Was d.AP konkret kann.
Sieben Bausteine, die ERP, CRM und Analytics über eine Ontologie verbinden und ihre Definitionen per MCP, A2A und REST an jeden Agenten, jede App, jedes Dashboard ausliefern.
Daten werden zu Wissen.
Im Kern von d.AP liegt ein ontologie-fundierter Knowledge Graph. Er verbindet CRM, ERP und Analytics über eine gemeinsame Semantik — in Echtzeit, ohne Datenkopien. Sie fragen Entitäten und Beziehungen ab, keine Tabellen.
- Föderiert, kein ETL Die Daten bleiben in den Quellsystemen; d.AP greift per Adapter in-place zu. Sie legen pro Quelle fest, wie oft synchronisiert wird.
- Eine Definition pro Begriff „Customer“ ist einmal definiert, mit identischer Bedeutung in CRM, ERP und Analytics. Keine widersprüchlichen Kennzahlen mehr zwischen Systemen.
- Lesbar für Mensch und Maschine Dieselbe Ontologie, die Aluna abfragt, lesen Ihre Fachbereiche. Neue Fakten schreibt d.AP in den Graph zurück.
)
Modellieren Sie Ihr Geschäftsvokabular.
Eine Ontologie legt in RDF/ OWL fest, welche Objekte, Eigenschaften und Beziehungen es in Ihrem Unternehmen gibt. In der Workbench wird daraus ein versioniertes Modell — einmal definiert, überall abrufbar.
- Klassen, Relationen, Regeln Visuell modelliert, live gegen RDF/OWL validiert. Fachexperten pflegen das Modell mit, nicht nur Data Engineers.
- Sandbox statt Produktivstand Modelländerungen testen Sie isoliert. Der produktive Graph bleibt unberührt, bis Sie freigeben.
- Git-basierte Versionierung Jede Modelländerung ist ein Commit: diffbar, nachvollziehbar, einzeln zurückrollbar.
)
Stellen Sie jede Frage. Bekommen Sie geerdete Antworten.
Aluna, der KI-Agent von d.AP, übersetzt natürliche Sprache in Graph-Queries und liefert Antworten als Tabelle, Chart, Entitätsgraph oder Text — mit Quelle, Logik und Filter.
- Graph-Reasoning statt RAG-Raten Aluna navigiert die Ontologie — Klassen, Beziehungen, Constraints — statt Textschnipsel ähnlich klingender Dokumente zu raten.
- Jede Antwort prüfbar Quelle, angewandte Filter und Konfidenz hängen an jeder Antwort. Kein Ergebnis ohne Herkunft.
- −70 % Token pro Abfrage Schema-RAG lädt nur die relevanten Ausschnitte der Ontologie statt ganzer Context-Windows. Das senkt die AI-Processing-Kosten direkt.
)
Aus jeder Antwort wird ein Widget.
d.AP-Dashboards sind Live-Sichten auf den Graph, keine BI-Kopie. Jede Kennzahl trägt ihre Definition und Logik mit und aktualisiert sich mit der Quelle.
- Logik im KPI hinterlegt Hinter jeder Kennzahl steht ihre ausführbare SPARQL-Definition, einsehbar — nicht in einer Tabelle versteckt.
- Drill-down in den Graph Klick auf eine Zelle springt zur zugrunde liegenden Entität. Kein Wechsel ins Quellsystem.
- Einmal gebaut, per Referenz eingebettet Ein Widget wird in andere Dashboards und Apps referenziert — keine Kopie, kein Nachpflegen.
)
Jede Antwort ist nachvollziehbar.
Transparenz ist bei d.AP Architektur, kein Feature. Jede Antwort zerlegt sich in Quelle, Joins, Filter und Aggregation. Kein Black-Box-Reasoning.
- Provenance pro Wert Klick auf eine Zahl zeigt System, Tabelle und Zeitstempel der Quelle. Die Lineage wird automatisch mitgeschrieben.
- Reasoning-Trace Jeder Schritt von der Frage zur Antwort ist einsehbar: Intent, generierte SPARQL-Query, Ergebnis.
