Stel je voor: een bibliotheekgebruiker vraagt “Ik wil meer leren over natuurlijk tuinieren” – en krijgt meteen niet alleen boekaanbevelingen, maar ook informatie over een workshop die volgende week plaatsvindt, compleet met de mogelijkheid direct een plekje te reserveren. Geen ingewikkelde zoekopdrachten, geen doorverwijzingen naar verschillende systemen, maar één natuurlijk gesprek dat alle relevante kennis en diensten samenbrengt.

Dit toekomstbeeld komt dichterbij met de ontwikkeling van Biebbot, een AI-assistent die werkt met een nieuwe technologie: het Model Context Protocol (MCP). Maar wat is MCP precies en waarom is het zo revolutionair voor bibliotheken?

Van zoeksysteem naar kennis assistent

In eerdere blogs hebben we laten zien hoe AI de manier verandert waarop we informatie vinden. We gingen van het invoeren van trefwoorden naar natuurlijke gesprekken met systemen als Boekbot, die boekadvies geeft op een menselijke manier.

Maar de echte uitdaging is groter. Bibliotheken beschikken over meerdere kennisbronnen die los van elkaar bestaan:

• Boekencatalogi
• Activiteitenoverzichten in systemen als Olifantenpaadje
• Bibliotheekinformatie databases zoals Wijzer
• En nog veel meer specialistische bronnen

Traditioneel moest je als gebruiker weten welk systeem je voor welke vraag nodig had. Met MCP-technologie wordt dit radicaal anders.

Wat is het Model Context Protocol?

Het Model Context Protocol (MCP) is een revolutionaire manier om AI-modellen te laten communiceren met externe databronnen. In simpele termen: het is een brug tussen AI en informatie.

✅ MCP stelt AI in staat om:

• Meerdere databronnen tegelijk te raadplegen
• De relevante databron zelf te kiezen op basis van je vraag
• Realtime informatie op te halen zonder vooraf alles te moeten “leren”
• Bronnen met elkaar te verbinden op een betekenisvolle manier

Wat MCP uniek maakt ten opzichte van traditionele zoeksystemen, is dat het niet werkt op basis van vaste zoekregels of centrale indexen. In plaats daarvan kan MCP dynamisch en op het moment zelf bepalen welke bronnen passen bij de context van de vraag. Zo wordt niet alleen gekeken naar trefwoorden, maar ook naar intentie en betekenis, dankzij vector-technologie.

Anders dan traditionele zoeksystemen, begrijpt een MCP-server niet alleen woorden, maar ook intenties. Zoek je naar “leren tuinieren”, dan snapt het systeem dat het moet zoeken naar boeken, cursussen én workshops die hiermee te maken hebben.

Hoe werkt een MCP-server in de praktijk?

Het werkt als volgt:

1. Je stelt een vraag in natuurlijke taal – bijvoorbeeld “Ik wil leren natuurlijk tuinieren”
2. De MCP-server analyseert je vraag – en bepaalt welke bronnen relevant zijn. Daarbij wordt bijvoorbeeld het leerdoel (‘leren’), het onderwerp (’tuinieren’) en het type informatie (‘praktisch’) herkend.
3. Vector-zoektechnologie zoekt door alle verbonden bronnen – boeken, activiteiten, workshops
4. Resultaten worden samengebracht – in één samenhangend antwoord
5. De AI presenteert dit als een natuurlijk gesprek – niet als een lijst met zoekresultaten

In het Biebbot Proof-of-Concept willen we laten zien dat we hierdoor veel rijkere en relevantere antwoorden kunnen geven dan met traditionele zoeksystemen.

Waarom is dit zo’n grote stap vooruit?

De kracht van MCP zit in drie cruciale voordelen:

1. Decentrale gegevensopslag

Elke organisatie houdt controle over haar eigen data. Gegevens hoeven niet centraal opgeslagen te worden, wat privacy en dataeigenaarschap respecteert. Elke bibliotheek houdt controle over haar eigen activiteitenaanbod, terwijl gebruikers toch via één interface toegang hebben en ook kunnen zoeken bij andere bibliotheken.

