{"id":8077,"date":"2026-10-07T11:41:20","date_gmt":"2026-10-07T09:41:20","guid":{"rendered":"https:\/\/helpdesk.kontainer.com\/article\/semantisch-zoeken-voor-dam\/"},"modified":"2026-10-07T11:41:20","modified_gmt":"2026-10-07T09:41:20","slug":"semantisch-zoeken-voor-dam","status":"publish","type":"article","link":"https:\/\/helpdesk.kontainer.com\/nl\/article\/semantisch-zoeken-voor-dam\/","title":{"rendered":"Semantisch zoeken voor DAM"},"content":{"rendered":"

Add-on \u2013 b\u00e8ta<\/strong><\/span><\/p>\n

Met semantisch zoeken doorzoeken je gebruikers de DAM zoals ze een bestand hardop zouden beschrijven. Een zoekopdracht als “packshots van leren tassen zonder mensen”<\/em> levert bestanden op die passen bij de betekenis<\/strong> van de zoekopdracht, en niet alleen bij de letters.<\/p>\n

In Kontainer heet de functie de DAM Search Agent<\/strong><\/em>. Die is momenteel in b\u00e8ta<\/strong> en wordt per klant door het Kontainer-team ingeschakeld. Neem contact op met Customer Success<\/a> om de functie voor je omgeving te laten activeren.<\/p>\n

\n

Hoe het werkt<\/h2>\n

Een embeddingmodel leest elk bestand \u2013 de afbeelding zelf, documenttekst, metadata en doorzoekbare aangepaste velden \u2013 en indexeert wat het vindt in een vectorzoekindex die uitsluitend van je omgeving is<\/strong>. Een tweede model interpreteert wat de gebruiker intypt en stuurt de zoekopdracht naar semantische, trefwoord- of filtermatching.<\/p>\n

Omdat de index is opgebouwd uit je eigen bestanden, presteert de agent zo goed als de richtlijnen die je hem geeft. Met de onderstaande inrichting maak je van een generieke AI-zoekfunctie een functie die je bibliotheek begrijpt.<\/p>\n

\n

Kies je AI-provider<\/h2>\n

Semantisch zoeken heeft een AI-provider nodig, en je hebt twee opties:<\/p>\n