Een AI-systeem is precies zo goed als de data waarop het draait. Niet meer, niet minder. Wie zijn data goed beschrijft, bouwt een systeem dat meegroeit, meeleert en uiteindelijk meédenkt.
Het probleem
De meeste bedrijven beschikken over enorme hoeveelheden data. Maar die data is ongestructureerd, versnipperd, dubbelop of simpelweg slecht beschreven.
Een AI die op zulke data draait, geeft antwoorden die klinken als kennis maar nergens op slaan. Hij hallucineert, vergist zich, of verzwijgt wat hij niet begrijpt.
Het probleem zit niet in het model. Het zit in de grondstof.
Herkenbaar?
Documenten zonder context
PDF's, Word-bestanden, Excel-sheets — zonder consistente naamgeving, datums of eigenaarschap.
Kennis in mensen, niet in systemen
De meest waardevolle kennis zit in de hoofden van medewerkers — nergens opgeslagen.
Eilanden van informatie
CRM, kassasysteem, mailbox, notities — allemaal apart, nergens verbonden.
De oplossing
MERRADT structureert. RAG selecteert. De AI antwoordt. Elke stap bouwt op de vorige — en elke stap maakt het resultaat preciezer.
Documenten, afbeeldingen, Excel-sheets, mondeling — alles wordt via Data Intake omgezet naar een gestandaardiseerd formaat.
Elk object krijgt een rijke beschrijving: materie, energie, ruimte, richting, regel, afstand, doel en tijd. De data begrijpt zichzelf.
Retrieval-Augmented Generation zoekt uit de hele database precies wat relevant is voor de vraag die gesteld wordt — niet alles, alleen het juiste.
Het model antwoordt op basis van jouw data, jouw context, jouw situatie. Geen generieke tekst — een antwoord dat klopt.
Wat levert het op
Niet als bedreiging. Als kans. Goede data maakt een AI meer waard dan een team van analisten — op elk van de volgende vijf assen.
Dimensie A
Data die ontbrak, kostte je geld. Data die werkt, verdient het terug. Directe impact op marge, verkoop en operationele kosten.
Een restaurant zonder gestructureerde allergeneninformatie verliest gasten die vragen niet durven stellen. Garçon met MERRADT-data antwoordt direct, correct en verkoopt actief alternatieven.
→ Gemiddeld 12–18% meer aanbevelingen per tafel
Een webshop met producten zonder dimensies, materiaalsoort of gebruikscontext scoort slecht in zoekopdrachten én in AI-aanbevelingen. eTalage met beschreven voorraad verkoopt zichzelf.
→ Hogere conversie door relevante productmatch
Een adviesbureau dat zijn eigen urenregistratie, projectgeschiedenis en klantwaarde niet heeft gestructureerd, kan geen onderbouwde offerte genereren. Met SAGAN Business wel.
→ Sterkere offertes, hogere acceptatiegraad
Dimensie B
Patronen die mensen missen, ziet een goed gevoed systeem in seconden. Niet om je te vervangen — om je te laten zien wat er echt speelt.
Een leraar die niet weet welke concepten een leerling al drie keer verkeerd heeft begrepen, geeft voor de vierde keer dezelfde uitleg. Owly met leerdata ziet het patroon en past de aanpak aan.
→ Gerichte interventie op het juiste moment
Een zorgorganisatie die meldingen niet structureert, kan geen verband leggen tussen terugkerende incidenten. Beschreven data maakt het patroon zichtbaar nog voor het een probleem wordt.
→ Van reactief naar preventief werken
Een vastgoedbeheerder die zijn portefeuille niet volledig heeft beschreven, kan geen vergelijking maken op energielabel, bezettingsgraad en onderhoudsstatus tegelijk. STRATA + MERRADT maakt dat mogelijk.
→ Rijkere portefeuille-analyse in één overzicht
Dimensie C
Meer data-dimensies betekent dieper snijden. Niet meer rapporten — betere vragen stellen, en echte antwoorden krijgen.
Een logistiek bedrijf dat alleen registreert of een levering op tijd was, weet niet waaróm hij te laat was. Voeg dimensies toe — route, gewicht, tijdstip, chauffeur, klanttype — en de analyse wordt causaal in plaats van descriptief. Dat is het verschil tussen een dashboard en een beslissingsondersteunend systeem.
→ Verklaring waar voorheen alleen telling was
Een organisatie die haar mensen niet heeft beschreven in termen van aantoonbare vaardigheden, certificaten en ervaringsniveaus, kan niet analyseren waar de kennishiaten zitten. HSI maakt die analyse mogelijk — per team, per afdeling, per functie.
→ Gerichte opleidingsinvestering, geen giswerk
Dimensie D
Van reageren op wat er is gebeurd naar anticiperen op wat er gaat gebeuren. Data met tijdsdimensie is de sleutel.
Een restaurant dat zijn afname niet bijhoudt per dag, seizoen en event, bestelt op gevoel. Garçon met tijdsgebonden data voorspelt de inkoop — en vermindert voedselverspilling structureel.
→ Tot 30% minder afschrijving op verse producten
Een adviesbureau dat klantgesprekken niet structureert, kan niet voorspellen wanneer een klant klaar is voor de volgende stap. Met gestructureerde interactiegeschiedenis wel — en dat is acquisitie zonder acquisitie-kosten.
→ Proactief contact op het juiste moment
Een productiebedrijf dat storingsmeldingen niet koppelt aan gebruik, belasting en leeftijd van apparatuur, kan onderhoud nooit plannen — alleen reageren. Beschreven machinedata maakt predictief onderhoud mogelijk.
→ Van ongeplande stilstand naar gepland onderhoud
Dimensie E
Van een handige verzameling prompts naar een systeem dat jou kent. Jouw belangen begrijpt. Jouw geschiedenis bewaakt. En namens jou durft te redeneren.
Een gewone AI-assistent weet niets over jou tussen twee gesprekken. Hij begint elke sessie blanco. Hij heeft geen belangen, geen geheugen, geen begrip van wie je bent — of wat je nastreeft.
Maar als je data structureert — jouw klanten, jouw producten, jouw beslissingen, jouw communicatiehistorie — dan bouw je aan iets anders. Je bouwt aan een entiteit. Een systeem dat weet wie je bent, wat je wilt, wat je in het verleden hebt beslist en waarom.
Dat systeem groeit. Het rijpt. Het wordt niet alleen slimmer in antwoorden geven — het wordt capabel in namens jou te denken.
Een AI die alleen jouw productcatalogus kent, is een zoekfunctie. Maar een AI die ook weet welke klant vorige maand klaagde, welke leverancier altijd te laat is, en welke medewerker het meest geschikt is voor een nieuwe opdracht — dat is een medewerker die nooit slaapt en niets vergeet.
→ Elke databron die je toevoegt, maakt de entiteit rijper
Stel je voor: een AI die weet wat jouw marges zijn, wat je eerder hebt afgesproken met een klant, en welke richting jij op wil groeien. Die AI kan een voorstel toetsen, een contract doorlichten, of een medewerker briefen — niet generiek, maar vanuit jóuw perspectief, met jóuw geschiedenis als fundament.
→ AI als institutioneel geheugen + strategisch spiegel
Volgende stap
Begin met Data Intake — en zie hoe snel ruwe data verandert in een systeem dat meedenkt.