2. Natuurlijke interactie

Gebruikers hoeven niet te weten in welke database wat staat – ze stellen gewoon hun vraag zoals ze dat tegen een bibliotheekmedewerker zouden doen.

3. Intelligente verbindingen

De echte magie gebeurt wanneer MCP verbanden legt tussen verschillende bronnen. Een vraag over duurzaamheid kan leiden tot boeken, lezingen, workshopaanbod én online cursussen – allemaal samengebracht in één relevant antwoord. Dit gebeurt door middel van vector-zoektechnologie, waarmee systemen niet zoeken op exacte woorden, maar op betekenis en context.

De uitdagingen

Natuurlijk zijn er uitdagingen, zoals:

• Kwaliteit van metadata is cruciaal – inconsistenties in de invoer van gegevens kunnen tot onvolledige resultaten leiden
• Architectuurkeuzes zoals centraal of decentraal zijn belangrijk voor schaalbaarheid en duurzaamheid
• Cross-referencing tussen bronnen roept mogelijk ethische en praktische vragen op
• Gebruikersverwachtingen kennen we nog onvoldoende en moeten goed onderzocht en gemanaged worden

In ons Proof-of-Concept, dat we samen met de KB Nationale Bibliotheek ontwikkelen binnen het WaU-traject (Werken aan Uitvoering), onderzoeken we deze aspecten om te leren hoe we MCP optimaal kunnen inzetten.

Van experiment naar praktijk

Tijdens de Dutch Design Week 2025 (18-26 oktober) kun je het eerste Proof-of-Concept Biebbot zelf uitproberen. We nodigen bibliotheekbezoekers uit om met onze AI-assistent in gesprek te gaan, zodat we kunnen leren wat gebruikers verwachten en hoe ze reageren op deze nieuwe manier van kennisontdekking.

Het mooie is: wat we nu ontwikkelen is pas het begin. De technologie die we nu testen zal uiteindelijk de manier waarop bibliotheken kennis en diensten aanbieden fundamenteel veranderen.

Waar Boekbot je helpt een passend boek te vinden, zal Biebbot je een compleet leerpad kunnen voorstellen, met boeken, activiteiten, en vervolgstappen die perfect aansluiten bij jouw behoeften en interesses.

Wil je er meer over weten?

Volg ons dan op biebvandetoekomst.nl

Hoe verandert AI de bibliotheekervaring?

Zoeken in een bibliotheekcatalogus betekende vroeger dat je een titel of een specifieke zoekterm moest invoeren. Maar wat als je niet precies weet wat je zoekt? Wat als je liever een gesprek voert over je leesvoorkeuren, net zoals je dat met een bibliotheekmedewerker of een leesgrage vriend zou doen?

Met Boekbot wordt deze manier van zoeken realiteit. In plaats van een lijst met zoekresultaten, krijg je een persoonlijk gesprek waarin AI helpt bij het vinden van het perfecte boek.

Van zoeken naar begrijpen

Waar je in een gewone catalogus precies de juiste zoekwoorden moet gebruiken, begrijpt Boekbot wat je bedoelt – zelfs als je niet helemaal weet wat je zoekt. Kijk maar naar dit echte gesprek:

• 👩‍💻 “Ik zoek een boek, maar ik weet de titel niet helemaal.”
• 🤖 “Geen probleem! Kun je een paar details geven over het verhaal of de titel?”
• 👩‍💻 “Het woord Windzanger zit in de titel”

📌 Boekbot vindt niet alleen het boek (“De windzinger van Amaranth”), maar vertelt meteen waar het over gaat en voor wie het geschikt is. Geen doodlopende zoekactie, maar een helpend gesprek!

Persoonlijk advies dat echt bij je past

Boekbot past zich aan aan wat jij nodig hebt. Bijvoorbeeld:

• 👦 “Ik zoek een boek over maatschappelijke problemen, maar het moet niveau 2 zijn.”
• 🤖 “The Outsiders van S.E. Hinton is een goede keuze. Dit boek gaat over jongeren die in verschillende sociale klassen leven en hoe dat hun wereldbeeld beïnvloedt.”

