Het maandoverleg. Finance laat een omzet zien van 4,2 miljoen. Sales komt uit op 4,5 miljoen. Allebei uit Qlik, allebei ‘juist’. De ene app rekent met nettobedragen, de andere met bruto. Twintig minuten later gaat het nog steeds over het cijfer, niet over wat je ermee gaat doen.
Een collega kan het verschil uitleggen. Maar wat gebeurt er als je dezelfde vraag aan Qlik Answers of een AI-agent stelt? Welke definitie gebruikt die?
Met semantische modellen in Qlik Cloud data products kun je berekeningen en begrippen centraal vastleggen. Dat helpt ontwikkelaars, dashboardgebruikers én AI om met dezelfde definities te werken.
Wat is een semantisch model in Qlik?
Een semantisch model legt vast hoe gegevens samenhangen en wat ze betekenen. Denk aan de berekening van omzet, de indeling van klantgroepen of de relatie tussen een verkoop en een klant.
Je bouwt het model binnen een data product: een beheerde verzameling datasets, met informatie over betekenis, herkomst en gebruik. Aan die data voeg je de zakelijke definities toe.
Daarmee hoef je een berekening niet meer in elke Qlik-app opnieuw vast te leggen. Verschillende apps kunnen dezelfde definities overnemen.
Het model bevat onder meer:
- Tabellen: de gegevens waarmee je werkt, eventueel uit meerdere datasets.
- Relaties: de verbindingen tussen tabellen, bijvoorbeeld verkopen en klanten via het klantnummer.
- Dimensies: de velden waarop je groepeert, zoals klant, productgroep of regio.
- Metingen: berekeningen zoals omzet, marge of schadelast.
Beschrijvingen en koppelingen naar de business glossary geven extra uitleg. Zo leg je niet alleen vast hoe je netto-omzet berekent, maar ook wat je organisatie daaronder verstaat.
Dimensies en metingen worden in de aangesloten Qlik-app overgenomen als master items: herbruikbare definities voor berekeningen en groeperingen.
Hoe werkt het in de praktijk?
Het proces bestaat uit drie stappen.
1. Definiëren
Je maakt een data product met één of meer datasets. In het tabblad Semantic model leg je relaties, dimensies en metingen vast. Komt de data uit een Qlik Talend Data Integration-pipeline? Dan kan Qlik relaties uit die pipeline als voorstel meenemen.
2. Activeren
Is het model gecontroleerd en klaar voor gebruik? Dan activeer je het data product in de Data Marketplace, waar bevoegde gebruikers het kunnen vinden en gebruiken.
3. Gebruiken
Een app-ontwikkelaar selecteert via de datacatalogus in de data load editor de benodigde tabellen en definities. Qlik genereert het script. Na het herladen verschijnen de gekozen dimensies en metingen als master items in de app.
Wijzigingen vragen wel aandacht. In een niet-gepubliceerde app kunnen aangepaste definities bij een volgende reload worden overgenomen, afhankelijk van de instellingen. Bij een gepubliceerde app is alleen herladen niet voldoende: je moet de app bijwerken en opnieuw publiceren om gewijzigde master items door te voeren.
Centraal beheren maakt onderhoud eenvoudiger. Het blijft nodig om wijzigingen te testen voordat gebruikers ermee werken.
Wat levert het op?
| Voordeel | Wat merk je ervan? |
|---|---|
| Eenduidige definities | Apps kunnen dezelfde berekeningen gebruiken. Dat vermindert discussie over verschillen tussen cijfers. |
| Sneller ontwikkelen | Ontwikkelaars nemen bestaande modellen en definities over. |
| Minder dubbel werk | Je beheert berekeningen centraal, in plaats van ze in iedere app afzonderlijk te onderhouden. |
| Centrale governance | Bedrijfslogica krijgt een vaste plek in een beheerd data product. |
| Beheersbare wijzigingen | Je kunt wijzigingen gecontroleerd laten doorwerken in aangesloten apps. |
| Context voor AI | Beschrijvingen, berekeningen en begrippen helpen AI om vragen over je data beter te begrijpen. |
Eenduidigheid betekent overigens niet dat er nog maar één omzetbegrip mag bestaan. Bruto-omzet en netto-omzet kunnen allebei relevant zijn. Als maar duidelijk is welke definitie je gebruikt en waarom.
Waarom dit juist nu belangrijk is: AI
Wie een dashboard bouwt, kiest welke berekening achter een grafiek zit. Bij een vraag aan een AI-assistent moet het systeem zelf de juiste gegevens en berekeningen vinden.
