Hoe vector search werkt — en waar het stopt​

Vector search zet tekst om naar een getal­reeks (een embedding) die de betekenis vastlegt. Zoekt u op "aansprakelijkheid bij schade", dan vindt het systeem passages die semantisch dichtbij liggen, ook als die andere woorden gebruiken.

Dat werkt uitstekend voor directe vragen waarbij het antwoord ergens letterlijk staat. Maar organisatiekennis is zelden zo eenvoudig:

• Contracten verwijzen naar bijlagen die verwijzen naar procedures.
• Een VvE-besluit van drie jaar geleden is relevant voor een onderhoudsgeschil van vandaag.
• "Wie is verantwoordelijk voor X?" hangt af van functies, afdelingen en mandaten die in vijf verschillende documenten staan.

Vector search geeft u de meest gelijkende passages. Maar het snapt niet dat document A en document C over dezelfde entiteit gaan, laat staan welke relatie daartussen bestaat.

Wat een kennisgraaf toevoegt​

Een kennisgraaf legt verbindingen vast als feiten: Entiteit A → relatie → Entiteit B. In GraphMind extraheren we die verbindingen automatisch uit uw documenten via een LLM-analyselaag.

Een paar concrete voorbeelden:

Het verschil zit niet in de vindbaarheid van losse informatie, maar in het verbinden van informatie over documentgrenzen heen.

Hybride retrieval: het beste van beide​

GraphMind gebruikt beide technieken gecombineerd:

1. Vector search voor semantische overeenkomst op chunk-niveau.
2. Graph traversal om verbonden entiteiten en gerelateerde documenten mee te laden.
3. LLM-synthese die beide bronnen combineert tot één coherent antwoord met bronvermelding.

Dit geeft u de breedte van vector search (ook formuleringen die u niet had bedacht) én de diepte van de graaf (verbanden die niet in één document staan).

Wanneer maakt het verschil?​

In de praktijk zien we het verschil het sterkst bij:

• Juridische en contractuele vragen — waar verwijzingen tussen clausules en bijlagen cruciaal zijn.
• Compliance en regelgeving — waar normen verwijzen naar andere normen.
• Organisatiegeheugen — waar besluiten, verantwoordelijkheden en projecten door de tijd heen samenhangen.
• Technische documentatie — waar componenten, versies en afhankelijkheden een web vormen.

Voor een eenvoudige FAQ-bot of een kennisbank met losstaande artikelen is pure vector search prima. Maar zodra uw vragen organisatorische complexiteit bevatten, loont de investering in een kennisgraaf.

Wat kost die extra laag?​

De graafopbouw vraagt extra verwerkingstijd bij het inladen van documenten. GraphMind doet dit asynchroon: u laadt uw documenten in, de pipeline extraheert entiteiten en relaties op de achtergrond. Zodra de graaf klaar is, profiteert elke query ervan — zonder extra wachttijd.

De graaf groeit ook mee: nieuwe documenten worden geïntegreerd in de bestaande structuur, zodat verbanden met eerder geladen kennis automatisch zichtbaar worden.

Wilt u zien hoe de kennisgraaf werkt op uw eigen documenten? Probeer GraphMind gratis of lees verder in onze documentatie over de pipeline.

De kern: verwerkingsverantwoordelijke en verwerker​

Onder de AVG (GDPR) bent u als organisatie verwerkingsverantwoordelijke voor de persoonsgegevens in uw documenten. Een AI-aanbieder die uw data verwerkt, is doorgaans verwerker. U blijft eindverantwoordelijk voor wat er met die data gebeurt.

Dit betekent:

• U heeft een verwerkersovereenkomst nodig met de AI-aanbieder.
• U moet weten waar uw data wordt opgeslagen en verwerkt.
• U moet kunnen aantonen dat de verwerking een rechtmatige grondslag heeft.

Bij veel populaire AI-tools (cloud-LLMs, SaaS-diensten) stuurt u uw documenten naar servers buiten de EU. Dat vereist aanvullende waarborgen (adequaatheidsbesluiten, standaardcontractbepalingen) die in de praktijk lastig te borgen zijn.

Welke risico's zijn er bij externe AI-diensten?​

Training op uw data​

Sommige AI-aanbieders gebruiken ingediende prompts en documenten om hun modellen te verbeteren. Dit is vrijwel altijd optioneel uit te zetten — maar u moet er actief op letten, want de standaardinstelling is lang niet altijd gunstig voor uw privacy.

Dataresidentie​

"EU-hosting" betekent niet altijd dat alle verwerking EU-based is. Log-data, monitoring-systemen en support-toegang kunnen buiten de EU plaatsvinden. Controleer dit expliciet in de verwerkersovereenkomst.

Vendor lock-in en portabiliteit​

Als uw kennisbase volledig in het systeem van een leverancier leeft, heeft u een afhankelijkheid. Bij een datalek, faillissement of beleidswijziging van de leverancier heeft u een probleem.

