> Bron: https://neuralex.nl/blog/ai-voor-gemeenten
> 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 daarbij meespelen, en wanneer een gemeentelijke AI-toepassing onder de AI Act als hoog-risico kan gelden.

[Terug naar kennisbank](/blog)

Gemeenten ·6 september 2026 ·6 min lezen

# AI 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 daarbij meespelen, en wanneer een gemeentelijke AI-toepassing onder de AI Act als hoog-risico kan gelden.

Gemeenten kunnen beleidsstukken, raadsverslagen, vergunningendossiers en verordeningen veel beter doorzoekbaar maken met een [RAG-systeem](/blog/rag-uitgelegd): een AI-assistent die niet uitsluitend antwoordt vanuit het taalmodel, maar eerst relevante passages uit gemeentelijke bronnen ophaalt. Het antwoord kan daardoor worden gekoppeld aan het originele document, inclusief documentnaam, datum en waar mogelijk paginanummer.

Dat verschil is belangrijk. Een gemeentelijke kennisassistent moet niet overtuigend klinken, maar controleerbaar zijn. Op een vraag als "Welke voorwaarden stelt de gemeente aan woningsplitsing?" wil een beleidsmedewerker niet alleen een samenvatting, maar ook kunnen zien uit welke beleidsregel of verordening die conclusie komt. Kan het systeem geen geschikte bron vinden, dan moet het dat zeggen in plaats van een beleidsuitspraak te verzinnen.

## Waarom gemeentelijke informatie zo moeilijk doorzoekbaar is

Het probleem is meestal niet dat gemeenten te weinig informatie hebben. Het probleem is dat informatie verspreid staat over veel verschillende systemen, formaten en perioden.

Een gemeentelijke informatieomgeving kan bestaan uit raadsinformatiesystemen, zaaksystemen, documentmanagementsystemen, netwerkschijven, websites en archieven. Daarin staan pdf's, Word-documenten, gescande stukken, bijlagen, besluiten, beleidsnota's en oude versies van verordeningen.

Traditioneel zoeken werkt vooral goed wanneer iemand al weet welke woorden in een document staan. Maar beleidsvragen worden zelden op exact dezelfde manier geformuleerd als de tekst in een beleidsstuk.

Een medewerker kan bijvoorbeeld zoeken naar "voorwaarden voor een dakkapel in beschermd stadsgezicht", terwijl het relevante document spreekt over "wijzigingen aan het voorgevel- en dakvlak binnen beschermd gebied". Een letterlijke zoekmachine kan dat verband missen.

Daar komt versiebeheer bij. Een beleidsregel uit 2021 kan inmiddels zijn vervangen. Een verordening kan verschillende wijzigingen hebben doorgemaakt. Een zoekresultaat zonder datum, status en broncontext kan daardoor technisch correct gevonden zijn, maar inhoudelijk niet meer bruikbaar.

## RAG zoekt naar betekenis in plaats van alleen woorden

Retrieval augmented generation, meestal afgekort tot RAG, combineert zoeken en generatieve AI.

Documenten worden eerst verwerkt en opgesplitst in kleinere tekstgedeelten. Van die passages wordt een numerieke representatie van de betekenis gemaakt. Wanneer een medewerker vervolgens een vraag stelt, zoekt het systeem naar passages die inhoudelijk het beste aansluiten bij die vraag. Pas daarna krijgt het taalmodel de gevonden informatie.

Bijvoorbeeld op de vraag "Welke uitzonderingen gelden voor terrassen in het centrum?" kan het systeem relevante passages ophalen uit een horecabeleid, de APV, een uitvoeringsregel en een raadsbesluit. Het taalmodel maakt daarvan een leesbaar antwoord, maar krijgt de instructie uitsluitend uitspraken te doen die door die bronnen worden ondersteund.

Een goed gemeentelijk RAG-systeem toont vervolgens bijvoorbeeld:

-   het gebruikte document;
-   de betreffende passage;
-   documentdatum of versie;
-   paginanummer;
-   een link naar het origineel.

Dat maakt het fundamenteel anders dan medewerkers beleidsvragen rechtstreeks laten stellen aan een algemene chatbot.