Vraag je naar ‘de omzet van vorige maand’, dan moet duidelijk zijn wat omzet betekent. Inclusief of exclusief btw? Voor of na kortingen? Op basis van de factuurdatum of de leverdatum?
Een semantisch model maakt zulke keuzes expliciet. Qlik Answers kan de metingen, dimensies, beschrijvingen en gekoppelde begrippen gebruiken als context. Ook agents die via de Qlik MCP Server werken, kunnen semantische modellen raadplegen.
Gartner voorspelt dat organisaties die prioriteit geven aan semantiek in hun AI-ready data, tegen 2027 hun agentic AI-nauwkeurigheid met maximaal 80% kunnen verbeteren en de kosten met maximaal 60% kunnen verlagen. Dat is een voorspelling over het belang van semantiek, geen gemeten resultaat van deze Qlik-functionaliteit.
De praktische les: leg vast wat je cijfers betekenen voordat je AI er zelfstandig antwoorden mee laat geven.
Wat is beschikbaar?
Semantische modellen in Qlik Cloud data products zijn sinds 28 oktober 2026 algemeen beschikbaar.
Je kunt onder meer relaties, dimensies en metingen centraal vastleggen en dimensies en metingen aan begrippen uit de business glossary koppelen.
Daarnaast is het sinds 28 oktober mogelijk om definities uit bestaande Qlik-apps naar een data product over te zetten. Deze extractiefunctie is beschikbaar als public preview. Daarmee kun je bestaande logica als vertrekpunt gebruiken.
AI-ondersteuning bij het opstellen en onderhouden van modellen en interoperabiliteit met Apache Ossie (incubating) staan op de roadmap. Behandel aangekondigde mogelijkheden afzonderlijk van functies die je nu al kunt gebruiken.
Voor semantische modellen heb je een abonnement nodig dat toegang geeft tot Data Products. Qlik noemt hiervoor:
- Qlik Sense Enterprise SaaS.
Controleer daarnaast welke rechten gebruikers nodig hebben om data products te maken, te beheren en te gebruiken.
Stand van zaken: november 2026.
Waar moet je op letten?
De functionaliteit kent beperkingen. Zo gebruik je een semantisch model via de data load editor of via het menu van het data product. Via Data manager kun je het model niet inladen.
Ook vraagt validatie aandacht. De expressie-editor kan fouten signaleren bij het maken of aanpassen van berekeningen. Maar bij het overnemen van master items in een app vindt geen nieuwe validatie plaats. Controleer dus of berekeningen in de aangesloten app correct werken.
Een semantisch model naar een bestand exporteren, vanuit een andere tenant importeren of samen met het data product dupliceren wordt nog niet ondersteund. Controleer bovendien voorgestelde relaties: velden die inhoudelijk bij elkaar horen, hebben niet altijd dezelfde naam.
Belangrijker nog: technologie lost geen meningsverschil op. Als Finance en Sales iets anders onder omzet verstaan, moet je eerst bepalen welke begrippen je nodig hebt. Wie is eigenaar van de definitie? Wanneer gebruik je welke berekening? En wie mag die aanpassen? Tsja, dat blijft mensenwerk.
Klein beginnen, groot effect
Je hoeft niet meteen al je apps om te bouwen. Begin met de vijf tot tien KPI’s waar het vaakst discussie over is.
Leg per KPI vast:
- Wat het begrip betekent.
- Hoe je het berekent.
- Welke databronnen je gebruikt.
- Wie verantwoordelijk is voor de definitie.
Breng die definities samen in één data product. Gebruik eventueel de extractiefunctie om bestaande master items als startpunt mee te nemen. Sluit daarna één nieuwe app aan en controleer of de berekeningen, beschrijvingen en updates werken zoals bedoeld.
Zo bouw je stap voor stap aan gedeelde definities voor dashboards én AI.
Hoe HippoLine hierbij helpt
HippoLine helpt je om de belangrijkste definities in kaart te brengen, een eerste data product met semantisch model op te zetten en Qlik-apps daarop aan te sluiten.
We kijken daarbij naar de techniek én naar de afspraken erachter. Een centraal vastgelegde berekening heeft pas waarde als mensen begrijpen wat die betekent en erop kunnen vertrouwen.
Benieuwd welke KPI’s in jouw organisatie geschikt zijn om centraal vast te leggen? Plan een gesprek met een van onze Qlik-specialisten. We kijken samen waar je het beste kunt beginnen.
Bronnen
Gartner – Lack of Semantics Causes Inaccurate AI Agents and Wasted Spending
Qlik Help – Semantic models in data products
Qlik Help – Managing semantic models
Qlik Help – Troubleshooting semantic models
