Geheugen.
AI die jouw stukken leest, niet verzint.
Een retrieval-laag (RAG) koppelt jouw eigen bronnen — retourbeleid, productdata, FAQ's, support-archief — aan Claude. Een 24/7 klantenservice die alléén antwoordt op basis van wat echt in jouw documentatie staat, met bronverwijzing.
Hoe RAG werkt — in drie stappen
1 · Bronnen worden geïndexeerd
Jouw documenten — PDF's, FAQ-pagina's, productcatalogi, support-archieven — worden opgeknipt in stukjes en omgezet naar vectoren ("betekeniscoördinaten") die opgeslagen worden in Postgres met pgvector. Schaalt van 100 tot 100.000 documenten zonder dat de prestaties wegzakken.
2 · Vraag wordt opgezocht
Wanneer een klant een vraag stelt, wordt die vraag óók omgezet naar een vector en vergeleken met al je bronnen. De top-k meest relevante fragmenten gaan mee als context naar Claude — niet je hele bibliotheek. Snel, goedkoop en privé.
3 · Claude antwoordt, met bron
Claude formuleert een antwoord op basis van alleen die fragmenten. Bij elk antwoord staat de bron, klikbaar. Geen hallucinaties, omdat het model expliciet wordt gevraagd: "antwoord alleen vanuit deze fragmenten".
Waarom dit werkt voor jou
- Geen hallucinaties — antwoord komt uit jouw bronnen.
- Jouw data blijft op jouw infrastructuur — Postgres in EU-regio.
- Schaalbaar van 100 tot 100.000 documenten zonder herarchitectering.
- AVG-conform uit de doos, met audit-logging per vraag.
Laatst bijgewerkt: 10 mei 2026.