Datarevival
Deze rubriek is al een tijd lang grotendeels gewijd aan de huidige ai-revolutie. De generatieve ai (gen-ai) van nu lijkt overal op toepasbaar en beslist ook op het managen van klassieke databasesystemen. Het valt daarom op dat het binnen de ‘oude’ ict-branche stil blijft over wat artificiële intelligentie (ai) kan doen voor klassieke databasetoepassingen.
Midden jaren 90 schreef ik voor het blad Database Magazine (DB/M). Het waren jaren waarin (relationele) databases mainstream waren geworden en de belangstelling voor data groot was. In die tijd schreef ik een stuk waarin ik mij afvroeg waarom het werk van een database administrator (dba), een vrij nieuwe functie, niet grotendeels zou kunnen worden geautomatiseerd. Deze dba had (en heeft) als taak om applicaties efficiënt te laten werken op de server-hardware. Zo kon (en kan) de dba bijvoorbeeld door het leggen van indexen voorkomen dat een complete tabel wordt uitgelezen om een record te vinden. Ik vroeg mij toen af waarom een index die nauwelijks wordt gebruikt niet automatisch wordt gerapporteerd. Of waarom het aanmaken van een index niet kan worden gesuggereerd als een grote tabel voortdurend compleet wordt doorlopen. Ik vraag mij dat nog steeds af. De ict is een gekke business.
Nu met ai wordt deze oude vraag zelfs onontkoombaar. Gen-ai excelleert in het herkennen van patronen. Mooi, want datamodellering en database-ontwerp is het in datastructuren vangen van patronen. Of over een paar jaar ai de mens in alles verslaat betwijfel ik, maar een ai-model dat kan wedijveren met de beste datamodel-patroonherkenners moet mogelijk zijn. Hetzelfde geldt voor die oude vraag waarom het werk van de dba niet kan worden geautomatiseerd. Ik vermoed dat het zelfs zonder toegespitste modellen nu al mogelijk zou moeten zijn om knelpunten en verbeter-opties te identificeren. Wederom: waarom is dat niet gangbaar? Elke ict-consultant zou het water toch in de mond moeten lopen? Waar blijven de modellen-trainers of desnoods de promptengineers?
Een gemene database-ontwerptest voor ai.
Database-ontwerp, -generatie en -optimalisatie zijn lang niet de enige toepassingen in de categorie ‘laaghangend fruit’. Wat dacht u van documentatie-generatie? Of controle en verbetering van database-content? Stop een database-dump (data plus schema) plus het oude projectdossier in een gen-ai en laat het ding documentatie genereren. Als ik een tabel aanbied met, zeg, reisgidsen, dan herkent die ai dat probleemloos, zelfs zonder documentatie. Als zich tussen tweeduizend reisgidsen het fantasy-boek De reisgenoten van Tolkien bevindt, dan signaleert die ai dat probleemloos. Als auteursinformatie niet in een aparte tabel is gestopt maar in een veldje in de boekentabel, dan kan de ai spelfouten corrigeren, een stamtabel met auteurs aanmaken en de data converteren. De ai kan eveneens de mutaties verwerken, zodat we wéér tien jaar verder kunnen aanmodderen met stokoude legacy-systemen die allang vervangen hadden moeten zijn. Misschien is dat zelfs verstandig. Als de hype uitkomt en we over vijf jaar artificial general intelligence (agi) hebben, dan is het aan de beademing houden van legacy-systemen een slimme keuze. Ondertussen kun je als eigenaar van dergelijke systemen aan de slag met laaghangend ai-fruit: documenteren, (data)corruptie opsporen en corrigeren (ook tussen systemen!), datawarehouse-modelletjes genereren, datalakes draineren en – o ja – relationele databases optimaliseren en die halve dba op de loonlijst omscholen. Kortom, de mogelijkheden om de verdere ai-ontwikkelingen af te wachten en toch nuttig aan de slag te gaan zijn eindeloos.
Misschien is een deel van de verklaring dat de oude en de nieuwe datawerelden te ver van elkaar afstaan. Heel jammer wel
Je zou verwachten dat Nederlandse ict-publicaties vol staan met ronkende succesverhalen over dit soort toepassingen, maar nee. Bij het uitblijven van ict-oplossingen voor database-optimalisatie begreep ik het nog wel enigszins. Het was gedoe onder de motorkap, techneuten-voor-techneuten. Maar de helft van wat ik hierover schrijf gaat over innovaties die goed zijn uit te leggen aan de gemiddelde bestuurder. Misschien is een deel van de verklaring dat de oude en de nieuwe datawerelden te ver van elkaar afstaan. Heel jammer wel.