📌 Het is net alsof je met een ervaren bibliothecaris praat die precies snapt wat je zoekt en waarom.

Expert in elk genre

Boekbot kent zijn boeken door en door. Kijk maar:

• 👦 “Kan je me iets aanraden zoals The Cruel Prince van Holly Black?”
• 🤖 “Als je The Cruel Prince tof vond, ga je Six of Crows van Leigh Bardugo vast ook cool vinden omdat het dezelfde donkere sfeer en complexe karakters heeft…”

📌 Dit is meer dan alleen maar genre-matching – Boekbot begrijpt wat een boek speciaal maakt en gebruikt dat voor zijn advies.

Drempels wegnemen: In gesprek over niet-lezen

Misschien wel het mooist zijn de gesprekken met jongeren die aangeven niet van lezen te houden:

• 👦 “ik hou niet van lezen want ik vind het persoonlijk saai en het duurt lang”
• 🤖 “Dat snap ik! Niet iedereen is een fan van lezen. Maar weet je, soms is het gewoon een kwestie van het juiste boek vinden dat echt bij je past…”

📌 Boekbot gaat het gesprek aan. Het erkent de bezwaren tegen lezen, biedt alternatieven zoals graphic novels, en helpt stap voor stap naar een passende suggestie. Dit is geen zoekactie meer, maar een echt gesprek over lezen.

Van boeken naar brede cultuur

Een leuk voorbeeld van hoe gebruikers al verder denken:

• 👦 “Kun je ook films adviseren?”
• 🤖 “Sorry, mijn specialiteit ligt echt bij boeken! 📚 Maar veel boeken worden soms verfilmd. Als je een boek tof vindt, kan ik je vertellen of er een film van is gemaakt.”

Dit gesprek laat zien waar we naartoe gaan. Bibliotheken zijn al lang meer dan boeken alleen. In de toekomst zou Boekbot kunnen helpen bij het verbinden van:

• 🎵 Muziek die past bij je favoriete boek
• 🎬 Films gebaseerd op wat je graag leest
• 🎮 Games die aansluiten bij je interesses
• 🎨 Verschillende culturele expressiemiddelen

Hoe ervaren gebruikers Boekbot?

Sinds de introductie van Boekbot hebben we veel interessante inzichten opgedaan:

• 📌 Jongeren stellen makkelijker vragen via chat
  De drempel om om leestips te vragen is lager dan in een fysieke bibliotheek.
• 📌 Mensen vinden sneller boeken die écht bij hen passen
  AI stelt gerichte vragen die een cataloguszoekopdracht niet kan.
• 📌 Gebruikers waarderen de interactie
  Het voelt als een gesprek in plaats van een zoektocht.

🔗 Probeer Boekbot zelf →

De toekomst van AI-gestuurde bibliotheekdiensten

Wat we nu met Boekbot doen, is nog maar het begin. We onderzoeken hoe AI verder kan bijdragen aan:

• Toegankelijke bibliotheken
  Door AI in te zetten voor spraakgestuurde zoekopdrachten.
• Inclusieve dienstverlening
  Door ondersteuning te bieden in meerdere talen.
• Verrijking van boekinformatie
  Door AI boeken te laten analyseren en verbinden op thema en stijl.

We nodigen bibliotheken, gebruikers en technologie-experts uit om mee te denken: Hoe kan AI bibliotheken nog slimmer en toegankelijker maken?

Wat als je een gesprek kunt voeren met een boek?

Stel je voor: je zoekt informatie over een onderwerp en in plaats van alleen een lijst met boeken te krijgen, kun je een gesprek voeren over de inhoud.

• 📖 “Wat is de belangrijkste boodschap van dit boek?”
• 🔍 “Welke andere boeken behandelen dit thema?”
• 💡 “Zijn er recente inzichten over dit onderwerp?”