Wat maakt een verantwoorde aanpak?​

Een paar principes die we bij GraphMind als uitgangspunt nemen:

1. Data blijft in de EU
Uw documenten worden geïndexeerd en opgeslagen in databases die wij in de EU hosten. Data verlaat de EU-grens niet, ook niet voor analyses of logging.

2. Training op uw data is expliciet uitgeschakeld
Wij configureren de AI-modellen zo dat uw documenten en vragen niet worden gebruikt voor modeltraining. Dit is geen opt-out die u zelf moet aanvinken — het is standaard geborgd in onze configuratie en contractueel vastgelegd.

3. Pseudonimisering en volledige anonimisering — tot in de opslag
Dit is waar GraphMind verder gaat dan de meeste alternatieven. Gevoelige informatie (namen, BSN-nummers, rekeningnummers, adressen) wordt al vóór opslag gefilterd en gepseudonimiseerd. Voor omgevingen met strenge privacyvereisten bieden we volledige anonimisering: zelfs in de uiteindelijke kennisgraaf en vector-opslag zijn persoonsgegevens niet meer herleidbaar. U profiteert dan volledig van de kennisverbanden zonder dat de onderliggende persoonsinformatie in uw AI-systeem belandt.

4. Strikte tenantscheiding
Elke organisatie (of afdeling) heeft een volledig geïsoleerde omgeving. Databases, kennisgrafen en vectorstores zijn per tenant afgescheiden — er is geen gedeelde opslaglaag waar gegevens kunnen overlappen.

5. Transparantie over datastromen
Elke verwerking die GraphMind uitvoert is traceerbaar. U kunt exact zien welke documenten welke pipeline hebben doorlopen en welke data in welke database terechtkomt.

6. Verwerkersovereenkomst
We bieden een standaard verwerkersovereenkomst die aansluit bij de AVG-vereisten. Op verzoek is maatwerk mogelijk.

Praktisch: hoe begin je goed?​

1. Inventariseer welke persoonsgegevens in uw documenten zitten. Personeelsdossiers, klantcorrespondentie en contracten bevatten andere risico's dan technische handleidingen.

2. Bepaal het anonimiseringsniveau. GraphMind biedt een spectrum: van pseudonimisering (namen worden vervangen door consistente tokens) tot volledige anonimisering waarbij gevoelige entiteiten niet worden opgeslagen. Uw DPO helpt bepalen wat passend is.

3. Segmenteer uw kennisbases. Niet alle documenten hoeven in dezelfde collectie. GraphMind ondersteunt meerdere collecties per tenant, met aparte toegangsrechten per gebruikersgroep.

4. Documenteer de verwerking in uw verwerkingsregister. Uw DPO wil weten: welk systeem, welke data, welk doel, welke grondslag, welke bewaartermijn — en welke maatregelen zijn genomen ter bescherming van persoonsgegevens.

Conclusie​

AI op uw eigen documenten kan GDPR-conform — maar niet automatisch. De combinatie van EU-hosting, expliciete no-training configuratie en ingebouwde pseudonimisering en anonimisering tot op opslagni­veau maakt het verschil tussen een verantwoord systeem en een compliance-risico.

Heeft u vragen over hoe GraphMind past binnen uw AVG-beleid? Neem contact op of bekijk onze technische documentatie.

Dit artikel is informatief bedoeld en is geen juridisch advies. Raadpleeg uw DPO of juridisch adviseur voor specifieke compliance-vraagstukken.

Dit is geen uitzonderlijk beeld — het is de norm bij woningcorporaties, maar ook bij gemeenten, VvE-beheerders en zorginstellingen.

Het probleem: kennis die niet vindbaar is, bestaat niet​

De documenten zijn er wel. Maar een medewerker die wil weten wat de afspraken zijn over dakonderhoud van een specifiek complex, moet weten:

• In welk systeem het dossier zit (DMS, SharePoint, e-mail, netwerkschijf).
• Welke zoektermen werken (want "dakbedekking" en "bitumen" zijn verschillende woorden voor hetzelfde).
• Of er tussentijdse afspraken zijn gemaakt die het oorspronkelijke contract aanpassen.

Dit kost uren. Per week. Per medewerker. Kennis die niet vindbaar is, wordt niet gebruikt — of wordt opnieuw verzameld.

Wat verandert er met een kennisgraaf?​

Een AI-kennisplatform als GraphMind doet drie dingen tegelijk:

Begrijpen wat er in documenten staat
Niet alleen zoeken op woorden, maar entiteiten herkennen: dit is een Contract, dat is een Leverancier, dit is een Besluit. En: dit contract heeft een relatie met dat complex.

Verbanden leggen over documentgrenzen
Het onderhoudsdossier van blok C linkt aan het contract met aannemer X, dat linkt aan de ALV-beslissing over het reservefonds. Geen handmatig kruisverwijzen meer.

Vragen beantwoorden in gewone taal
"Welke aannemers zijn verantwoordelijk voor loodgieterswerk in wijk Noord, en lopen hun contracten af voor 2027?" — dat is een vraag die nu dagelijks handmatig wordt beantwoord. Met een kennisgraaf is het een query.

