Home › Kennisbank › AI-begrippen › RAG, kennisbank en geheugen

AI-begrippen

RAG, kennisbank en geheugen: hoe een AI Voice Agent de juiste antwoorden vindt

RAG (retrieval augmented generation) betekent dat een AI Voice Agent eerst in jouw eigen kennis zoekt en pas daarna antwoord geeft, op basis van wat zij gevonden heeft. Zo baseert de AI receptionist haar antwoorden op je actuele informatie in plaats van op algemene kennis. Embeddings, een vectordatabase en semantisch zoeken zorgen dat zij de juiste passage vindt.

Plan een kennismaking →Hoor Ciss als jullie receptionist

AI Voice Agents

Human Assist

Bestaande telefonie

24/7 opvang

Door de redactie van ContactOns · bijgewerkt 17 oktober 2026

Overzicht

De begrippen achter kennis en geheugen

Een taalmodel kent jouw organisatie niet. Alles wat een AI receptionist over je producten, voorwaarden en werkwijze zegt, moet ergens vandaan komen. Deze begrippen beschrijven hoe die kennis wordt opgeslagen, gevonden en gebruikt, en wat zij onthoudt.

Begrip	Betekenis in één zin	Waarom het telt voor je AI receptionist
RAG	Eerst zoeken in je eigen kennis, dan een antwoord formuleren op basis van wat gevonden is.	Zij antwoordt met jouw informatie in plaats van met algemene kennis of gokwerk.
Grounding	Antwoorden verankeren in bronnen die je zelf hebt aangewezen.	Beperkt verzonnen antwoorden en maakt achteraf controleerbaar waar een antwoord vandaan komt.
Embedding	Een tekst omgezet naar een reeks getallen die de betekenis vastlegt.	Hierdoor vindt zij een passage ook als de beller andere woorden gebruikt.
Vectordatabase	Een database die embeddings opslaat en snel vergelijkbare teksten terugvindt.	Bepaalt hoe snel en hoe nauwkeurig zij tijdens het gesprek de juiste kennis ophaalt.
Semantisch zoeken	Zoeken op betekenis in plaats van op exacte woorden.	Bellers zeggen het zelden zoals het in je FAQ staat.
Knowledge graph	Kennis vastgelegd als begrippen met hun onderlinge relaties.	Helpt bij vragen waarbij verbanden tellen, zoals welk product bij welk contract hoort.
Kortetermijngeheugen	Wat de AI binnen één gesprek onthoudt.	Voorkomt dat de beller dingen twee keer moet zeggen.
Langetermijngeheugen	Wat de AI over gesprekken heen bewaart.	Kan gesprekken persoonlijker maken, maar raakt direct aan privacy.

Begrippen uitgelegd

Van kennisbank tot geheugen: zo vindt de AI receptionist haar antwoord

Een AI Voice Agent, ook wel AI Agent voor telefonie genoemd, combineert een taalmodel met jouw eigen kennis. Het taalmodel zelf lees je bij LLM en agentic AI. Hieronder per begrip wat het is, hoe het werkt aan de telefoon en wat je zelf regelt.

RAG (retrieval augmented generation)

RAG is een werkwijze waarbij een AI eerst relevante informatie opzoekt in een vaste kennisbron en die meegeeft aan het taalmodel, dat er vervolgens een antwoord van maakt. Retrieval betekent ophalen, generation betekent formuleren. Bij een AI receptionist gaat dat zo. Eerst stelt de beller een vraag, bijvoorbeeld "kan ik mijn abonnement tussentijds opzeggen". Dan zoekt het systeem in je kennisbank naar de passages die daar het best bij passen. Vervolgens krijgt het taalmodel die passages mee, met de instructie om alleen daarop te antwoorden. Ten slotte formuleert zij een kort, gesproken antwoord, of zegt zij eerlijk dat zij het niet weet en biedt zij een collega of terugbelverzoek aan.