Je krijgt antwoord, niet met voorgeprogrammeerde teksten, maar met intelligente, contextuele responses gebaseerd op de rijke kennis die we als bibliotheken al hebben. Dit lijkt misschien toekomstmuziek, maar de technologie om dit mogelijk te maken bestaat al. AI maakt een nieuwe manier van kennis ontsluiten mogelijk: niet langer statisch zoeken in een catalogus, maar actief in gesprek gaan met informatie.

Waarom klassieke catalogi tekortschieten

In de vorige artikelen hebben we laten zien hoe AI natuurlijke gesprekken mogelijk maakt en hoe technieken als RAG (Retrieval-Augmented Generation) zorgen voor betrouwbare antwoorden. Met Boekbot zetten we de eerste stappen in deze richting. Maar we lopen ook tegen beperkingen aan: onze huidige catalogus bevat alleen gestructureerde data – titels, auteurs, ISBN-nummers, korte beschrijvingen. Het is als een kaartenbak die gedigitaliseerd is: efficiënt voor het vinden van een specifiek boek, maar beperkt als je op zoek bent naar diepere kennis.

📌 Wat ontbreekt in traditionele catalogi?

• ❌ Ze geven alleen resultaten op basis van exacte zoektermen.
• ❌ Ze missen context en verbanden tussen boeken en kennis.
• ❌ Ze helpen niet bij interpretatie of verdieping van een onderwerp.

Dit betekent dat veel waardevolle kennis verstopt blijft in boeken, artikelen en databases.

De schat aan verborgen kennis ontsluiten

Bibliotheken beschikken over veel meer dan alleen metadata. Ze hebben:

• 📚 Recensies en analyses van boeken en literatuur.
• 🧠 Kennis van medewerkers over relevante werken en context.
• 🔗 Verbanden tussen boeken die verder gaan dan trefwoorden.

Al deze ongestructureerde kennis blijft nu vaak ongebruikt, omdat het niet direct toegankelijk is via traditionele zoekinterfaces.

AI als toegangspoort tot diepere kennis

Met moderne AI-technieken zoals Retrieval-Augmented Generation (RAG) kunnen we deze ongestructureerde kennis slimmer en interactiever ontsluiten, zonder dat de originele content wordt gecompromitteerd. Het systeem kan de inhoud raadplegen om vragen te beantwoorden, net zoals een bibliothecaris dat zou doen, terwijl de data zelf beschermd blijft.

Wat is het voordeel?

• AI kan gesprekken voeren over boeken en onderwerpen, in plaats van alleen zoekresultaten tonen.
• Door koppelingen met catalogi en externe bronnen kan AI context en verdieping bieden.
• AI kan real-time nieuwe informatie ophalen, in plaats van alleen te werken met vooraf geprogrammeerde kennis.

De kracht van hybride kennis

Het verschil tussen gestructureerde en ongestructureerde data is cruciaal voor het begrijpen van de volgende stap in onze digitale evolutie. Gestructureerde data is als een spreadsheet: elk stukje informatie heeft zijn vaste plek. Ongestructureerde data is als een gesprek: rijk aan context en nuance, maar minder makkelijk te categoriseren.

De bibliotheek van de toekomst combineert beide in wat we ‘hybride databases‘ noemen. Hierin komen de efficiëntie van gestructureerde catalogi en de rijkdom van ongestructureerde kennis samen. Dit betekent dat AI-gebaseerde zoeksystemen niet alleen resultaten tonen, maar ook de relevantie en betekenis van informatie kunnen uitleggen. In Boekbot passen we dit principe nu al toe.

Voorbeeld van een toekomstig AI-gesprek:

• 👩‍💻 “Ik zoek een boek over klimaatverandering dat geschikt is voor een 15-jarige.”
• 🤖 “Ik raad ‘Hoe gaan we dit uitleggen’ van Jelmer Mommers aan. Het is toegankelijk geschreven en biedt veel praktische inzichten. Wil je ook gerelateerde boeken over duurzame energie?”

