Kennis die klopt — en geciteerd wordt
Geen contentmolen, maar stukken die uitleggen hoe betrouwbare AI écht werkt. Geschreven voor mensen die het serieus willen begrijpen — en gestructureerd zodat AI-assistenten ze correct overnemen (GEO).
Meer uit de kennisbank
Hoe maak je een AI-beleid dat medewerkers daadwerkelijk kunnen toepassen?
Een praktisch AI-beleid voor medewerkers: toegestane tools, veilige gegevens, menselijke controle en duidelijke werkafspraken op één pagina.
LeesWat kost een RAG-systeem voor een mkb-bedrijf per maand?
Wat bepaalt de maandkosten van een RAG-systeem voor het mkb? Lees welke kostenposten meetellen en hoe je zelf een realistische maandbegroting opstelt.
LeesHoe maak je SharePoint-documenten doorzoekbaar met RAG?
Met RAG kunnen medewerkers SharePoint-documenten doorzoeken met vragen in gewone taal. Rechten, synchronisatie en documentstructuur vragen vanaf het begin aandacht.
LeesHoe ontdek je shadow AI binnen een organisatie?
Ontdek waar medewerkers AI gebruiken met gesprekken, loggegevens en een vragenlijst zonder schuldvraag. Maak daarna veilig gebruik praktisch mogelijk.
LeesWat gebeurt er als je agent halverwege stopt?
Een agent die halverwege stopt, kan wijzigingen achterlaten of werk dubbel uitvoeren. Lees hoe je voortgang opslaat, veilig hervat, fouten zichtbaar maakt en een mens de regie geeft.
LeesHoe stel je een merkloze vragenlijst op voor een AI-nulmeting?
Een merkloze vragenlijst laat zien of en hoe AI-assistenten jouw organisatie noemen bij vragen die klanten werkelijk stellen. Lees hoe je vragen kiest, antwoorden vastlegt en de nulmeting bruikbaar houdt.
LeesKan een AI-agent je boekhouding voorbereiden?
Een AI-agent kan bonnetjes en facturen uitlezen, sorteren en boekingen voorstellen. Lees hoe je de voorbereiding controleert, bevoegdheden beperkt en samen met je accountant een veilige proef inricht.
LeesWaarom geeft mijn AI-assistent op dezelfde vraag twee antwoorden?
Een AI-assistent kan dezelfde vraag anders beantwoorden door variatie in het taalmodel, verschillen in gesprekscontext of andere opgehaalde bronnen. Lees hoe je antwoorden consistenter maakt en wanneer afwijkingen reden zijn om je vraag of kennisbank te controleren.
LeesWanneer is een klein model goed genoeg?
Ontdek wanneer een klein AI-model volstaat, hoe je de kwaliteit op je eigen taken test en wanneer je beter opschaalt. Lees ook hoe foutkosten, privacy, RAG en routering je keuze beïnvloeden.
LeesAI voor verenigingen en stichtingen met een klein budget
Verenigingen en stichtingen kunnen AI met weinig budget inzetten voor terugkerend tekstwerk. Lees hoe je klein begint, kosten begrenst, privacy beschermt en vrijwilligers duidelijke afspraken geeft.
LeesMeertalige sites en AI: voorkom dat je vertaling zichzelf kannibaliseert
Voorkom dat taalversies van je site met elkaar concurreren. Leer hoe je URL’s, hreflang, canonicals, vertalingen en interne links goed inricht voor zoekmachines en AI-assistenten.
LeesVan script naar agent: wanneer is AI overkill?
Ontdek wanneer een AI-agent onnodig ingewikkeld is. Vergelijk vaste regels, scripts, AI-workflows en agents op kosten, snelheid, voorspelbaarheid en onderhoud, en kies een aanpak die past bij je taak en risico.
LeesHoe houd je een AI-kennisbank actueel zonder alles opnieuw te indexeren?
