Full-stack Physical AI
Antwoorden verankerd in jouw technische realiteit — handleidingen, specificaties, normen en logs — herleidbaar tot de bron, met bronvermeldingen en een evaluatielus die niet-onderbouwde antwoorden meet.
Ingesten
Embeddings & index
Ophalen & re-ranken
Verankeren & citeren
Een pijplijn van vier fasen: het corpus ingesten, dan embeddings en index maken, dan ophalen en re-ranken, dan het antwoord verankeren en bronnen citeren.
Industriële kennis zit in pdf's, specificaties, normen en onderhoudslogs — niet in de gewichten van een model. Retrieval-augmented generation verankert een model in dat corpus, zodat elk antwoord herleidbaar is tot een brondocument. Het resultaat is een systeem dat ingenieurs kunnen vertrouwen, omdat ze het kunnen controleren.
Ingestie en chunking van het broncorpus; embeddings en een vector-store; retrieval met re-ranking; verankerde generatie die haar bronnen citeert; en een evaluatielus die de getrouwheid meet — of antwoorden daadwerkelijk worden gestaafd door de opgehaalde tekst.
Documentparsing voor pdf's, tabellen en gescande documenten (OCR); embeddings over pgvector; hybride retrieval (semantisch plus trefwoord) met re-ranking; citatie-afdwinging zodat beweringen naar de bron verwijzen; getrouwheids- en retrieval-kwaliteitsevaluatie; generatie op Mistral of een ander open-weight-model.
In de industrie is een antwoord pas nuttig als je het naar een bron kunt herleiden.
| Dimensie | Industriële RAG | Generiek LLM |
|---|---|---|
| Verankering | Je handleidingen, specs, normen | Parametrisch geheugen |
| Traceerbaarheid | Antwoord gekoppeld aan bron | Zonder bron |
| Actualiteit | Index continu bijgewerkt | Bevroren op trainingsdatum |
| Toegangscontrole | Rechten per document | Geen |
| Faalwijze | "Niet in de bronnen" | Zelfverzekerde hallucinatie |