1. [Home](/) / 2. [Blog](/blogs) / 3. Slimmer zoeken met Drupal, Mistral en RAG: zo pakt VDMi het aan A.I. · Drupal · MCP / AI-integraties · 26 Jun 2026 # Slimmer zoeken met Drupal, Mistral en RAG: zo pakt VDMi het aan Trefwoordzoekopdrachten schieten tekort zodra bezoekers vragen stellen in plaats van termen typen. VDMi koppelt de bestaande Solr-zoekindex van Drupal aan Mistral AI — een Europese, GDPR-conforme taalmodel-API — zodat websites begrijpen wat gebruikers bedoelen. Zoekfunctionaliteit in [Drupal](/waarom-drupal "Waarom Drupal?") werkt standaard op trefwoorden: de database zoekt naar exacte overeenkomsten. Dat werkt voor bekende zoektermen — maar zodra bezoekers vragen stellen of synoniemen gebruiken, retourneert de zoekmachine niets bruikbaars, ook al staat het antwoord gewoon op de website. **Retrieval-Augmented Generation (RAG)** is een techniek die dit structureel oplost: een taalmodel genereert begrijpelijke antwoorden op basis van informatie die real-time wordt opgehaald uit jouw eigen content. VDMi bouwt dit door de bestaande [Solr-zoekindex](https://www.drupal.org/project/search_api_solr) van Drupal te koppelen aan [Mistral AI](https://mistral.ai/) — een Frans taalmodel met Europese dataverwerking, GDPR-conformiteit en de mogelijkheid tot een verwerkersovereenkomst. In dit blog leggen we uit hoe deze koppeling technisch werkt, waarom we voor Mistral kiezen, en hoe we dit voor meerdere klanten in productie hebben gebracht. Vragen? [Neem contact op](/contact). ## Wat is Retrieval-Augmented Generation? 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'](https://arxiv.org/abs/2005.11401) (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. ## Waarom klassiek zoeken in Drupal tekortschiet Drupal biedt standaard twee zoekopties: de ingebouwde databasezoekfunctie en [Search API](https://www.drupal.org/project/search_api) met backends zoals [Apache Solr](https://www.drupal.org/project/search_api_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. ### Semantisch begrip RAG begrijpt wat gebruikers bedoelen, niet alleen welke woorden ze typen. Vragen in gewone taal leveren relevante antwoorden op, ook als de exacte woorden niet in de tekst staan. ### Altijd actueel Omdat RAG bij elke query de huidige content opzoekt in plaats van te vertrouwen op een statisch getraind model, reflecteert elk antwoord de meest recente versie van de kennisbank. ### EU-soeverein Mistral AI is een Europees bedrijf met dataverwerking in de EU. GDPR-conformiteit en een verwerkersovereenkomst zijn mogelijk — een concrete vereiste voor publieke sector en non-profit organisaties. ## Hoe VDMi RAG bouwt: Solr als retrieval-backend De meeste Drupal-installaties die VDMi beheert draaien al op [Search API Solr](https://www.drupal.org/project/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](/diensten). ## Mistral AI: Europees, GDPR-conform en verwerkersovereenkomst mogelijk [Mistral AI](https://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](https://eur-lex.europa.eu/legal-content/NL/TXT/?uri=CELEX:32016R0679). 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. ## Drupal als RAG-platform: Search API Solr en de AI-module VDMi bouwt RAG-[integraties](/dienst/drupal-integraties) op bestaande Drupal-bouwstenen: - **[Search API Solr](https://www.drupal.org/project/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](https://www.drupal.org/project/ai)**: 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. ## Hoe VDMi RAG inzet voor klanten 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](/projecten) voor voorbeelden van eerdere Drupal-implementaties. ## De technische stack van een VDMi RAG-implementatie LaagComponentRolCMSDrupal 10 / 11Contentbeheer en trigger voor Solr-indexeringZoekindexApache Solr (Search API Solr)Indexeert content en haalt relevante fragmenten op bij queryTaalmodelMistral APIGenereert antwoord op basis van Solr-context (EU-gehost, GDPR-conform)IntegratieDrupal AI-module + custom serviceKoppeling tussen Solr-resultaten en Mistral-promptComplianceVerwerkersovereenkomst MistralJuridische borging voor publieke sector en zorgorganisatiesDeze opzet hergebruikt de bestaande Solr-infrastructuur. Er is geen aparte vector store of embeddingpipeline nodig. De AI-provider is uitwisselbaar: de Drupal-integratie blijft ongewijzigd als een ander taalmodel gewenst is. [ ### Wanneer RAG zinvol is Grote hoeveelheden tekst, vragen in gewone taal, frequente contentupdates, of een doelgroep die niet weet welke zoekterm te gebruiken. Typisch: kennisbanken, gemeenteportalen, intranet. Lees meer ](/contact) ### Wanneer klassiek volstaat Kleine contenthoeveelheden, gestructureerde catalogus met facetten, of gebruikers die specifieke trefwoorden kennen. Search API met Solr is dan eenvoudiger en goedkoper te beheren. ### Wanneer combineren Hybride aanpak: klassieke facetzoek voor gestructureerde documenten, RAG voor vrije vragen en samenvatting. Beide draaien naast elkaar, elk voor het gebruik waarvoor ze zijn ontworpen. Van trefwoorden naar begrip## Slimmere zoekmachine op jouw