Een organisatie bestaat niet uit losse webpagina’s. Ze bestaat uit mensen, diensten, producten, sectoren, locaties, ervaringen, bewijzen en relaties daartussen. Een website laat die elementen vaak nog zien als afzonderlijke pagina’s. Voor een agent is het waardevoller als de relaties tussen al die objecten expliciet zijn.
Dat is de gedachte achter een ‘knowledge graph’: niet alleen weten dat Comaxx een pagina over GEO heeft, maar ook kunnen vaststellen welke expert daarover spreekt, voor welke organisaties de dienst bedoeld is, welke cases ermee samenhangen en hoe de informatie zich verhoudt tot andere diensten. Hieronder leggen we uit hoe we klanten helpen met de inzet van het Open Knowledge Format van Google, om deze ‘knowledge graph’ goed op te kunnen zetten.
AI agents benoemen jouw website eerder als je naast je website ook goed gebruik maakt van een ‘knowledge graph’. Ik leg je uit wat de gedachte erachter is en hoe je het toepast.
Laagdrempeligheid voor AI-systemen
AI-systemen kunnen steeds meer informatie verwerken. Toch betekent toegang tot veel tekst niet automatisch dat een AI-agent begrijpt hoe een organisatie in elkaar zit. De informatie staat vaak verspreid over webpagina’s, documenten, databases, systemen en -misschien wel het belangrijkst- in de hoofden van medewerkers.
De nieuwe vraag is daarom niet alleen: staat onze informatie online? Maar ook: kan een AI-systeem zien wat bij elkaar hoort, wie ergens verstand van heeft, welke bewering door welke bron wordt ondersteund en hoe actueel die informatie is?
Onlangs besprak ik dit in een presentatie met een GEO-specialisten. De aanleiding was Google’s Open Knowledge Format (OKF): een open, eenvoudige manier om kennis zo te structureren dat mensen én AI-agents ermee kunnen werken.
Het probleem is niet te weinig data, maar te weinig context
Een AI-agent kan de pagina over SEO vinden, de pagina over GEO vinden en misschien ook een pagina over een bepaalde sector of locatie. Maar dat betekent nog niet dat het systeem de juiste relaties legt. Welke dienst past bij welk type organisatie? Wie binnen het bedrijf heeft deze expertise? Welke case bewijst de claim? En welke informatie is een persoonlijke visie, in plaats van een formeel standpunt van de organisatie?
Deze versnippering kun je zien als ‘context sprawl’: kennis is er wel, maar de onderlinge betekenis is niet expliciet gemaakt. Het gevolg kan zijn dat een AI-agent verbanden moet raden, een antwoord te voorzichtig formuleert, een expert overslaat of een concurrent aanbeveelt die zijn informatie duidelijker heeft georganiseerd.
Meer tekst publiceren lost dit probleem niet vanzelf op. Soms maakt extra tekst de interpretatie juist moeilijker. Voor AI-search draait het daarom steeds minder om alleen meer woorden en steeds meer om duidelijke entiteiten, relaties, bewijs en herkomst.
Wat is het Open Knowledge Format?
Google Cloud introduceerde OKF in juni 2026 als een open specificatie. De eerste versie formaliseerde het zogenoemde LLM-wiki-patroon: een map met gewone Markdown-bestanden, aangevuld met een klein blok YAML-metadata. Inmiddels staat de openbare specificatie op versie 0.2 en zijn provenance, vertrouwen, actualiteit en lifecycle nadrukkelijker onderdeel van het format.
De basis is bewust eenvoudig:
- één Markdown-bestand beschrijft één concept, zoals een dienst, persoon, locatie, metric of werkwijze;
- YAML bovenaan bevat de gestructureerde kenmerken, zoals type, titel, beschrijving, tags en tijdstip;
- de Markdown-tekst bevat de mensleesbare context;
- bestanden kunnen met gewone Markdown-links naar elkaar verwijzen;
- de bestanden zijn leesbaar, versioneerbaar en te verplaatsen zonder afhankelijkheid van één platform of softwareleverancier.
Een vereenvoudigd, illustratief voorbeeld kan er zo uitzien:
—
type: expert
title: Edwin Vliegenthart
description: Specialist in SEO en GEO
tags: [SEO, GEO, AI-search]
—
# Expertise
Een beschrijving van ervaring, inzichten, voorbeelden en bronnen.
De precieze velden en regels hangen af van de OKF-versie en de toepassing. De kern is echter steeds dezelfde: de agent krijgt niet alleen een tekstblok, maar ook expliciete aanwijzingen over wat dat tekstblok beschrijft.
Schema.org en OKF vullen elkaar aan
OKF vervangt Schema.org niet. De twee werken op verschillende niveaus en kunnen elkaar juist versterken.
| Schema.org | Open Knowledge Format | |
| Vorm | HTML en JSON-LD | Markdown-bestanden met YAML |
| Niveau | Entiteiten en eigenschappen op de website | Een samenhangende kennisbundel |
| Sterk in | Machineleesbare basisinformatie en zoekfuncties | Context, relaties, expertise en herleidbaarheid |
| Rol in AI-search | Helpt systemen begrijpen wat een pagina of entiteit is | Helpt systemen begrijpen hoe concepten en bronnen samenhangen |
Je kunt Schema.org zien als een belangrijke fundering van de publieke website. OKF voegt daar een bredere, navigeerbare laag aan toe voor gecureerde kennis. Niet alleen: dit is onze dienst. Ook: deze dienst is relevant voor deze doelgroep, wordt aangeboden vanuit deze locatie, sluit aan op deze expertise en wordt ondersteund door deze bronnen.
