Veelgestelde vragen

CIRMS helpt teams routinematig operationeel werk uit te voeren, de toestand van hun systemen te zien en de informatie die deze systemen produceren voor AI-gebruik voor te bereiden. De naam staat voor Centralized Intelligent Resource Management System.

Het brengt automatisering en inzicht samen, in plaats van mensen handmatig informatie te laten verzamelen en dezelfde controles te laten herhalen. CIRMS GL3 verzorgt de operationele taken, GL4 bereidt kennis voor en GL5 is de geplande uitbreiding met intelligentie.

Stel u een team voor dat veel servers beheert. Op één server raakt de schijfruimte op.

GL3: Een ingestelde controle verzamelt de waarde voor vrije ruimte, vergelijkt die met een drempel en maakt het resultaat zichtbaar voor het team. GL4: Bereidt die informatie voor met de bron, structuur en versie, zodat deze deel kan uitmaken van een kennisbasis. Gepland GL5: Zou die voorbereide kennis kunnen gebruiken om iemand te helpen bij onderzoek of het stellen van vragen.

CIRMS GL3 — Intelligente automatisering & gegevensverzameling: Voert vastgelegde operationele taken uit, bewaakt resources en verzamelt gegevens.

CIRMS GL4 — AI Data Readiness: Zet geselecteerde operationele gegevens om in gestructureerde, gevalideerde kennisbestanden met versiebeheer.

CIRMS GL5 — AI Intelligence: Is geplande ontwikkeling voor AI-ondersteunde analyse, toegang via gesprekken en ondersteuning bij beslissingen op basis van dit fundament.

Denk aan: het werk uitvoeren → de kennis voorbereiden → mensen helpen die te gebruiken. De drie labels beschrijven verschillende verantwoordelijkheden, niet drie namen voor dezelfde functie.

GL betekent Global Layer. Het duidt een verantwoordelijkheid binnen CIRMS aan: operationele taken, kennisvoorbereiding of geplande intelligentie.

Een softwareversie identificeert een bepaalde release of build. Een GL-label is geen releasenummer, hardwaregrootte of bewering dat een latere laag de eerdere vervangt.

Nee. CIRMS werkt met de verbonden systemen binnen de afgesproken implementatie. Uw databases en bedrijfsapplicaties blijven de bronnen van operationele informatie.

Het doel is herhaald beheerwerk te verminderen en activiteiten eenvoudiger controleerbaar te maken. Mensen blijven taken definiëren, toegang goedkeuren, uitzonderingen onderzoeken en verantwoordelijkheid dragen voor operationele beslissingen.

Betrouwbare informatie voorbereiden en vragen daarover beantwoorden zijn verschillende taken. Een bruikbaar antwoord vereist de juiste bron, voldoende context en inzicht in welke versie actueel is.

GL4 pakt dat voorbereidingsvraagstuk aan. De geplande GL5-laag zou de resulterende kennis gebruiken om ondersteuning te bieden. Het afronden van GL4 levert niet automatisch een chatbot op en maakt niet ieder antwoord correct.

CIRMS is relevant waar teams herhaalbare digitale processen en duidelijkere informatie nodig hebben: bijvoorbeeld bij IT-diensten, industriële activiteiten, financiële diensten, nutsbedrijven of overheidsorganisaties.

Het uitgangspunt is de werkelijke werklast, niet de omvang van het bedrijf. Een kleinere omgeving kan met een beperkte scope beginnen; een grotere heeft mogelijk meerdere gecoördineerde implementaties nodig. Sectorgebonden behoeften en beheersmaatregelen moeten worden beoordeeld, niet verondersteld.

Nee. Begin met de korte uitleg en voorbeelden. Begrippen als document, chunk en vector worden hieronder uitgelegd voordat u ze nodig hebt.

Een dashboard lezen is iets anders dan een implementatie configureren. Technische beheerders blijven nodig voor verbindingen, machtigingen, bronregistratie, het ontwerpen van workflows en het oplossen van problemen.

GL3 brengt herbruikbare automatiseringstaken, uitvoering van workflows, operationele gegevensverzameling, monitoring, statuscontroles en rapportage samen.

Een ingestelde taak kan een service controleren, databasegegevens verzamelen of een goedgekeurde beheerhandeling uitvoeren. Het dashboard helpt het team vervolgens de uitvoering en eventuele aandachtspunten te beoordelen. Welke taken beschikbaar zijn, hangt af van de modules en resources in de implementatie.

HERCULES is een operationele uitvoeringseenheid van CIRMS. Deze werkt dicht bij een beheerde omgeving en voert de voor die omgeving ingestelde taken uit.

