Documenten, begrippen en thema’s automatisch met elkaar verbonden in een interactieve graaf, zodat verspreide kennis ineens navigeerbaar wordt.
Een dienstverlener had jaren aan kennis in documenten, notities en mails, maar niemand kon het overzien. Ik bouwde een platform dat die kennis automatisch ontleedt en de verbanden toont als een graaf die je kunt verkennen.
Vereenvoudigde demo met voorbeelddata · een voorproef, geen volledig product
Waardevolle informatie zat verspreid over honderden documenten, mails en notities, opgebouwd over jaren. Zoeken op trefwoord vond losse bestanden, maar nooit het verband ertussen: welk besluit hoorde bij welk project, welk begrip kwam waar vandaan, wie had wat al eens uitgezocht. Nieuwe mensen waren maanden bezig om te snappen hoe alles samenhing, en die kennis zat in de hoofden van een paar mensen in plaats van in het systeem. De kern van de opdracht zat niet in beter zoeken, maar in het zichtbaar maken van de samenhang: van een stapel bestanden naar een kaart van hoe de kennis in elkaar steekt, die je kunt bevragen én kunt narekenen.
Een AI-laag haalt begrippen, thema’s en relaties uit elk document en legt ze vast, zonder dat iemand handmatig hoeft te taggen.
Alles wordt een graaf van knopen en verbindingen die je kunt slepen, zoomen en uitklappen om samenhang te zien.
Een agent beantwoordt vragen mét bronnen, gevoed door de graaf (GraphRAG), zodat antwoorden navolgbaar blijven.
De keuzes achter de demo, eerlijk uitgelegd. Dit is de opzet zoals ik hem in de praktijk bouw, geen afgeschermde black box.
Ik begin niet bij de graaf maar bij de invoer. Documenten, notities, mails en exports uit Notion, Google Drive, SharePoint en Slack trek ik door één ingestielaag die alles naar hetzelfde interne formaat brengt en in stukken knipt op betekenis, niet op vaste lengte. Dat doe ik omdat een graaf alleen zo goed is als wat erin gaat: komt de bron rommelig binnen, dan klopt geen enkel verband erna.
Per stuk laat ik een taalmodel de begrippen, thema’s en relaties eruit halen en leg ik die vast als knopen en verbindingen in een echte graaf-database. De crux zit in canonicaliseren: "klant", "opdrachtgever" en "account" zijn vaak hetzelfde begrip onder drie namen. Die voeg ik samen tot één knoop, omdat je anders geen graaf krijgt maar een wolk losse duplicaten waarin je nog steeds niets terugvindt.
Bij een vraag zoek ik niet alleen de dichtstbijzijnde tekstfragmenten op, maar loop ik ook de verbindingen af rond de knopen die ertoe doen: welk besluit hing aan welk document, welk begrip raakt welk thema. Ik combineer vector-zoeken met die graaf-traversal, omdat een los fragment je wel het antwoord geeft maar niet het verband, en juist het verband is waarvoor je een graaf bouwt.
Een agent zet die opgehaalde subgraaf om in een antwoord in gewone taal, met klikbare verwijzingen naar de onderliggende documenten. Wat niet uit de graaf te onderbouwen is, presenteert hij niet als feit. Ik bouw dat zo omdat een kennisplatform waarvan je het antwoord niet kunt narekenen erger is dan geen platform: dan vertrouw je iets wat je niet kunt controleren.
Verandert of verschijnt er een document, dan verwerk ik alleen dat stuk opnieuw in plaats van de hele graaf te herbouwen, zodat de kennis meegroeit zonder dat iemand hoeft bij te taggen. Het geheel draait in eigen beheer op EU-servers en elke koppeling krijgt alleen leesrecht op wat hij echt nodig heeft. Zo blijft de graaf actueel én blijf jij eigenaar van je kennis en de code.
Begrippen, documenten en thema’s, elk met een eigen kleur en vorm.
Selecteer een knoop en zie de details en de onderliggende bron.
Niet alleen het bestand vinden, maar ook waar het mee samenhangt.
Verbindingen tonen hoe sterk en in welke richting kennis samenhangt.
Focus op één thema zonder de rest uit het oog te verliezen.
Deze case koppelt aan bestaande systemen. Een paar van de integraties die hierbij passen, allemaal op maat te koppelen.
Elk onderdeel werkt op zichzelf, maar wordt sterker in combinatie. Een paar voorbeelden uit de praktijk:
Alles wat langskomt wordt onthouden en blijft navolgbaar.
Je eigen kennis wordt lesstof die zichzelf bijhoudt.
Gidsen die dieper op dit onderwerp ingaan.
Deze case is een referentie-build voor Kennis, RAG & document-AI. Bekijk hoe ik dat aanpak, of doe de gratis Automatiseringsscan en zie in twee minuten waar bij jou de winst zit.
Vertel me wat je voor ogen hebt of waar je tegenaan loopt, dan denk ik mee en zeg ik eerlijk wat er kan, vrijblijvend.