Het grote voordeel: je past de kennis aan zonder het model te veranderen. Wijzigt een voorwaarde, dan pas je de bron aan en gebruikt de AI receptionist direct de nieuwe tekst. Wat je regelt: welke bronnen erin gaan, wie ze bijhoudt en wat er gebeurt als er niets bruikbaars gevonden wordt. RAG is zo goed als je kennis: verouderde of tegenstrijdige teksten leveren verouderde of tegenstrijdige antwoorden op.

Kort antwoord: RAG laat de AI receptionist eerst in jouw kennis zoeken en daarna antwoorden, zodat zij je actuele informatie gebruikt.

RAG voor voice en AI Voice Agents

RAG voor voice is RAG aangepast aan het telefoongesprek. Aan de telefoon gelden andere eisen dan in een chat: het zoeken moet snel gaan, omdat een stilte ongemakkelijk voelt, en het antwoord moet kort zijn, omdat een beller geen lange alinea onthoudt en niet kan terugscrollen.

Daarom schrijf je kennis voor voice anders: korte, op zichzelf staande antwoorden per vraag, zonder tabellen, links of verwijzingen als "zie hieronder". Lange documenten, zoals algemene voorwaarden, deel je op in kleine stukken. Een AI Voice Agent noemt geen lange lijsten op, maar vat samen en biedt aan om details per e-mail of WhatsApp na te sturen.

Kort antwoord: RAG voor voice vraagt snelle zoekacties en korte, spreekbare kennisteksten zonder tabellen of verwijzingen.

Grounding

Grounding betekent dat een AI Voice Agent haar antwoorden baseert op aangewezen bronnen, en niet op wat het taalmodel in het algemeen denkt te weten. Het is de belangrijkste maatregel tegen hallucinaties: antwoorden die overtuigend klinken maar niet kloppen.

In de praktijk combineer je RAG met een duidelijke instructie: antwoord alleen op basis van de gevonden kennis, en zeg het eerlijk als die er niet is. Zo hoort de beller "dat weet ik niet zeker, ik laat een collega u terugbellen" in plaats van een verzonnen openingstijd. Grounding maakt antwoorden ook controleerbaar: je kunt achteraf zien welke bron is gebruikt. Hoe betrouwbaar dat in de praktijk is, lees je bij hoe betrouwbaar is een AI Voice Agent.

Kort antwoord: grounding verankert de antwoorden van de AI receptionist in jouw bronnen en is de belangrijkste rem op verzonnen antwoorden.

Embedding model

Een embedding model is een AI-model dat een stuk tekst omzet in een reeks getallen, een embedding, die de betekenis van die tekst vastlegt. Teksten met een vergelijkbare betekenis krijgen vergelijkbare getallen, ook als ze andere woorden gebruiken. "Ik wil opzeggen" en "hoe beëindig ik mijn contract" liggen dan dicht bij elkaar.

Je ziet een embedding model nooit aan het werk, maar het bepaalt mee of de AI receptionist de juiste passage vindt. Let bij de keuze op hoe goed het model met Nederlands en met je vaktaal omgaat. Verander je van embedding model, dan moet je hele kennisbank opnieuw worden omgezet.

Kort antwoord: een embedding model zet tekst om naar getallen die de betekenis vastleggen, zodat de AI vragen en kennis op betekenis kan koppelen.

Vectordatabase voor klantenservice

Een vectordatabase is een database die embeddings opslaat en razendsnel de teksten terugvindt die qua betekenis het dichtst bij een vraag liggen. Bij een AI Voice Agent staat daarin je kennisbank, opgedeeld in kleine stukken, elk met zijn eigen embedding.

Wat je regelt: hoe je documenten opdeelt, hoe vaak de database wordt bijgewerkt als je kennis verandert, en wie oude informatie verwijdert. Een vectordatabase vervangt je bestaande systemen niet. Voor actuele klantgegevens, zoals orderstatus of afspraken, gebruik je een koppeling met je CRM of ordersysteem, geen kennisbank.