HERCULES voert GL3-automatisering en gegevensverzameling uit en kan ook de GL4-voorbereidingspipeline uitvoeren. De naam beschrijft de CIRMS-rol; dit betekent niet dat iedere HERCULES-implementatie identieke resources, modules of capaciteit heeft.

ATLAS is de component voor coördinatie en toezicht die een breder overzicht van HERCULES-omgevingen biedt. HERCULES voert het lokale werk uit; ATLAS brengt de omgevingen samen voor coördinatie en inzicht.

Een ontwerp voor één omgeving kan met één HERCULES beginnen. ATLAS is relevant wanneer de implementatie bredere coördinatie nodig heeft. Het is geen andere naam voor GL5 en de aanwezigheid ervan betekent niet dat er een chatbot beschikbaar is.

Een ATOM is een kleine, gerichte, herbruikbare uitvoeringseenheid. CIRMS gebruikt voor deze bouwstenen ook de term geatomiseerde bot. Een module groepeert samenhangende mogelijkheden. Een workflow coördineert taken tot een bruikbare volgorde.

Een job is een uitvoerbare werkeenheid. Planning bepaalt wanneer deze wordt uitgevoerd. Orkestratie coördineert de stappen, hun volgorde en hun afhankelijkheden.

Gegevens moeten bijvoorbeeld worden verzameld voordat een rapport de nieuwe resultaten kan gebruiken. CIRMS registreert de uitvoering, zodat het team een voltooide run kan onderscheiden van een mislukte of niet uitgevoerde run.

Het betekent informatie uit een geautoriseerde bron verzamelen, zodat deze kan worden gemonitord, gerapporteerd of verder voorbereid.

Voorbeelden zijn hostconfiguratie, servicestatus, databasegegevens en opslaggebruik. GL3 biedt het fundament voor operationele gegevensverzameling. Welke databases, applicaties, bestanden of services kunnen worden verbonden, hangt af van de ondersteunde integratie en de voor die implementatie afgesproken toegang.

Monitoring toont vastgelegde activiteiten of metingen. Een statuscontrole toetst een toestand aan een regel.

Houd altijd rekening met het tijdstip van de meting en de configuratie van de controle, niet alleen met de kleur op een dashboard.

De CIRMS-interface biedt de weergaven Automation, Healthcheck, Monitoring en AI Data, naast operationele, database- en bedrijfsrapportage. Databaserapporten kunnen het label RDBMS dragen, de afkorting voor relationeel databasebeheersysteem.

Afhankelijk van de weergave kunt u beheerde resources, taakresultaten, mislukte controles, de duur van fasen en tellers voor datagereedheid bekijken. Een dashboard biedt een overzicht; uitvoeringsdetails of details op objectniveau verklaren waarom een bepaald resultaat aandacht vraagt.

Bekijk de CIRMS-interface →

Nee. Een probleem detecteren en een systeem wijzigen zijn afzonderlijke handelingen.

Corrigerend werk moet expliciet worden geconfigureerd, geautoriseerd en ondersteund voor de omgeving. Sommige situaties moeten tot onderzoek of een melding leiden in plaats van een automatische wijziging. “Automatisering” mag niet worden opgevat als onbeperkt zelfherstel of toestemming om ieder systeem te wijzigen.

In een hub-and-spoke-opzet communiceren verbonden resources met een centrale operationele eenheid. In een grotere CIRMS-hiërarchie kunnen meerdere HERCULES-eenheden onder coördinatie van ATLAS vallen.

In eerder materiaal werd soms “snowflake” gebruikt om een vertakte opzet te beschrijven. Hiermee wordt een implementatiehiërarchie bedoeld, niet een belofte van integratie met het Snowflake-dataplatform of een bepaald databaseschema.

Vergelijk de implementatiemodellen →

GL4 zet geselecteerde operationele gegevens om in gestructureerde, traceerbare kennisbestanden. Het controleert de bron, bereidt de gegevens voor, maakt AI-documenten en versies, bouwt chunks en vectorrepresentaties en valideert het voorbereidingsresultaat.

Het proces is zichtbaar als fasen 0–7. Het is een voorbereidingspipeline, geen chatapplicatie en geen garantie dat de oorspronkelijke bedrijfsinformatie waar is.

GL3 verzorgt operationele verzameling en uitvoering. GL4 verzorgt de voorbereiding voor AI-gebruik. GL4 heeft nog steeds een eigen fase voor het laden van ruwe gegevens uit geregistreerde invoer; daardoor wordt het niet verantwoordelijk voor infrastructuurherstel of het beheer van ieder bovenliggend systeem.