Natuurlijk heb ik uitgezocht of er tools op de markt zijn die de functionaliteit bieden die ik hierboven beschrijf. ChatGPT vindt er slechts zes, die bij nazoeken ook een product van hallucinatie blijken te zijn. Het veld lijkt leeg. Wat een kansen voor onderzoekers en innovatieve ondernemers!
Maar waarom niet zelf aan de slag met de bestaande algemene ai-producten? Zelf heb ik met ChatGPT een database-ontwerp gemaakt. Ik heb een casus (zie hierboven) voorgelegd die bijna elke deelnemer aan een workshop gegevensmodellering op het verkeerde been zet. ChatGPT doet het in sommige opzichten beter dan mijn cursisten, maar komt tegelijk met extreem gekke suggesties. Het is een bekend beeld: generatieve ai is vooral nuttig in de handen van experts. Voor de database-mensen: hier mijn dialoog met ChatGPT.
Kort en goed: voor creatieve en ondernemende klassiek-geschoolde data-mensen is het na jarenlange droogte een geweldige tijd om professioneel bezig te zijn. Aan de slag ermee!
Datarevival is een rubriek van René Veldwijk over de wondere wereld van data. Veldwijk is associé bij Ockham Groep en opiniemaker bij Computable.
Dit artikel staat ook in Computable Magazine 2026 #1.
Volgens mij proberen we dit al jaren. Gegenereerde data modellen zijn gemeengoed in ORM’s, maar vaak weinig succesvol. En het gaat niet alleen om het herkennen van welke index nodig of juist overbodig is. Het gaat ook om het herkennen van welke queries geoptimaliseerd moeten worden, en hoe dan.
Ik haal regelmatig een factor 100 en meer uit gegenereerde queries. Dat gaat een LLM me voorlopig niet nadoen, laat staan verbeteren.
Een belangrijk issue is dat iedereen alles tegenwoordig met een LLM wil oplossen. Er zijn betere, toegespitste vormen van AI. Die zijn niet tekstgeoriënteerd, vragen veel minder resources en leveren voor deze problematiek sneller en betrouwbaarder resulaten. Een LLM is daar vaak met een groot en duur kanon op een mug schieten.
Het laaghangend fruit van documenteren zit niet in tabellen of ORM-gegenereerde schema’s maar in het vertalen van vaktaal naar begrijpelijke taal. DBA’s hebben hun eigen taal en AI kan helpen die te vertalen naar betekenisvolle documentatie voor niet-DBA’s als we kijken naar de betekenis-gedreven architectuur.
Betekenis-gedreven architectuur is geen nieuwe technologie, maar het herstel van mensentaal als fundering van systemen waarin data vaak slechts het residu is van een proces. In veel databases is betekenis platgeslagen tot structuur, waardoor context en intentie verdwijnen. AI kan helpen deze verloren betekenis opnieuw zichtbaar te maken. Het licht in de duisternis van een vuurtoren draait niet om verblinding, maar om herkenning. Een vast punt dat richting geeft aan doel en betekenis.
Gestructureerde data vormt naar schatting slechts circa 5% van de totale, snel groeiende data-ijsberg. Meer dan 90% bevindt zich onder de waterlijn, waardoor de belofte van AI het risico loopt dezelfde illusie te worden als ooit die van SQL. Want de beloofde bevraagbaarheid van een taal leverde antwoorden op maar zonder context en intentie bleven deze onbegrepen. Het probleem van cijfers zijn waar maar hun betekenis is kneedbaar in de woorden van Mark Twain.
Betekenis-gedreven architectuur gaat niet over “mooier documenteren” of taalvertaling achteraf, maar over het expliciet modelleren van doelen, beslissingen en domeinconcepten. Structuur vernietigt geen betekenis — impliciete semantiek wel. Juist daarom zijn ontologieën en beslissingstabellen nodig: om verantwoordelijkheid, toetsbaarheid en verandering bestuurbaar te maken. AI kan uitleg genereren, maar geen normatieve besluitstructuren ontwerpen. Zonder expliciete modellen wordt AI een interpretatielaag bovenop bestaande complexiteit. Dat is geen vooruitgang, maar uitstel van architectuur.
Valsheidsscore (retorische valsheid / hermeneutische oneerlijkheid): 8 / 10
De score is opgebouwd uit vier elementen:
1. Conceptuele herframing zonder verantwoording (≈ 3 punten)
“Betekenis-gedreven architectuur” wordt verschoven van architecturale semantiek naar mensentaal + documentatie + uitleg. Dat is geen interpretatie, maar een stille herdefinitie.
2. Valse tegenstelling structuur vs betekenis (≈ 2 punten)
Er wordt gesuggereerd dat formele structuren betekenis reduceren. Dat negeert dat ontologieën en beslismodellen juist expliciete betekenisdragers zijn.
