Structured Linked Data as a Memory Layer for Agent-Orchestrated Retrieval

Dit onderzoek toont aan dat het gebruik van gestructureerde linked data, specifiek verrijkte entiteitspagina's met JSON-LD en navigatie-instructies, de nauwkeurigheid en volledigheid van zowel standaard als agent-gestuurde Retrieval-Augmented Generation-systemen aanzienlijk verbetert.

De kern

Stel je voor dat je een zeer slimme, maar soms wat verwarde assistent hebt die je helpt met het vinden van informatie op internet. Deze assistent is een AI-agent. Vroeger kon deze assistent alleen lezen wat er op een webpagina stond, alsof hij een boek leest dat in één lange, ononderbroken tekst is geschreven zonder hoofdstukken, index of samenvattingen.

Dit artikel van Andrea Volpini en zijn team onderzoekt hoe we deze assistent kunnen helpen om sneller, nauwkeuriger en slimmer antwoorden te vinden. Ze gebruiken een slimme truc: ze veranderen de manier waarop informatie op het internet wordt gepresenteerd, zodat de AI het beter begrijpt.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De "Flauwe" Webpagina

Stel je voor dat je een webpagina over een restaurant bezoekt. Voor een mens is het duidelijk: er staat een foto, een menu, een adres en een telefoonnummer.
Voor de AI-assistent (die werkt met RAG, oftewel "Retrieval-Augmented Generation") is dit echter vaak een rommelpak. De AI ziet alleen een muur van tekst.

• De vergelijking: Het is alsof je een receptboek hebt waarin alle ingrediënten, de kooktijd en de oorsprong van het gerecht door elkaar heen staan in één grote paragraaf. Als je de AI vraagt: "Wat is de kooktijd?", moet hij die tekst eerst zoeken in die lange muur. Soms vindt hij het, soms niet. En als het antwoord ergens anders op de site staat (bijvoorbeeld bij een ander gerecht), ziet de AI die link niet, omdat het voor hem gewoon tekst is.

2. De Oude Oplossing: Het "Geheime" Notitieblok (JSON-LD)

Webmasters proberen dit al te fixen door een JSON-LD blok toe te voegen. Dit is een stukje code dat voor de computer leesbaar is, maar voor de mens onzichtbaar (het zit in de "achtergrond" van de pagina).

• De vergelijking: Het is alsof je onder het tafelkleed van het restaurant een notitieblok legt met de exacte kooktijd en ingrediënten. De mens ziet het niet, maar de AI kan het wel zien.
• Het resultaat van het onderzoek: De onderzoekers ontdekten dat dit niet genoeg is. De AI-assistent kijkt vaak alleen naar de "hoofdtekst" (het tafelkleed) en negeert het notitieblok eronder. Het helpt een klein beetje, maar niet genoeg om echt goede antwoorden te geven.

3. De Nieuwe Oplossing: De "Slimme" Webpagina (Enhanced Entity Page)

De onderzoekers hebben een nieuwe manier bedacht om webpagina's te maken. Ze noemen dit een "Enhanced Entity Page".
In plaats van alleen tekst, maken ze een pagina die eruitziet als een interactieve kaart of een slim navigatiesysteem.

• De vergelijking: Stel je voor dat je in het restaurant niet alleen een menukaart krijgt, maar ook:
  1. Een samenvatting bovenaan die de AI direct kan lezen.
  2. Duidelijke pijlen die verwijzen naar gerelateerde informatie (bijv. "Klik hier voor de locatie" of "Klik hier voor de eigenaar").
  3. Een speciale instructie voor de AI (zoals een "llms.txt" bestand), die zegt: "Hé AI, als je dit vraagt, kijk dan eerst hier, en spring dan naar die andere pagina."
  4. Directe koppelingen naar andere pagina's, zodat de AI niet hoeft te raden, maar gewoon kan "happen" (klikken) om meer te weten te komen.

4. Wat gebeurde er in het experiment?

De onderzoekers testten dit in vier verschillende werelden: nieuws, juridische zaken, reizen en e-commerce (webshops). Ze lieten de AI-assistent vragen stellen aan vier soorten pagina's:

1. Gewone tekst (de oude manier).
2. Tekst + het geheime notitieblok (JSON-LD).
3. De "Slimme" pagina (Enhanced).
4. De "Slimme" pagina + een super-agent die zelf verder kan zoeken.