Hierdoor wordt informatie zoeken interactief, begrijpelijk en toegankelijk voor een breed publiek.

Uitdagingen en kansen

Natuurlijk brengt deze ontwikkeling nieuwe vragen met zich mee:

• 📌 Hoe waarborgen we betrouwbaarheid en objectiviteit?
• 📌 Hoe zorgen we voor een verantwoorde omgang met auteursrechtelijk beschermde content?
• 📌 Hoe maken we AI-transparant, zodat gebruikers begrijpen hoe antwoorden tot stand komen?

Bibliotheken moeten zorgvuldig balanceren tussen innovatie en betrouwbaarheid. AI biedt geweldige mogelijkheden, maar moet op een verantwoorde manier worden ingezet.

Samen de Bibliotheek van de Toekomst bouwen

De evolutie van catalogus naar conversatie is nog maar net begonnen. Door te experimenteren met AI en samen te werken met bibliotheekprofessionals, onderzoekers en technologiepartners, kunnen we een nieuwe standaard zetten voor kennisdeling en informatievoorziening.

Wil je hierover meepraten? Deel je inzichten en bouw samen met ons aan de Bibliotheek van de Toekomst!

Personalisatie met AI: Inspireren in plaats van beperken

“Als je dit boek leuk vond, dan vind je deze ook interessant!” – We kennen het allemaal van Netflix, Spotify en Bol.com. Algoritmes volgen wat we doen, bouwen een profiel op, proberen te voorspellen wat we de volgende keer willen en sturen ons daarmee vaak dezelfde kant op. Maar is dat wel de beste manier? En past deze aanpak bij de rol van bibliotheken?

De valkuil van profielen en filterbubbels

Traditionele aanbevelingssystemen werken met gebruikersprofielen: ze verzamelen data over wat je leest, waar je op klikt en wat je voorkeuren zijn. Op basis daarvan plaatsen ze je in een bepaalde categorie en geven ze je meer van hetzelfde.

📌 Maar mensen zijn veelzijdiger dan hun leesgeschiedenis, immers..

• ✅ Vandaag zoek je een spannende thriller voor op vakantie.
• ✅ Morgen heb je een studieboek nodig.
• ✅ Volgende week wil je een kinderboek cadeau doen.

Een vast gebruikersprofiel kan deze veelzijdigheid niet vangen en creëert een filterbubbel: je krijgt steeds dezelfde soort aanbevelingen en mist de kans om verrast en geïnspireerd te worden.

Waarom bibliotheken een andere aanpak kiezen

Commerciële platforms hebben als doel om gebruikers zo lang mogelijk op hun platform te houden. Bibliotheken hebben een maatschappelijke rol: zij helpen mensen niet alleen met wat ze al kennen, maar ook met nieuwe ontdekkingen en kennisverbreding.

De bibliotheek als plek van serendipiteit

Bibliotheken hebben altijd een unieke rol gespeeld als plekken waar je onverwachte ontdekkingen kunt doen. Het gevoel van door de rekken struinen en een boek vinden dat je niet zocht – maar dat precies bleek te passen.

Dit principe willen we ook in de digitale wereld behouden. Daarom kiest Boekbot voor een fundamenteel andere benadering van AI-personalisatie.

Hoe Boekbot personalisatie anders aanpakt

In plaats van een statisch gebruikersprofiel op te bouwen, werkt Boekbot met gesprekken. Elke chat is een nieuwe kans om je wensen en interesses te verkennen.

• ✅ Je zoekt een boek voor je studie? Boekbot helpt.
• ✅ Je wilt ontspanning? Boekbot geeft andere suggesties.
• ✅ Je vraagt om een cadeau-idee? Je krijgt verrassende opties.

Elke sessie staat op zichzelf – er is geen algoritme dat probeert te voorspellen wat je wilt op basis van eerdere keuzes. In plaats daarvan luistert Boekbot naar wat je nú zoekt en denkt vanuit dat moment met je mee.