Kort antwoord: een vectordatabase bewaart je kennis als embeddings en vindt tijdens het gesprek snel de passages die bij de vraag passen.

Semantisch zoeken in een kennisbank

Semantisch zoeken is zoeken op betekenis in plaats van op exacte woorden. Een gewone zoekfunctie vindt "retourneren" alleen als dat woord in de tekst staat. Semantisch zoeken begrijpt dat "kan ik het terugsturen" over hetzelfde gaat.

Aan de telefoon is dat extra belangrijk, omdat bellers spreektaal gebruiken en spraakherkenning soms een woord anders verstaat. Vaak werkt een combinatie het best: semantisch zoeken voor de betekenis, aangevuld met zoeken op exacte termen voor productnamen, codes en afkortingen. Hoe spraak eerst tekst wordt, lees je bij speech-to-text.

Kort antwoord: semantisch zoeken vindt kennis op betekenis, zodat de AI receptionist ook vragen in spreektaal begrijpt.

Knowledge graph voor klantenservice

Een knowledge graph is een manier om kennis vast te leggen als begrippen met hun onderlinge relaties: dit product hoort bij dit abonnement, dit abonnement heeft deze opzegtermijn, deze vestiging bedient deze regio. Waar een vectordatabase losse tekstpassages vindt, legt een knowledge graph de verbanden vast.

Dat helpt bij vragen waarbij meerdere feiten samenkomen, zoals "welke monteur komt bij mij in de buurt en wanneer". Een knowledge graph opzetten en bijhouden kost wel moeite. Voor veel organisaties is een goed opgebouwde kennisbank met RAG een beter begin, en komt een knowledge graph pas aan bod als vragen echt complex en gestructureerd zijn.

Kort antwoord: een knowledge graph legt verbanden tussen begrippen vast en helpt bij complexe vragen, maar vraagt meer beheer dan een kennisbank.

Kortetermijngeheugen in het gesprek

Kortetermijngeheugen is wat de AI receptionist binnen één gesprek onthoudt: de naam van de beller, het ordernummer, de reden van bellen en wat al besproken is. Technisch is dat de gespreksgeschiedenis die steeds opnieuw aan het taalmodel wordt meegegeven.

Goed kortetermijngeheugen merk je aan wat er niet gebeurt: de beller hoeft niets te herhalen, ook niet als hij halverwege van onderwerp wisselt. Het geheugen moet ook mee bij een overdracht. Verbindt zij door naar een medewerker, dan hoort die een samenvatting te zien, zodat de beller zijn verhaal niet opnieuw hoeft te doen. Dat is de kern van een goede warme overdracht.

Kort antwoord: kortetermijngeheugen zorgt dat de AI receptionist binnen het gesprek alles onthoudt en het meegeeft bij een overdracht.

Langetermijngeheugen van een AI Agent

Langetermijngeheugen is informatie die een AI-agent over gesprekken heen bewaart, zodat zij een volgende keer weet dat iemand eerder belde en waarover. Dat kan via een eigen geheugenopslag, maar meestal is het verstandiger om dit via je CRM of helpdesk te laten lopen: daar staan de contactmomenten al en gelden je bestaande afspraken over toegang en bewaartermijnen.

Langetermijngeheugen raakt direct aan privacy. Bepaal vooraf wat je bewaart, waarom, hoe lang en wie het mag inzien, en wees open naar bellers dat gesprekken worden vastgelegd. Bewaar geen gevoelige gegevens die je niet nodig hebt. Dit is geen juridisch advies; stem het af met je eigen privacyverantwoordelijke.

Kort antwoord: langetermijngeheugen laat de AI eerdere gesprekken kennen, bij voorkeur via je CRM en met heldere privacyafspraken.