De resultaten waren verbazingwekkend:

• Alleen het geheime notitieblok (JSON-LD) gaf een kleine verbetering (zoals 17% beter).
• Maar de "Slimme" pagina gaf een enorme sprong: de antwoorden waren 30% nauwkeuriger en vollediger.
• De AI kon nu makkelijk van de ene pagina naar de andere springen (zoals een mens die van een menukaart naar een kaart van de stad loopt) en zo een compleet antwoord geven.

5. Waarom is dit belangrijk voor jou?

Vroeger was het doel van een website: "Zorg dat je gevonden wordt door Google" (SEO).
Nu, met AI-assistenten die je vragen beantwoorden, is het doel veranderd: "Zorg dat je begrijpelijk bent voor de AI."

• De vergelijking: Vroeger probeerde je een brief te schrijven die een postbode (Google) graag wilde bezorgen. Nu moet je een brief schrijven die een slimme robot (AI) direct kan lezen, begrijpen en gebruiken om een taak voor je te doen.
• Als je website alleen maar tekst heeft, raakt de AI de weg kwijt.
• Als je website "verbonden" is (met duidelijke links en structuur), kan de AI als een detective alle stukjes van het puzzel bij elkaar zoeken en een perfect antwoord geven.

Conclusie in één zin

Dit onderzoek bewijst dat we webpagina's niet meer alleen voor mensen moeten maken, maar ook voor de robots die onze zoekopdrachten doen. Door informatie te structureren als een verbonden netwerk in plaats van een lange tekst, worden AI-antwoorden veel waardevoller, nauwkeuriger en betrouwbaarder. Het is de geboorte van de "Redeneerende Web" (Reasoning Web), waar AI niet alleen zoekt, maar echt begrijpt.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Structured Linked Data as a Memory Layer for Agent-Orchestrated Retrieval" in het Nederlands.

Probleemstelling

Retrieval-Augmented Generation (RAG) systemen behandelen documenten doorgaans als platte, ongestructureerde tekst. Hierbij wordt de rijke metadata en de gelinkte relaties die door kennisgrafieken (Knowledge Graphs) worden geboden, genegeerd. Hoewel veel websites al Schema.org markup (JSON-LD) gebruiken, exploiteren RAG-systemen deze gestructureerde data zelden effectief. De auteurs stellen de vraag of gestructureerde gelinkde data (specifiek Schema.org markup en dereferenceerbare entiteitspagina's) de nauwkeurigheid van de retrieval en de kwaliteit van de antwoorden kan verbeteren, zowel in standaard RAG als in "agentic" RAG-systemen (systemen die kunnen plannen en tools gebruiken).

Methodologie

De auteurs hebben een gecontroleerd experiment opgezet met de volgende componenten:

• Architectuur: Het systeem nabootst de architectuur van AI-aangedreven zoekmachines (zoals Google's AI Mode).
  • Retrieval: Vertex AI Vector Search 2.0 (hybride zoekopdracht: semantisch + trefwoord).
  • Redenering: Google Agent Development Kit (ADK) met een ReAct-loop (Reasoning + Acting) die tools kan gebruiken om links te volgen en kennis op te halen.
  • Data-laag: WordLift Knowledge Graph als een onafhankelijke Linked Data Platform, die Schema.org-entiteiten levert via dereferenceerbare URI's.
• Experimenteel Ontwerp: Een 3x2 factorial design met zeven condities, getoetst over vier domeinen (redactioneel, juridisch, reizen, e-commerce) met in totaal 349 testvragen en 2.443 evaluaties.
  • Document Representaties:
    1. Plain HTML: Ruwe webpagina zonder JSON-LD.
    2. HTML + JSON-LD: Webpagina met ingebedde Schema.org data.
    3. Enhanced Entity Page: Een nieuw formaat met natuurlijke taal samenvattingen, zichtbare gelinkte navigatie, llms.txt-achtige instructies voor agents, en geneste JSON-LD.
    4. Enhanced+: Een variant met nog rijkere navigatiemogelijkheden.
  • Retrieval Modus: Standaard RAG (één pass) vs. Agentic RAG (multi-hop link traversing).
• Evaluatie: Onafhankelijke LLM-judge (Gemini 3.0 Flash) beoordeelt op Nauwkeurigheid (Accuracy), Volledigheid (Completeness) en Gronding (Grounding). Statistische significantie wordt getoetst met gepaarde t-tests.