GL3 kan bijvoorbeeld opslaginformatie verzamelen in een operationele dataset. GL4 kan vervolgens de geschikte tabel registreren en die dataset als kennis voorbereiden. Een ontbrekende machtiging of niet-ondersteunde bron moet op het juiste bron- of operationele niveau worden opgelost.

Niet automatisch. Het huidige voorbereidingspad dat hier wordt beschreven, is gebaseerd op geschikte, geregistreerde brontabellen. Een bron moet voldoen aan de relevante eisen voor schema, identiteit, toegang en extractie.

De term “AI-document” betekent niet dat GL4 ieder geüpload Word- of pdf-bestand accepteert. Aanvullende bronnen en formaten vereisen een expliciet ondersteunde integratie en een afgesproken implementatiescope.

Registratie vertelt GL4 welk bronobject het mag voorbereiden en hoe het daarmee moet omgaan. Een technisch beheerder geeft de server, database, het schema en de tabel op, samen met de relevante instellingen voor identiteit en wijzigingsdetectie.

CIRMS valideert de registratie in plaats van iedere tabel als geschikt te behandelen. Een geregistreerd object is afgesproken invoer, geen toestemming om iedere database of ieder bestand in de organisatie te kopiëren.

Identiteit vraagt: “Welk record is dit?” Wijzigingsdetectie vraagt: “Wat is er veranderd sinds de vorige leesactie?”

Door deze gescheiden te houden, kan CIRMS de documentgeschiedenis volgen zonder een gewijzigd record te verwarren met een volledig nieuw record.

SOURCE_KEY gebruikt een geschikte sleutel uit de bron om een record te herkennen, zoals een passende primaire of unieke sleutel. KEYLESS gebruikt een ondersteunde strategie wanneer er geen bruikbare bronsleutel is. AUTO laat het registratieproces een ondersteunde keuze bepalen.

KEYLESS betekent niet dat “identiteit er niet meer toe doet”. Rijen die duplicaten lijken en updates vereisen een andere behandeling wanneer de bron geen stabiele sleutel heeft. Ook AUTO omzeilt de validatie niet.

Dit zijn manieren om bronwijzigingen te vinden. De juiste keuze hangt af van de bron en de ingestelde CIRMS-strategie.

Change Tracking

Identificeert gewijzigde rijen, zodat hun actuele waarden kunnen worden gelezen. Het is geen volledige geschiedenis van iedere tussentijdse waarde.

CDC — Change Data Capture

Legt informatie over invoegingen, updates en verwijderingen vast binnen de ingestelde registratiescope van de database.

Rowversion

Een door de database gegenereerde wijzigingswaarde voor ingevoegde of bijgewerkte rijen. Het is geen kloktijd en registreert op zichzelf geen verwijderde rijen.

Watermark

Een opgeslagen voortgangsmarkering, zoals een geschikte wijzigingswaarde, waarmee latere records worden geselecteerd. De betrouwbaarheid hangt af van de bronregels.

Volledige snapshot

Een leesactie van de actuele dataset binnen de scope, die kan worden vergeleken met een eerder geaccepteerde toestand.

Een instelling is alleen bruikbaar als de voorwaarden en registratiescope geldig zijn. Geen enkele methode mag een onleesbare bron stilzwijgend omzetten in schijnbare massale verwijderingen.

Databaseachtergrond: Change Tracking, CDC en rowversion. Deze leggen de databaseconcepten uit, niet universele bronondersteuning door CIRMS.

Metadata is informatie over de gegevens. Een schema beschrijft de structuur: kolomnamen, typen, toegestane lege waarden en sleutels.

GL4 controleert de structuur, zodat een gewijzigde bron niet met een verouderde aanname wordt voorbereid. Een kolom hernoemen en een waarde in dezelfde kolom wijzigen zijn verschillende soorten veranderingen.

De vernieuwingsfrequentie wordt bepaald door de planning van de implementatie en de bronstrategie. Een dashboard kan het laatst vastgelegde resultaat tonen zonder de bron op deze exacte seconde weer te geven.

Controleer de laatste geslaagde scan, de objectstatus en de tijden per fase wanneer actualiteit belangrijk is. De bronomvang, het aantal wijzigingen en de verwerkingscapaciteit beïnvloeden hoe snel een run voltooit; er is geen universele belofte van “directe” vernieuwing.

Een scan is één verwerkingsrun voor de geselecteerde geregistreerde bronnen. CIRMS begint de nummering bij nul, zodat fasen 0 tot en met 7 acht fasen zijn.

De volgorde is bronmetadata → ruwe gegevens → curatie → AI-documenten → chunks → vector-embeddings → semantische validatie → afronding van gereedheid. Een scan kan meer dan één bronobject omvatten; resultaten worden op zowel run- als objectniveau vastgelegd.