## Bronvermelding is geen extraatje

Voor gemeentelijke toepassingen moet herleidbaarheid onderdeel zijn van de architectuur.

Een taalmodel kan een antwoord formuleren dat volkomen aannemelijk klinkt en toch onjuist is. Dat risico wordt kleiner wanneer het model alleen antwoord mag geven op basis van opgehaalde documenten, maar RAG maakt hallucinaties niet automatisch onmogelijk. Daarom zijn aanvullende controles nodig.

Het systeem moet bijvoorbeeld kunnen vaststellen dat er onvoldoende relevante context is gevonden. Citaten moeten daadwerkelijk voorkomen in het document waarnaar wordt verwezen. Een gevonden passage moet bovendien bij de juiste versie van een beleidsstuk horen.

Voor vragen waarop de gemeentelijke collectie geen betrouwbaar antwoord bevat, is "op basis van de beschikbare bronnen kan ik dit niet vaststellen" een betere uitkomst dan een waarschijnlijk klinkend antwoord.

## Woo betekent niet dat ieder dossier openbaar mag worden

Goede doorzoekbaarheid sluit direct aan bij een andere gemeentelijke opgave: de informatiehuishouding.

De Wet open overheid (Woo) geldt ook voor gemeenten en kent zowel openbaarmaking op verzoek als actieve openbaarmaking. De Woo bevat daarnaast verplichtingen rond het op orde en vindbaar houden van overheidsinformatie. Voor bepaalde categorieën wordt verplichte actieve openbaarmaking gefaseerd ingevoerd.

Dat betekent echter niet dat alle gemeentelijke informatie in één openbare AI-zoekmachine kan worden gestopt. Vergunningendossiers, bezwaarschriften, correspondentie en andere zaakdocumenten kunnen [persoonsgegevens](/blog/ai-en-de-avg) of andere informatie bevatten waarvoor openbaarmaking beperkt is. Ook de Woo kent uitzonderingen, waaronder bescherming van de persoonlijke levenssfeer. Bij actieve openbaarmaking kan het daarom nodig zijn eerst een publicatieversie te maken waarin informatie die niet openbaar gemaakt mag worden, is verwijderd of afgeschermd.

Technisch is het verstandig openbare en interne collecties daarom van elkaar te scheiden. Een medewerker met dossierbevoegdheid kan meer bronnen doorzoeken dan een burger via de gemeentelijke website. RAG moet bestaande toegangsrechten respecteren, niet omzeilen.

## Datasoevereiniteit begint bij de architectuur

Bij gemeentelijke AI gaat datasoevereiniteit verder dan de vraag waar een server fysiek staat. Relevant zijn onder andere:

-   waar documenten en embeddings worden opgeslagen;
-   waar prompts en antwoorden worden verwerkt;
-   welke leverancier toegang tot gegevens heeft;
-   welke loggegevens worden bewaard;
-   of gegevens voor training of productverbetering worden gebruikt;
-   welke subprocessors betrokken zijn;
-   wie encryptiesleutels en beheertoegang controleert.

Voor uitsluitend openbare raadsstukken kan een externe dienst soms relatief eenvoudig inzetbaar zijn. Voor interne beleidsdocumenten, persoonsgegevens of gevoelige zaakinformatie ligt dat anders.

Een [on-premises](/blog/on-prem-ai-wanneer-de-moeite) installatie biedt de meeste technische controle: documentopslag, zoekindex, embeddingmodel en taalmodel kunnen volledig binnen de eigen infrastructuur draaien. Een EU-gehoste private omgeving kan een praktisch tussenmodel zijn wanneer volledig lokaal beheer te zwaar is.

Een generieke Amerikaanse cloud-AI-dienst is daarmee niet automatisch ongeschikt. Doorslaggevend zijn de concrete verwerking, contractuele afspraken, gegevensstromen, toegangsrechten en technische waarborgen. Maar voor gevoelige gemeentelijke collecties verdient een architectuur waarin gegevensstromen aantoonbaar beheersbaar zijn doorgaans de voorkeur.

## Een beleidszoekmachine is iets anders dan een AI die besluiten neemt

Een interne assistent die beleidsdocumenten zoekt en samenvat, is juridisch en technisch een heel andere toepassing dan AI die burgers beoordeelt of bestuurlijke besluitvorming beïnvloedt.

