Insights

Knowledge Chat: Stop met zoeken. Begin met vragen.

Geschreven door Christian van Eken | Aug 3, 2026, 3:55:59 PM

Je kent het wel. Ergens in een kwaliteitshandboek, een EMVI-document of een oude projectmap staat het antwoord dat je nodig hebt. Je weet dat het er is. Alleen niet meer waar.

Dus begin je te zoeken. Ctrl+F in het ene bestand, scrollen door het andere, een collega appen die het misschien nog weet. Tien minuten later heb je het antwoord, of je geeft het op en werkt verder op basis van "volgens mij is het zo".

De Knowledge Chat doorbreekt dit zoekproces door je eigen documenten direct te ontsluiten voor vragen in gewone taal. Geen zoektermen, geen mapstructuren, geen giswerk. Een slimme digitale companion, gebouwd voor systems engineering.

01 | Zo werkt het: vraaggestuurd en brononderbouwd

De Knowledge Chat is een chatvenster met rechtstreekse toegang tot je eigen documenten: je kwaliteitssysteem, EMVI-bestanden, projectbestanden en contractdocumenten. Je stelt een vraag in gewone taal. Het systeem zoekt in je gekoppelde cloudopslag, zoals SharePoint of OneDrive, en formuleert een antwoord op basis van de actuele inhoud van die bestanden.

Het resultaat is een antwoord met exacte bronvermelding, zodat je zelf controleert waar de informatie vandaan komt. Daarnaast importeer je eenvoudig bestanden zoals PDF en Excel, en exporteer je resultaten naar een spreadsheet voor verdere verwerking in je project.

02 | Het technische verschil: Retrieval-Augmented Generation

Een standaard taalmodel zoals ChatGPT genereert een antwoord op basis van algemene trainingsdata. Handig voor brede vragen, minder geschikt als je wilt weten wat er specifiek in jouw kwaliteitshandboek staat over verificatiemethodes, of welke afspraken er in dat ene projectdocument zijn vastgelegd.

De Knowledge Chat maakt gebruik van RAG-technologie, oftewel Retrieval-Augmented Generation. Dit is het fundamentele technische onderscheid: het systeem doorloopt eerst de retrieval-fase, waarin het de relevante informatie ophaalt uit je eigen documenten. Pas daarna volgt de generation-fase, waarin het taalmodel een antwoord formuleert op basis van die specifieke informatie. Het antwoord is daardoor gefundeerd op jouw bronnen, en dankzij de bronvermelding controleer je die fundering zelf. AI signaleert en onderbouwt; jij beoordeelt en beslist.

03 | Aansluiting op je bestaande werkomgeving

Je hoeft niets nieuws te leren om te beginnen. De Knowledge Chat koppelt rechtstreeks aan je documenten in de cloud, bijvoorbeeld SharePoint of OneDrive. Zo werkt het altijd met de meest actuele versie van je bestanden. Geen nieuw systeem, geen nieuwe werkmethode: alleen een veel snellere weg naar het antwoord dat je toch al zocht.

Drie categorieën waarin teams Knowledge Chat inzetten

Documentatie en plannen

  • Een technisch managementplan opstellen met bestaande projectdocumenten als basis.
  • Een verificatie- en validatiemasterplan uitwerken zonder vanaf een blanco pagina te beginnen.

Verificatie en validatie

  • Snel controleren hoe een specifieke eis geverifieerd moet worden, zonder terug te hoeven naar het originele contractdocument.
  • Controleren of al aan een bepaalde eis is voldaan door de beschikbare bewijsvoering te doorzoeken.
  • Risico's koppelen aan eisen door gerelateerde risico's uit documenten te halen.

Structuur en opzet

  • Een eerste opzet maken van een systems breakdown structure (SBS).
  • Na analyse van documenten in één keer een globale work breakdown structure (WBS) laten opzetten.

Het gemeenschappelijke element is duidelijk: het zijn taken die normaal gesproken uren kosten aan handmatig doorspitten van documenten, en die nu beginnen met één vraag.

Praktijkvoorbeeld: een systems breakdown structure in drie niveaus

Bij een recent project vroeg een systems engineer aan Knowledge Chat om de systeemindeling in drie niveaus op te stellen: hoofdsysteem, systemen en subsystemen. Voordat de chat de structuur uitwerkte, legde die eerst de aanname vast over welke onderdelen als extern en welke als intern werden beschouwd.

Vervolgens genereerde de Knowledge Chat een tabel per niveau. Bij elk systeem en subsysteem werd een onderbouwing gegeven die direct te herleiden was naar de brontekst in de projectdocumenten. Het resultaat was geen losse lijst, maar een opbouw waarin elk antwoord traceerbaar is naar de oorspronkelijke bron. De engineer kon het resultaat direct exporteren naar een spreadsheet voor verdere uitwerking in het projectteam.


 

04 | Van zoeken naar sturen: de waarde voor je project

De Knowledge Chat verandert de manier waarop systems engineers en projectmanagers omgaan met projectinformatie. Je werkt niet langer op basis van aannames, maar op basis van wat er daadwerkelijk in je documentatie staat. De tijd die je bespaart op het doorzoeken van bestanden, investeer je in het nemen van gefundeerde beslissingen. Dat levert niet alleen snelheid op, maar ook zekerheid: een cruciale factor in complexe projecten in bouw, infra en energie.

Wil je zien hoe de Knowledge Chat werkt met je eigen documenten? Plan een persoonlijke demo via www.basewise.ai en ontdek wat het voor jouw projectteam kan betekenen.