HomeAI Build SprintPropositie 01AI-medewerkerPropositie 02ToepassingenKlantcasesKennisbank
Over ons
Plan een kennismaking

Document Analyse Intelligence: van veel documenten naar een vergelijkbaar overzicht in een tabelinterface

Voor Bouwend Nederland ontwikkelden we een AI-tool die grote hoeveelheden documenten analyseert en omzet in een vergelijkbaar overzicht via een matrixinterface. Met RAG en vector search kunnen tientallen documenten tegelijk worden uitgevraagd op dezelfde vragen, inclusief bronfragmenten voor transparante besluitvorming.

Klant

Bouwend Nederland

Sector

Brancheorganisatie bouw

Diensten

RAG & vector searchDocumentanalyseWebapp-ontwikkeling
01

Situatie

Bouwend Nederland werkt met grote hoeveelheden documentatie: partijplannen, beleidsstukken, rapporten en memo's. De informatie die je nodig hebt staat er bijna altijd in, maar je vindt het niet snel genoeg, zeker niet wanneer je meerdere documenten tegelijk wilt vergelijken op precies dezelfde vragen.

02

Uitdaging

Klassiek zoeken schiet hier tekort: je zoekt op woorden, niet op betekenis. En een losse chatbot die fragmenten ophaalt is handig, maar blijft te ad hoc: je krijgt antwoorden per vraag, niet het overzicht dat je nodig hebt om beslissingen te nemen.

De kans lag in het omzetten van documenten naar een vergelijkbare dataset, zonder dat je eerst alles handmatig hoeft samen te vatten.

03

Oplossing

We ontwikkelden een tool die grote documenten indexeert in een vector database, zodat je ze met natuurlijke taal kunt bevragen en meteen de relevante fragmenten terugkrijgt. Bij elke uitvraag haalt het systeem de meest relevante passages op, zodat je niet alleen een conclusie krijgt, maar ook direct het bewijs: letterlijke stukjes tekst die het antwoord onderbouwen. Zo blijf je altijd dicht op de bron.

De echte kracht zit niet in het ophalen van één antwoord, maar in de manier van vragen stellen. Daarom introduceerden we een uitvraagmatrix: een tabel waarin elke rij een onderwerp is en elke kolom een focuspunt. In de rijen definieer je thema's zoals arbeidsmarkt, stikstof, veiligheid, woningbouw of innovatie. In de kolommen leg je vast wat je precies wilt weten, bijvoorbeeld het standpunt, een concrete maatregel, de onderbouwing, een gekozen categorie of een score op vooraf gedefinieerde criteria.

Zo kun je niet alleen vragen "wat zegt dit document hierover?", maar systematisch uitvragen "wat zegt elk document over elk onderwerp, vanuit elk focuspunt?". Het resultaat is een flexibel framework waarmee je tientallen documenten tegelijk toetst, gestructureerd, herhaalbaar en transparant. Je ontwerpt één keer je vragenlijst en krijgt een overzicht terug dat direct te vergelijken is.

04

Resultaat

We testten de tool intensief op het uitvragen van partijplannen. Het doel was niet alleen samenvatten, maar toetsen: sluiten de plannen aan op een lijst met vooraf opgestelde standpunten? Door de matrixaanpak krijg je per partij direct een overzicht van waar het aansluit, waar het afwijkt en waar het vaag blijft.

Zo ontstaat een praktische beslislaag bovenop ongestructureerde documenten. In één oogopslag zie je welke partijen, voorstellen of plannen het best matchen met de criteria die voor de organisatie belangrijk zijn, inclusief bronfragmenten voor controle en nuance.

Verder kijken

Meer van ons werk.

Bekijk alle cases
Case · The Hague & Partners

The Hague & Partners

Voor The Hague & Partners ontwikkelden we een geïntegreerd AI-platform dat het volledige campagneproces automatiseert binnen de bestaande Microsoft-omgeving. Van offerte tot live content: één end-to-end workflow met veilige data-integratie, hogere snelheid en maximale consistentie.

Lees de case
Case · TNO

TNO

Voor TNO richtten we een GenAI Business Consultant Team in dat generatieve AI systematisch koppelt aan strategische doelstellingen en omzetimpact. Door gestructureerde use case-identificatie, impact/effort-prioritering en snelle validatie verschuift AI van losse productiviteitswinst naar schaalbare business cases en winstgroei.

Lees de case
Case · Universiteit Leiden

Universiteit Leiden

Voor Universiteit Leiden ontwikkelden we de Gen-AI Labs, waarin multidisciplinaire teams in drie sessies eigen generatieve AI-prototypes bouwen. Na meer dan vijftig AI-trainingen verschuift de focus van AI-geletterdheid naar het identificeren, testen en doorontwikkelen van concrete use cases binnen de organisatie.

Lees de case

Word jij onze volgende case?

In 20 minuten kijken we samen waar je werk vastloopt en wat de logische eerste stap is.

Geen verkooppraat. 20 minuten over jouw situatie.