Houd een AI-kennisbank actueel door wijzigingen per document te detecteren en alleen nieuwe of aangepaste inhoud te verwerken. Verwijder vervallen bronnen, test antwoorden na updates en gebruik volledige herindexering als vangnet.
LeesBudget-guards die daadwerkelijk remmen
Een budget-guard begrenst het gebruik van AI en grijpt in wanneer kosten of belasting oplopen. Lees hoe je limieten instelt, agents afremt, een noodstop test en gebruikers duidelijk informeert.
LeesAI voor HR: cv-selectie is precies waar het misgaat
AI kan HR ondersteunen bij terugkerende taken, maar cv-selectie en kandidaat-rangschikking brengen risico’s mee voor gelijke behandeling, privacy en uitlegbaarheid. Lees hoe je toepassingen begrenst en medewerkers en kandidaten informeert.
LeesWord je geciteerd of samengevat — en wat scheelt dat in bezoekers?
Een AI-assistent kan je website als bron noemen, informatie samenvatten zonder verwijzing of antwoorden vanuit modelgeheugen. Lees wat die verschillen betekenen voor zichtbaarheid en bezoekers, en hoe je meet wat er gebeurt.
LeesHoe test je een AI-agent zonder productie op te blazen?
Leer hoe je een AI-agent veilig test met nepdata, nagebootste tools, vaste scenario’s en menselijke goedkeuring, en hoe je gecontroleerd uitrolt met monitoring en een noodstop.
LeesWat kost on-prem AI per jaar, eerlijk doorgerekend?
On-prem AI vraagt om meer dan hardware. Leer hoe je investering, energie, beheer, beveiliging en gebruik per jaar meerekent en eerlijk vergelijkt met een externe AI-dienst.
LeesRAG, finetuning of lange context: wat kies je wanneer?
RAG, finetuning en lange context lossen verschillende problemen op. Lees wanneer je actuele, citeerbare kennis nodig hebt, wanneer je gedrag wilt aanpassen en wanneer je documenten gewoon kunt meegeven.
LeesLatency: waarom je gebruiker afhaakt bij acht seconden
Waarom voelt een AI-assistent soms traag? Lees waar latency vandaan komt en hoe streaming, slimme routering, voortgangsfeedback en meten de ervaring verbeteren.
LeesAI voor de technische dienst: handleidingen doorzoekbaar maken
Maak handleidingen, onderhoudsschema’s en storingsmeldingen doorzoekbaar met een AI-assistent die antwoorden geeft in gewone taal en verwijst naar de juiste bron. Lees hoe je documenten voorbereidt, veiligheid bewaakt en de kwaliteit controleert.
LeesWelke vragen stel je een AI-leverancier vóór je tekent?
Stel vóór je een AI-leverancier kiest vragen over gegevens, training, beveiliging, kwaliteit, ondersteuning, kosten en regelgeving. Leg de antwoorden schriftelijk vast, zodat je afspraken kunt controleren en risico’s kunt beoordelen.
LeesInterne links als clustermodel: hoe laat je AI zien waar je expert in bent?
Leer hoe je met een centrale pijlerpagina, verdiepende artikelen en relevante interne links duidelijk maakt hoe onderwerpen op je site samenhangen en waar je expertise ligt.
LeesLeast privilege voor niet-menselijke gebruikers: welke rechten krijgt een agent?
Geef een AI-agent een eigen identiteit en alleen de beperkte, tijdelijke rechten die nodig zijn voor zijn taak. Lees-, schrijf- en risicovolle acties vragen elk om passende grenzen, toezicht en logging.
LeesAI achter de firewall: kan je model volledig intern draaien?
Ontdek wat volledig intern draaien van een taalmodel inhoudt, welke keuzes nodig zijn voor beheer en beveiliging, wat je ervoor inlevert en wanneer een hybride opzet beter past.
LeesHeb je überhaupt een vectordatabase nodig?
Een vectordatabase is niet voor elk RAG-project nodig. Lees welke eenvoudigere opties er zijn, waar je op let bij je keuze en wanneer een aparte database meerwaarde krijgt.