Een run zonder geschikt werk is iets anders dan een mislukte run of een run die nieuwe kennis heeft voorbereid.

Invoer: De geregistreerde bron en de actuele definitie ervan. Werk: De structuur, sleutels en relevante extractieaannames inspecteren voordat de bron in de voorbereidingsstroom wordt gelezen.

Resultaat: Een vernieuwde brondefinitie en validatie-uitkomst. In het opslagvoorbeeld controleert CIRMS of de verwachte kolommen voor server en vrije ruimte nog bestaan en verwerkt kunnen worden. Een ontbrekende tabel of niet-ondersteunde structuur wordt niet stilzwijgend als lege dataset geaccepteerd.

Invoer: Een geschikte bron en een ondersteunde verzamelstrategie. Werk: De brongegevens die voor de run nodig zijn in de ruwe voorbereidingsomgeving laden.

Resultaat: Vastgelegde invoer voor de volgende fase. “Ruw” betekent dat de gegevens zijn verzameld, niet dat ze alle voorbereidingscontroles al hebben doorstaan. Een snapshot leest de actuele toestand binnen de scope; een incrementele strategie gebruikt het ondersteunde wijzigingsmechanisme.

Invoer: Ruwe gegevens en de verwachte structuur. Werk: Het fysieke schema valideren en de ingestelde voorbereidingsregels toepassen om een consistente, gecureerde dataset te produceren.

Resultaat: Gestructureerde gegevens die geschikt zijn voor documentgeneratie. Een opslagwaarde heeft een consistent veld en type nodig; een structurele afwijking moet zichtbaar worden. Curatie geeft geen toestemming om een ontbrekende meting te verzinnen of de oorspronkelijke bron stilzwijgend te herschrijven.

Invoer: De gecureerde dataset. Werk: Een documentrepresentatie opbouwen en koppelen aan het bronrecord, de identiteit en de versiegeschiedenis.

Resultaat: AI-documenten en de relevante actuele of historische versies. Een voorbereid record kan bijvoorbeeld APP-01 samen met de vastgelegde opslagwaarde beschrijven. Nieuwe en ongewijzigde inhoud mogen niet als hetzelfde soort gebeurtenis worden geteld.

Invoer: Een geschikte documentversie. Werk: Met de ingestelde chunkingregels hanteerbare stukken inhoud maken, waarbij de verbinding met het document behouden blijft.

Resultaat: Chunks voor de volgende fase, met onderscheid tussen nieuwe en herbruikbare inhoud. Een kort document kan één stuk opleveren; een langer document meerdere. Het aantal hangt af van de inhoud en configuratie, niet van een vaste regel van één rij per chunk.

Invoer: Geschikte chunks en een actieve configuratie voor vectorisatie. Werk: Het ingestelde embeddingproces toepassen om numerieke representaties te maken.

Resultaat: Vectoren die aan hun chunks en configuratie zijn gekoppeld. Een compatibele inrichting moet beschikbaar zijn; een ontbrekende configuratie is geen reden om vectoren te verzinnen of de vereiste over te slaan. Een vector maken is ook niet hetzelfde als de latere controles voor retrieval en gereedheid doorstaan.

Invoer: De voorbereide bestanden, goedgekeurde vectorrelaties en ingestelde retrievalscope. Werk: Valideren dat de vereiste retrievalpaden de juiste geschikte bestanden gebruiken en structureel geldige, herhaalbare resultaten produceren voor de uitgevoerde controles.

Resultaat: Een uitkomst van semantische validatie voor de laatste gereedheidsfase. De koppelingen tussen bron, document, versie, chunk en vector zijn belangrijk, niet alleen of er ergens een vector bestaat.

Invoer: De vereiste eerdere uitkomsten en goedkeuringen. Werk: De afrondingsvereisten controleren en het definitieve voorbereidingsresultaat voor de relevante scope vastleggen.

Resultaat: Een afgeronde gereedheidsuitkomst die in de monitoringweergaven kan worden bekeken. Alleen fase 5 of fase 6 voltooien is niet hetzelfde als de hele run voltooien. Mislukte of ontbrekende vereisten mogen niet als geslaagde gereedheid worden gepresenteerd.

Een AI-document is de voorbereide representatie van broninformatie binnen de kennispipeline van CIRMS. Zie het als een gelabelde informatiekaart met inhoud en koppelingen naar de oorsprong.

Het hoeft geen pdf- of Word-bestand te zijn en “AI-document” betekent niet dat een chatbot de tekst heeft verzonnen. Het doel is geselecteerde brongegevens bruikbaar te maken in latere voorbereidingsfasen.

Een document is het doorlopende record; een versie legt de inhoud ervan vast in een bepaalde voorbereidingstoestand.

