Climber Worldwide

Wat is een semantisch model en waarom heeft AI het nodig?

By: Bas Haarhuis & Marnix Kaper

Je vraagt AI hoeveel omzet je vorige maand draaide. Het antwoord staat er binnen een paar seconden. Maar heeft AI retouren afgetrokken? En baseert het zich op de besteldatum of de factuurdatum? Beide keuzes veranderen het cijfer.

Een semantisch model legt vast hoe jouw organisatie begrippen als omzet en actieve klant gebruikt. In aflevering 12 van De Dataleiders bespreekt Bas Haarhuis met BI-consultant Marnix Kaper hoe je die afspraken bruikbaar maakt voor AI.

Bekijk de hele aflevering hier.

Wat leg je vast in een semantisch model?

Een semantisch model koppelt bedrijfstaal aan data. Het beschrijft welke gegevens bij een begrip horen, hoe je een cijfer berekent en welke regels daarbij gelden.

Neem een actieve klant. Je database bevat klanten en bestellingen. Als je organisatie afspreekt dat een klant actief is bij minstens één bestelling in de afgelopen twaalf maanden, leg je die regel vast. Een rapport of AI-assistent kan dezelfde regel dan gebruiken bij een vraag over actieve klanten.

Waarom vraagt AI om meer uitleg?

In een dashboard bepaalt de maker vooraf welke cijfers en filters je gebruikt. Bij een AI-assistent formuleer je zelf een vraag. Bijvoorbeeld hoeveel omzet een assortiment heeft opgeleverd bij bestaande klanten. Dan moet duidelijk zijn welke producten bij het assortiment horen en wanneer je een klant als bestaand telt.

Werk je met rapportages in Power BI of Qlik? Dan liggen veel berekeningen en indelingen waarschijnlijk al vast. Sommige afspraken kennen collega’s uit ervaring. Zodra gebruikers vrije vragen stellen, ontdek je welke afspraken nog ontbreken. Bas vergelijkt dat met een nieuwe collega inwerken. Die kent het gereedschap en moet nog leren hoe jullie de cijfers lezen.

Wat verandert er aan het antwoord?

Stel dat een vrachtwagen met pech bij Deventer staat. Je wilt weten welke klanten je meteen moet bellen. Een lijst met orders op de rit laat zien wie een levering verwacht. Om te bepalen wie last heeft van de vertraging, heb je ook de actuele leverstatus en de afgesproken levertijden nodig.

Als AI toegang heeft tot die gegevens en het model uitlegt hoe de afspraken werken, kan het onderscheid maken tussen klanten die al zijn beleverd, klanten die vandaag op hun bestelling rekenen en klanten voor wie morgen nog op tijd is.

Hoe controleer je of een antwoord klopt?

Begin met vragen waarvan je het antwoord al kent. Vraag bijvoorbeeld naar de omzet van vorig jaar en vergelijk het antwoord met een rapport dat je team gebruikt. Controleer of de periode, filters en definitie overeenkomen. Kijk waar mogelijk ook welke gegevens en berekening de assistent gebruikte. Zo zie je waar een verschil ontstaat.

Test daarna vragen zoals gebruikers die zelf stellen. Begrijpt de assistent bijvoorbeeld dat ‘vaste klant’ en ‘actieve klant’ bij jullie iets anders betekenen? Een verschil in taal kan een ontbrekende definitie blootleggen.

Hoe begin je met een semantisch model voor AI?

  1. Kies één afdeling of toepassing en vraag welke beslissingen AI moet helpen voorbereiden.
  2. Verzamel de definities en berekeningen uit de rapporten voor die toepassing.
  3. Laat gebruikers hun vragen in eigen woorden stellen. Noteer termen en afkortingen die meerdere betekenissen hebben.
  4. Vul de ontbrekende afspraken aan en test de antwoorden met een kleine groep.

Wil je eerst heldere afspraken maken over je definities? Luister naar aflevering 5 ‘Waarom je dashboard pas werkt als je definities kloppen’.

Wie houdt het model bij?

Laat de data-eigenaar van de afdeling bepalen welke definities gelden. Het datateam helpt om die afspraken in het model te verwerken. Gebruik één leidend model voor de toepassing, zodat teams weten waar ze de juiste definitie vinden.

Houd bij welke begrippen ontbreken en waar antwoorden afwijken. Een AI-assistent kan wijzigingen voorstellen. De data-eigenaar beoordeelt of ze aansluiten op de praktijk.

Bekijk aflevering 12 op YouTube of beluister de aflevering op Spotify. In deel 2 bespreken Jordy Wegman en Marnix Kaper de technische opbouw.

Wil je weten waar jouw organisatie staat met data, definities en eigenaarschap? Doe de datavolwassenheidsscan.

Meer weten? Neem contact op met ons.

Bas Haarhuis

Advisor Data & Strategy
bas.haarhuis@climber.nl
+31 6 39 46 39 65

Stef Comello

Managing Director
stef.comello@climber.nl
+31 6 81 78 98 97

Gepubliceerd 2026-11-17

Nieuws

Wat is een semantisch model en waarom heeft AI het nodig?
Podcast

Wat is een semantisch model en waarom heeft AI het nodig?

Ontdek hoe je bedrijfsdata begrijpelijk maakt voor AI, waar je begint en hoe je controleert of de antwoorden kloppen. In aflevering 12 van De Dataleiders bespreekt Bas Haarhuis met BI-consultant Marnix Kaper.

>> Bekijk hier
What’s New in Qlik Cloud – November 2026
Blog

What’s New in Qlik Cloud – November 2026

This month’s headline is the arrival of semantic models in data products, helping keep business definitions consistent. Read on for a closer look at all updates and what they mean for your team.

>> Read more
Qlik a Leader in the 2026 Gartner Magic Quadrant for Data Integration Tools
News

Qlik a Leader in the 2026 Gartner Magic Quadrant for Data Integration Tools

Unsure of how to evaluate the best solution for your needs? Get your free copy of the 2026 Gartner Magic Quadrant report for Data Integration and see why Qlik has been named a Leader for the eleventh time in a row.

>> Download the report