Entiteit-contextgrafiek: hoe AI leert wie met wie samenhangt
Stel je voor dat je een AI-systeem vraagt: "Welke risico's lopen bedrijven die zowel actief zijn in halfgeleiders als in kwantumtechnologie?" Een taalmodel dat alleen losse stukjes tekst doorzoekt, mist vaak het grotere plaatje: het ziet wel losse zinnen over bedrijf A en losse zinnen over bedrijf B, maar niet hoe die twee met elkaar verbonden zijn. Een entiteit-contextgrafiek lost dat op door expliciet vast te leggen wélke personen, organisaties, technologieën en gebeurtenissen (de "entiteiten") er in een verzameling teksten voorkomen, en hoe ze met elkaar samenhangen.
Het resultaat is een soort digitale landkaart van feiten en relaties, vergelijkbaar met een sociaal netwerk maar dan voor kennis: bedrijf X heeft een investering in Y, persoon Z werkt sinds 2023 bij bedrijf X, technologie W wordt ontwikkeld door zowel X als een universiteit. Een AI-systeem dat toegang heeft tot zo'n grafiek kan vragen beantwoorden die verder gaan dan het napraten van één alinea; het kan verbanden leggen die pas zichtbaar worden als je meerdere bronnen combineert.
Wat is het precies?
Een entiteit-contextgrafiek is een specifiek type kennisgrafiek (knowledge graph): een netwerk van "knooppunten" (de entiteiten) verbonden door "randen" (de relaties tussen die entiteiten). Dit concept bestaat al langer binnen de informatica onder de naam semantic web, met standaarden als RDF (Resource Description Framework) die door het World Wide Web Consortium (W3C) zijn vastgelegd. Nieuw is dat deze grafieken tegenwoordig automatisch worden opgebouwd door taalmodellen zelf, en vervolgens weer worden gebruikt om diezelfde taalmodellen van context te voorzien.
De opbouw verloopt meestal in een aantal stappen. Eerst leest een taalmodel een grote hoeveelheid tekst door en haalt daar entiteiten uit: namen van personen, bedrijven, plaatsen, producten of concepten. Dit heet entity extraction. Vervolgens probeert het model de relaties tussen die entiteiten te herkennen, bijvoorbeeld "is CEO van", "werkt samen met" of "is een onderdeel van". Al die entiteiten en relaties samen vormen de grafiek.
Omdat zo'n grafiek al snel duizenden of miljoenen knooppunten kan bevatten, wordt er vaak een extra stap toegevoegd: het groeperen van sterk verbonden clusters van entiteiten (community detection), waarna van elk cluster een samenvatting wordt gemaakt. Als een gebruiker dan een vraag stelt, zoekt het systeem niet alleen naar losse tekstfragmenten, maar ook naar relevante delen van de grafiek en de bijbehorende clustersamenvattingen. Deze aanpak staat bekend als GraphRAG, een variant op de bredere techniek RAG (Retrieval-Augmented Generation), waarbij een taalmodel eerst relevante informatie ophaalt voordat het een antwoord formuleert.
Wat wil men ermee bereiken?
Het belangrijkste doel is dat AI-systemen minder "verzinnen" (hallucineren) en beter kunnen redeneren over verbanden die verspreid staan over veel documenten. Een gewoon RAG-systeem doorzoekt tekst op basis van betekenisovereenkomst (via zogeheten embeddings, wiskundige representaties van tekstbetekenis) en plakt de meest gelijkende fragmenten aan elkaar. Dat werkt goed voor concrete feitenvragen, maar minder goed voor vragen die om synthese vragen: "Wat zijn de belangrijkste thema's in dit hele archief?" of "Welke partijen hebben indirect met elkaar te maken?"
Door entiteiten en relaties expliciet te structureren, kan een systeem antwoorden herleiden tot concrete, controleerbare feiten in plaats van tot een vage taalkundige gelijkenis. Dat maakt antwoorden beter uitlegbaar: je kunt letterlijk teruglezen via welk pad in de grafiek een conclusie tot stand kwam. Daarnaast hoopt men zulke grafieken te kunnen hergebruiken en actueel te houden, zodat niet elke vraag opnieuw de volledige tekstberg hoeft te worden doorzocht.
