Google lanceert Open Knowledge Format: Een nieuwe AI-standaard voor content

Google heeft een belangrijke stap gezet in de wereld van kunstmatige intelligentie en contentbeheer met de introductie van het Open Knowledge Format (OKF). Deze nieuwe open specificatie is ontworpen om de manier waarop content wordt verpakt en gedeeld met AI-agenten te standaardiseren. Het doel is om een 'vendor-neutrale' standaard te creëren die zowel door mensen als machines kan worden gelezen, zonder dat er nieuwe tools of software nodig zijn voor implementatie.

Wat is het Open Knowledge Format (OKF)?

OKF v0.1 maakt gebruik van een directory van markdown-bestanden met YAML frontmatter om gestandaardiseerde conventies vast te stellen. Dit maakt content compatibeler tussen producenten en AI-agenten. Google benadrukt de eenvoud van het formaat: het bestaat uit 'gewoon markdown' (openbaar in elke editor, rendert op GitHub, indexeerbaar door standaard zoektools), 'gewoon bestanden' (verpakt als tarball, leeft in elke git repo, monteerbaar op elk bestandssysteem) en 'gewoon YAML frontmatter' (een korte lijst van opvraagbare velden zoals type, titel, beschrijving, resource, tags en timestamp).

Er is geen compressieschema, nieuwe runtime of vereiste SDK bij betrokken. Hoewel de huidige referentie-implementaties en tooling zich richten op Google Cloud, is de specificatie zelf open en vendor-neutraal, gepubliceerd op GitHub onder de Apache 2.0-licentie. OKF v0.1 zal evolueren naarmate producenten en consumenten meer inzicht krijgen in de kennisrepresentaties die AI-agenten daadwerkelijk nodig hebben.

Waarom is dit relevant voor marketeers?

Het is belangrijk te begrijpen dat OKF momenteel een intern kennisformaat is voor AI-agenten en geen zoekranking- of web-publishing signaal. Het is niet direct gekoppeld aan Google Zoeken, YouTube, Maps of andere consumentenproducten. Google's argument is dat OKF antwoorden kan halen uit anderszins incompatibele bronnen, zoals interne tabeldefinities, metingen en runbooks.

Voor marketingteams liggen de parallellen ook in interne toepassingen, zoals merk-kennisbases, rapportage, sales enablement en training. Het onderscheid met bijvoorbeeld XML-sitemaps (die pagina's op je site opsommen) of een llms.txt-bestand (dat crawlers naar nuttige content wijst) is cruciaal: OKF gaat een stap verder en overhandigt de kennis zelf, verpakt als bestanden die een agent direct leest. Het verschil zit in de richting: llms.txt en sitemaps kijken naar buiten, naar crawlers die je site bezoeken, terwijl OKF naar binnen kijkt, naar de eigen agenten van een organisatie.

Wat marketeers nu kunnen doen

Voor de meeste marketeers vraagt dit vandaag nog niet om directe actie. Een gepubliceerde OKF-bundel zal je rankings deze week of volgende niet beïnvloeden. De belangrijkste aanbevelingen zijn:

• Zorg ervoor dat je content schoon en goed gestructureerd is.
• Volg de ontwikkeling van de standaard nauwlettend.
• Controleer of AI-crawlers de content die je publiceert al kunnen bereiken.

Als agent-gerichte standaarden net zo aanslaan als sitemaps en schema.org, zal dit fundamentele werk zich op termijn uitbetalen. Semrush biedt tools zoals Site Audit om te controleren of je site AI-crawlers blokkeert en technische problemen te identificeren die je content uit AI-gegenereerde antwoorden kunnen houden (inclusief een ontbrekend llms.txt-bestand). De AI Visibility Toolkit en Semrush Enterprise AIO kunnen helpen bij het volgen van de zichtbaarheid van je merk in verschillende LLM's.