De geschiedenis helpt verklaren wat is veranderd. Historische versies zijn niet automatisch de versies die voor actuele retrieval in aanmerking komen.

Een chunk is een kleiner stuk van een document. Een bruikbare vergelijking is een alinea uit een langer rapport, met behoud van het label en de bronverwijzing.

Kleinere stukken laten een retrievalproces met een relevant gedeelte werken in plaats van met een heel lang document. In CIRMS blijft een chunk gekoppeld aan de documentversie; het is geen losstaand stuk tekst.

Algemene achtergrond: Microsoft Learn over documentchunking ↗.

Nee. Zeer kleine chunks kunnen context verliezen; zeer grote kunnen losstaande onderwerpen mengen. De geschikte grootte hangt af van de informatie en het beoogde retrievalproces.

Overlap betekent dat wat tekst aan de grenzen van aangrenzende chunks wordt herhaald om context te behouden. Dit is een algemene chunkingtechniek, geen belofte dat iedere CIRMS-configuratie deze gebruikt. Meer chunks of meer overlap zijn op zichzelf geen bewijs van betere kennis.

Een token is een kleine teksteenheid die een taalmodel verwerkt. Afhankelijk van de tokenizer kan het een woord, woorddeel, leesteken of een andere teksteenheid voorstellen.

Een chunk kan veel tokens bevatten. Een tokenaantal is daarom geen aantal documenten of chunks. Invoerlimieten van het model en ingestelde regels voor tekstverwerking zijn belangrijk bij het kiezen van chunkgroottes.

Een vector is een geordende lijst getallen. Een embedding is een numerieke representatie die uit inhoud wordt gemaakt, doorgaans door een embeddingmodel in een AI-retrievalsysteem.

Denk aan coördinaten op een kaart: ze laten een systeem posities vergelijken. Met geschikte semantische embeddings kan verwante inhoud vergelijkbare representaties hebben. De getallen zijn geen leesbaar antwoord en hun bruikbaarheid hangt af van het ingestelde proces.

Algemene achtergrond: Microsoft Learn over embeddings ↗.

Nee. Een embeddingmodel zet inhoud om in getallen voor taken zoals vergelijking en retrieval. Een conversationeel taalmodel genereert een antwoord.

GL4 kan tijdens de voorbereiding ingestelde vector-embeddings uitvoeren zonder een chatinterface te bieden. Ondersteuning via gesprekken en bredere AI-analyse horen bij de geplande GL5-richting. “AI-gereed” en “chatbot beschikbaar” zijn verschillende beweringen.

Semantisch betekent betrekking hebbend op betekenis. “Weinig schijfruimte” en “opslag bijna vol” gebruiken andere woorden maar beschrijven verwante ideeën.

Een betekenisgerichte retrievalmethode probeert relevante inhoud te vinden die verder gaat dan de exacte formulering. Overeenkomst is geen bewijs van waarheid of identieke betekenis. De semantische validatie van CIRMS controleert de ingestelde retrievalvoorbereiding; dit mag niet worden verward met een menselijke feitencontrole van iedere bronuitspraak.

Retrieval betekent relevante voorbereide informatie vinden. Vector-retrieval vergelijkt numerieke representaties; andere methoden kunnen woorden of gestructureerde filters gebruiken.

In CIRMS bepaalt een ingestelde route de scope en configuratie waarmee voorbereide kennis wordt geselecteerd en gevalideerd. Het is geen netwerkkabel. Correcte bronrelaties, geschikte versies en goedgekeurde vectoren moeten met die scope overeenkomen.

Algemene achtergrond: Microsoft Learn over vector-retrieval ↗.

Lineage legt vast waar informatie vandaan komt en hoe deze is voorbereid. Traceerbaarheid is het vermogen die koppelingen te volgen.

Een herkomstregistratie is nuttig bewijs, maar vervangt geen controle van toegang, actualiteit of de juistheid van de oorspronkelijke gegevens.

Verrijking voegt bruikbare context toe, zoals bronidentiteit, eenheden of een categorie. Semantische tagging koppelt betekenisgerichte labels. Een canoniek model is een gemeenschappelijke structuur die verschillend georganiseerde gegevens consistent maakt.

Door bijvoorbeeld af te spreken of een opslagwaarde in bytes of gigabytes wordt uitgedrukt, wordt een dubbelzinnig getal vermeden. In CIRMS komt het werkelijke resultaat voort uit ingestelde metadata en voorbereidingsregels. Deze termen betekenen niet dat GL4 automatisch iedere afdeling begrijpt of een universeel bedrijfsdatamodel verzint.

