Waarom traditionele vector-databases de enterprise AI-belofte remmen

In de techwereld regeert de belofte van generatieve AI, maar op de IT-afdelingen van grote organisaties en bij system integrators groeit de frustratie. Enterprise AI-toepassingen, vaak gebouwd rondom Retrieval-Augmented Generation (RAG), blijken in complexe randsituaties onbetrouwbaar. Ze hallucineren, negeren cruciale metadata of tonen informatie waar de gebruiker eigenlijk geen rechten toe heeft.

"De vector-database is destijds voor enterprise AI omarmd omdat het simpelweg het beste was wat voorhanden lag," trapt Rikkert Engels af in gesprek met Witold Kepinski van Dutch IT Channel. Engels is geen onbekende in de wereld van complexe data; 22 jaar geleden richtte hij Xillio op, een specialist in grootschalige contentmigraties voor veeleisende organisaties zoals NASA, Moody's en de gemeenten Amsterdam en Utrecht.

Nu lanceert hij, samen met uitvinder en lead engineer Jorn Verhoeven, het nieuwe bedrijf Aspected. De missie: de fundamentele beperking van de vector-database wegnemen.

De weeffout: 'Similarity' versus 'Intent'

Volgens Engels gaan huidige AI-zoekinfrastructuren mank op de manier waarop ze metadata verwerken. "Een traditionele vector-database berekent puur een similarity score op de tekst en plakt daar achteraf een hard filter op voor de metadata. Maar AI draait helemaal niet om tekstgelijkenis; AI draait om intentie, context en autoriteit."

Engels illustreert het probleem aan de hand van een praktijkvoorbeeld uit een supportomgeving met 250.000 tickets. "Als een developer zoekt naar 'kritieke supporttickets over user access', dan is het woord critical in een standaard vector-database slechts één woord in de totale tekst. De kritieke prioriteit sneeuwt onder in de similarity-berekening. Wat doen developers nu om dat te compenseren? Ze voegen het woordje critical honderd keer toe aan het document om het zwaarder te laten wegen. Dat is ducttape. Het is geen valide architectonische oplossing.” De oplossing: Alles is een embedding.

Aspected gooit het concept om met een gepatenteerde benadering: de aspect database. In plaats van een platte tekst-vector met een filter achteraf, maakt Aspected van elk metadata-veld (zoals rollen, datums, prioriteiten of beveiligingslabels) een volwaardige, afzonderlijke embedding.

"Bij de vraag: 'Geef me de kritieke supporttickets over user access die vannacht zijn binnengekomen', splitsen wij de intentie," legt Engels uit. "We maken één embedding voor het tijdstip (at night), één voor het onderwerp (user access) en één voor de urgentie (critical). Dit resulteert in drie individuele scores die we wegen op basis van nabijheid (proximity). De gecombineerde score bepaalt wat er getoond wordt. Ruis tussen verschillende intenties verdwijnt volledig."

Directe impact op TCO: Halvering van de zoektijd

Deze wiskundige efficiëntie vertaalt zich direct naar lagere operationele kosten (TCO) en betere prestaties. Waar traditionele RAG-architecturen zware rerankers, hybride search-lagen en graph-databases moeten opbouwen om accuraat te worden, ontsluit Aspected de data in één enkele query.

In een live productie-usecase bij de Belgische healthcare-specialist Agfa is de impact inmiddels meetbaar. "Agfa gebruikt het onder andere voor medisch onderzoek, waar de accuraatheid en de vaste structuur van antwoorden van kritiek belang zijn," aldus Engels. "We zien daar dat we informatie in de helft van de tijd ophalen ten opzichte van een traditionele vector-database."

Wanneer een chatbot het juiste antwoord niet direct kan vinden, start er een kostbaar proces van doorzoeken tussen systemen. Engels: "Ik hoor van RAG-developers dat de kosten soms oplopen tot 60 cent per agent-query door al dat compensatiewerk. Omdat wij het in één query afvangen, praat je over millicents per query. We leggen momenteel de laatste hand aan een validatie-onderzoek met TNO om deze efficiëntievoordelen wetenschappelijk te kwantificeren."

Legacy data 'AI-ready' maken zonder grote schoonmaak

Voor CIO's en IT-directeuren lost de Aspected-methodologie bovendien een groot hoofdpijnproject op: de ongestructureerde legacy-data. Veel organisaties worstelen met vervuilde SharePoint-omgevingen waar al jaren niemand data durft weg te gooien. "Een maandenlang opschoontraject werkt in de praktijk vaak niet," weet Engels vanuit zijn Xillio-achtergrond. "Tegen de tijd dat je klaar bent, is de boel alweer vervuild." Aspected introduceert daarom een grounding-pijplijn die fijnmazige labels op documenten plakt. Hierdoor wordt irrelevante of verouderde data simpelweg uitgesloten van de AI-search, zonder dat de bronbestanden in SharePoint aangepast of verwijderd hoeven te worden.

Op het gebied van security en data governance sluit de database naadloos aan op bestaande IT-infrastructuren. Bestaande Access Control Lists (ACL’s) worden volledig gerespecteerd, met de optie om via de aspect-structuur een extra, onafhankelijke security-laag toe te voegen als dubbelcheck.

Bewust geen open source: Een soevereine Europese koers

Opvallend is de strategische keuze om de software proprietary te houden. In een markt die gedomineerd wordt door open-source databases kiest Aspected bewust voor een andere route om de Europese tech-positie te beschermen.

"Als we dit open source maken, vernietigen we onze Europese kracht. Dan kopieert een Amerikaanse hyperscaler het morgen en zijn we het kwijt," zegt Engels resoluut. "De discussie over digitale soevereiniteit is urgenter dan ooit. Het is voor ons innovatie-ecosysteem noodzakelijk dat Europa een eigen soevereine kennisinfrastructuur opbouwt en dat we niet voor iedere Series A-financieringsronde direct naar Amerika moeten uitwijken."

Aspected positioneert zich nadrukkelijk als een copilot enhancer, niet als een LLM-vervanger. De database is 100 procent soeverein: de software wordt lokaal geinstalleerd binnen het eigen datacenter, de private cloud of de afgeschermde Azure-tenant van de klant. Aspected krijgt zelf geen data te zien. Via het nieuwe Model Context Protocol (MCP) kan de database moeiteloos communiceren met zowel Amerikaanse LLM's als Europese, soevereine alternatieven zoals Mistral.

Uitrol via system integrators

Het bedrijf kiest voor een marktbenadering via het bestaande partnernetwerk van Xillio. De afgelopen week zijn de eerste grote system integrators – waaronder partijen als Capgemini, Deloitte, KPMG, Protiviti en Novadoc – bijgepraat over de technologie. Daarnaast is Aspected uitgenodigd om vanaf het vierde kwartaal deel te nemen aan het AI-lab van Techleap.
Engels sluit af met een helder advies aan IT-dienstverleners en developers: "Als je nu een serieuze kennisinfrastructuur voor de enterprise inricht, voorkom dan dat je achteraf gaten moet dichtlopen met kostbare duct tape programming. Test deze nieuwe benadering direct in de basis."