面向 AI 智能体的数据架构是否需要联邦式 Knowledge Layer？

过去二十年，企业数据格局的架构发生了根本性变革。为了克服集中式 Data Warehouse 的低效与缺乏可扩展性以及笨重 Data Lake 的弊端，Data Mesh 作为一种面向领域、去中心化的范式得以确立。

经典与现代数据架构主要面向人类分析师和确定性报表系统而设计。

多智能体系统（MAS）和生成式 AI 将数据消费者角色转变为自主的机器决策。

联邦式运营的 Knowledge Layer 将本地上下文知识、业务语义和全局企业模型连接起来，以支撑这一范式转变。

Data Mesh 的核心是数据产品：一个按业务领域划分、封装好的单元，提供数据以及代码、基础设施和元数据。该模型的基本假设十分明确：领域专家和分析师通过标准化接口使用这些数据产品，以填充仪表盘、执行即席分析或训练机器学习模型。对数据的解读——理解关联关系、概念边界和业务逻辑——基本上仍由人类承担。

世界模型：AI 如何学习预测行为的后果

面向 AI 智能体的数据架构是否需要联邦式 Knowledge Layer？

从脑部扫描到图像：AI 如何重建人们当前所见

OpenWiki 实测：为编码智能体提供记忆

教程：用来自互联网的最新事实丰富本地 AI 模型

链式操作如何演变为风险：AI 智能体中的传话游戏

Saskia Untiet-Kepp 博士是一位拥有博士学位的信息科学家，也是 Sopra Steria Custom Software Solutions GmbH 的高级经理。她的重点领域是数据架构、数据管理和数据治理。在专业上，她专注于构建面向未来的数据生态系统，作为高效 AI 应用的基础，以及运用 AI 支持的方法优化企业数据治理流程。她陪伴企业从战略架构设计、联邦式运营与角色模型的搭建，一直到语义数据与知识基础设施的可持续实施，作为高效 AI 生态系统的基础。

新的消费者：当 AI 智能体接管数据平台

随着 AI 智能体和智能体系统（Agentic AI）的突破，这一基本假设崩塌了。当自主智能体执行复杂的业务流程时，它们会直接访问数据平台。它们自主连接来自不同领域的数据，进行逻辑推断并推导出行动。

以上是我们 heise-Plus 文章《面向 AI 智能体的数据架构是否需要联邦式 Knowledge Layer？》的试读部分。通过 heise-Plus 订阅，您可以阅读全文。

在“All Systems Go!”会议上，与会者讨论了安全且基于镜像的 Linux 系统。核心是 systemd 项目。

Vorssaint 将众多 Mac 工具的功能整合到一个模块化应用中。

在一款应用中汇集来自 iCloud、Google、Outlook 及其他服务的日程：我们在 iPad 上演示如何掌握私人和工作事务。

在 Fritzbox DSL/Fiber 7-90 中，制造商在硬件上做了一些妥协。这些妥协对性能的损害小得惊人，但降低了功耗。

移动通信和卫星被一些人视为光纤的替代方案。我们核算 5G、LTE 和 Starlink 究竟能提供什么——以及它们适合谁。

一篇声称 Attestation 使 Passkey 变成陷阱的博客文章最近疯传。Attestation 在 Passkey 中究竟如何运作。