RAG betekent retrieval-augmented generation. In dit algemene AI-patroon vindt een systeem relevant materiaal en geeft het als context aan een model voordat dat een antwoord genereert.

GL4 bereidt kennisbestanden voor die dergelijk vervolggebruik kunnen ondersteunen. Een volledige assistent heeft daarnaast retrievalintegratie, een model, machtigingen en antwoordcontroles nodig. RAG is geen synoniem voor GL4 en betekent niet dat een CIRMS GL5-assistent al is uitgebracht.

Algemene achtergrond: Microsoft Learn over RAG ↗. Externe voorbeelden zijn geen beweringen over een ingebouwde CIRMS-integratie.

Deze termen beschrijven hoe geaccepteerde brongegevens zich verhouden tot de relevante eerdere toestand: ingevoegd is nieuw aanwezig, bijgewerkt is veranderd, verwijderd is als weggehaald herkend en ongewijzigd betekent dat volgens de ingestelde regels geen inhoudswijziging is gedetecteerd.

De mogelijke interpretatie hangt af van rij-identiteit en wijzigingsdetectie. Zonder stabiele sleutel moet een schijnbare bewerking mogelijk als verwijderde en nieuw aanwezige inhoud worden weergegeven in plaats van een update van een stabiel record.

Omdat een bestaand document kan veranderen zonder een nieuwe documentidentiteit te krijgen. Met een stabiele bronidentiteit maakt een update nieuwe voorbereide inhoud voor hetzelfde doorlopende record.

Nieuwe chunks zijn nieuw gegenereerde stukken inhoud. Hergebruikte chunks zijn bestaande stukken die op basis van de relevante inhouds- en configuratiecontroles geschikt blijven.

Hergebruik voorkomt dat hetzelfde werk onnodig opnieuw wordt gedaan. Het betekent niet dat oude inhoud altijd wordt hergebruikt: een gewijzigd document, een chunkingregel of een andere afhankelijkheid kan nieuwe generatie vereisen. Lees de tellers voor nieuw en hergebruikt samen met de verwerkingsscope.

Ze tellen verschillende dingen. Eén documentversie kan meerdere chunks produceren. Historische versies en verschillende configuraties kunnen ook de totalen beïnvloeden; verwacht daarom niet dat bronrijen, documenten, chunks en vectoren dezelfde aantallen hebben.

Gegenereerd betekent dat er een numerieke representatie bestaat. Goedgekeurd betekent dat deze aan de toepasselijke geschiktheids- en validatieregels voor het beoogde gebruik voldoet.

Een vector kan bestaan zonder actueel, goedgekeurd of correct gekoppeld aan de vereiste route te zijn. Het totale aantal vectoren is daarom niet hetzelfde als het aantal gebruiksklare vectoren. Oudere versies kunnen ook als geschiedenis blijven bestaan zonder geschikt te zijn voor actuele retrieval.

Een herhaalde run kan de actuele toestand valideren zonder nieuwe documentinhoud, chunks of vectoren te maken waar bestaande bestanden geschikt blijven.

“Geen nieuwe inhoud” kan een gezonde uitkomst zijn. Het is geen reden om noodzakelijke controles over te slaan, en gewijzigde configuratie of ongeldig geworden goedkeuringen kunnen toch verwerking vereisen wanneer de bronwaarden niet zijn veranderd.

GL4 vernieuwt de bronmetadata en controleert de verwachte voorbereidingsstructuur. Een ondersteunde wijziging kan volgens de toepasselijke regels worden verwerkt; een niet-ondersteunde of inconsistente structuur moet worden gemeld en niet stilzwijgend als geldig worden behandeld.

Een verwijderde sleutel kan de identiteit beïnvloeden, terwijl een gewijzigd kolomtype invloed kan hebben op extractie of curatie. De beheerder moet het falende object en de regel onderzoeken voordat de run opnieuw wordt gestart. Deze FAQ belooft geen automatische acceptatie van iedere schemawijziging.

Nee. Een lege bron is met succes gelezen en bevat geen rijen binnen de scope. Een ontbrekende tabel, onbeschikbare server of geweigerde machtiging betekent dat de toestand van de bron niet kon worden vastgesteld.

Een leesfout mag niet worden geïnterpreteerd als bevestiging dat alle rijen zijn verwijderd. Ook echt lege invoer moet voldoen aan de toepasselijke verwerkings- en gereedheidsregels; ze voldoet niet automatisch aan alle retrievalvereisten. “Geen geregistreerd werk” is een derde, afzonderlijke situatie.

AI_READY is een voorbereidingsstatus van CIRMS voor een vastgelegde scope. Deze geeft aan dat aan de toepasselijke voorbereidings- en validatievereisten is voldaan.