LeesEen NAS als AI-fundament: wat kan wel en wat niet?
Een NAS kan een solide opslag- en beheerlaag zijn voor een AI-opzet, maar is meestal niet de juiste machine voor grote modellen. Lees welke taken passen, waar de grenzen liggen en hoe je de omgeving veilig en betrouwbaar inricht.
LeesAI voor makelaars en vastgoed: wat is realistisch?
Ontdek waar AI een makelaarskantoor praktisch kan ondersteunen, van objectteksten en klantvragen tot documentzoekopdrachten. Lees ook waarom prijsadvies, screening en gegevensverwerking menselijke controle vragen.
LeesAI Act en AVG: waar overlappen ze en waar botsen ze?
De AI Act en de AVG gelden vaak tegelijk, maar regelen verschillende kanten van AI. Lees waar transparantie, toezicht en risicobeoordeling samenkomen, waar gegevensregels kunnen schuren en hoe je dit praktisch aanpakt.
LeesWat doet een AI-assistent met je prijzen als je ze niet publiceert?
Ontdek wat AI-assistenten kunnen antwoorden als je prijzen niet online staan. Lees waarom duidelijke uitgangspunten, prijsfactoren en een consistente prijsuitleg helpen om verkeerde aannames te beperken.
LeesRetries, timeouts en dode agents: betrouwbaarheid in de praktijk
Een agent kan vastlopen of een actie onverwacht herhalen. Lees hoe time-outs, begrensde retries, hervatbare stappen, statusbewaking en menselijke escalatie zulke fouten beheersbaar maken.
LeesQuantisatie uitgelegd: hoeveel kwaliteit lever je in voor snelheid?
Quantisatie maakt AI-modellen kleiner en vaak sneller door hun gewichten met minder bits op te slaan. Lees wat dat kan kosten, hoe je de kwaliteit test en hoe je een passende balans kiest voor jouw hardware en toepassingen.
LeesMetadata-filters: zoeken binnen de juiste afdeling, periode of dossier
Metadata-filters beperken RAG-zoekopdrachten tot de juiste afdeling, periode of het juiste dossier. Lees hoe je metadata beheert, toegangsrechten toepast en filters test om antwoorden preciezer en veiliger te maken.
LeesDocker of native: waar draai je een kritieke AI-dienst?
Docker maakt een AI-dienst makkelijker reproduceerbaar en te herstellen; native draaien kan hardwaretoegang vereenvoudigen. Lees hoe je kiest op basis van beheer, herstel, updates en de eisen van je hardware.
LeesAI in het onderwijs: waar ligt de grens?
AI kan onderwijs ondersteunen bij leren, plannen, feedback en administratie. De grens ligt bij beslissingen over leerlingen, vervanging van eigen denkwerk en toepassingen waarbij privacy, eerlijkheid of menselijke controle onvoldoende zijn gewaarborgd.
LeesWie is aansprakelijk als een AI-antwoord fout is?
Wie draagt de verantwoordelijkheid als een AI-systeem een fout antwoord geeft? Lees hoe aansprakelijkheid in de keten wordt verdeeld en welke contractuele en technische maatregelen risico’s kunnen beperken.
LeesE-E-A-T voor kleine bedrijven: expertise tonen zonder groot merk
Praktische uitleg voor kleine bedrijven die E-E-A-T willen versterken met aantoonbare ervaring, vakkennis, betrouwbare bedrijfsinformatie, structured data en consistente online profielen, zonder de uitstraling van een groot merk nodig te hebben.
LeesKan een AI-agent je e-mail afhandelen?
Een AI-agent kan e-mail sorteren, samenvatten en conceptantwoorden voorbereiden. Voor zelfstandig versturen zijn strikte rechten, logging, menselijke goedkeuring en bescherming tegen prompt-injectie nodig.
LeesWat mag je bewaren van een AI-gesprek?
