Ontologie in de praktijk

Data die begrijpt
wat het betekent.

MERRADT is het ontologisch framework waarmee MeAndAI ruwe data omzet in gestructureerde, betekenisvolle informatie. De basis waarop betrouwbare AI gebouwd wordt.

Gecombineerd met RAG — Retrieval-Augmented Generation — krijgt een AI-model niet meer het hele internet als context, maar precies de juiste informatie uit jouw eigen databronnen.

"Data die voor je werkt."

← Terug naar Data

Framework — 7 dimensies

M
Materie
Wat is het fysiek of digitaal? Het object, document of bestand zelf.
E
Energie
Welke kracht of actie werkt erop? Denk aan verwerking, transformatie of trigger.
R
Ruimte
Waar bevindt het zich? Fysieke locatie, systeem of organisatorische plek.
R
Richting
Waarheen beweegt het? De stroom van data, van bron naar bestemming.
A
Afstand
Hoe ver staat het af? Relatie, bereikbaarheid of abstractieniveau.
D
Doel
Waarom bestaat het? De functie, het nut of de intentie van het datapunt.
T
Tijd
Wanneer is het relevant? Tijdstip, geldigheidsduur of versie.

Elke dimensie is een lens waardoor data betekenis krijgt.

Het framework

Wat MERRADT
in de praktijk doet

Een ontologie is een gedeeld vocabulaire: een afspraak over hoe je de wereld beschrijft. MERRADT definieert acht dimensies waarmee elk datapunt geplaatst kan worden — ongeacht het domein.

De acht dimensies: Materie (wat is het fysiek?), Energie (welke kracht werkt erop?), Ruimte (waar bevindt het zich?), Richting (waarheen beweegt het?), Afstand (hoe ver?), Doel (waarom bestaat het?), Tijd (wanneer?), en Regel (welke afspraak geldt?).

De meeste datamodellen ordenen informatie naar tabel of entiteit. MERRADT doet iets anders: het beschrijft de betekenis van data. Daardoor kan een AI-systeem niet alleen zoeken op trefwoord, maar begrijpen wat de vraag werkelijk inhoudt.

Gecombineerd met RAG (Retrieval-Augmented Generation) ontstaat een systeem dat de juiste context ophaalt uit uw eigen data, gefilterd door de MERRADT-dimensies. Het resultaat: antwoorden die kloppen, gebaseerd op uw werkelijkheid — niet op algemene internetkennis.

MERRADT → RAG → Antwoord

Ruwe bedrijfsdata documenten · e-mails · systemen · spreadsheets MERRADT ontologie · structurering · validatie · indexering M · E · R · R · A · D · T Vectorstore + RAG-retrieval semantisch zoeken · context-selectie · bronkoppeling Betrouwbaar antwoord met bronverwijzing · uit eigen data · geen gokwerk

In de praktijk

Van vraag naar
betrouwbaar antwoord

Hoe MERRADT en RAG samenwerken — stap voor stap, aan de hand van een concreet voorbeeld.

1

De vraag komt binnen

Een medewerker vraagt: "Welke onderhoudsafspraken gelden voor het verwarmingssysteem in gebouw B?" De vraag wordt in natuurlijke taal ontvangen door de AI.

2

MERRADT classificeert de vraag

Het framework herkent de dimensies: Materie (verwarmingssysteem), Ruimte (gebouw B), Regel (onderhoudsafspraken), Tijd (geldig nu). Hiermee wordt de zoekopdracht gericht.

3

RAG haalt relevante context op

De vectordatabase doorzoekt uw eigen documenten — onderhoudscontracten, technische handleidingen, logboeken — gefilterd op de MERRADT-dimensies. Alleen relevante fragmenten worden opgehaald.

4

AI formuleert het antwoord

Het taalmodel combineert de opgehaalde context tot een helder antwoord, met verwijzingen naar de brondocumenten. Geen hallucinatie — alleen wat er daadwerkelijk in uw data staat.

Resultaat: een betrouwbaar, brongebaseerd antwoord

De medewerker krijgt een concreet antwoord met de exacte onderhoudsintervallen, de naam van het servicecontract en een link naar het brondocument. Geen generieke AI-kennis — uw eigen data als waarheid.

Dit is een voorbeeld. Uw organisatie krijgt een eigen MERRADT-configuratie, afgestemd op uw datalandschap.

Meer weten?

Plan een gesprek over
MERRADT in uw organisatie.

Geen verkooppraatje — een concreet gesprek over uw data, uw structuur en wat er mogelijk is. Vrijblijvend.