Met de release van Denodo 9.4 verschuift datavirtualisatie van een integratielaag naar een intelligentie-laag. Waar Denodo traditioneel sterk was in het logisch samenbrengen van data zonder replicatie, introduceert deze versie capabilities die veel dichter tegen AI, semantiek en moderne data-architecturen aan liggen.

De kernboodschap voor data-architecten: datavirtualisatie gaat niet langer alleen over toegang, maar over begrip, context en optimalisatie van data… in real time.

1. Van gestructureerde data naar vector-aware data: de stap richting AI-integratie

Een van de meest fundamentele toevoegingen in Denodo 9.4 is ondersteuning voor vector data en vector databases. Waar Denodo voorheen vooral gericht was op relationele en semi-gestructureerde data, kan het nu ook omgaan met embeddings, de basis van moderne AI use cases zoals:

  •  semantic search
  • retrieval-augmented generation (RAG)
  • similarity matching

Concreet betekent dit dat Denodo:

  • Vector data en embeddings kan ontsluiten en integreren naast traditionele data;
  • Kan fungeren als federated access layer over zowel relationele als AI-gerelateerde databronnen;
  • Een rol kan spelen in het beschikbaar maken van data voor LLM-gedreven use cases;

Waar je voorheen een aparte AI-stack nodig had, wordt het nu mogelijk om:

  • embeddings en gestructureerde data logisch te combineren;
  • AI use cases te voeden vanuit één governed datalaag;
  • bestaande security- en governance-modellen te hergebruiken binnen AI-scenario’s;

De implicatie is groot: Denodo wordt een schakel in de LLM-architectuur, niet alleen in BI.

2. Nieuwe JDBC–ODBC bridge: minder latency, minder complexiteit 

Een minder flashy, maar technisch belangrijke verbetering is de nieuwe JDBC-ODBC bridge.
In eerdere versies zat hier vaak een extra vertaallaag die:

  • latency introduceerde;
  • foutgevoelig was bij complexe queries;
  • beperkingen had in datatype-ondersteuning.

In 9.4 is deze bridge opnieuw ontworpen, met:

  • efficiëntere protocolvertaling;
  • betere streaming van resultaten;
  • verbeterde compatibiliteit met moderne BI-tools.

Veel organisaties gebruiken Denodo als centrale toegangslayer voor tools zoals Power BI, Tableau of andere SQL-clients. In de praktijk zat de bottleneck vaak niet in de bronnen of Denodo zelf, maar in deze verbindingslaag.

Door deze optimalisatie:

  • reageren dashboards sneller;
  • zijn minder workarounds nodig;
  • wordt Denodo betrouwbaarder als enterprise query layer.

Het is zo’n verbetering die je niet direct ziet in een demo, maar wel voelt in productie.

3. Van data catalog naar data marketplace: van data zoeken naar data consumeren

De  herpositionering van de data catalog naar de data marketplace (Denodo versie 9.3) is nu meer dan alleen een naamswijziging. Waar de catalog vroeger vooral gericht was op vinden en begrijpen van data, verschuift de focus nu naar actief gebruiken en consumeren.

Belangrijke vernieuwingen:

Denodo AI Assistant (chatbot)

Een ingebouwde AI-assistent die gebruikers helpt om:

  • datasets te vinden via natuurlijke taal;
  • queries te genereren;
  • context te begrijpen.

Integratie met LLMs

De data marketplace kan gekoppeld worden aan LLMs, waardoor:

  • metadata verrijkt wordt;
  • beschrijvingen automatisch gegenereerd worden;
  • gebruikers sneller de juiste datasets vinden.

 Link met vector search

Door de combinatie met vector databases ontstaat:

  • semantisch zoeken i.p.v. keyword-based;
  • betere matching tussen vraag en dataset;
  • minder afhankelijkheid van exacte naming.

De traditionele data catalog was passief: je moest weten wat je zocht. De data marketplace is actief: het helpt je vinden wat je bedoelt. Dit verlaagt de drempel voor businessgebruikers aanzienlijk en maakt self-service BI realistischer, zonder dat governance verloren gaat.

4. Van embedded MPP naar Lakehouse Accelerator: virtualisatie + fysieke optimalisatie

De embedded MPP-engine van Denodo is in 9.4 doorontwikkeld en gepositioneerd als de Lakehouse Accelerator. Dit is een interessante strategische zet, omdat Denodo hiermee een hybride model omarmt:

  • virtualisatie waar mogelijk;
  • materialisatie waar nodig.

Wat is er nieuw?

  • Betere integratie met lakehouse-formaten en cloud storage;
  • Slimmere pushdown en query delegation naar MPP-engines;
  • Verbeterde workload handling voor zware analytische queries.

In de praktijk betekent dit:

Waar pure datavirtualisatie soms tegen performancegrenzen aanloopt (bij grote aggregaties of joins over meerdere bronnen), kan Denodo nu:

  • delen van workloads fysiek optimaliseren;
  • data tijdelijk materialiseren in een MPP-achtige omgeving;
  • alsnog één logisch model aanbieden aan de gebruiker.

Denodo wordt daarmee niet alleen een toegangslayer, maar als nodig ook een execution layer. Dit betekent niet dat fysieke opslag verdwijnt, maar dat Denodo flexibeler kan bepalen wanneer virtualisatie volstaat en wanneer materialisatie nodig is.

5. Governance blijft centraal over AI en semantiek heen

Wat opvalt in 9.4 is dat alle nieuwe capabilities: vector data, LLM-integratie, marketplace binnen hetzelfde governance-model vallen.

Dat betekent:

  • security policies gelden ook voor AI use cases;
  • data lineage blijft intact, ook bij semantische verrijking;
  • auditing blijft centraal beheerd.

Governance blijft gelden op de data die gebruikt wordt binnen AI use cases, doordat deze via Denodo ontsloten wordt. Dit is een belangrijk onderscheid ten opzichte van veel AI-oplossingen, waar governance vaak een afterthought is. Hier blijft het een fundament.

Datavirtualisatie wordt een intelligentielaag 

Denodo 9.4 laat zien dat datavirtualisatie niet stil staat, maar meebeweegt met de grootste verschuiving in data-land: de opkomst van AI en semantische data.

Tegelijkertijd blijft Denodo wel afhankelijk van externe AI-componenten voor daadwerkelijke model-executie. Het is dus geen end-to-end AI-platform is zoals sommige lakehouse-oplossingen.

De belangrijkste veranderingen in Denodo 9.4 zijn dan ook niet een paar nieuwe features, maar de combinatie van:

  • vector-aware data access;
  • AI-integratie in de datalaag;
  • een actieve data marketplace;
  • en hybride execution via de Lakehouse Accelerator.

Voor data-architecten verandert daarmee de kernvraag:

Niet langer: “Hoe verbinden we onze databronnen?” Maar: “Hoe maken we onze data begrijpelijk, doorzoekbaar en bruikbaar, voor zowel mensen als AI?”  Denodo 9.4 geeft daar een concreet antwoord op.

Twijfel je of jouw huidige datalaag klaar is voor AI use cases of wil je sparren over hoe datavirtualisatie past binnen jouw data-architectuur?  Neem contact op via het formulier hieronder.
We denken graag mee over hoe je Denodo kunt inzetten als intelligente datalaag binnen jouw moderne data-platform.