Welke onderdelen van een AI-gesprek mag je bewaren, hoe lang en waarom? Praktische uitleg over gesprekslogs, persoonsgegevens, pseudonimisering, audittrails, leveranciers, verwijdering en een werkbaar bewaarbeleid onder de AVG.
LeesRAG over pdf's: waarom scans je grootste vijand zijn
Gescande pdf’s maken RAG-systemen kwetsbaar voor extractiefouten. Lees waarom OCR, tabellen en complexe layouts problemen veroorzaken en hoe je documenten controleert voordat je ze indexeert.
LeesBackups voor AI-systemen: wat bewaar je behalve de data?
Een bruikbare back-up van een AI-systeem bevat meer dan documenten en databases. Ook modellen, prompts, indexconfiguratie, agentrechten, evaluaties en herstelprocedures bepalen of je het systeem werkelijk kunt terugbrengen.
LeesAI voor webshops: productdata, reviews en klantvragen
AI kan webshops helpen met productdata, reviews en klantvragen, maar alleen als brondata betrouwbaar is, menselijke controle blijft bestaan en het systeem geen specificaties, reviews of klantinformatie verzint.
LeesEen AI-register bijhouden: wat zet je erin?
Een praktisch AI-register geeft overzicht over AI-toepassingen, leveranciers, data, risico’s en toezicht. Lees welke velden je vastlegt, wie het register beheert en hoe je het koppelt aan AVG, DPIA en AI-governance.
LeesHoe belangrijk is laadsnelheid nog als een model je pagina leest?
Laadsnelheid blijft belangrijk voor bezoekers én voor systemen die pagina's automatisch ophalen. Voor AI-zichtbaarheid telt vooral dat essentiële content snel, betrouwbaar en zonder verplichte JavaScript-rendering beschikbaar is.
LeesWanneer moet een mens goedkeuren? Een beslisboom voor autonomie
Niet elke actie van een AI-agent hoort hetzelfde vrijheidsniveau te krijgen. Een praktisch afwegingskader langs omkeerbaarheid, impact, schaal en betrouwbaarheid van de input — met een concrete beslisboom voor wanneer een mens eerst moet goedkeuren.
LeesHoe anonimiseer je documenten voordat ze een model in gaan?
Documenten anonimiseer je vóór verwerking door het AI-model door persoonsgegevens automatisch te detecteren en te verwijderen, maskeren of vervangen — bij voorkeur lokaal, voordat tekst een externe API bereikt. Pseudonimiseren is vaak praktischer, maar de gegevens blijven dan persoonsgegevens onder de AVG.
LeesHoe meet je of je RAG-systeem beter wordt?
Zonder vaste eval-set is verbeteren giswerk. Hoe je retrieval-precision en -recall, antwoordkwaliteit, latency en kosten meet — en hoe je regressie voorkomt bij wijzigingen aan chunking, embeddings of prompts.
LeesMonitoring van AI-diensten: welke signalen doen er echt toe?
Een AI-dienst kan technisch volledig "up" zijn terwijl gebruikers trage, dure of inhoudelijk foute antwoorden krijgen. Welke signalen naast latency, kosten, drift en hallucinaties je monitoring wél moet vangen.
LeesChatbot-disclosure: hoe zeg je het zonder je bezoeker af te schrikken?
Een chatbot-disclosure hoeft geen juridische waarschuwing te zijn. Waar de melding moet staan, vijf concrete voorbeeldzinnen van subtiel tot expliciet, en wanneer je in zorg, financiën of bij minderjarigen explicieter moet formuleren.
LeesSchrijven voor mens én model: een opbouw die allebei bedient
Content die goed werkt voor mensen werkt vaak ook goed voor taalmodellen — als je met dezelfde discipline schrijft. Waarom het antwoord vooraan moet staan, wanneer een lijst of tabel helpt, en hoe je chunkbare content schrijft zonder dat het robotisch aanvoelt.
LeesHoe zie je wat je agent vannacht heeft gedaan?