OKF is geen complete knowledge graph-database en ook geen magische distributielaag. Het is een open bestandsformat waarmee je zulke kennisrelaties op een eenvoudige manier kunt vastleggen. Een organisatie heeft vervolgens nog steeds een publicatie-, vindbaarheids- en beheerproces nodig.
De commerciële waarde: minder raden, beter begrijpen
De commerciële waarde van structuur zit niet in een gegarandeerde plek in een AI-antwoord. Daarvoor zijn ook inhoudelijke kwaliteit, reputatie, actualiteit, externe bronnen en de werking van het betreffende AI-systeem bepalend. Wie beweert dat OKF op zichzelf een bepaald percentage extra zichtbaarheid oplevert, doet de standaard meer beloven dan zij kan waarmaken.
De echte waarde is dat je de kans op betekenisvolle interpretatiefouten verkleint en unieke kennis beter beschikbaar maakt voor systemen die antwoorden samenstellen. Een agent kan dan gemakkelijker herkennen:
wat de organisatie precies doet;
- voor welke doelgroep of sector een aanbod relevant is;
- welke persoon over een onderwerp kan worden geraadpleegd;
- welke claims door een case, rapport, award of testimonial worden ondersteund;
- of een uitspraak een feit, expert opinion, ervaring of nog onbewezen hypothese is.
Dat is een fundamenteel andere manier van denken dan alleen optimaliseren op zoekwoorden. In plaats van te hopen dat een algoritme de juiste betekenis uit een pagina haalt, maak je de belangrijkste betekenis expliciet.
Waarom experts hierin een sleutelrol hebben
Veel onderscheidende kennis staat niet in een brochure, dienstpagina of handleiding. Ze zit in de afwegingen van ervaren medewerkers: waarom werkt een aanpak in de ene situatie wel en in de andere niet? Welke uitzondering ziet een beginner over het hoofd? Welke les is geleerd uit een project? En waarover verschilt de ene expert van de andere?
Daarom onderzoeken we binnen Comaxx een aanpak waarin experts niet alleen als auteur onderaan een blog worden vermeld, maar als primaire kennisentiteit worden vastgelegd. Via AI-ondersteunde interviews kunnen ook impliciete inzichten worden opgehaald. Daarna worden die inzichten opgebroken in herbruikbare, afzonderlijke concepten, voorzien van herkomst en gecontroleerd door de expert.
Het uitgangspunt is: Expert First, Organization Second. De expert is de primaire bron van een inzicht; de organisatie is de context, affiliatie, facilitator en het publicatiekanaal. Zo voorkom je dat een persoonlijke ervaring ongemerkt wordt gepresenteerd als een officieel bedrijfsfeit. Juist het onderscheid tussen ervaring, mening, hypothese en geverifieerde kennis maakt de dataset betrouwbaarder.
Hoe begin je praktisch met OKF?
Een organisatie hoeft niet meteen haar volledige kennislandschap te modelleren. Een afgebakende pilot levert sneller inzicht op en maakt fouten zichtbaar voordat er veel tijd in productie wordt gestoken.
- Leg de basisentiteiten vast. Zorg dat Organization, Person, LocalBusiness, Service en relevante sameAs-relaties op de website logisch en consistent zijn beschreven.
- Maak de belangrijkste relaties zichtbaar. Verbind diensten met doelgroepen, sectoren, locaties, experts, cases en FAQ’s. Laat geen cruciale verbanden uitsluitend aan interpretatie over.
- Haal expertkennis op. Begin met een beperkt aantal concrete vragen en leg vooral vast wat de expert toevoegt aan algemene informatie. Kies atomair: één concept, één inzicht of één duidelijke relatie per bestand.
- Voeg provenance en status toe. Noteer waar een bewering vandaan komt, wanneer zij is vastgelegd, wie haar heeft gecontroleerd en of het om een feit, ervaring, mening of hypothese gaat.
- Test met echte vragen. Controleer niet alleen of een agent de organisatie noemt, maar ook of de juiste expert, dienst, doelgroep, bron en nuance worden gekoppeld. Meet juistheid en herleidbaarheid naast zichtbaarheid.
Belangrijk: een map met OKF-bestanden publiceren betekent niet automatisch dat elke AI-agent die map zal vinden of gebruiken. OKF beschrijft de taal en de structuur; discovery, indexering, toegangsrechten en het gekozen consumer-systeem bepalen vervolgens wat ermee gebeurt.
Is OKF al klaar voor iedere organisatie?
Nee. OKF is een jonge specificatie die nog in ontwikkeling is. Er is nog geen garantie dat alle AI-systemen het format ondersteunen of dat de markt één standaard zal omarmen. Bovendien heeft OKF weinig zin als de basisinformatie op de website verouderd, tegenstrijdig of niet onderbouwd is.
Voor organisaties met veel verspreide kennis, meerdere experts en een duidelijke ambitie rond AI-search is een pilot wél interessant. Begin dan met een concreet probleem: bijvoorbeeld het correct koppelen van diensten aan experts, locaties en cases. Zo test je niet alleen de techniek, maar vooral of de structuur betere antwoorden oplevert.
Let daarbij ook op privacy, intellectueel eigendom en autorisatie. Niet alle interne kennis hoort publiek beschikbaar te komen. Een goede kennisarchitectuur maakt daarom niet alleen duidelijk wat een agent mag weten, maar ook wie welke informatie mag beheren en publiceren.
De conclusie
In het tijdperk van AI wint niet automatisch de organisatie met de meeste content of data. Een voordeel ontstaat bij organisaties waarvan de kennis helder genoeg is georganiseerd om niet telkens opnieuw te hoeven raden wat iets betekent.
De kern is eenvoudig: schrijf niet alleen voor de bezoeker die vandaag je website leest. Organiseer je kennis ook voor de agent die morgen namens die bezoeker een keuze helpt maken.
Neem contact op als je meer over OKF wilt weten
