AI-kennisbank voor bedrijven.
RAG-systeem uit Duitsland, op elk kanaal opvraagbaar.
Kennis zit overal, in pdf's, wiki's, Word-documenten, FAQ-lijsten, oude e-mails. Medewerkers en klanten moeten er handmatig naar zoeken. Klassieke kennisbeheertools zijn zoekgereedschap, ze tonen zoekresultaten, maar geven geen antwoord. Generatieve AI zoals ChatGPT kan antwoorden, maar kent je bedrijfskennis niet. Wat ontbreekt: een RAG-systeem dat beide verbindt, en dat via elk kanaal (telefoon, chat, e-mail) opvraagbaar is.
Aan de slagKort gezegd
RAG (Retrieval Augmented Generation) is de standaardarchitectuur voor AI-kennisbanken in bedrijven: documenten worden vertaald naar vector-embeddings en opgeslagen in een vectordatabase. Bij aanvragen zoekt het systeem de meest relevante passages, geeft ze als context aan een LLM, dat daaruit een antwoord genereert. Voordeel ten opzichte van klassieke zoektools: een antwoord in natuurlijke taal in plaats van een lijst met links. Voordeel ten opzichte van generieke AI: specifieke bedrijfskennis in plaats van algemene kennis. Maar RAG-systemen zelf bouwen is custom enterprise-engineering: een vector-DB licentiëren (Amerikaanse clouddienst of self-hosted), de LLM-integratie configureren, een embedding-pipeline opzetten, een chunkingstrategie kiezen, een re-rankingmodel inzetten, een compliancelaag voor AVG/AI Act bouwen. Tijdsinvestering: 2-6 maanden custom implementatie. Prijzen: vijfcijferige setup + viercijferige maandelijkse cloudkosten. rinqo's architectuur lost dat op: kennisbeheer zit out-of-the-box in het product, een zelf gehoste vectordatabase op Hetzner in Duitsland, AI-modellen met contractueel gegarandeerde gegevensverwerking in de EU, AI Act-conforme disclosure. Activering via de wizard.
Met rinqo krijg je een AI-kennisbank met multichannel-output. Eén centrale, RAG-gebaseerde kennisbasis per organisatie, gevoed uit pdf's, website-crawl, FAQ-lijsten en helpdeskartikelen; systemen met een REST-API zoals Confluence of Notion koppel je als verbinding, de agent zoekt daar in het gesprek op. Op elk kanaal opvraagbaar: telefoon (één oproep levert het antwoord uit de kennisbasis), chat (widget met function-calling), e-mail (agent legt antwoorden op standaardaanvragen ter goedkeuring voor) en de persoonlijke agent (interne Q&A-zoekfunctie voor het hele team), marketing en toekomstige kanalen putten uit dezelfde basis. Hetzner-DE-hosting.
Inhoud
Waarom rinqo?
RAG out-of-the-box in plaats van custom engineering
Klassieke RAG-implementatie: 2-6 maanden custom engineering met vector-DB-licentie, LLM-setup, embedding-pipeline, chunking, re-ranking, compliance. rinqo: wizard-setup, een zelf gehoste vectordatabase, AI-dienst met EU-gegevensverwerking, AI Act-disclosure standaard geïntegreerd.
Multichannel-output zonder aparte integratie
Klassieke kennisbanktools zijn webfrontends. rinqo maakt dezelfde kennisbasis opvraagbaar via telefoon, chatwidget, e-mailtriage en de persoonlijke agent, zonder aparte kanaalintegraties. Eén kennisbasis, elk kanaal.
Hetzner-DE in plaats van Amerikaanse cloud-vector-DB
Gangbare vector-DB-diensten hosten in Amerikaanse regio's. rinqo host de vectordatabase zelf op Hetzner Falkenstein/Nürnberg, je bedrijfskennis ligt niet bij een Amerikaanse cloud-vectordienst, maar in de EU. Verwerkersovereenkomst automatisch bij het afsluiten van het contract.
Knowledge-Gap-Resolution met continuous learning
Als de AI een aanvraag niet kan beantwoorden, wordt het hiaat in het dashboard gemeld. Je voegt het antwoord in een minuut toe, de volgende keer kan de AI antwoorden. De kennisbasis groeit uit echte klantvragen, niet uit theoretisch FAQ-onderhoud.
AI Act art. 50-disclosure standaard
Bij elk door AI gegenereerd antwoord: een disclosure-melding (spraakmelding, chat-badge, e-mailfooter). Verplicht vanaf 02-08-2026, bij rinqo standaard. Klassieke custom RAG-implementaties moeten de disclosure handmatig inbouwen.