Een agent die 's nachts autonoom taken uitvoert, moet je de ochtend erna kunnen naspelen. Wat je moet loggen, waarom tracing met bijvoorbeeld OpenTelemetry helpt, en hoe je een eenvoudig audit trail en dashboard bouwt.
LeesData-residency: wat betekent 'EU-regio' bij een Amerikaanse cloud echt?
Een EU-cloudregio houdt data niet automatisch onder Europese controle. Wat opslaglocatie, toegang, de Amerikaanse CLOUD Act en cloudsoevereiniteit voor jouw AI-project echt betekenen.
LeesRate limits en quota: hoe voorkom je dat je dienst stilvalt?
Rate limits en quota kunnen AI-diensten onverwacht afremmen of stilleggen. Retries, queues, model-routing, budget-guards en monitoring zorgen samen voor gecontroleerde capaciteit in plaats van volledige uitval.
LeesAI voor gemeenten: beleidsstukken doorzoekbaar maken
Beleidsstukken, raadsverslagen, vergunningendossiers en verordeningen worden met RAG doorzoekbaar op betekenis in plaats van alleen trefwoorden, met citaten naar het originele document. Waarom de Woo en datasoevereiniteit meespelen, en wanneer een toepassing onder de AI Act als hoog-risico kan gelden.
LeesWanneer moet een AI-assistent 'dat weet ik niet' zeggen?
Een AI-assistent die nooit weigert, is voorspelbaar onbetrouwbaar. Hoe je met relevantiedrempels, contextdetectie en citatieverificatie een RAG-systeem bouwt dat weigert wanneer het moet.
LeesWaarom presteert je FAQ-pagina slechter dan één goede vraag per pagina?
Een lange FAQ-pagina laat meerdere onderwerpen om aandacht concurreren, terwijl zoek- en retrievalsystemen content vaak in kleinere blokken verwerken. Wanneer verdient een vraag een eigen kennisbankpagina, en wanneer hoort hij gewoon in de FAQ?
LeesPrompt-injectie: hoe een e-mail jouw agent kan kapen
Een AI-agent die e-mail leest en acties uitvoert, kan door tekst in die e-mail worden gemanipuleerd — zonder wachtwoord, zonder hack. Wat indirecte prompt-injectie is, en hoe least privilege en mens-in-de-loop de schade beperken.
LeesWat is een DPIA en wanneer heb je er een nodig voor AI?
Voor AI heb je een DPIA nodig zodra de verwerking van persoonsgegevens waarschijnlijk een hoog risico voor mensen oplevert. AI op zichzelf is niet de juridische trigger, de combinatie van gegevens, doel, schaal en gevolgen is dat wel.
LeesEmbeddings kiezen: welk model begrijpt Nederlandse tekst het best?
Er is geen embeddingmodel dat objectief "het beste voor Nederlands" is. E5-NL, Qwen3 Embedding, Jina Embeddings v5, BGE-M3 en multilingual-e5 zijn kandidaten — jouw eigen retrievaltest bepaalt de winnaar.
LeesCaching voor AI: welke antwoorden mag je hergebruiken?
AI-antwoorden mag je vooral hergebruiken wanneer dezelfde vraag onder dezelfde omstandigheden hetzelfde geldige antwoord hoort op te leveren. Tijdgevoelige, gepersonaliseerde of creatieve antwoorden meestal niet — en semantische caching heeft zijn eigen risico's.
LeesAI in de zorg: waarom on-prem daar bijna altijd het antwoord is
Gezondheidsgegevens zijn bijzondere persoonsgegevens onder de AVG. Dat maakt on-prem of een strikt gecontroleerde private omgeving vaak de meest verdedigbare architectuur voor AI die met patiëntdossiers werkt — geen absoluut verbod op cloud-AI, wel een hogere lat.
LeesAI-geletterdheid (artikel 4): wat verwacht de wet van je personeel?