Aanpak

Zo pak je het aan

1Verzamel de vragen die bellers echt stellenBegin bij je belredenen en bestaande antwoorden, niet bij een stapel documenten. Zo zie je welke kennis ontbreekt of tegenstrijdig is.

2Schrijf kennis voor het oorMaak korte, op zichzelf staande antwoorden in spreektaal en wijs per onderwerp één eigenaar aan die de tekst actueel houdt.

3Test met lastige en onbekende vragenControleer of zij de juiste passage vindt en of zij eerlijk zegt dat zij iets niet weet. Meer over de stappen staat bij implementatie.

4Monitor en vul aanKijk welke vragen geen goed antwoord kregen en vul de kennis gericht aan. Hoe je dat structureel doet, lees je bij AI quality monitoring.

Eerlijk

Wat RAG en geheugen wel en niet oplossen

Dit kan een AI receptionist goed

Antwoorden geven op basis van je eigen, actuele kennis.

Vragen in spreektaal koppelen aan de juiste passage.

Eerlijk zeggen dat zij iets niet weet en een collega of terugbelverzoek aanbieden.

Binnen het gesprek alles onthouden en meegeven bij een overdracht.

Nieuwe informatie direct gebruiken zodra je de bron aanpast.

Hier blijft een mens nodig

Kennis schrijven, controleren en actueel houden: RAG maakt slechte kennis niet beter.

Vragen waar geen vast antwoord op bestaat, zoals advies en uitzonderingen.

Klachten, emotie en kwetsbare bellers.

Bepalen wat er over gesprekken heen bewaard wordt en voor hoe lang.

Spoed en gevaar: direct naar 112 of de juiste noodroute.

Veelgestelde vragen

Veelgestelde vragen over RAG en kennis voor een AI Voice Agent

Wat is RAG in gewone taal?

RAG betekent dat de AI eerst opzoekt en dan pas antwoordt. Een AI receptionist zoekt in je eigen kennisbank naar de passage die bij de vraag past en formuleert daar een kort antwoord van. Zo gebruikt zij jouw informatie in plaats van algemene kennis.

Kan een AI Voice Agent met RAG nog steeds dingen verzinnen?

De kans wordt kleiner, maar nul is het niet. Daarom combineer je RAG met grounding: de instructie om alleen op de gevonden kennis te antwoorden en eerlijk te zeggen als die ontbreekt. Gesprekken terugluisteren blijft nodig om fouten op te sporen.

Welke informatie zet je in de kennisbank van een AI receptionist?

Antwoorden op vragen die bellers vaak stellen: openingstijden, werkwijze, voorwaarden in gewone taal, en wat te doen in welke situatie. Klantspecifieke gegevens zoals orderstatus horen er niet in; die haalt zij via een koppeling met je systemen op.

Onthoudt een AI receptionist eerdere gesprekken?

Alleen als je dat inricht. Binnen één gesprek onthoudt zij alles. Over gesprekken heen kan dat via je CRM of helpdesk, met duidelijke afspraken over wat je bewaart en hoe lang. Dit is geen juridisch advies; stem privacyvragen af met je eigen privacyverantwoordelijke.

Wat is het verschil tussen een vectordatabase en een knowledge graph?

Een vectordatabase vindt tekstpassages die qua betekenis bij een vraag passen. Een knowledge graph legt vast hoe begrippen met elkaar samenhangen. Voor de meeste AI Voice Agents is een vectordatabase met een goede kennisbank voldoende; een knowledge graph helpt bij complexe vragen met veel verbanden.

Advies op maat

Is jouw kennis klaar voor een AI receptionist?

We kijken samen naar de vragen die bellers stellen, de kennis die je al hebt en wat er ontbreekt, en bepalen welke kennis de AI Voice Agent nodig heeft en wat via een koppeling of een medewerker loopt. ContactOns is regisseur in AI-first klantcontact. We leveren oplossingen samen met zorgvuldig geselecteerde partners, of managed services op een oplossing die je al hebt.