Voorbeelden uit de praktijk
Het meest aangehaalde voorbeeld is GraphRAG van Microsoft Research, beschreven in het onderzoekspaper "From Local to Global: A Graph RAG Approach to Query-Focused Summarization" (2024) en later als opensourceproject vrijgegeven. Het systeem bouwt automatisch een entiteitengrafiek uit een documentenverzameling en gebruikt clustersamenvattingen om ook overkoepelende, thematische vragen te beantwoorden in plaats van alleen feitelijke losse vragen.
Google's Knowledge Graph, gelanceerd in 2012, is een vroege grootschalige toepassing van hetzelfde grondprincipe: miljarden feiten over entiteiten (mensen, plaatsen, organisaties) die de "kennispanelen" naast zoekresultaten voeden. Het is geen LLM-contextgrafiek in de moderne zin, maar wel de voorloper van het idee dat zoek- en AI-systemen baat hebben bij gestructureerde entiteitskennis in plaats van alleen platte tekst.
Het graafdatabasebedrijf Neo4j positioneert zich actief als infrastructuurleverancier voor dit soort systemen: het levert de databasetechnologie waarmee bedrijven zelf entiteitengrafieken bouwen en koppelen aan taalmodellen, en publiceert sindsdien 2023-2024 regelmatig over "GraphRAG"-implementaties bij klanten.
LinkedIn onderhoudt al langer een intern kennisgrafiek van professionals, bedrijven, functies en vaardigheden, die het bedrijf in de afgelopen jaren steeds nadrukkelijker koppelt aan AI-gedreven aanbevelingen en zoekfuncties.
Ook cloudaanbieders spelen in op de trend: Amazon biedt met Neptune een beheerde graafdatabase die expliciet wordt aangeprezen voor het bouwen van kennisgrafieken ten behoeve van generatieve AI-toepassingen.
Hoe ver is de techniek?
De onderliggende ideeën van kennisgrafieken zijn decennia oud, maar de combinatie met grote taalmodellen is nog vers: de meeste concrete implementaties dateren van 2023 en 2024. De techniek werkt aantoonbaar goed voor overzichtsvragen over afgebakende documentcollecties, zoals interne bedrijfsarchieven of onderzoeksdatabases.
Er zijn ook duidelijke knelpunten. Het automatisch opbouwen van een grafiek kost veel rekenkracht: een taalmodel moet in feite de hele tekstverzameling doorlezen om entiteiten en relaties te herkennen, wat bij grote hoeveelheden data kostbaar en traag is. Ook is entiteit-resolutie lastig: hetzelfde bedrijf of dezelfde persoon kan onder verschillende namen of schrijfwijzen voorkomen, en het automatisch herkennen dat het om dezelfde entiteit gaat, blijft foutgevoelig. Grafieken kunnen bovendien snel verouderen; ze bijhouden vergt herhaalde verwerking.
Onafhankelijk gepubliceerde, grootschalige benchmarks die precies kwantificeren hoeveel minder een systeem hallucineert dankzij een entiteitengrafiek, zijn nog schaars; veel gepubliceerde resultaten komen van de bedrijven die de technologie zelf verkopen, wat om enige voorzichtigheid vraagt bij het interpreteren van claims over verbeteringen.
Wie werken eraan?
Microsoft Research is met GraphRAG een van de meest zichtbare partijen, mede doordat het onderzoek en de code publiek zijn gemaakt. Google bouwt op zijn decennialange ervaring met de Knowledge Graph voort in zijn AI-producten zoals Gemini en de AI-overzichten in Zoeken. Graafdatabasebedrijven als Neo4j en, in mindere mate, Amazon (met Neptune) leveren de technische infrastructuur waarop veel van deze systemen worden gebouwd. Daarnaast experimenteren universitaire onderzoeksgroepen wereldwijd, onder meer in de Verenigde Staten en China, met verwante technieken onder namen als "graph-augmented generation" en "structured RAG", vaak gepubliceerd via het open preprint-platform arXiv.