- Export für Audits Lineage und Trace gehen direkt an Wirtschaftsprüfung oder Regulator — eingebaut, nicht nachträglich rekonstruiert.
)
Ein Modell. Jedes System.
Der Knowledge Layer ist ein API-Service, kein UI. Agenten, Apps und BI-Tools fragen dieselben geprüften Definitionen ab — zentral definiert, überall gültig.
- MCP & A2A KI-Agenten und Copilots greifen über MCP/A2A auf geprüftes Wissen zu — statt auf fragile RAG-Pipelines.
- REST · JSON Jede Anwendung liest dieselbe Semantik über REST/JSON, ohne eigene Wissenslogik nachzubauen.
- Iceberg Data Products BI und Analytics lesen Iceberg-Tabellen auf denselben Definitionen — Metriken driften nicht mehr auseinander.
)
Definiert einmal. Genutzt überall.
Jede Abfrage wird zur wiederverwendbaren Metrics-Query: versioniert, mit Metadaten und Refresh-Strategie. Schluss damit, denselben KPI in zehn Tools neu zu implementieren.
- Von Hand oder per Aluna Auch Fachbereiche formulieren Metriken in natürlicher Sprache; die Library macht sie versioniert wiederverwendbar.
- Real-time oder gecacht Refresh-Strategie pro Metrik: Sekunden für Live-Daten, Stunden für teure Aggregationen.
- Eine Metrik, viele Konsumenten Dieselbe Definition speist Dashboards, APIs und Agenten — ohne Redundanz, ohne Drift.
)
Sieben Fähigkeiten. Sechs Ergebnisse.
Die sieben Fähigkeiten oben sind die Technik. Jetzt der Effekt: sechs Eigenschaften, die ein Knowledge Layer braucht, damit Agenten produktiv arbeiten statt nur zu antworten.
- §GROUNDING
Copilots und Agenten ziehen Geschäftskontext aus Ihrem Wissensgraph mit Quelle, Regel und Rolle, statt aus einzelnen Prompts zu raten. Das Modell rät das Schema nicht, es liest es.
- Jede Antwort verweist auf eine prüfbare Quelle.
- Ein Begriff, eine Definition über alle Abteilungen.
- §WISSENSGRAPH
Geschäftslogik über ERP, CRM, MES, IoT und Dokumente liegt in einer abfragbaren Schicht einmal modelliert, nicht pro Tool neu. Die Quellsysteme bleiben unverändert; d.AP föderiert darüber.
- Einmal modelliert, in jedem Use Case nutzbar.
- Kein Massentransfer, Föderation in-place.
- §PROVENANCE
Antworten und Aktionen sind bis zur Quelle dokumentiert, rollenbasiert und granular. Der Audit-Trail entsteht beim Beantworten, nicht im Nachgang.
- Quelle, Regel, Rolle bei jeder Aussage abrufbar.
- Compliance ohne separates Logging-System.
- §ONTOLOGIE
Ihre Geschäftslogik wird einmal in der Ontologie modelliert und von jedem neuen Agenten oder Copilot wiederverwendet — kein Re-Engineering pro Anwendung.
- Neue Use Cases in Tagen, nicht Quartalen.
- Eine Ontologie, beliebig viele Konsumenten.
- §TIME-TO-VALUE
Go-Live mit fünf bis sechs Quellen in drei Monaten; jede weitere Quelle in ein bis zwei Wochen, nicht in Projektzyklen.
- Keine Big-Bang-Migration, kein Datenstillstand.
- Skaliert in Ihrem Tempo, nicht im Releasetakt des Anbieters.
- §STANDARDS
Modell und Daten liegen in offenen Standards: RDF/OWL, MCP, A2A. Kein Lock-in auf LLM, Cloud oder Datenbank; die Ontologie ist jederzeit exportierbar.
- Portabel heute und in fünf Jahren.
- Anbieter austauschbar, Wissensschicht bleibt.
Sehen Sie d.AP in Aktion.
In rund 60 Minuten führen wir d.AP live vor: Aluna übersetzt Fragen in Graph-Queries und antwortet mit Quelle, Logik und Filter an einem realen Beispiel-Modell, ohne Setup auf Ihrer Seite.
)
)