Drupal-platform? VDMi heeft RAG-integraties voor meerdere klanten in productie gebracht. We beginnen altijd met een content-audit en een haalbaarheidsgesprek — geen verkooppraatje, wel een eerlijk beeld van wat RAG voor jouw situatie kan betekenen. [ Neem contact op ](/contact) ## Veelgestelde vragen Wat is het verschil tussen RAG en een gewone chatbot? Een gewone chatbot genereert antwoorden op basis van wat het taalmodel tijdens training heeft geleerd. RAG voegt daar een live zoekstap aan toe: bij elke vraag worden eerst relevante stukken uit jouw eigen documentatie opgehaald — bij VDMi via de Solr-index. Het antwoord is daardoor gebaseerd op actuele, organisatiespecifieke informatie in plaats van op generieke trainingsdata. Waarom kiest VDMi voor Mistral? Mistral AI is een Frans bedrijf met dataverwerking in de EU. De API voldoet aan de AVG en een verwerkersovereenkomst is mogelijk. Dat zijn concrete randvoorwaarden voor veel klanten in de publieke sector en non-profit. Daarnaast levert Mistral kwalitatief sterke resultaten voor meertalige Europese content. Is er een verwerkersovereenkomst mogelijk met Mistral? Ja. Mistral AI biedt de mogelijkheid tot een Data Processing Agreement (verwerkersovereenkomst). Dit is een juridisch vereiste voor organisaties die persoonsgegevens verwerken via een derde partij — zoals gemeenten, zorgorganisaties en andere publieke instellingen. VDMi begeleidt dit traject als onderdeel van de implementatie. Heeft RAG een aparte zoekinfrstructuur nodig naast Solr? Niet in de aanpak die VDMi hanteert. De bestaande Solr-index van Drupal wordt hergebruikt als retrieval-backend. Er is geen aparte vector store of embeddingpipeline nodig. Dat maakt de implementatie eenvoudiger en bouwt voort op infrastructuur die al bestaat en beheerd wordt. Moet mijn bestaande Drupal-content aangepast worden voor RAG? In de meeste gevallen niet. RAG werkt op bestaande gepubliceerde content die al in Solr geïndexeerd is. Wel maakt de kwaliteit van de content uit: goed gestructureerde, actuele teksten leveren betere resultaten op dan verouderde of slecht georganiseerde pagina's. Een content-audit als eerste stap brengt dit in kaart. Hoe actueel is de zoekindex bij RAG? De Solr-index wordt bijgewerkt via de bestaande Search API-configuratie: elke keer dat een redacteur content publiceert of bijwerkt, indexeert Search API Solr de nieuwe versie. De RAG-functie haalt altijd de meest recente geïndexeerde content op — zonder handmatig ingrijpen. Is RAG ook geschikt voor kleine websites? Niet altijd. RAG voegt de meeste waarde toe bij grote hoeveelheden tekst, complexe vragen of een doelgroep die niet weet welke exacte termen te gebruiken. Voor een website met weinig pagina's en een bekende zoekterm-vocabulaire is klassieke Search API met Solr eenvoudiger en goedkoper. VDMi adviseert altijd op basis van de specifieke situatie. Past RAG in bestaande Drupal-hosting? De Drupal-integratie draait op de bestaande webserver. De Mistral API wordt aangeroepen via HTTPS — er is geen extra serverinfrastructuur nodig voor het taalmodel zelf. Als de Solr-installatie al draait, is de benodigde extra infrastructuur minimaal. Werkt RAG ook voor meertalige Drupal-sites? Ja. Mistral ondersteunt meerdere talen, waaronder Nederlands, Engels, Frans en Duits. Solr indexeert content per taalvariant via de standaard Drupal-meertaligheid. Een Nederlandse vraag haalt Nederlandse context op uit Solr en krijgt een Nederlandstalig antwoord van Mistral. ## Lees meer [ ![Klein marktaandeel, grote relevantie](/sites/default/files/2026-06/teaser_ijsberg_v1.png) A.I. Drupal ### Klein marktaandeel, grote relevantie Drupal draait op 1% van alle websites, maar op 7% van de drukst bezochte. Dat is geen toeval. En nu AI de digitale wereld herschrijft, heeft Drupal een troef die anderen missen: governance en controle zitten ingebakken in het platform-DNA. Lees meer ](https://vdmi.nl/blog/klein-marktaandeel-grote-relevantie) [ ![Waarom de overheid in 2026 massaal naar Drupal kijkt — en wat dat voor jouw platform betekent](/sites/default/files/2026-06/teaser-drupal-overheid.png) Compliance Drupal Toegankelijkheid ### Waarom de overheid in 2026 massaal naar Drupal kijkt — en wat dat voor jouw platform betekent Drie Europese wetten, een 'open, tenzij'-beleid en strengere toegankelijkheidseisen komen in 2026 samen. Steeds meer overheidsorganisaties komen op dezelfde conclusie: Drupal is het fundament dat dat aankan. Waarom juist nu — en wat kun jij daarvan leren? Lees meer ](https://vdmi.nl/blog/waarom-drupal-overheid) [ ![Matomo + MCP: je webstatistieken vragen in gewone taal](/sites/default/files/2026-05/matomo_mcp_teaser.png) Analytics MCP / AI-integraties Privacy ### Matomo + MCP: je webstatistieken vragen in gewone taal Matomo is het open-source, privacyvriendelijke alternatief voor Google Analytics. Sinds mei 2026 kun je je statistieken dankzij de nieuwe MCP-server gewoon een vraag stellen aan een AI-assistent. Dit is wat dat betekent — en wat VDMi ermee doet. Lees meer ](https://vdmi.nl/blog/matomo-mcp-je-webstatistieken-vragen-gewone-taal)