AI Consulting
Wij helpen je verder te gaan dan prototypes naar productie-klare AI-systemen die meetbare resultaten opleveren.
Bewezen in productie: AI-zoekfunctie voor SURF
Samen met SURF en Tim Fröhlich, gefinancierd door de GÉANT GN5-2 Incubator, bouwden we hybrid search voor orchestrator-core: semantisch, fuzzy en gestructureerd zoeken op gewone PostgreSQL, met een type-veilige agentlaag erbovenop, zodat het taalmodel nooit zelf SQL schrijft. Het is als open source uitgebracht in orchestrator-core v5.0, en elke organisatie die upgradet draait het.
Dezelfde bouwstenen gebruiken we in onze eigen producten. Gespecialiseerde agents voor ShopVirge en de Workflow Orchestrator zitten achter één chatinterface, bereiken de backends via MCP en sturen bij elke aanroep de login van de gebruiker mee, zodat de backends controleren wat die persoon mag.
Lees de SURF-caseZo bouwen we een AI-systeem
De meeste projecten hebben dezelfde vorm: agents met een duidelijke taak, gevoed met je eigen data via hybrid search, die je systemen bereiken via MCP, op het model dat bij de taak past. Het is de opzet die we zelf ook draaien.
- Een gespecialiseerde agent per domein
- Hybrid search & RAG
- Tools via MCP
- Gebruikersidentiteit bij elke aanroep
- Evals
Wat wij doen met AI
Zoeken met vector databases
Implementeer semantisch zoeken met state-of-the-art vector databases. Vind betekenis, niet alleen trefwoorden, voor slimmere retrieval in documenten, producten en kennisbanken.
RAG pipeline ontwerp & implementatie
Ontwerp en bouw Retrieval-Augmented Generation pipelines die LLM-antwoorden baseren op jouw data. Verminder hallucinaties en lever nauwkeurige, contextbewuste antwoorden.
AI-integratie in bestaande applicaties
Integreer AI-mogelijkheden naadloos in je huidige stack, van intelligente API's tot slimme automatisering, zonder alles opnieuw te bouwen.
Productie-klare oplossingen
Wij richten ons op praktische, schaalbare AI die werkt in de echte wereld: goede evaluatie, monitoring en iteratie, niet alleen demo's.
De tools waarmee we bouwen
Open source en open standaarden, zodat je niet vastzit aan ons of aan één leverancier. Dit is de documentatie die we openhebben terwijl we werken (in het Engels).
- Pydantic AI Type-veilige agents in Python, met het model van je keuze. ai.pydantic.dev
- pgvector Zoeken op vectorgelijkenis binnen PostgreSQL. github.com
- pg_trgm Fuzzy tekstmatching voor typefouten en halve ID's. postgresql.org
- Model Context Protocol De open standaard om agents tools en data te geven. modelcontextprotocol.io
- A2A-protocol Laat agents van verschillende teams samenwerken. a2a-protocol.org
- LibreChat Open-source chatinterface voor je agents. librechat.ai
- kagent Agents draaien en beheren op Kubernetes. kagent.dev
- WFO AI-zoekfunctie De hybrid search die we bouwden, in de orchestrator-core-documentatie. workfloworchestrator.org
Veelgestelde vragen
Wat is het verschil tussen RAG en fine-tuning, en wat hebben we nodig?
Voor de meeste enterprise use-cases waarin je antwoorden nodig hebt die gebaseerd zijn op je eigen documenten, is RAG (Retrieval-Augmented Generation) het juiste startpunt: je data blijft buiten het model en is goedkoop bij te werken. Fine-tuning loont alleen als je een specifieke toon of opmaak op schaal nodig hebt. Wij helpen je kiezen op basis van je data en budget, niet op basis van hype.
Hoe voorkom je dat een LLM hallucineert op onze data?
We baseren antwoorden op jouw content met retrieval-pipelines en bronvermeldingen, zodat het model uit echte bronnen antwoordt in plaats van te gokken. Dat is hetzelfde principe achter het hybride zoeksysteem dat we voor SURF's Orchestrator-Core hebben gebouwd.
Bouwen jullie op gehoste modellen als OpenAI en Anthropic, of zelf-gehoste?
Allebei. We integreren de toonaangevende gehoste modellen waar die het beste passen, en zetten zelf-gehoste, open modellen in wanneer datasoevereiniteit of kosten belangrijk zijn. Dat is dezelfde aanpak als achter ons OpenClaw-werk.
Kunnen jullie AI toevoegen aan onze bestaande applicatie zonder herbouw?
Ja. We integreren AI in je huidige stack via API's en gerichte automatisering, zonder helemaal opnieuw te beginnen.
Wat maakt een AI-systeem productie-klaar in plaats van een demo?
Goede evaluatie, monitoring en iteratie, plus kostenbeheersing en beveiliging. Wij richten ons op systemen die na de lancering blijven werken, niet op eenmalige prototypes.
Klaar om iets geweldigs te bouwen?
Vertel ons waar je mee bezig bent. We denken mee en zeggen eerlijk waar we kunnen helpen.