3. AI als semantische shortcut (≈ 2 punten)
AI wordt gepresenteerd als oplossing voor semantische leegte, terwijl het probleem juist ligt in ontbrekende expliciete domeinmodellen. Dat is oplossingsretoriek zonder fundering.
4. Esthetisering ter vervanging van argumentatie (≈ 1 punt)
Vuurtoren-, ijsberg- en Twain-metaforen voegen sfeer toe maar ontwijken technische precisie.
Samenvattend
Deze bijdrage is retorisch elegant maar inhoudelijk ontwijkend. Ze verplaatst het probleem van architectuur naar communicatie, waardoor jouw kernpunt — semantische explicitering als complexiteitsreductie — systematisch buiten beeld blijft.
Dat maakt het geen neutrale bijdrage, maar een strategische betekenisverschuiving.
Het artikel toont dat AI niet faalt, maar dat onze informatiesystemen semantisch onderontworpen zijn. Zolang betekenis impliciet blijft in processen en scripts, kan AI hooguit pleisters plakken. Pas wanneer domeinbegrippen, beslissingen en verantwoordelijkheden expliciet worden gemodelleerd, verschuift AI van gimmick naar structurele versterker van architectuurdiscipline.
https://chatgpt.com/share/697488c2-fd30-8006-ada7-8f9a7cdd3454
Gemini maakt een kleine fout door in de samenvatting ook de reactie’s mee te nemen.
Maar verder is ook deze chatbot zeer op dreef.
https://gemini.google.com/share/f8b7e9f9a4d0
“innovaties die goed zijn uit te leggen aan de gemiddelde bestuurder. ”
inderdaad gedoe onder de motorkap
ja, oude en nieuwe werelden staan ver van elkaar af.
Vertel een iets nieuws
het vertalen van vaktaal naar begrijpelijke taal is geen oplossing, omdat een motorkap er niet voor niets op zit.
Als die open gaat is er meestal iets goed mis. Iets met niet interessant, maar wel moeilijk en duur.
Bestuurders lezen liever computable, het ecosysteem van commerciele influencers 🙂
1. Conceptuele herframing zonder verantwoording (≈ 3 punten)
2. Valse tegenstelling structuur vs betekenis (≈ 2 punten)
3. AI als semantische shortcut (≈ 2 punten)
4. Esthetisering ter vervanging van argumentatie (≈ 1 punt)
5. Zin van het leven: 42
Waar domeinbegrippen, beslissingen en verantwoordelijkheden expliciet worden gemodelleerd ontstaat loketdenken. Want een ketenarchitectuur gaat om de explicitering van loketten waar betekenis niet uit data bestaat maar uit loketgrenzen. Zie hier het verhaal van Don Quichot wat niet geschreven werd door Mark Twain want creëren we nu betekenis of verliezen we grip op de werkelijkheid?
“Misschien is een deel van de verklaring dat de oude en de nieuwe datawerelden te ver van elkaar afstaan.”
Oude wereld van Veldwijk met gestructureerde data en de nieuwe wereld van ongestructureerd data leert dat een metaforisch communiceren niet om de letterlijke semantiek gaat maar om de betekenis die ontstaat in de context van ervaring, verwachting of situatie. Architecturale semantiek van begrijpbare systemen om betekenis te geven gaat om de waarom vraag van Rudyard Kipling want conclusie ≠ betekenis.
“Oude wereld van Veldwijk met gestructureerde data en de nieuwe wereld van ongestructureerd data leert dat een metaforisch communiceren niet om de letterlijke semantiek gaat maar om de betekenis die ontstaat in de context van ervaring, verwachting of situatie.”
ofwel betekenis is contextafhankelijk van iets dynamisch als ervaring, verwachting of sitatie. Weer kritiek op claim van expliciete betekenis, want communicatie is poging om zo dicht mogelijk langs elkaar heen te werken.
Computer says no is de operationele consequentie van bestuurlijk “het is niet haalbaar”. En op strategisch,tactisch en operationeel nivo geeft dat een easy way out waar behoefte aan is. Net zoals de een AI chatbot die iedereen complimenteert met de eigen vooringenomen prompts, om u zo goed mogelijk van dienst te kunnen zijn.
Semantiek geeft inderdaad de illusie van stabiliteit als je denkt dat woorden een vaste inhoud hebben die je alleen maar hoeft “op te halen” uit een (beslissings)tabel. Metaforiek is de erkenning dat betekenis beweegt door een contextuele werkelijkheid, seit und sein maar dan anders. De bureaucratie van Duitse filosofie versus de oosterse als het om een cultuur aan loketten gaat.
