Slimmer zoeken met Drupal, Mistral en RAG: zo pakt VDMi het aan

RAG werd in 2020 geïntroduceerd door onderzoekers van Facebook AI Research en University College London in het paper 'Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks' (Lewis et al., 2020). Het kernidee: combineer een taalmodel met een live zoekstap over jouw eigen documentatie, in plaats van uitsluitend te vertrouwen op wat het tijdens training heeft geleerd.

RAG bestaat uit twee fasen:

1. Retrieval (ophalen): bij elke zoekvraag worden de meest relevante stukken tekst uit een kennisbank opgezocht. Hoe dit technisch werkt — via Solr, een vector store of een andere zoekbackend — is afhankelijk van de infrastructuur van de klant.
2. Generation (genereren): het taalmodel krijgt die gevonden tekst als context mee en formuleert op basis daarvan een antwoord in natuurlijke taal, met bronverwijzing naar de originele pagina.

Het resultaat: een systeem dat actuele, organisatiespecifieke informatie beantwoordt zonder dat het taalmodel opnieuw getraind hoeft te worden. Dat maakt RAG bij uitstek geschikt voor kennisbanken, gemeenteportalen en intranetomgevingen waar de content regelmatig verandert.

Drupal biedt standaard twee zoekopties: de ingebouwde databasezoekfunctie en Search API met backends zoals Apache Solr. Beide zijn robuust voor trefwoordzoekopdrachten: ze boosten op relevantie, ondersteunen facetten en schalen goed.

Maar ze hebben een fundamentele beperking: ze begrijpen geen intentie. Een gebruiker die zoekt op 'hoe lang duurt een aanvraag' vindt niets als de pagina het woord 'doorlooptijd' gebruikt maar niet die exacte frase. Synoniemen, samengestelde vragen en conceptuele overeenkomsten vallen buiten het bereik van trefwoordgebaseerd zoeken.

Voor informatierijke Drupal-platforms — gemeenteportalen, kennisbanken, uitgebreide dienstenpagina's — leidt dit tot zoekfrustratie: bezoekers vinden niet wat ze zoeken, ook al staat het antwoord gewoon op de site. RAG lost dit structureel op door een taalmodel op de zoekresultaten te zetten dat begrijpt wat de gebruiker bedoelt en een antwoord formuleert in gewone taal.

De meeste Drupal-installaties die VDMi beheert draaien al op Search API Solr: een beproefde zoekbackend die content indexeert, relevantie bepaalt en snel resultaten teruggeeft. Voor RAG koppelen we Mistral aan die bestaande Solr-index — er is geen aparte vectordatabase of extra indexeerinfrastructuur nodig.

De werking bij een zoekvraag:

1. Query naar Solr: de zoekvraag van de gebruiker gaat naar de Solr-index, die de meest relevante content-fragmenten teruggeeft op basis van relevantiescore en full-text matching.
2. Context samenstellen: de gevonden fragmenten worden samengevoegd tot een context-blok dat als input dient voor het taalmodel.
3. Generatie door Mistral: Mistral krijgt de vraag én de context mee en formuleert een antwoord in natuurlijke taal, inclusief bronverwijzing naar de originele Drupal-node.

Deze aanpak bouwt voort op bestaande Drupal-infrastructuur. Content-editors werken gewoon in Drupal: een node publiceren is voldoende om de zoekindex bij te werken. De AI-laag draait transparant op de achtergrond. Meer over onze Drupal-aanpak: bekijk onze diensten.

Mistral AI is een Frans AI-bedrijf opgericht in april 2023 door Arthur Mensch, Guillaume Lample en Timothée Lacroix — onderzoekers met ervaring bij DeepMind en Meta AI. VDMi gebruikt Mistral via de commerciële API, die dataverwerking in de EU borgt.

Drie redenen waarom VDMi voor Mistral kiest:

• EU-soevereiniteit: Mistral is een Europees bedrijf. Dataverwerking vindt plaats binnen de EU — geen afhankelijkheid van Amerikaanse hyperscalers voor de AI-laag van jouw platform.
• GDPR-conformiteit: Mistral voldoet aan de Algemene Verordening Gegevensbescherming. Voor organisaties die persoonsgegevens verwerken is dit een harde randvoorwaarde.
• Verwerkersovereenkomst: Mistral biedt de mogelijkheid tot een verwerkersovereenkomst (Data Processing Agreement). Dat is een concrete vereiste voor gemeenten, zorgorganisaties en andere publieke instellingen die AI willen inzetten op hun platform.

Voor klanten die om wat voor reden dan ook geen externe API willen gebruiken, zijn er alternatieven — maar voor de meeste projecten biedt de Mistral-API de beste balans tussen kwaliteit, compliance en implementatiesnelheid.

VDMi bouwt RAG-integraties op bestaande Drupal-bouwstenen:

• Search API Solr: de retrieval-laag. Solr indexeert de Drupal-content en geeft bij een query de meest relevante fragmenten terug. De bestaande Solr-installatie wordt hergebruikt — geen nieuwe indexeerinfrastructuur.
• Drupal AI-module: biedt een geünificeerde interface naar meerdere AI-providers, waaronder Mistral. De module ondersteunt operaties zoals ChatInterface. Hierdoor is de AI-provider uitwisselbaar zonder aanpassingen aan de Drupal-logica.
• Custom VDMi RAG-service: een op maat gebouwde Drupal-service die de koppeling verzorgt: Solr-resultaten ophalen, context samenstellen en de prompt richting Mistral sturen.

Het voordeel: redacteurs werken gewoon in Drupal. Ze zien niets van de AI-laag — die draait transparant op de achtergrond. Een node publiceren is voldoende om de zoekindex bij te werken.

VDMi heeft RAG voor meerdere klanten in productie gebracht. De aanpak is steeds gelijk in structuur, maar verschilt per context:

• Kennisbanken en intranet: organisaties met grote hoeveelheden interne documentatie — beleidsstukken, handleidingen, procedures — profiteren direct. Medewerkers stellen een vraag in gewone taal en krijgen een antwoord met bronverwijzing, in plaats van een lijst met links die ze zelf moeten doorzoeken.
• Publieke dienstverlening: burgers formuleren vragen anders dan ambtenaren teksten schrijven. RAG overbrugt die kloof: een vraag over een verbouwvergunning leidt naar de juiste pagina, ook als die pagina die exacte term niet bevat.
• Productcatalogi en kennisplatforms: klanten die producten of diensten vergelijken stellen vragen die meerdere pagina's overspannen. RAG vat meerdere bronnen samen in één antwoord.

Elke implementatie begint met een content-audit: welke content staat er, hoe is die gestructureerd, en wat zijn de meest gestelde vragen? Pas daarna volgt de technische integratie. Bekijk onze projecten voor voorbeelden van eerdere Drupal-implementaties.