die de AI moet beantwoorden. Pas daarna kiezen we welke gegevens erin komen.

  1. Vragen verzamelen

    Welke vragen stelt je team aan de AI? We schrijven er twintig tot dertig op, in de woorden van je team.

    Uitkomst: een lijst echte vragen
  2. Gegevens kiezen

    Per vraag zoeken we de bron en de velden die nodig zijn. Wat niet nodig is, blijft buiten de laag.

    Uitkomst: een kaart van bronnen en velden
  3. Model en rechten

    We leggen de definities vast en koppelen de rechten die je al hebt. Een iteratie duurt 1 à 2 weken.

    Uitkomst: een eerste werkende laag
  4. Koppelen aan de poort

    De laag gaat onder je MCP-server of je eigen assistent.

    Uitkomst: je AI-tools lezen mee
  5. Testen met echte vragen

    Twee collega's met verschillende rechten stellen dezelfde vraag. Ze krijgen elk het antwoord dat bij hun rol past.

    Uitkomst: getest en overgedragen
Je gegevens

We leggen vooraf vast wat er met je gegevens gebeurt.

  1. Jouw systeemBoekhouding, CRM, documenten
  2. RechtencheckPer persoon, per vraag
  3. Verwerking in de EUWaar het kan
  4. Antwoord met bronEn een logregel
  • Alleen wat nodig is, AI ready data

    Velden die geen vraag beantwoorden, komen niet in de laag.

  • Verwerkersovereenkomst

    Die tekenen we voordat we met echte gegevens werken.

  • Elke vraag gelogd

    Je ziet wie wat vroeg en welke bron de AI gebruikte.

Vragen over privacy en beveiliging beantwoordt Babeth Vriend, CISO van Prometheus21. Lees ook AI binnen de AVG.

Eerlijk advies

Deze laag heb je soms nog niet nodig.

  • Je wilt één chatbot op een paar pdf'sDan volstaat een opgeschoonde set documenten. Lees over de kennisbank AI-klaar.
  • Je data klopt nog nietEen AI die snel verkeerde cijfers geeft, helpt niemand. Begin dan bij datakwaliteit.
  • Je hebt geen vragen voor de AIZonder vragen bouwen we een laag die niemand gebruikt. Zet eerst de vragen op een rij in de AI Discovery Workshop.
  • Je wilt alleen dat Copilot aan staatKijk dan eerst wie wat kan zien, met de toegangsrechten-check.
Bij ons in gebruik

Ons Command Center heeft zo'n laag zelf al.

In ons eigen Command Center staan een datamodel met begrippen en een catalogus van alle tabellen. De catalogus toont alleen de beschrijving van de gegevens. De inhoud zie je alleen met het recht dat erbij hoort.

  • Eén model voor sales, levering en finance. Een klant is overal dezelfde klant.
  • Rechten per rol. Een collega van finance ziet andere gegevens dan een collega van sales.
  • De poort draait ook. Hoe onze eigen MCP-server werkt, lees je bij AI-automatisering.
Pascal Slaa en Joost Driessen, de oprichters van Prometheus21, naast elkaar in het park

Je praat met wie het bouwt

In de kennismaking zit je met Pascal Slaa of Joost Driessen. Zij tekenen je bronnen uit en bouwen de laag ook zelf.

Plan een kennismaking
Vragen

Vragen over een datalaag voor AI.

Waarom koppelen we de AI niet direct aan onze systemen?

Omdat je dan per tool opnieuw regelt wat de AI mag zien. Elke koppeling heeft eigen rechten en eigen definities. Met één datalaag regel je het één keer, en elke tool krijgt hetzelfde antwoord met dezelfde bron.

Wat ziet de AI precies?

Alleen de velden die een vraag nodig heeft, en alleen voor wie ze mag zien. Vraagt een collega naar salarissen terwijl hij daar geen recht op heeft, dan zegt de AI dat hij er niet bij kan.

Waar staan onze gegevens?

Ze blijven in je eigen systemen. De laag haalt op wat nodig is. Waar het kan, verwerken we in de EU, met een verwerkersovereenkomst.

Wat is het verschil met RAG?

RAG is één techniek in de laag. RAG zoekt in documenten. Voor cijfers uit je boekhouding of CRM gebruiken we vaste definities, zodat omzet altijd hetzelfde betekent.

Werkt het met Copilot en met ChatGPT?

Ja, de laag is onafhankelijk van de tool. De poort spreekt de tools aan via een open standaard. Wissel je later van tool, dan blijft de laag staan.

Wie beheert de laag na de oplevering?

Dat kies je zelf. Jouw IT-team neemt het over met de documentatie erbij, of wij doen het in een abonnement. Lees over het beheer van de datalaag.

Wat kost een datalaag voor AI?

Dat hangt af van het aantal bronnen en vragen. Na de kennismaking krijg je een vaste offerte. De AI Discovery Workshop kost 950 euro excl. btw; ga je daarna bouwen, dan halen we dat bedrag van de offerte af.

Opgesteld met AI-ondersteuning door de redactie van Prometheus21.

Volgende stap

Klaar om je AI-tools veilig op je eigen data te zetten?

Een dataplatform voor AI begint bij de vragen en de data. In de AI Discovery Workshop zetten we ze op een rij. Weet je al wat je wilt, plan dan een kennismaking. Twijfel je over je data, doe de scan.

Ik weet wat ik wil

Kennismaking

Je vertelt wat je wilt. Daarna krijg je direct een offerte.

Plan een kennismaking
Eerst het hele plaatje

AI Discovery Workshop

Een dagdeel bij jou op locatie. € 950, verrekend met de opdracht.

Plan je Discovery Workshop
Help me kiezen

Datavolwassenheidsscan

15 vragen, ongeveer 3 minuten. Na je naam en e-mail zie je waar je staat.

Doe de datavolwassenheidsscan

Eén datalaag onder al je AI-tools.Reactie binnen 1 werkdag

Bekijk de Discovery Workshop