Het is geen officiële certificering, garantie van feitelijke juistheid of belofte dat een AI-model altijd correct antwoordt. Beoordeel voor de bruikbaarheid ook de actualiteit van de bron, de laatste uitvoeringsuitkomst en eventuele statusproblemen.

Ze beantwoorden verschillende vragen. Gereedheid: Is er een geaccepteerde voorbereide kennistoestand? Laatste uitvoering: Is de meest recente run geslaagd? Systeemgezondheid: Is er een probleem dat aandacht vraagt?

Lees deze signalen samen in plaats van op één groene status te vertrouwen.

Begin bij het betrokken bronobject, het fasenummer en de geregistreerde fout. Controleer toegang, bronstructuur, registratiekeuzes en de vereiste configuratie voor die fase.

Los de oorzaak op en gebruik de ondersteunde procedure voor opnieuw uitvoeren. Latere fasen die van mislukte uitvoer afhankelijk zijn, mogen geen succes fabriceren. Of andere objecten doorgaan en welke bestanden behouden blijven, hangt af van de verwerkingsregels; een fout is geen reden om blind alle gezonde bronnen opnieuw op te bouwen.

Een record uit de actuele kennistoestand verwijderen en iedere historische kopie wissen zijn verschillende handelingen. Een bronverwijdering kan de voorbereide inhoud inactief of ongeschikt voor actueel gebruik maken, terwijl historische records volgens de ingestelde levenscyclusregels behouden blijven.

Een afzonderlijk bewaar- of verwijderingsproces is nodig wanneer geschiedenis, afgeleide bestanden en back-ups moeten worden meegenomen. Behandel het label “inactief” niet als bewijs dat iedere kopie fysiek is gewist.

De architectuur is ontworpen voor modulaire integratie met bestaande operationele systemen. Een implementatiebeoordeling stelt vast welke interfaces, authenticatie, machtigingen, gegevensstructuren en taken daadwerkelijk worden ondersteund.

Neem een lijst mee van de relevante databases, besturingssystemen, applicaties en gewenste acties. Een diagram met “databases” of “applicaties” betekent niet dat iedere leverancier, release of API automatisch wordt ondersteund.

Ja, de architectuur ondersteunt een afgebakend begin. Start met afgesproken resources en taken en beoordeel aanvullende modules, gegevensbronnen of HERCULES-omgevingen wanneer de behoefte groeit.

Voor bredere coördinatie kan het HERCULES–ATLAS-model worden gebruikt. Uitbreiding vereist nog steeds capaciteitsplanning, toegangscontrole en tests; “schaalbaar” is geen belofte van onbeperkte werklast op ongewijzigde hardware.

Iedere extractie- of voorbereidingswerklast kan resources gebruiken. De impact hangt af van gegevensvolume, gekozen wijzigingsstrategie, queryontwerp, planning en beschikbare capaciteit.

Spreek een kleine beginscope af, meet die en kies een passend schema voordat u uitbreidt. Incrementele verwerking kan herhaald werk verminderen waar dit wordt ondersteund, maar er is geen universele garantie op nul impact.

Mensen bepalen welke resources worden verbonden, welk werk is toegestaan en hoe resultaten worden beoordeeld. CIRMS biedt uitvoeringsresultaten, controles, fasen en rapporten om dat werk controleerbaar te maken.

Automatisering neemt de verantwoordelijkheid niet weg bij de organisatie. Voor geplande AI-ondersteuning moeten mensen ook aanvaardbaar gebruik definiëren en aanbevelingen met belangrijke gevolgen beoordelen voordat zij handelen.

Nee. Toegang moet passen bij de afgesproken taak. Brongegevens lezen, een service inspecteren en een systeem wijzigen vereisen verschillende machtigingen.

De implementatie moet serviceaccounts, toegestane handelingen, netwerktoegang en bevoegdheden voor configuratie en uitvoering vastleggen. Een mislukte toegangscontrole moet zorgvuldig worden opgelost; dit is geen reden om zonder beoordeling brede beheerdersrechten toe te kennen.

Geen enkele productfunctie is een algemene garantie. De statuscontroles, uitvoeringsregistraties en rapportage van CIRMS kunnen teams helpen omstandigheden te onderzoeken en bewijs te verzamelen.

Toegangscontroles, verbindingsbeveiliging, logdekking, bewaartermijnen en operationele procedures moeten nog steeds voor de implementatie worden geconfigureerd en geverifieerd. Een dashboardstatus is geen beveiligingscertificering en deze FAQ claimt geen universele anomaliedetectie of volledige registratie van iedere gebruikershandeling.

Documentgeschiedenis vervangt geen back-up- en herstelplan. Een eerdere documentversie bewaren bewijst niet dat databases, configuratie of de service na een incident kunnen worden hersteld.