Function-calling voor gestructureerde antwoorden
In plaats van alleen tekstantwoorden kan de AI functies aanroepen: een afspraak in de agenda boeken, een lead in het CRM invoeren, een webhook activeren, escaleren naar een mens. Daardoor wordt de kennisbasis actief (handelt) in plaats van passief (informeert alleen).
Voor. Na.
Klassieke opties voor kennisbeheer in bedrijven: (1) wiki- en documenttools, een webfrontend voor zoeken, geen AI-antwoord, geen multichannel-beschikbaarheid. (2) Custom RAG-implementatie, 2-6 maanden engineering, vijfcijferige setupkosten, Amerikaanse cloud-vector-DB, handmatige AVG-compliance. (3) Generieke AI-chats, kennen je bedrijfskennis niet, geven verzonnen antwoorden (hallucinaties).
rinqo (DE, Hetzner): RAG-systeem out-of-the-box met een zelf gehoste vectordatabase in Duitsland, AI-modellen met EU-gegevensverwerking, AI Act-standaard. Multichannel-output: telefoon + chat + e-mail + persoonlijke agent. Knowledge-Gap-Resolution voor continuous learning. Setup via de wizard.
Wat is een AI-kennisbank? RAG voor bedrijven uitgelegd
RAG (Retrieval Augmented Generation) is de toonaangevende architectuur voor AI-kennisbanken. Drie stappen: ten eerste worden documenten vertaald naar semantische vector-embeddings (via een embeddingmodel) en opgeslagen in een vectordatabase. rinqo host de vectordatabase zelf op Hetzner in Duitsland. Ten tweede berekent het systeem bij een aanvraag de vector-embedding van de vraag en zoekt het de meest gelijkende documentpassages in de database, doorgaans de top-5-treffers. Ten derde worden de gevonden passages als context gegeven aan een LLM (bij rinqo met contractueel gegarandeerde gegevensverwerking in de EU), dat daaruit een antwoord in natuurlijke taal genereert. Voordeel: specifieke bedrijfskennis in plaats van algemene kennis, een antwoord in natuurlijke taal in plaats van een lijst met links. Trade-off: het vraagt kwalitatief goede kennisbasiscontent en schone chunking. rinqo heeft chunking + re-ranking standaard gekalibreerd voor DACH-mkb-kennisbanken (helpdeskartikelen 100-500 woorden, gemengd met FAQ-lijsten en pdf-documenten).
Hoe rinqo's kennisbasis wordt opgebouwd, vier invoerbronnen met vrijgave
De kennisbasis accepteert meerdere soorten invoer. Ten eerste website-crawl. Je geeft de URL van je hoofddomein op, rinqo crawlt automatisch alle indexeerbare pagina's, extraheert tekst, embedt in de zelf gehoste vectordatabase. Ten tweede bestandsupload. Pdf-documenten, Word-documenten, Markdown-bestanden, Excel-tabellen worden geüpload. De tekst wordt geëxtraheerd en automatisch geëmbed. Werkt voor verzamelingen helpdeskartikelen, personeelshandboeken, productdocumentatie, compliancerichtlijnen. Ten derde bronnen van derden. Systemen met een REST-API zoals Confluence of Notion koppel je als verbinding, de agent zoekt daar in het gesprek op; op aanvraag regelen wij dat. Ten vierde, uit het dagelijks werk zelf. Vraagt iemand de persoonlijke agent iets wat nog niet is vastgelegd, of beantwoordt een mens een geëscaleerde aanvraag, dan stelt rinqo de nieuwe kennisbouwsteen voor. Belangrijk: een voorstel wordt niet automatisch actief. Een bevoegde persoon geeft het vrij en beslist of het naar de gedeelde bedrijfskennis of naar de persoonlijke kennis van de betreffende persoon gaat. Zo groeit de kennisbasis gecontroleerd mee uit het dagelijks werk, zonder moeizaam onderhoud, en belandt er niets ongecontroleerd in de antwoorden.
Multichannel-output, één kennisbasis voor elk kanaal
Klassieke kennisbeheertools zijn webfrontends, medewerkers en klanten moeten de app openen, zoeken, lezen. Bij telefoonoproepen, chataanvragen of e-mails moet de kennis handmatig door iemand in het team worden opgezocht. rinqo draait dat om: dezelfde kennisbasis wordt via elk kanaal ontsloten. Telefoonkanaal: de AI-telefoonagent neemt de oproep aan, zoekt in de kennisbasis, antwoordt in spraak (spraaksynthese via een Duitse aanbieder, EU-gehost). Chatkanaal: een webwidget met dezelfde kennisbasis. E-mailkanaal: een autonome triageagent koppelt via IMAP aan de mailbox, beantwoordt aanvragen die in de kennisbasis staan, escaleert complexe mails. Persoonlijke agent: directe Q&A-zoekfunctie voor het hele team (bijv. voor de documentatie van het ziekmeldingsproces), met bronvermelding bij elk antwoord. Eén kennisbasis, elk kanaal, geen kennissilo.
