De AI-laag op Yres: je datawarehouse beheren in een gesprek
De groothandel draait haar datawarehouse op Yres, het Plainwater-platform voor datawarehouse-automatisering op Azure. Inkoop wil de leveranciersportal erbij hebben. Dat betekent: bron toevoegen, tabellen kiezen, sleutels bepalen, laden, controleren en een rapport maken.
Met Plainwater AI doet Noor dat in één gesprek. De agent werkt samen met Yres via de Yres-MCP-server en kent de regels van Yres: laadwijzen, historie en changes. Hij doet niets buiten het change-proces om.
Bijgewerkt .
Wat is de AI-laag op Yres?
De AI-laag op Yres is Plainwater AI, gekoppeld aan Yres via de Yres-MCP-server en aan het Yres-warehouse als databron. De agent beheert de organisatie in Yres en leest het warehouse onder dezelfde regels als elke andere bron.
Yres zelf blijft wat het is: het platform dat bronnen in je eigen Azure-omgeving naar een datawarehouse laadt, met historie en een vast proces van ontwikkeling naar productie. De AI-laag voegt het gesprek toe, niet een tweede manier van laden.
Wat kan de agent in Yres doen?
De agent kan alles wat de Yres-MCP-server aanbiedt: bronnen bekijken, tabellen inrichten, laden volgen en wijzigingen beheren. In het gesprek met Noor ziet dat er zo uit:
- Bron bekijken. De agent haalt de databronnen van de organisatie op en ververst de metadata van de leveranciersportal.
- Tabellen kiezen. Hij laat zien welke tabellen er zijn en welke nog niet geladen worden.
- Sleutels voorstellen. Yres voorspelt de sleutelkolommen; de agent legt het voorstel voor en Noor bevestigt.
- Inrichten in een change. De agent maakt de gebruikte tabellen aan binnen een open change in de ontwikkelomgeving.
- Laden en controleren. Hij volgt de laadhistorie en de pipeline-runs, en zegt wat er misging als iets faalt.
Deployen naar test en productie loopt daarna via het normale proces van Yres. De agent zet een wijziging niet zelf in productie.
Waarom moet de agent de regels van Yres kennen?
Omdat de juiste laadwijze, sleutel en historie per tabel verschillen, en een verkeerde keuze pas weken later opvalt. Een agent die alleen SQL kent, ziet dat niet.
De agent werkt met de begrippen van Yres: laadwijzen als volledig en delta, historie per wijziging, changes en projecten. Elke tabelwijziging hoort bij een open change, en wijzigingen gebeuren alleen in de ontwikkelomgeving.
| Vraag van Noor | Wat de agent gebruikt |
|---|---|
| Welke tabellen laden we nog niet? | Overzicht van ongebruikte tabellen per bron |
| Wat is hier de sleutel? | Sleutelvoorspelling van Yres, voorgelegd aan Noor |
| Waarom faalde de lading van vannacht? | Laadhistorie en pipeline-runs |
| Zet deze tabel erbij | Gebruikte tabel aanmaken binnen een open change |
Hoe kom je van geladen tabel naar rapport?
Het Yres-warehouse is een Azure SQL-database, en daarmee voor Plainwater AI een gewone bron. Alles wat op een bron kan, kan hier ook: kwaliteitscontroles, performance en dashboards.
Zodra de leveranciersportal geladen is, vraagt Bram om levertijd per leverancier. De agent maakt een dataset op het warehouse en een dashboard dat op een schema ververst, zonder dat er elke keer een AI-model voor draait.
De datatoegang van het warehouse volgt de standen van het platform. Staat de bron op alleen metrics, dan ziet het model tellingen en metadata en geen leveranciersnamen.
Waar het ophoudt
De AI-laag werkt via de Yres-MCP-server en kan dus wat die server aanbiedt. Het afsluiten, releasen en installeren van changes gebeurt buiten de tools, in Yres zelf.
De koppeling tussen Plainwater AI en Yres bestaat uit bouwstenen: het koppelen van een externe MCP-server en het warehouse als bron. Vraag bij een demo hoe dat er voor jouw omgeving uitziet.
Wie geen Yres gebruikt, mist niets van de rest van het platform. Deze pagina beschrijft een extra laag voor Yres-klanten.
Veelgestelde vragen
Heb ik Yres nodig voor Plainwater AI?
Nee. Plainwater AI werkt op elke ondersteunde bron. De AI-laag op Yres is een extra mogelijkheid voor organisaties die hun warehouse al op Yres draaien.
Kan de agent wijzigingen in productie zetten?
Nee. De agent richt tabellen in binnen een open change in de ontwikkelomgeving. Afsluiten, releasen en installeren gebeurt via het normale proces in Yres.
Hoe koppelt Plainwater AI aan Yres?
Via de Yres-MCP-server, als externe MCP-server in het platform, en via het Yres-warehouse als Azure SQL-bron.
Ziet het AI-model mijn warehousedata?
Dat bepaalt de stand van de bron. In de standaardstand krijgt het model metadata en tellingen, geen rijen of businesswaarden.