Uitdagingen en leerpunten

Natuurlijk brengt deze aanpak nieuwe uitdagingen met zich mee:

• 🤖 Bias in aanbevelingen
  Hoe zorgen we voor diversiteit in suggesties?
• 📚 Balans in collectie
  Moeten alle boeken evenveel kans krijgen?
• 💡 Transparantie
  Hoe maken we duidelijk hoe aanbevelingen worden gedaan?
• 🌍 Inclusiviteit
  Hoe zorgen we dat AI aanbevelingen doet die voor alle doelgroepen relevant zijn?

Door deze vragen te onderzoeken en AI slim in te zetten, willen we een betere balans vinden tussen persoonlijke relevantie en open ontdekking.

Samen de toekomst van AI in bibliotheken vormgeven

We staan nog maar aan het begin van deze nieuwe aanpak. Elke dag leren we meer over hoe we AI kunnen inzetten om bibliotheekbezoekers uit te dagen, te verrassen en te inspireren.

We nodigen je uit om met ons mee te denken:

• 💬 Hoe kunnen we ervoor zorgen dat AI mensen helpt om hun horizon te verbreden in plaats van te versmallen?
• 📚 Hoe kunnen we de kracht van serendipiteit behouden in de digitale bibliotheek?

AI voelt als magie, maar hoe werkt het echt?

Moderne AI kan verrassend menselijk overkomen: het voert natuurlijke gesprekken, begrijpt context en past zich aan de gebruiker aan. Maar wat gebeurt er eigenlijk achter de schermen? Hoe zorgen we ervoor dat AI betrouwbare en relevante antwoorden geeft in de bibliotheek?

Om AI in bibliotheken goed te kunnen benutten, is het belangrijk om de technologie te begrijpen – niet zozeer als programmeurs, maar juist als professionals die willen weten hoe deze innovatie werkt en wat het betekent voor de toekomst van onze bibliotheekdienstverlening.

Wat maakt moderne AI revolutionair?

Traditionele AI-modellen waren vooral goed in data-analyse en patroonherkenning. Maar de nieuwe generatie, bekend als generatieve AI, kan zelfstandig nieuwe content creëren – of het nu gaat om tekst, beeld, muziek of code.

Wat maakt deze AI zo krachtig?

• ✅ Het begrijpt context en kan antwoorden formuleren op basis van eerdere gesprekken.
• ✅ Het leert continu en wordt slimmer naarmate het meer wordt gebruikt.
• ✅ Het kan informatie genereren, niet alleen ophalen uit een database.

Deze doorbraak is mogelijk dankzij drie belangrijke ontwikkelingen:

• 📊 Toegang tot enorme hoeveelheden data
  AI leert van miljarden tekstvoorbeelden.
• ☁️ Cloud computing en krachtige hardware
  AI-modellen kunnen razendsnel enorme hoeveelheden informatie verwerken.
• 🧠 Nieuwe AI-technieken zoals Retrieval-Augmented Generation (RAG)
  waardoor AI betrouwbaarder en bruikbaarder wordt in de bibliotheeksector.

Dit maakt deze revolutie anders dan eerdere technologische doorbraken. Waar in het verleden innovaties vaak specifieke apparaten of kennis vergden, is AI nu toegankelijk voor iedereen via gewone apps en websites. Het wordt verweven in alle aspecten van ons leven – of we dat nu willen of niet.

Het collectieve geheugen van het internet

Het geheim achter moderne AI ligt in wat we ‘Large Language Models’ (LLMs) noemen. Deze modellen zijn getraind op praktisch alle tekst die op internet te vinden is – van wetenschappelijke artikelen tot sociale media, van literatuur tot dagelijkse gesprekken. Hierdoor hebben ze een soort ‘collectief geheugen’ opgebouwd dat niet alleen feitelijke kennis bevat, maar ook begrip van hoe mensen denken, praten en zich gedragen.