Kennis toewijzen, elke agent ziet alleen wat hij mag zien
Eén kennisbank betekent niet dat iedereen alles ziet. In rinqo wijs je elke agent gericht toe uit welke kennis hij mag antwoorden. De chatagent op de website krijgt openingstijden, diensten en prijzen; de e-mailagent daarnaast de klachtenafhandeling; interne personeelsstukken, inkoopvoorwaarden of contracten blijven volledig buiten beeld. Zo beantwoordt een klantgerichte agent alleen wat voor klanten bestemd is en heeft hij nooit toegang tot interne documenten, de scheiding is structureel, geen kwestie van formulering in de prompt. De persoonlijke agent voor het team mag omgekeerd wél bij de interne kennis, en iedere persoon daarnaast bij haar eigen persoonlijke kennis, die voor niemand anders zichtbaar is. Je legt de toewijzing vast in het dashboard en past die op elk moment aan, een wijziging werkt meteen door op alle kanalen, zonder dat je documenten dubbel onderhoudt.
Knowledge-Gap-Resolution, de kennisbasis leert van echte aanvragen
Klassieke RAG-systemen hebben een typisch probleem: de kennisbasis is aanvankelijk onvolledig. Medewerkers en klanten stellen vragen die niet in de kennisbasis staan. Klassieke systemen antwoorden dan met een foutmelding of, erger nog, hallucineren. rinqo heeft een continuous-learning-lus. Stap 1: bij een aanvraag die niet te beantwoorden is, escaleert de AI eerlijk naar een mens ÉN legt ze het hiaat gestructureerd vast in het dashboard. Stap 2: je ziet alle openstaande kennishiaten gesorteerd op frequentie. Stap 3: je voegt het antwoord in 30 seconden toe (kan een FAQ-item, een aangevulde documentatiepassage of een nieuw kennisbestand zijn). Stap 4: de volgende gelijke of soortgelijke aanvraag wordt automatisch beantwoord. De kennisbasis groeit uit echte klantvragen, niet uit theoretisch FAQ-onderhoud.
rinqo vs. klassieke kennisbeheertools, de vergelijking
Drie opties vergelijkt het DACH-mkb in 2026 voor kennisbeheer. Ten eerste klassieke wiki- en kennisbanktools. Sterkte: volwassen redactionele interfaces, versiebeheer, rechten, teamsamenwerking. Zwakte: alleen webfrontend, geen AI-antwoord, geen multichannel-beschikbaarheid. Prijzen doorgaans € 8-15/persoon/mnd, maar zonder AI-laag. Ten tweede custom RAG-implementatie. Sterkte: maximale flexibiliteit in architectuur en integraties. Zwakte: 2-6 maanden engineering, vijfcijferige setupkosten, cloud-DB-licenties, handmatige AVG/AI Act-compliance, en dus bewerkelijk. Ten derde generieke AI-chats. Sterkte: volwassen LLM-antwoorden. Zwakte: kennen bedrijfskennis niet (tenzij je de context handmatig meekopieert), hallucineren bij specifieke aanvragen, vaak Amerikaanse cloudhosting. rinqo verbindt de drie voordelen: een onderhouden kennisbasis met redactionele basisfuncties plus RAG-antwoorden plus AVG/EU-hosting (Made in Germany).
Veelgestelde vragen
Bronnen
- EU-verordening 2024/1689 (AI Act), art. 50
- AVG art. 28, verwerkers
- HvJ-EU C-311/18 (Schrems II), derdelanddoorgifte
Laatst bijgewerkt: 2026-09-05
Oprichter, rinqo
Oprichter van rinqo. Bouwt een bedrijfsgeheugen waarin de kennis van een organisatie samenkomt en beschikbaar blijft, en de AI-agenten die daaruit werken: aan de telefoon, in de inbox, in de chat, in marketing en in verdere rollen. Schrijft hier over het invoeren van AI in bedrijven, over gegevensbescherming en over wat standhoudt in de praktijk. Ontwikkeld in Duitsland, verwerkt in de EU, zonder Amerikaanse aanbieders.
Laatst bijgewerkt:
Live proberen
Naar de agent