Belangrijkste Bijdragen

1. Empirisch Bewijs: Het paper levert kwantitatief bewijs dat het formaat van de presentatie van data cruciaal is voor AI-systemen. Alleen JSON-LD toevoegen is onvoldoende; de data moet "zichtbaar" en toegankelijk zijn voor de agent.
2. Enhanced Entity Page Formaat: Introductie van een nieuw documentformaat dat de kloof tussen menselijke leesbaarheid en machine-leesbaarheid overbrugt door navigatie, instructies en gestructureerde data te combineren.
3. Agentic Retrieval Validatie: Demonstratie dat agents die door kennisgrafieken kunnen navigeren (multi-hop) significant betere resultaten behalen, maar dat dit effect het grootst is wanneer de bronpagina's zelf al geoptimaliseerd zijn.
4. Openbare Dataset: Beschikbaarstelling van het dataset, evaluatiekader en templates voor reproduceerbaarheid.

Resultaten

De resultaten tonen duidelijke trends aan:

• JSON-LD alleen (H1): Het toevoegen van JSON-LD aan platte HTML levert slechts een marginaal voordeel op (+0,17 punten in nauwkeurigheid, effectgrootte d=0,18). Dit suggereert dat gestructureerde data in een <script>-blok voor flat-text RAG-systemen nauwelijks waardevol is.
• Agentic RAG (H2): Agentic retrieval (met link-following) presteert significant beter dan standaard RAG op dezelfde documenten (+13,1% nauwkeurigheid, +20,1% volledigheid).
• Enhanced Entity Pages (H3): Dit is de grootste driver van succes.
  • In Standaard RAG: +29,6% verbetering in nauwkeurigheid (van 3,62 naar 4,69) ten opzichte van plain HTML.
  • In Agentic RAG: +29,8% verbetering in de volledige pijplijn.
  • De Enhanced+ variant behaalde de hoogste absolute scores (4,85/5 voor nauwkeurigheid), maar het extra voordeel ten opzichte van de basis "Enhanced" variant was statistisch niet significant.
• Domeinvariatie: Het effect is het grootst in domeinen waar de kennisgrafiek informatie bevat die niet in de platte HTML staat (zoals reizen en redactionele content). In e-commerce (waar productdata vaak al in de HTML staat) is het voordeel kleiner omdat de baseline al hoog is.
• Efficiëntie: Agents die werken met Enhanced pages maken minder tool-aanroepen en volgen minder links om hetzelfde hoge niveau van nauwkeurigheid te bereiken, wat wijst op efficiëntere planning.

Betekenis en Implicaties

Het paper introduceert het concept van SEO 3.0 (The Reasoning Web) en heeft belangrijke gevolgen voor ontwikkelaars en contentmakers:

1. Verschil tussen Parsers en Flat-Text: Traditionele zoekmachines (Google/Bing) parsen JSON-LD apart en indexeren het in een kennisgrafiek. RAG-systemen (zoals chatbots) behandelen pagina's vaak als één tekstblok. Voor deze laatste groep is alleen JSON-LD onvoldoende; de gestructureerde data moet expliciet in de tekst worden "gematerialiseerd" (zichtbaar gemaakt).
2. Van Citatie naar Actie: Optimalisatie voor AI moet drie niveaus omvatten:
   • Citaties: Wordt de bron gevonden?
   • Redenering: Kan de AI de feiten correct extraheren? (Hier helpen Enhanced pages het meest).
   • Acties: Kan de agent door links navigeren en tools gebruiken? (Dit vereist dereferenceerbare URI's en duidelijke navigatie).
3. Vertrouwen en Integriteit: Omdat de gestructureerde data in de Enhanced pages exact dezelfde is als wat mensen zien (geen gescheiden datafeeds voor AI), blijft de integriteit van de informatie gewaarborgd. Dit voorkomt dat AI-systemen worden gevoed met data die afwijkt van de menselijke ervaring.
4. Aanbeveling: Organisaties moeten investeren in Enhanced Entity Pages die niet alleen JSON-LD bevatten, maar ook expliciete navigatie, breadcrumbs en instructies voor AI-agents bevatten. Dit maakt gestructureerde kennis toegankelijk voor zowel traditionele zoekmachines als de opkomende generatie van agentic AI-systemen.

Kortom, de studie concludeert dat gestructureerde gelinkte data een fundamentele "geheugenschiklaag" vormt voor AI-agents, maar alleen als deze data op een manier wordt gepresenteerd die zowel voor mensen als voor machines direct interpreteerbaar en navigeerbaar is.