Artikel 4 AI-verordening verplicht aanbieders en gebruiksverantwoordelijken om maatregelen te nemen die AI-geletterdheid van personeel ondersteunen — context- en risicoafhankelijk, zonder verplicht certificaat. Sinds 2 februari 2025 van kracht, in 2026 aangepast.
LeesWelke AI-crawlers bezoeken je site — en hoe zie je dat in je logs?
GPTBot, ClaudeBot, PerplexityBot en meer doen niet hetzelfde: sommige verzamelen trainingsdata, andere bouwen een zoekindex, weer andere halen op verzoek van een gebruiker direct een pagina op. Zo filter en verifieer je ze in je logs.
LeesHoe geef je een AI-agent veilig toegang tot je bestanden?
Maak de toegang zo klein mogelijk: een expliciete allowlist in plaats van een denylist, gescheiden read- en write-rechten, backups vóór iedere mutatie en een tool-laag die de scope afdwingt buiten het model om.
LeesMag je klantgegevens door ChatGPT halen?
Onder de AVG mag het onder voorwaarden: een geldige grondslag, dataminimalisatie en — als OpenAI als verwerker optreedt — een verwerkersovereenkomst. Maar een persoonlijk ChatGPT-account is iets anders dan ChatGPT Business, Enterprise of de API.
LeesHoeveel documenten heb je nodig voordat RAG zin heeft?
Er is geen minimum-aantal. RAG wordt zinvol zodra documenten niet meer in één contextvenster passen, content vaak verandert, meerdere gebruikers moeten zoeken, of bronvermelding nodig is — niet bij het aantal bestanden.
LeesFallback-ketens: wat doet je systeem als de provider eruit ligt?
Een fallback-keten combineert alternatieve AI-providers of modellen met health-checks, timeouts, retries en circuit breakers. Niet alleen downtime telt als storing — ook meetbare kwaliteitsdegradatie.
LeesAI voor accountants: waar zit de winst en waar het risico?
De winst zit in het versnellen van documentverwerking, journaalpost-voorstellen en periodieke afsluiting. Het risico zit in hallucinatie bij cijfers en fiscale interpretatie, AVG en aansprakelijkheid.
LeesWat is een hoog-risico-AI-systeem — en ben jij er een?
Niet elk geavanceerd AI-systeem is hoog-risico onder de EU AI Act, en niet elke eenvoudige toepassing valt erbuiten. Artikel 6 en Annex III bepalen het — met de deadlines die de Digital Omnibus medio 2026 verschoof.
LeesBlokkeer je AI-crawlers of laat je ze binnen?
Alle AI-crawlers blokkeren is meestal te grof. GPTBot, ClaudeBot, PerplexityBot, Google-Extended en CCBot hebben elk een andere functie — hoe je robots.txt gericht instelt op training versus zichtbaarheid.
Leesn8n of code: wanneer is een workflow-tool genoeg?
Waar workflow-tools sterk in zijn, wanneer maatwerkcode beter past, en waarom n8n met code combineren vaak de sterkste architectuur is voor AI-automatisering.
LeesArtikel 50 uitgelegd: wanneer moet je zeggen dat het AI is?
Artikel 50 verplicht niet om bij ieder AI-gebruik dit te melden. De transparantieplicht geldt specifiek bij chatbots, AI-gegenereerde content, deepfakes en emotieherkenning — sinds 2 augustus 2026 van toepassing.
LeesMoet je AI-gegenereerde content labelen?
De AI Act verplicht geen algemeen zichtbaar label op alle AI-content. Artikel 50 maakt onderscheid tussen technische markering, deepfakes en AI-teksten over onderwerpen van publiek belang.
LeesModel-routing: waarom niet elk verzoek naar het duurste model moet
Niet elke AI-taak vraagt om het zwaarste model. Hoe je routeert op taakcomplexiteit, latency, kosten en betrouwbaarheid — met classifiers, regels, fallbacks en kostenplafonds.
