Week W29 · 13-19 juli 2026
Build AI. Run AI. Own AI.
Ik bouw dit niet in een lab, maar middenin mijn eigen leven als zzp'er en vader — en toch ontwerp ik elke keuze alsof er een enterprise-klant op leunt: multi-tenant vanaf dag 1, secrets die nooit een mens ziet, migraties die nooit terug kunnen. Dit is het logboek van die combinatie: zelf bouwen, zelf draaiend houden, zelf eigenaar blijven — inclusief de aanname, de misser en de prijs van elke keuze.
Het generiek maken van de kennisextractie was een noodzakelijke stap, maar een engine is pas bruikbaar als de hele keten klopt. Van het allereerste moment dat een bestand binnenkomt tot het moment dat een antwoord met de juiste context wordt gegenereerd: de herkomst en betekenis moeten onderweg nergens vervagen.
Het probleem dat opdook
Tussen ruwe invoer en een bruikbaar profielantwoord zitten veel stappen: intake, tekstextractie, dimensietoekenning, opslag en capability-routing. Als een van die schakels aannames doet over het brontype of metadata verliest, kan een AI-model later plausibel klinkende antwoorden geven die nergens op terug te voeren zijn. Tegelijk bleken operationele koppelingen, zoals n8n-credentials en specifieke agentslots, gevoelig voor configuratiedrift.
De makkelijke weg die ik had kunnen nemen
Ik had kunnen volstaan met een eenvoudige RAG-aanpak: tekst in stukjes hakken, embedden en hopen dat vector search de juiste context naar boven haalt. Dat vereist nauwelijks ketenontwerp, maar ontbeert elke controle over betrouwbaarheid, traceerbaarheid en bronkwaliteit.
De keuze die ik maakte en de strategie erachter
Ik investeerde in een formele intake- en capability-pijplijn waarin de levenscyclus van bronnen centraal staat. Elke stap houdt expliciet vast waar een fragment vandaan kwam, hoe het geclassificeerd is en welke autorisatie geldt. Daarnaast kregen dev-slots en n8n-provisioning explicietere afspraken om te zorgen dat workflows op elk slot identiek en reproduceerbaar draaien.
Wat het kostte
Het doorlichten en herstructureren van de hele route van bron tot capability vergde een stevige reeks stories en zorgvuldige testen. Het is veel minder flitsend dan een nieuwe chat-interface, en vroeg om geduld om alle randgevallen rondom intake en statusbewaking recht te trekken.
Wat het nu oplevert en wat ik ervan leerde
De echte test van herbruikbaarheid zit niet in hoe elegant een datamodel er op papier uitziet, maar in hoe soepel een tweede usecase de bestaande route kan doorlopen. Doordat de keten nu transparant en traceerbaar is, kan ik met een gerust hart nieuwe domeinen en databronnen toevoegen zonder dat het platform een black box wordt.