AI kennisbank van LearnLLM

De AI kennisbank van LearnLLM helpt je AI bewust en verantwoord in te zetten in je werk. Geen losse prompttips of hype-verhalen, maar uitleg over hoe AI-modellen werken, waar ze tekortschieten en hoe je de output controleert voordat je erop vertrouwt. De artikelen zijn geschreven vanuit dagelijkse professionele praktijk, niet vanuit theorie of marketing.

Lager op deze pagina vind je alle gepubliceerde artikelen, gegroepeerd in clusters per onderwerp. Via de knoppen bovenaan navigeer je direct naar een specifiek cluster.

De AI kennisbank is opgedeeld in zes clusters die elk een eigen invalshoek behandelen. Elk cluster heeft een eigen overzichtspagina met alle artikelen uit dat onderwerp en een centraal artikel dat het cluster overziet. De clusters lopen van fundamentele basiskennis via specifieke modellen en hun onderlinge vergelijking naar concrete handleidingen voor dagelijks gebruik.

Basiskennis over AI

De basiskennis over AI behandelt de fundamenten: wat AI is, hoe grote taalmodellen werken, wat generatieve AI inhoudt en welke toepassingen er zijn voor professioneel werk. Dit is het startpunt als je AI nog niet eerder hebt ingezet of de onderliggende techniek wilt begrijpen voordat je tool-specifieke artikelen leest.

Een goed beginpunt is het artikel wat is artificial intelligence, dat de definities en denkkaders neerlegt waar de rest van het cluster op voortbouwt. Daarna verdiept hoe werkt AI de mechanismen onder de motorkap, en het artikel is AI gevaarlijk behandelt de risico's waar professionals in hun werk rekening mee houden.

AI-modellen uitgelegd

Bij AI-modellen uitgelegd staan artikelen over specifieke modellen zoals ChatGPT, Claude, Gemini, Mistral en Microsoft Copilot. Per model lees je wat het is, hoe het werkt, wat het wel en niet kan en voor welke taken het geschikt is.

Een veelgelezen artikel uit dit cluster is wat is Claude, dat het model van Anthropic plaatst binnen het bredere LLM-landschap. Wie zich daarna verder wil verdiepen in de modelvarianten leest Claude modellen, met het verschil tussen Haiku, Sonnet en Opus. Voor wie ChatGPT al kent en oriënteert op alternatieven is dit cluster een logische tweede stap.

Vergelijkingen tussen AI-tools

De vergelijkingen tussen AI-tools helpen je een onderbouwde keuze te maken tussen modellen. Geen abstracte feature-lijstjes, maar concrete situaties waarin het ene model beter werkt dan het andere, met aandacht voor de tradeoffs die in dagelijks gebruik opvallen.

De vergelijking Claude vs ChatGPT is het meest gelezen artikel uit dit cluster en behandelt de twee tools die professionals het vaakst tegen elkaar afwegen. Wie breder oriënteert leest welke AI is het beste in 2026, met een use case-matrix in plaats van een ranglijst.

Prompting

In het cluster prompting lees je hoe je instructies opbouwt die werken. De artikelen behandelen rolprompting, chain-of-thought, prompt chaining en het geven van goede context, telkens met voorbeelden die direct toepasbaar zijn in je eigen werk.

Een goed startpunt is chain of thought prompting, een techniek die bij complexere taken het verschil maakt tussen een oppervlakkig en een doordacht antwoord. Daaraan complementair behandelt het artikel context aan een LLM geven hoe je een model voldoende achtergrond meegeeft zonder de prompt onleesbaar te maken.

ChatGPT handleiding

De ChatGPT handleiding bundelt praktische artikelen over het gebruik van ChatGPT in je werk: spraakgebruik, beeldgeneratie, custom GPT's en hoe je ChatGPT inricht voor terugkerende taken.

Voor wie de spraakfunctie wil gebruiken is het artikel over de ChatGPT spraakfunctie een goed startpunt. De andere artikelen in dit cluster behandelen vergelijkbare praktische aspecten, waaronder kostenstructuur en beeldverwerking, die je dagelijkse gebruik concreter en efficiënter maken.

Claude handleiding

De Claude handleiding bevat praktische artikelen over het gebruik van Claude in je dagelijkse werk: Projects, Skills, Cowork en hoe je Claude inricht voor terugkerende taken zonder telkens dezelfde context opnieuw te hoeven aanleveren.

Een goed beginpunt is het artikel Claude Cowork, waarin de samenwerkingsfunctie wordt behandeld voor teams die met meerdere mensen op dezelfde projecten werken. De handleiding wordt aangevuld met meer artikelen naarmate Claude nieuwe functies krijgt en de praktijk meer use cases oplevert.

