Hoe maak je SharePoint-documenten doorzoekbaar met RAG?

SharePoint-documenten maak je doorzoekbaar met RAG door de inhoud van geselecteerde bestanden op te halen, tekst eruit te halen en die tekst in kleinere stukken te verdelen. Je zet die stukken om in embeddings en slaat ze op in een doorzoekbare index. Bij een vraag zoekt het systeem eerst relevante passages op en gebruikt die als context voor een antwoord. De toegang tot die passages moet daarbij de bestaande SharePoint-rechten volgen.

Voor het ophalen van bestanden kun je Microsoft Graph gebruiken. Daarna bouw je een verwerkingsstroom die documenten uitleest, indexeert en wijzigingen en verwijderingen bijhoudt. Een RAG-opzet is vooral nuttig als medewerkers vragen in gewone taal willen stellen en antwoorden nodig hebben die passages uit meerdere documenten samenbrengen. Voor eenvoudige vindbaarheid kan het slimmer zijn eerst de bestaande SharePoint-zoekfunctie, metadata of documentstructuur te verbeteren.

Waarom SharePoint-zoeken soms niet genoeg is

De ingebouwde SharePoint-zoekfunctie is bedoeld om documenten en andere inhoud terug te vinden. Microsoft Search kan zoekintentie uit langere vragen herkennen. Toch is een zoekresultaat iets anders dan een antwoord dat informatie uit meerdere bestanden combineert en de relevante passages aan elkaar uitlegt. Dat kan lastig zijn als iemand vraagt: “Welke stappen moeten we volgen bij een klacht?” terwijl die stappen verspreid staan over een procedure, een werkinstructie en een formulier.

RAG voegt een laag toe tussen de vraag en de documenten: het haalt eerst relevante tekst op en laat een taalmodel daarmee een antwoord formuleren. Het systeem kan dan ook bronverwijzingen tonen, zodat de gebruiker de gevonden passage kan controleren. De kwaliteit hangt wel af van de documenten, de zoekinstellingen en de manier waarop het antwoord wordt opgebouwd.

De globale stappen

Begin met afbakenen welke SharePoint-sites en bibliotheken in scope zijn. Bepaal ook welke bestandstypen je meeneemt en hoe je met vertrouwelijke inhoud omgaat. Een kleine, goedgekeurde verzameling documenten is vaak makkelijker te testen en te beveiligen dan meteen de hele omgeving.

Vervolgens haal je bestanden en metagegevens op via Microsoft Graph. Een document in een SharePoint-bibliotheek is in Graph doorgaans beschikbaar als een driveItem; de inhoud kan via de Graph-API worden opgehaald. Welke rechten de toepassing nodig heeft, hangt af van de gekozen toegangsmethode en de scope van de bestanden. Beperk de toegang tot wat de toepassing echt nodig heeft.

Daarna extraheer je tekst uit de opgehaalde bestanden. Verwijder waar nodig herhalende kop- en voetteksten, en bewaar nuttige context, zoals bestandsnaam, map, eigenaar of wijzigingsdatum. Deel de tekst op in stukken die klein genoeg zijn om gericht terug te vinden, maar groot genoeg om de betekenis te behouden. De beste grootte en overlap verschillen per soort document; test die met vragen die medewerkers echt stellen.

Vervolgens maak je voor ieder tekststuk een embedding: een numerieke representatie die helpt om inhoud op betekenis te vergelijken. Sla de embedding samen met de tekst, brongegevens en toegangsmetadata op in een index. Bij een vraag maak je ook een embedding, zoek je passende stukken op en geef je die als context aan het taalmodel. Laat het model aangeven wanneer de bronnen onvoldoende informatie geven, en toon waar het antwoord vandaan komt.

Rechten per gebruiker meenemen

Rechten zijn geen detail dat je later kunt toevoegen. Een index die inhoud voor iedereen doorzoekbaar maakt, kan gevoelige informatie blootleggen, zelfs als gebruikers de bestanden zelf niet kunnen openen. De toepassing moet daarom bij elke zoekvraag controleren welke documenten de ingelogde gebruiker mag zien. Een toegangstoken voor de toepassing waarmee zij bestanden kan lezen, bewijst op zichzelf niet dat de eindgebruiker ook toegang heeft.

