Bedrijfsdocumenten voorbereiden voor RAG: van map naar beheerde bronverzameling

Begin bij een brongebied en een vraagsoort

Kies eerst welke vragen de verzameling moet ondersteunen. Een map met onderhoudsinstructies voor monteurs heeft andere kwaliteitscriteria dan een verzameling interne projectnotities. Voor onderhoud kan een productversie doorslaggevend zijn; bij projectnotities kan de tekst juist een voorlopige gedachte bevatten. Het documenttype alleen zegt dus onvoldoende over de bruikbaarheid als antwoordbron.

Beschrijf wie de gebruiker is en welk soort besluit hij met de informatie voorbereidt. Gebruik dat als selectiecriterium. Een bron die interessant lijkt maar buiten die taak valt, hoeft niet meteen mee. Houd een afzonderlijke lijst bij van uitgesloten materiaal en de reden. Daarmee blijft later te begrijpen waarom bepaalde informatie niet in antwoorden terugkomt.

Maak een inventaris met betekenisvolle velden

Noteer een stabiele bronreferentie, titel, eigenaar, versie, doelgroep en periode waarin de inhoud geldt. Voeg de vindplaats en gewenste herzieningsfrequentie toe. Niet elk veld hoeft op iedere bron van toepassing te zijn, maar een onbekende eigenaar of onduidelijke geldigheid moet zichtbaar blijven. Een lege cel mag niet ongemerkt worden opgevat als onbeperkt geldig voor iedereen.

Gebruik begrijpelijke waarden die ook buiten het projectteam herkenbaar zijn. Een interne statuscode kan technisch bruikbaar zijn, maar de verantwoordelijke moet kunnen uitleggen wat die status betekent. Maak bovendien onderscheid tussen de wijzigingsdatum van een bestand en de datum waarop een inhoudelijke regel ingaat. Een recent opgeslagen oud document is niet automatisch de nieuwste instructie.

Onderzoek de tekst die werkelijk wordt ingelezen

Open niet alleen het oorspronkelijke bestand, maar vergelijk ook de tekst die de verwerkingsstap eruit haalt. Een nette PDF kan tijdens extractie kolommen verkeerd samenvoegen. Een scan kan een minteken, tabelkop of voetnoot verliezen. Bij een procedure kan daardoor een uitzondering veranderen in een algemene regel zonder dat de import een technische fout meldt.

Gebruik een steekproef met verschillende documentvormen en juist ook lastige pagina's. Laat een inhoudelijk beoordelaar de belangrijke passages terugvinden in de ingelezen versie. Noteer ontbrekende of onduidelijke onderdelen. De oplossing kan een andere extractiemethode zijn, maar soms is het beter de oorspronkelijke informatie te herschrijven naar een beheerde bron die voor mensen én systemen duidelijker is.

Een bruikbare bron kan nog steeds een beperkte doelgroep hebben. Werk daarom ook de toegang tot documenten en passages uit: Toegangsrechten in RAG: wie mag welke bedrijfskennis terugvinden?.

Behoud samenhang bij het opdelen van documenten

Lange documenten worden vaak in kleinere passages verdeeld. Een passage moet voldoende context behouden om te begrijpen waarop een regel van toepassing is. Een losse zin over een termijn kan misleidend zijn wanneer het product, de uitzondering of het kopje in een ander fragment terechtkomt. Kies de verdeling daarom niet uitsluitend op een standaard aantal tekens.

Onderzoek de structuur met concrete vragen. Heeft een tabel haar koppen behouden? Blijft een waarschuwing bij de instructie staan? Kan een beoordelaar vanuit een passage de juiste bronversie openen? Technische limieten en documenteigenschappen spelen mee, maar de toets blijft of betekenisvolle informatie voor de afgesproken vraag herkenbaar en controleerbaar wordt teruggevonden.

Microsoft Learn: Chunk large documents for vector search ↗

Leg tegenstrijdigheden voor aan de inhoudelijke eigenaar

Een fictieve leverancier heeft een algemene handleiding en een latere productbijlage. Beide noemen een onderhoudsinterval, maar de bijlage geldt slechts voor één serie. Het systeem mag niet zelfstandig besluiten dat de nieuwste bestandsdatum altijd wint. De eigenaar moet bepalen wanneer de bijlage de algemene regel aanvult of vervangt en hoe dat in de bronregistratie zichtbaar wordt.