LeesKan AI jurisprudentie doorzoeken zonder te verzinnen?
Een taalmodel zonder brongrond kan overtuigend klinkende maar niet-bestaande uitspraken en ECLI-nummers verzinnen. Hoe RAG, verplichte brongrond en een link naar de echte uitspraak dat risico beperken.
LeesOllama, vLLM of llama.cpp: welke runtime past bij jouw situatie?
llama.cpp is de C/C++ inference-engine, Ollama de gebruiksvriendelijke laag eromheen voor lokaal experimenteren, en vLLM de productie-serving-engine voor GPU’s met veel gelijktijdige gebruikers. Welke past bij jouw workload.
LeesHoe kiezen ChatGPT, Perplexity en Gemini welke bron ze citeren?
Een positie in Google is niet hetzelfde als een citatie in een AI-antwoord. Hoe ChatGPT Search, Perplexity en Gemini bronnen ophalen, beoordelen en koppelen aan specifieke beweringen — en wat dat betekent voor GEO.
LeesWat is MCP (Model Context Protocol) en waarom verandert het agents?
Het open protocol waarmee AI-agents op een gestandaardiseerde manier tools, data en systemen aanspreken. Hoe het zich verhoudt tot API’s, function calling en RAG, en wat het betekent voor beveiliging en on-prem AI.
LeesWelke hardware heb je nodig om een taalmodel lokaal te draaien?
RAM, VRAM, quantisatie en opslag bepalen welk taalmodel lokaal past. Praktische vuistregels voor 7B tot 70B+ modellen op CPU, GPU en Apple Silicon.
LeesWat is reranking en wanneer heb je het nodig?
Reranking is de tweede stap in een RAG-pipeline die kandidaat-documenten herordent op relevantie met een cross-encoder. Wanneer voegt dat echt waarde toe, en wanneer is het onnodige complexiteit?
LeesChunking: hoe knip je een document op zonder de betekenis te slopen?
Goede chunking bepaalt wat je RAG-systeem überhaupt kan terugvinden. Waarom chunking vaak misgaat, hoe je chunkgrootte en overlap kiest, en hoe je chunking per documenttype (pdf, tabellen, code) aanpakt.
LeesWat kost AI echt? Van API-token tot eigen server
API’s rekenen per token, een eigen server rekent in aanschaf, stroom en beheer. Wat een miljoen tokens werkelijk kost bij Anthropic en OpenAI, wanneer eigen hardware zich terugverdient, en welke verborgen kostenposten de rekening opdrijven.
LeesAI in de juridische praktijk: wat kan een kantoor er vandaag mee?
Jurisprudentie- en wetgevingsonderzoek, contractanalyse, dossierdoorzoeking en conceptcorrespondentie werken al — mits de output controleerbaar blijft. Waarom hallucinatie het kernrisico is en wat RAG met brongebaseerde citatie daaraan doet.
LeesDe EU AI Act voor het mkb: wat moet je nú geregeld hebben?
Sinds 2 augustus 2026 gelden de transparantieregels en is de handhaving gestart. De regels voor hoog-risico-systemen zijn uitgesteld naar 2027/2028 — wat dat concreet betekent voor het mkb.
LeesVan score 36 naar 85+: wat een agent-leesbaarheidsscore écht verhoogt
Een webshop scoorde 36 op AI-leesbaarheid en steeg naar 85+ zonder één regel in het CMS te wijzigen. Welke fixes het verschil maakten, en waarom ze via een edge-worker gingen.
LeesMeet je AI-zichtbaarheid: sta jij in het antwoord, of je concurrent?
Een positie in Google zegt niets meer over of ChatGPT, Perplexity of Gemini jouw bedrijf noemen. Hoe je zelf meet of je in AI-antwoorden voorkomt — en wat je doet als het antwoord nee is.
LeesSchema.org voor AI: welke gestructureerde data begrijpen assistenten echt?
Vijf types die daadwerkelijk iets opleveren, hoe je ze met @id tot één entiteit knoopt, en de vier fouten waardoor markup je juist tegenwerkt.