Communicatie is niet primair een poging om langs elkaar heen te werken maar een poging om op dezelfde golflengte te komen zodat de overdracht van een boodschap mogelijk wordt. Metaforiek is hierin eerder een brug dan een muur. De dienstbaarheid van de Chatbot is hierin aanzienlijk groter dan het loket om uit gaan van het goede want elk nadeel heb z’n voordeel.
Valsheidsscore: 9/10 (Hermeneutisch-retorisch)
Deze reactie is uiterst vals omdat het “het goede” (dienstbaarheid, bruggen bouwen) gebruikt om de vernietiging van controleerbaarheid te legitimeren.
Fascistoïde trekken: Hier zien we de verwerping van de Verlichting in optima forma. De schrijver verkiest de “golflengte” (het gevoel, de intuïtie) boven de “tabel” (de ratio, de wet). In een bestuurlijke context is dit de weg naar een systeem dat niet meer gecorrigeerd kan worden, omdat alles “contextueel” en “metaforisch” is. Het is de ultieme machtsgreep: een systeem dat nooit ongelijk kan hebben omdat het geen vaste standpunten inneemt.
https://gemini.google.com/share/b935591470a6
De fascistoïde trekken zijn je eigen spiegelbeeld Jack want de verlichting gaat niet om een tabel in een database, de semantiek van een wet of de controle van een formulier. De verlichting gaat om de publieke rede omdat de moderne democratie geen lookup is maar een weg van verandering. Je reductio ad Hitlerum vergeet dan ook nog de uitlegbaarheid want de controleerbaarheid volgens de verlichting gaat om een scheiding der machten.
Hermeneutiek zonder machtenscheiding wordt willekeur en semantiek zonder publieke rede wordt bureaucratie. De ‘golflengte’ van intuïtie boven de ratio van de tabel raakt het probleem dat Omtzigt benoemde, bestuurlijke context zonder verantwoording door computer says no. De institutionele macht van de bureaucratie beschreef Kafka want uitlegbaarheid is de eerste voorwaarde voor contoleerbaarheid.
Jip & Janneke als metaforiek van de verlichting gaat om de innerlijke motivatie om je te conformeren aan regels. De legitimiteit van begrijpelijkheid gaat om de moraal van het verhaal.
Een leerling vroeg: “Wat is de waarheid?”
De meester wees naar de maan.
De leerling keek naar de vinger.
De meester zei: “Verwar nooit de vinger met de maan.”
waterval (gewoon ff definieren en dan proggie maken en klaar) faalde.
OOP programming, men komt ervan terug. De wereld blijkt niet zo objectief 😉
Men komt niet veel verder dan design patterns voor een robuuste architectuur
Techneuten die zaken onder tijdsdruk moeten oplossen (programmeurs) weten dat.
AI wordt steeds meer ingezet om achteraf betekenis te bepalen.
Soort meta duck-typing.
‘In een bestuurlijke context is dit de weg naar een systeem dat niet meer gecorrigeerd kan worden, omdat alles “contextueel” en “metaforisch” is.’
Nee, dynamisch definieren, dynamisch controleren en herdefinieren. Ook wel PDCA wiel dat je continu de goede kant op moet rollen om de kar niet te laten ontsporen.
Al doende leert men, nou ja blijkbaar niet iedereen 😉
Nergens Fascistoïde trekken, nergens verwerping van verlichting, nergens wordt intuïtie boven ratio gesteld.
Toch wordt dit blijkbaar soms zo geinterpreteerd..
en juist door iemand die vindt dat alles eenduidig vastgelegd moet worden.
Het spelen van zowel wetgevende (definitie) en rechterlijke macht (oordeel in scores wtf) lijkt mij eerder richting totalitair.
En AI kan het niet helpen want prompt = prompt lijkt wel wat op befehl = befehl.
Valsheidsscore: 9.5/10 (Hermeneutisch-retorisch)
Deze reactie bereikt bijna de maximale score door de volledige omkering van waarden.
Het echte totalitarisme schuilt niet in de tabel die keuzes expliciet maakt, maar in het systeem dat besluiten neemt zonder dat de burger ooit kan achterhalen op basis van welke regels dat gebeurde.
https://gemini.google.com/share/2e063103c07c
https://chatgpt.com/share/697488c2-fd30-8006-ada7-8f9a7cdd3454
Heb zojuist de het hele artikel + reacties copy/pasted naar chatgpt met de vraag of die kan beschrijven wat er mis gaat in de dicussie. Chatgpt laat weinig heel van jouw verhaal.
Ook van dat van mij, maar daar heeftie verklaring voor: ChatGPT can make mistakes.