Onder de [EU AI Act](/blog/hoog-risico-ai-systeem) kunnen bepaalde toepassingen bij overheidsinstanties als hoog-risico worden aangemerkt. Bijlage III noemt onder andere specifieke AI-toepassingen rond essentiële publieke diensten en uitkeringen, en bepaalde toepassingen voor rechtshandhaving. De kwalificatie hangt af van het doel en de manier waarop het systeem wordt gebruikt; niet iedere gemeentelijke toepassing voor handhaving, toezicht of besluitondersteuning is automatisch hoog-risico. Dat onderscheid moet al tijdens het ontwerp worden gemaakt.

"Vind de geldende passages over deze subsidieregeling" is iets anders dan "bepaal automatisch of deze inwoner subsidie krijgt". Hetzelfde geldt voor toezicht: een systeem dat relevante regelgeving terugvindt voor een toezichthouder heeft een andere functie dan een model dat personen risicoscores geeft of zelfstandig bepaalt tegen wie handhavend moet worden opgetreden.

## Koop geen chatbot, koop controleerbaarheid

Bij aanbesteding of aanschaf is de keuze tussen open source en een commerciële leverancier minder belangrijk dan de vraag hoeveel controle de gemeente houdt.

Vraag daarom niet alleen of een oplossing "AI met eigen documenten" ondersteunt. Vraag concreet: kan de gemeente zien welke documenten voor ieder antwoord zijn gebruikt? Worden documentversies vastgelegd? Kunnen onjuiste antwoorden worden gereconstrueerd? Zijn logs beschikbaar voor audit? Kunnen rechten uit het bronsysteem worden overgenomen? Kan de zoekindex opnieuw worden opgebouwd bij migratie? Kunnen modellen of leveranciers worden vervangen zonder de hele informatiearchitectuur opnieuw te bouwen?

Open source kan voordelen bieden voor inspecteerbaarheid, lokale installatie en het voorkomen van leveranciersafhankelijkheid. Daar staat tegenover dat de gemeente of implementatiepartner zelf meer verantwoordelijkheid draagt voor beheer, beveiliging en updates. Een leveranciersplatform kan beheer eenvoudiger maken, maar vraagt juist scherpte op dataportabiliteit, auditmogelijkheden, contractuele gegevensverwerking en afhankelijkheid van propriëtaire componenten.

De beste oplossing is daarom zelden degene met de indrukwekkendste demonstratie. Voor gemeentelijke informatievoorziening is het systeem dat bronnen, rechten, versies en antwoorden aantoonbaar kan reconstrueren meestal waardevoller.

Een praktisch startpunt is een afgebakende collectie met bijvoorbeeld beleidsnota's, verordeningen en openbare raadsstukken. Bouw daarop een RAG-laag die antwoorden altijd terugleidt naar het originele document en die weigert wanneer voldoende brononderbouwing ontbreekt. Scheid vervolgens openbare informatie van interne en persoonsgebonden dossiers en ontwerp toegangsrechten vanaf het begin mee. Kies voor gevoelige collecties bij voorkeur een architectuur waarin opslag, verwerking en logging aantoonbaar onder controle blijven, bijvoorbeeld on-premises of in een passend ingerichte EU-hosted omgeving. Zodra AI wordt gebruikt voor toezicht, handhaving, toegang tot publieke diensten of beslissingen die burgers daadwerkelijk raken, moet de toepassing afzonderlijk juridisch worden gekwalificeerd. Hetzelfde geldt voor de vraag wat onder de Woo openbaar moet, of juist niet mag worden gemaakt: laat je juridisch toetsen.

AI voor de publieke sector

## Beleidsstukken doorzoekbaar maken voor jouw gemeente?

Wij bouwen RAG-oplossingen die brongebaseerd citeren, toegangsrechten respecteren en on-premises of EU-hosted kunnen draaien. Benieuwd wat dat voor jouw organisatie betekent?

[Stel je vraag](/contact) [Lees AI in de juridische praktijk](/blog/ai-in-de-juridische-praktijk)

---
Volledige (opgemaakte) versie: https://neuralex.nl/blog/ai-voor-gemeenten