Home > Publicaties > Grip op Generatieve AI

Grip op Generatieve AI

02 september 2025 | Artikel
Frederik Situmeang

Generatieve AI biedt enorme kansen voor organisaties, maar roept ook belangrijke vragen op rondom betrouwbaarheid, transparantie en schaalbaarheid. In dit onderzoek wordt een nieuwe methode gepresenteerd om AI-systemen beter te onderbouwen met gestructureerde kennis.

Centraal staat het bouwen van zogeheten knowledge graphs: gestructureerde netwerken van informatie die AI-systemen helpen om consistenter, transparanter en minder foutgevoelig te opereren. Het automatisch genereren van deze kennis uit ongestructureerde documenten, zoals handleidingen, klantdata of kennisbanken is echter complex en vaak inefficiënt.

In dit paper wordt daarom een nieuwe aanpak geïntroduceerd: het DERMC-framework (Document–Preprocess–Extract–Resolve–Merge–Canonicalize). Dit framework combineert de kracht van large language models met aanvullende stappen zoals hiërarchische documentanalyse, coreference resolution en slimme filtering van relevante relaties.

Het resultaat is een efficiëntere en betrouwbaardere manier om knowledge graphs te bouwen, waarbij problemen zoals dubbele informatie, inconsistenties en hoge kosten van AI-gebruik worden verminderd. Bovendien maakt de aanpak het mogelijk om beter om te gaan met complexe documenten en meertalige data — een veelvoorkomende uitdaging in organisaties.

Voor organisaties is dit relevant omdat het direct raakt aan de inzet van AI in toepassingen zoals chatbots, klantenservice en kennismanagementsystemen. Door AI te koppelen aan gestructureerde kennis kan de kwaliteit van antwoorden verbeteren en neemt het vertrouwen in AI-systemen toe.

Belangrijke inzichten uit het onderzoek
• Knowledge graphs versterken AI: ze maken systemen consistenter en minder foutgevoelig
• LLM’s alleen zijn niet voldoende: zonder structuur ontstaan duplicaties en inconsistenties
• Hiërarchie is cruciaal: rekening houden met documentstructuur verbetert de kwaliteit van output
• Efficiëntie en kostenreductie: minder afhankelijkheid van grote prompts verlaagt kosten
• Toepasbaar in praktijk: relevant voor chatbots, klantenservice en kennismanagement

Meer weten?
Wil je verkennen hoe jouw organisatie AI betrouwbaarder en schaalbaarder kan inzetten? Of ben je benieuwd hoe knowledge graphs kunnen bijdragen aan betere AI-toepassingen? Neem contact op met Frederik Situmeang om de mogelijkheden voor samenwerking te verkennen.

Download paper
Frederik Situmeang

Frederik Situmeang is Associate Professor gespecialiseerd in AI en Data-Driven Business. Hij onderzoekt hoe data en AI betere besluitvorming ondersteunen — niet alleen op prestaties, maar juist op transparantie en vertrouwen. Situmeang ontwerpt en evalueert AI-systemen zoals chatbots en conversatiegerichte tools die begrijpelijk en betrouwbaar blijven voor zowel klanten als managers. Daarnaast bestudeert hij hoe consumenten reageren op AI-gestuurde communicatie en wat dat doet met hun vertrouwen.

Reacties

Geef een reactie op deze publicatie

Cmihva.nl maakt gebruik van cookies om de website te verbeteren. Door verder te gaan binnen onze site, accepteer je automatisch ons cookiebeleid. Privacyverklaring

Accepteren