De AI kennisbank gaat in veel artikelen in op specifieke tools, maar de meeste vragen die professionals stellen komen terug op één basisbegrip: hoe werkt een groot taalmodel eigenlijk. Een LLM, oftewel large language model, is een statistisch model dat is getraind op grote hoeveelheden tekst. Het leert daaruit welke woorden waarschijnlijk op andere woorden volgen in een gegeven context. Bij elke vraag breekt het model de invoer op in kleine eenheden, tokens, en voorspelt het stap voor stap wat het meest waarschijnlijke vervolg is.

Wat dat in de praktijk betekent: een LLM denkt niet en weet niets in de menselijke zin van die woorden. Het herkent patronen op basis van zijn trainingsdata en genereert daar antwoorden op die taalkundig kloppen. Dat is precies waar de kracht en de zwakte zitten. De kracht is dat goed getrainde modellen verbluffend goed kunnen schrijven, samenvatten, vertalen en redeneren binnen patronen die ze vaak hebben gezien. De zwakte is dat zelfverzekerd geformuleerde output niet automatisch klopt. Hallucinaties, verzonnen bronnen en plausibel klinkende onjuistheden zijn structurele eigenschappen van de techniek, geen tijdelijke kinderziektes.

Verschillende modellen hebben verschillende sterke kanten, vaak omdat ze op iets andere data zijn getraind of met andere prioriteiten zijn bijgesteld. Claude legt traditioneel veel nadruk op schrijfkwaliteit en redenering, ChatGPT op brede inzetbaarheid en multimodaliteit, Gemini op integratie met Google-producten. Wie de basistechniek begrijpt, kan beter beoordelen welk model geschikt is voor welke taak. Het cluster met basiskennis over AI behandelt deze fundamenten uitgebreider, en is een goede volgende stap als je nog niet eerder hebt stilgestaan bij hoe deze modellen onder de motorkap werken.

De AI kennisbank werkt het sterkst als je een leespad volgt dat aansluit bij waar je staat. Wie net begint met AI heeft baat bij de basiskennis-artikelen voordat tool-specifieke uitleg of vergelijkingen iets toevoegen. Wie al met één tool werkt en overweegt over te stappen, vindt in de vergelijkingen meer waarde dan in de basisartikelen. En wie de tool al kent maar de output nog niet vertrouwt, heeft het meeste aan de prompting- en handleiding-clusters.

Wat de artikelen onderscheidt van veel andere AI-content op internet, is dat ze geschreven zijn vanuit een specifieke positionering. Sinds de Google-update van januari 2026 zie ik in Search Console bij meerdere sites dat generieke AI-uitleg, opsommingen zonder context en oppervlakkige tool-overzichten substantieel in verkeer zijn gezakt. Wat Google in interne communicatie 'non-commodity content' is gaan noemen, zie ik in de praktijk terug als content die door één persoon met echte ervaring is geschreven en die je nergens anders precies zo aantreft. De artikelen in deze kennisbank zijn met die maatstaf opgebouwd.

De inhoudelijke aanpak in elk artikel volgt dezelfde lijn als de cursussen die op deze ervaring zijn gebouwd: begrijp waar AI faalt, kies één concrete use case, schrijf instructies die werken en bouw vaste controlepunten in je workflow. Uit mijn jaren bij grootbanken neem ik daar het four-eyes principe in mee: niets de deur uit zonder een tweede controle, of dat nou een collega is, jezelf op een ander moment of een andere AI-tool die je eigen output reviewt. Die mindset zit in elk artikel dat je hier leest.

Wil je niet alleen lezen maar gestructureerd leren werken met een specifieke tool, dan vormt de kennisbank de inhoudelijke basis en bouwt een AI cursus daar de werkwijze omheen. In de cursussen oefen je met vaste workflows en controlepunten, en rond je af met een tastbaar resultaat: een ingerichte werkwijze die je morgen kunt inzetten in je eigen werk. Op LearnLLM vind je naast de kennisbank ook het overzicht van alle e-learnings en het aanbod voor maatwerktrajecten.

Klaar voor de volgende stap? In de e-learning Professioneel werken met ChatGPT bouw je in 6 uur een werkwijze op die je direct in je eigen werk inzet, met praktische opdrachten en een werkdossier dat je na afloop blijft gebruiken.

Hieronder staan de drie meest recente artikelen uit de AI kennisbank. Voor het volledige overzicht per onderwerp kies je een cluster bovenaan deze pagina.