Stel je voor dat je miljarden gesprekken zou kunnen analyseren – je zou patronen gaan zien in hoe mensen communiceren, welke vragen ze stellen, hoe ze reageren. Dat is precies wat een LLM doet. Als jij een vraag stelt, zoekt het in dit enorme netwerk van patronen naar de meest logische manier om te reageren. Dit stelt AI in staat om:

• 🔎 Antwoorden te formuleren zoals een mens dat zou doen.
• 📚 Boekaanbevelingen te geven die aansluiten bij specifieke interesses.
• 💡 Complexe vragen te begrijpen en samenhangende antwoorden te geven.

De uitdaging van hallucinaties

Maar hier zit ook een uitdaging: AI werkt op basis van waarschijnlijkheden en kan soms informatie verzinnen als het geen passend antwoord vindt. Dit noemen we hallucinaties. We merkten dit bij de eerste versie van Boekbot: het systeem schreef prachtige boekbesprekingen, maar verzon soms boeken en titels die helemaal niet bestonden.

Hoe zorgen we voor betrouwbare AI in bibliotheken?

Om ervoor te zorgen dat AI in de bibliotheek betrouwbare en feitelijke antwoorden geeft, maken we gebruik van Retrieval-Augmented Generation (RAG). In plaats van alle kennis in het AI-model zelf te stoppen, geven we het toegang tot betrouwbare externe bronnen waarin het in real-time kan zoeken. Op die manier combineren we het beste van twee werelden: een natuurlijk gesprek én betrouwbare aanbevelingen.

Wat is RAG?

• In plaats van alleen op voorgeprogrammeerde kennis te vertrouwen, kan AI met RAG real-time informatie opvragen uit betrouwbare bronnen, zoals de bibliotheekcatalogus.
• Dit voorkomt dat AI antwoorden verzint en zorgt ervoor dat aanbevelingen altijd gebaseerd zijn op actuele en gecontroleerde gegevens.
• Boekbot gebruikt RAG om boeken te vinden die aansluiten bij gebruikersvragen, zonder dat het model hoeft te ‘raden’.

Van AI-model naar digitale assistent

De uitbreiding van Boekbot met een RAG die de bibliotheekcatalogus doorzoekt bleek niet voldoende voor een goede gebruikerservaring. De beschrijvingen van boeken in de bibliotheekcatalogus waren vaak beperkt en misten context. Daarom voegden we een extra AI-agent toe en maakten we van Boekbot een multi-agent systeen, waarin meerdere AI-modules samenwerken:

• 👤 Een AI-agent die de bibliotheekcatalogus doorzoekt
  Zorgt voor correcte boekinformatie.
• 📖 Een AI-agent die aanvullende bronnen op internet raadpleegt
  Voor diepere context en analyses.
• 💬 Een AI-agent die met de gebruiker communiceert
  Zorgt voor een natuurlijk en vloeiend gesprek.

Dit is vergelijkbaar met hoe bibliotheekmedewerkers samenwerken: de ene collega kent de collectie goed, de andere heeft diepgaande literaire kennis, en samen helpen ze de bezoeker verder.

Waarom is dit relevant voor bibliotheken?

AI zal de manier waarop we met kennis omgaan ingrijpend veranderen. Maar om deze technologie op de juiste manier in te zetten, moeten we:

• ✅ Begrijpen hoe AI beslissingen neemt.
• ✅ Zorgen voor transparantie en controle over AI-gedreven aanbevelingen.
• ✅ AI inzetten als een ondersteunende tool, niet als vervanging van menselijke expertise.

Door AI bewust en verantwoord in te zetten, kunnen bibliotheken nieuwe mogelijkheden creëren voor hun bezoekers, zonder de kernwaarden van betrouwbaarheid, inclusiviteit en menselijke interactie uit het oog te verliezen.

Meedenken over AI in bibliotheken?

De ontwikkelingen gaan snel en we willen graag in gesprek met bibliotheekmedewerkers, gebruikers en innovators. Hoe kunnen we AI zo inzetten dat het de bibliotheekervaring verbetert? Deel je inzichten en bouw met ons mee aan de toekomst van bibliotheken!