Concrete toepassingen​

Woningcorporatie​

• Onderhoudsplanning: alle technische rapporten per complex, met status en contractuele verplichtingen.
• Bewonersklachten: snel nagaan of een klacht eerder gemeld is, wie er verantwoordelijk voor is en wat de afgesproken responstijd is.
• VvE-beheer: notulen, besluiten, reservefondsberekeningen en lopende acties in één doorzoekbaar systeem.

Gemeente​

• Subsidiedossiers: welke aanvragen zijn ingediend, welke voorwaarden gelden, wat is de status per aanvrager.
• Bestemmingsplannen en vergunningen: verbanden tussen percelen, eigenaren, vergunningbesluiten en bezwaarprocedures.
• Raadsbesluiten: zoek op onderwerp, datum of betrokken partij — met directe link naar de relevante stukken.

VvE-beheer​

• Alle notulen, besluiten, offertes en contracten per VvE doorzoekbaar.
• "Heeft de VvE Parkstraat al eerder een offerte ontvangen voor gevelrenovatie?" — direct antwoord met bronvermelding.

Privacy en beveiliging: geen discussie meer​

Een veelgehoord bezwaar: "Onze documenten mogen niet in de cloud." GraphMind is ontworpen voor precies deze situatie:

• EU-gehost — data verlaat niet de EU.
• On-premise mogelijk — installeer GraphMind in uw eigen omgeving.
• Strikte tenantscheiding — elke organisatie (of afdeling) heeft een volledig geïsoleerde omgeving.
• Geen training op uw data — uw documenten worden niet gebruikt voor AI-modeltraining.

Hoe begin je?​

Het instellen kost minder dan u denkt. GraphMind werkt met bestaande opslaglocaties (Google Drive, SharePoint, lokale mappen) en verwerkt documenten automatisch. Typische doorlooptijd voor een eerste werkende omgeving: één dag.

Wilt u weten hoe dit eruitziet voor uw organisatie? Neem contact op — we denken graag mee over een pilot.

Bij GraphMind.nl zien we dat de meest succesvolle organisaties niet zomaar AI loslaten voor alle medewerkers, maar de volledige regie nemen over hoe AI hun data ontsluit.

Regie is de nieuwe standaard​

Centrale regie is om meerdere redenen belangrijk. De angst voor "AI-lekken" is daar vaak een van, maar niet de enige. Betrouwbaarheid van antwoorden, privacy en het delen van bedrijfsgevoelige informatie spelen ook een grote rol.

De oplossing is niet om AI te vermijden, maar om de architectuur te bouwen die precies regelt wat er wel en niet wordt gedeeld.

Met een robuuste AI-architectuur heb je de touwtjes in handen:

• Volledige anonimisering: Persoonsgegevens en gevoelige informatie worden vóór opslag gepseudoni­miseerd of volledig geanonimiseerd — tot en met de uiteindelijke opslag in de kennisgraaf en vector-database. Je AI-systeem kent de verbanden, maar niet de onderliggende privacygevoelige data.
• Selectieve data-inzet: Jij kiest de bestanden, mappen en de context. Zo zet je alleen data in met de bronnen die jij hebt goedgekeurd.
• Veilige autorisatie: Dankzij strikte Access Control Lists (ACL) zorgen we ervoor dat elk teamlid alleen toegang heeft tot de data die voor hen bedoeld is.

De duurzame, 'persistente' Knowledge Graph​

Het grote verschil tussen een tijdelijke chatbot en een enterprise-oplossing is persistentie. De meeste tools "lezen" je documenten op het moment dat je een vraag stelt. Dat is inefficiënt en mist vaak de diepere samenhang. Bovendien moet je steeds je documenten opnieuw uploaden.

Wij werken met een Knowledge Graph-pijplijn. Dit betekent dat je bedrijfsdata één keer grondig wordt geanalyseerd, gestructureerd en verankerd in een graph. Het resultaat? Een "bedrijfsbrein" dat:

• Relaties begrijpt: Het ziet het verband tussen een ALV-besluit, een onderhoudscontract en een jaarverslag.
• Herbruikbaar is: Je bouwt niet elke dag opnieuw. Je voegt waarde toe aan je eigen centrale database.
• Schaalbaar is: Of je nu een simpele klantenservice-bot nodig hebt of complexe agents die zelfstandig contracten vergelijken en opstellen — je bouwt voort op dezelfde solide basis.

Bouwen aan je eigen toekomst​

Door je bedrijfsdata te structureren met specifieke profielen — of het nu gaat om juridische compliance, technisch VvE-beheer of beleidsstukken — maak je van passieve archieven actieve bedrijfsmiddelen. Je AI wordt daardoor niet alleen een tekstgenerator, maar een betrouwbare collega die de context van jouw organisatie kent.

Klaar om de regie te pakken en je data om te zetten in een intelligent, veilig en persistent bedrijfsbrein?

Ontdek hoe je met GraphMind.nl jouw eigen AI-architectuur opbouwt.