Ondersteunde operationele taken kunnen back-upgerelateerd werk en controles omvatten, maar herstelprocedures, hersteldoelen en continuïteitsafspraken moeten worden overeengekomen en getest. Het multi-ATLAS-model blijft een geplande architectuurrichting, geen gegarandeerde failoverservice voor productie.

Voorbereide gegevens horen thuis in de omgeving en services die voor de implementatie zijn geconfigureerd. Een bron registreren betekent op zichzelf niet dat die op internet wordt gepubliceerd.

Controleer waar ruwe gegevens, documenten, chunks en vectoren worden opgeslagen, wie toegang heeft en welke embeddingservices inhoud ontvangen. Neem niet aan dat alle verwerking lokaal is of dat alle gegevens naar een cloudservice gaan: die keuzes moeten voor de werkelijke installatie worden vastgesteld.

Nee. Inhoud als vector coderen is geen versleuteling en geen betrouwbare manier om gevoelige informatie te anonimiseren.

Documenten, chunks, metadata en afgeleide representaties moeten allemaal worden meegenomen in beslissingen over toegang en levenscyclus. Behandel de kennispipeline als onderdeel van de informatieomgeving van de organisatie, niet als een plaats waar gegevens automatisch hun gevoeligheid verliezen.

Ga niet uit van universele compatibiliteit. De ondersteunde runtimes, modules, databaseplatformen en integratiepaden hangen af van de installatie en de geleverde functionaliteit.

CIRMS heeft eigen dashboard- en rapportweergaven. Een eis rond Python, Java, .NET, Power BI, Tableau of een andere tool moet expliciet worden gecontroleerd, inclusief vereiste interface en beveiligingsmaatregelen, en niet worden afgeleid uit een oudere marketinglijst.

CIRMS GL5 is geplande ontwikkeling. De huidige website presenteert GL3-automatisering en GL4 AI Data Readiness apart van die geplande uitbreiding met intelligentie.

Illustraties van AI-ondersteuning zijn concepten, geen screenshots van een uitgebrachte GL5-chatbot. Beschikbaarheid, scope en leveringsafspraken moeten als onderdeel van een concreet productgesprek worden bevestigd.

De geplande richting is om AI-modellen en ondersteuning via gesprekken te verbinden met de kennis die via GL3 en GL4 is voorbereid.

Beoogde toepassingen zijn mensen helpen informatie te vinden, operationele vragen te onderzoeken, inzichten over afdelingen heen te beoordelen en aanbevelingen af te wegen. Dit zijn roadmapdoelen met menselijk toezicht, geen belofte dat iedere getoonde mogelijkheid al is geïmplementeerd.

Nee. CIRMS mag niet worden gepresenteerd als Artificial General Intelligence of als een autonoom systeem dat alles begrijpt en beheerst.

De huidige verantwoordelijkheden van GL3 en GL4 zijn vastgelegd operationeel werk en kennisvoorbereiding. De geplande GL5-scope is AI-ondersteuning op dat fundament. Oudere verwijzingen naar een automatische overgang naar AGI mogen niet worden gelezen als actuele functionaliteit of gegarandeerde toekomstige mogelijkheden.

Niet op zichzelf. Embeddings maken past een ingesteld proces op inhoud toe om representaties te produceren. Dit verschilt van het trainen of finetunen van een model.

Een toekomstige assistent vereist eigen keuzes over model en integratie. Ook hoe de aanbieder omgaat met aangeleverde inhoud moet afzonderlijk worden beoordeeld; deze FAQ belooft niet dat iedere mogelijke aanbieder hetzelfde trainings- of bewaarbeleid heeft.

Kies een beperkt, herhaalbaar probleem: bijvoorbeeld afgesproken operationele controles en een duidelijk geïdentificeerde dataset die het team nu handmatig samenstelt.

Definieer de verwachte uitvoer, verbind alleen de goedgekeurde scope en valideer de GL3-resultaten. Wanneer AI-datavoorbereiding relevant is, registreert u geschikte bronnen in GL4 en inspecteert u de volledige run. Breid pas uit wanneer het team de uitvoer en de operationele vereisten begrijpt.

Gebruik de contactpagina of stuur een e-mail naar office@tohol.org met een korte beschrijving van uw omgeving, het operationele probleem en of u GL3, GL4 of de geplande GL5-roadmap verkent.

Een nuttige demonstratie volgt één taak en één bron door de relevante schermen. Vraag wat al beschikbaar is, wat configuratie vereist en wat gepland blijft. Stuur bij een eerste aanvraag geen wachtwoorden, privésleutels of vertrouwelijke productiedatasets.