Bewaar het besluit met de reden en toepassingsgrens. Als een conflict nog niet is opgelost, kan de bron tijdelijk worden uitgesloten of de vraag naar een medewerker worden geleid. Twee tegenstrijdige documenten tegelijk aanbieden en hopen dat het model de juiste nuance kiest, maakt een redactioneel probleem tot een onvoorspelbare antwoordkeuze.

Scheid vertrouwelijkheid van inhoudelijke kwaliteit

Een goedgekeurde procedure kan vertrouwelijk zijn. Een openbare brochure kan verouderde informatie bevatten. Beoordeel daarom apart of een bron inhoudelijk geschikt is en voor welke gebruikers zij beschikbaar mag zijn. Een algemene kwaliteitsstatus mag niet tegelijkertijd als toegangsregel dienen, omdat beide beslissingen door verschillende omstandigheden kunnen veranderen.

Leg ook vast welke onderdelen van een document werkelijk nodig zijn. Een bijlage met namen, persoonlijke notities of onnodige klantdetails kan buiten de proef blijven terwijl de algemene werkinstructie wordt opgenomen. Deze selectie is een ontwerpafspraak die je moet controleren in de feitelijke verwerking. Alleen een mondelinge afspraak over vertrouwelijkheid begrenst de technische toegang niet.

OWASP: Authorization Cheat Sheet ↗

Ontwerp vervangen en verwijderen vanaf het begin

Vraag hoe een vervallen bron uit de actieve verzameling verdwijnt. Alleen het oorspronkelijke bestand verwijderen kan onvoldoende zijn wanneer er afgeleide passages, een zoekindex of een antwoordcache bestaan. Het concrete ontwerp moet aangeven welke kopieën en afgeleide gegevens worden beheerd en hoe wordt vastgesteld dat een oude versie niet meer als actuele informatie wordt gebruikt.

Test een kleine wijziging voordat je een grote verzameling importeert. Vervang bijvoorbeeld één onderhoudsinstructie en stel daarna de relevante vraag opnieuw. Controleer zowel de gevonden passage als de zichtbare verwijzing. Bewaar waar nodig een beheerd historisch spoor voor onderzoek, maar maak oude informatie niet onbedoeld opnieuw beschikbaar voor gewone actuele vragen.

Maak een controlepakket voor iedere bronselectie

Bewaar bij het brongebied enkele vragen met de passages die een beoordelaar verwacht. Neem een normale instructie, een uitzondering en een vraag buiten het onderwerp op. Voeg daarnaast een geval met een onleesbare of ontbrekende pagina toe. Zo controleer je of wijzigingen in extractie of selectie een eerder bruikbare vraag ongemerkt beschadigen.

Laat iemand die de documentstructuur niet heeft ontworpen de selectie proberen. Die persoon kan andere termen gebruiken en verkeerde aannames hebben. Dat is nuttige invoer voor zoekverbetering en bronorganisatie. Het doel is niet dat elke vraag een gegenereerd antwoord krijgt, maar dat ondersteuning en begrenzing begrijpelijk blijven voor de mensen die ermee werken.

Spreek een werkbare redactionele routine af

Bepaal wie nieuwe documenten mag aanmelden, wie inhoudelijke goedkeuring geeft en wie technische verwerking controleert. Het hoeft geen zware bestuurslaag te worden. Voor een klein brongebied kunnen vaste rollen en een korte wijzigingslijst voldoende zijn, zolang onduidelijkheden niet automatisch worden doorgeschoven naar de ontwikkelaar of een toevallige gebruiker.

Maak de overdracht concreet met een inventaris, voorbeeldvragen, uitgesloten bronnen en een oefening waarin een document verandert. Laat de verantwoordelijke uitleggen wat hij zelf kan bijwerken en wanneer hulp nodig is. Zo wordt de bronverzameling een beheerd onderdeel van het dagelijkse werk in plaats van een eenmalig ingelezen map waarvan niemand de actualiteit bewaakt.

Van uitleg naar een concrete projectkeuze

Leg je aannames, open vragen en oplevercriteria vast in de bijbehorende tool. Gebruik de dienstengidsen om uitvoering en afbakening te bespreken.

• RAG Systeem Laten Bouwen ↗
• AI Knowledge Base ↗

Vragen over dit onderwerp

Verder met een aansluitende vraag