Een gebruikelijke aanpak is om bij ieder geïndexeerd document de relevante SharePoint-rechten of bijbehorende Microsoft Entra-gebruikers- en groeps-ID’s als metadata vast te leggen. Bij het zoeken filter je resultaten op de identiteit en groepen van de gebruiker. Bij overerving van rechten moet je ook rekening houden met site, bibliotheek, map en bestand. Gedeelde links, unieke bestandsrechten en wijzigingen in groepslidmaatschap vragen om extra aandacht. De precieze inrichting verschilt per indexdienst en kan veranderen; controleer daarom de actuele mogelijkheden van de gekozen technologie. Microsoft beschrijft bijvoorbeeld ACL-inname en toegangsfilters voor Azure AI Search als previewfunctionaliteit.

Test dit met accounts die verschillende rechten hebben. Controleer zowel of een gebruiker toegestane bestanden terugkrijgt als of verboden bestanden ontbreken. Test ook wat er gebeurt wanneer toegang wordt ingetrokken. Als rechten niet betrouwbaar kunnen worden toegepast, is de RAG-zoekfunctie nog niet klaar voor gebruik met die documenten.

Wijzigingen en verwijderingen synchroniseren

Een index loopt achter zodra documenten wijzigen. Houd daarom per bestand een stabiele bron-ID en relevante wijzigingsinformatie bij. Microsoft Graph ondersteunt delta-query’s waarmee een toepassing sinds de vorige synchronisatie gewijzigde, nieuwe en verwijderde items kan ophalen. De toepassing bewaart de delta-link voor de volgende ronde en werkt de bijbehorende stukken in de index bij. Verwijderde items moeten ook uit de index verdwijnen.

Rechten kunnen eveneens veranderen zonder dat de documenttekst wijzigt. Synchroniseer daarom niet alleen inhoud, maar ook toegangsmetadata. Plan daarnaast controles in voor mislukte synchronisaties en verlopen synchronisatietokens. De precieze dekking van wijzigingen hangt af van de gebruikte Graph-resource en de structuur van de bibliotheek; verifieer dit voor de gekozen opzet.

Veelvoorkomende valkuilen

Scans zijn vaak afbeeldingen in plaats van doorzoekbare tekst. Daarvoor is OCR nodig, en de kwaliteit kan tegenvallen bij handschrift, slechte scans of complexe pagina-indelingen. Markeer bestanden waarvan tekstextractie weinig of niets oplevert, zodat ze niet stilletjes buiten de index vallen.

Versies kunnen oude en nieuwe inhoud door elkaar laten lopen. Bepaal of je alleen de actuele versie indexeert of ook oudere versies beschikbaar moet maken. Verwijder bij een nieuwe versie de oude tekststukken of markeer die duidelijk als verouderd.

Dubbele bestanden in verschillende mappen kunnen de zoekresultaten vervuilen. Gebruik bron-ID’s en controleer of dezelfde inhoud op meerdere plekken staat. Bewaar de oorspronkelijke SharePoint-link bij ieder stuk, zodat de gebruiker naar de juiste bron kan doorklikken.

Excel en PowerPoint vragen om extra zorg bij het uitlezen. Een spreadsheet bevat vaak tabellen, meerdere werkbladen en kolommen waarvan de betekenis afhankelijk is van hun koppen. In PowerPoint kunnen kernpunten verspreid staan over dia’s, notities en diagrammen. Platte tekstextractie kan die structuur verliezen. Test deze bestandstypen apart en sla waar mogelijk werkbladnamen, dia-indeling en relevante koppen mee op.

Wanneer je eerst iets eenvoudigers probeert

Begin met SharePoint-instellingen, zoekfilters, kolommen, metadata en een duidelijke mappen- en naamstructuur als medewerkers vooral bestaande bestanden sneller willen vinden. Microsoft Search biedt ook een Graph-API om SharePoint-inhoud te doorzoeken; dat kan een tussenstap zijn als je zoekresultaten nodig hebt, maar geen eigen embeddings of antwoordgeneratie.

Kies RAG wanneer gewone zoekresultaten onvoldoende helpen bij vragen over inhoud, of wanneer een antwoord passages uit meerdere documenten moet samenbrengen. Start met een beperkte bibliotheek, echte voorbeeldvragen en tests voor toegangsrechten, bronverwijzingen en synchronisatie. Zo ontdek je of de extra verwerking waarde toevoegt voordat je de opzet uitbreidt.

Conclusie

RAG maakt SharePoint-inhoud bruikbaar voor vragen in gewone taal door documenten op te halen, te verwerken en gericht terug te zoeken. Rechten en synchronisatie moeten vanaf het begin onderdeel zijn van het ontwerp. Test eerst met een afgebakende documentverzameling.