Leesllms.txt: het nieuwe robots.txt — wat het is en of je het nodig hebt
Een voorgesteld bestand in de root van je site dat AI-systemen in platte tekst vertelt wat er staat en waar. Herkomst, opbouw, en of jouw site het nodig heeft.
LeesMulti-agent-orkestratie: hoe laat je meerdere AI-agents samenwerken zonder chaos?
Meer agents inzetten lost zelden het probleem op — het verplaatst het naar de coördinatie ertussen. Over één gedeeld draaiboek, vaste rollen en één logboek als waarheid.
LeesRAG uitgelegd: zo bouw je een AI die niet liegt
Retrieval, context, generatie en citatieverificatie — de vier ingrediënten die van RAG een demo maken, of juist een systeem waar je op durft te bouwen.
LeesVan RAG-demo naar productie: de vijf dingen die stukgaan
Retrieval, chunking, verzonnen citaties, geen meetlat en schaal — de vijf plekken waar een werkende RAG-demo in productie breekt, met wat eraan helpt.
LeesGevonden worden door AI-assistenten: wat GEO wél is
SEO optimaliseert voor een resultatenlijst, GEO om geciteerd te worden in een gegenereerd antwoord. Wat dat technisch en redactioneel betekent — met checklists.
LeesWaarom je AI-beheerder niets mag mogen
Een agent die zelf mag ingrijpen voelt krachtig — en is precies daarom onbetrouwbaar. Over de scheiding tussen denken en doen, en de vangrails die daarbij horen.
LeesWat kost een AI-agent nou echt? Een maand meten in plaats van gokken
De maandrekening komt en niemand weet welk onderdeel hem veroorzaakte. Over loggen per call, en waarom input-tokens de echte kostenpost zijn.
LeesOn-prem AI: wanneer is het de investering waard?
Cloud is makkelijk, tot je rekening en je AVG-functionaris meekijken. Een eerlijke afweging.
LeesWaarom je AI-agents elke sessie opnieuw beginnen — en hoe je dat oplost
Het duurste probleem in agentwerk is geheugenverlies. Over de geheugenlaag die losse sessies één brein maakt.
LeesGEO: zo word je geciteerd door ChatGPT en Gemini
SEO bracht je in Google. GEO brengt je in het antwoord dat de gebruiker daarna leest.
LeesEen eigen model trainen? Begin met RAG.
Waarom "ons eigen LLM" in de praktijk meestal RAG plus lichte fine-tuning is — en dat is goed nieuws.
LeesAI en de AVG: wat mag wel, wat mag niet, en hoe het wél kan
AI met persoonsgegevens mag onder de AVG — mits je een grondslag hebt, dataminimalisatie toepast en weet waar de data naartoe gaat. Van rechtsgrond tot DPIA, en waar de EU AI Act bovenop komt.
LeesAI-agents voor het mkb: wat werkt al echt (en wat nog niet)
Documenten doorzoeken en vaste workflows werken al betrouwbaar. Volledig zelfstandige besluitvorming nog niet. Wat wél en niet werkt, en hoe je als mkb-bedrijf begint.
LeesAir-gapped AI: kan een taalmodel zonder internet?
Ja, dat kan — maar de vraag is of jouw dreigingsmodel dat niveau van isolatie rechtvaardigt. Wat het technisch vraagt, en waarom de meeste bedrijven aan on-prem genoeg hebben.
LeesLokale modellen in 2026: Llama, Qwen en Gemma eerlijk vergeleken
Licentie, formaat en context van Llama 4, Qwen 3.5/3.6 en Gemma 4 op een rij — en waarom "welke is het beste" de verkeerde vraag is in een veld dat maandelijks verandert.
LeesAlles over AI zoals het in het lab echt werkt
Elk artikel komt voort uit eigen experimenten en systemen op neuralex.nl — van RAG en agents tot hardware en kosten.