“AI is zo slim als de data waarop het is getraind.”

Een uitspraak die je steeds vaker hoort – en met reden. Achter elke succesvolle AI-oplossing gaat een robuuste data-architectuur schuil. Toch blijft die vaak buiten beeld.

In deze derde blog in de serie over AI en architectuur richt ik mij op de fundamenten: data en informatie. Want zonder datakwaliteit, context en eigenaarschap zijn de meeste AI toepassingen weinig meer dan een black box met mooie beloftes. Hoe zorgen we dat AI-oplossingen kunnen vertrouwen op betrouwbare en betekenisvolle informatie?

AI begint bij data, maar niet bij zomaar data

De meeste AI-projecten starten met het verzamelen van zoveel mogelijk data. Maar meer is niet per se beter. Relevant zijn vragen als:

• Waar komt de data vandaan?
• Hoe volledig, correct en actueel is de data?
• Is de data juridisch en ethisch verantwoord bruikbaar?

Datakwaliteit is cruciaal: AI-modellen leren van patronen in historische data. Foute of eenzijdige data leidt tot foutieve of bevooroordeelde voorspellingen. En zonder context – bijvoorbeeld tijd, locatie of betrokken bron – blijft data betekenisloos.

Een solide data-architectuur helpt hier: die beschrijft welke data nodig is, waar die vandaan komt, hoe die wordt beheerd en hoe consistentie gewaarborgd wordt.

Wat betekent AI voor datamodellen, metadata en datastromen?

AI stelt nieuwe eisen aan bestaande datamodellen. Denk aan:

• Nieuwe datatypes (zoals embeddings, vectoren, of prompttemplates)
• Meer aandacht voor semantiek (hoe geef je betekenis aan tekstfragmenten of ongestructureerde data?)
• Complexere datastromen (bijvoorbeeld continue feedbackloops van modeluitkomsten terug naar dataopslag).

Metadata speelt hierin een sleutelrol. Niet alleen wát de data is, maar ook:

• Hoe de data tot stand kwam (provenance)
• Voor welk doel ze geschikt is (fitness for use)
• Welke gevoeligheden of beperkingen eraan kleven (bijv. AVG-classificatie).

Datastromen veranderen mee: AI-oplossingen hebben vaak behoefte aan real-time, gestructureerde en goed geannoteerde data. Dat stelt eisen aan de data-infrastructuur, maar ook aan de modellering van informatiesystemen.

Data governance en model lifecycle: een nieuwe wisselwerking

Traditionele systemen kennen een relatief stabiele datastroom. AI werkt anders: modellen worden getraind op historische data, maar moeten regelmatig worden geactualiseerd of ‘bijgestuurd’ op basis van nieuwe inzichten. Dat brengt een dubbele uitdaging met zich mee:

1. De data moet traceerbaar zijn: welke datasets zijn gebruikt, met welke kenmerken?
2. De modellen moeten beheersbaar zijn: wanneer hertrain je, en wie is daar verantwoordelijk voor?

Een volwassen data governance-structuur is noodzakelijk. Denk aan:

• Heldere eigenaarschapstoewijzing voor datasets én modellen
• Kwaliteitscontroles en monitoring op gebruik
• Richtlijnen voor versiebeheer, documentatie en validatie.

Architecten kunnen hierin een sleutelrol spelen door structuur, samenhang en kaders te bieden.

Nieuwe uitdagingen: synthetische data, data bias en dataversies

AI roept ook nieuwe vraagstukken op die je in traditionele informatiesystemen minder snel tegenkomt:

• Synthetische data: data die gegenereerd wordt om modellen te trainen zonder echte persoonsgegevens te gebruiken. Maar hoe betrouwbaar is deze data?
• Bias: AI-modellen nemen de vooroordelen in hun trainingsdata over. Hoe detecteer en corrigeer je dit?
• Dataversies: data verandert, net als de wereld. AI-modellen die gebaseerd zijn op verouderde data kunnen verkeerde conclusies trekken.

Deze uitdagingen maken dat je niet meer kunt volstaan met ‘datamanagement light’. Wat nodig is, is een doordachte data-architectuur die AI-aware is.

De onzichtbare laag die alles bepaalt

AI is zichtbaar aan de voorkant: slimme interacties, voorspellingen, automatisering. Maar de onzichtbare laag van data-architectuur bepaalt of AI betrouwbaar, uitlegbaar en duurzaam inzetbaar is. Als architecten moeten we dus niet alleen meekijken met AI-projecten, we moeten ze mede vormgeven, door richting te geven:

• Welke data is geschikt?
• Hoe is de context geborgd?
• Wat is de herkomst, kwaliteit en bruikbaarheid?

Als morgen een AI-project binnen jouw organisatie start, staat de data-architectuur dan klaar om het te voeden?