Wat is Expert System?

Wat is een expertsysteem eigenlijk?

Stel je voor: je wilt weten of een plant ziek is. Een tuinman kijkt naar de bladeren, voelt aan de grond, ruikt misschien zelfs — en zegt: "Te weinig water, te veel zon." Die kennis zit in zijn hoofd, opgebouwd door jarenlange ervaring.

Een expertsysteem doet iets vergelijkbaars, maar dan digitaal. Het is een computerprogramma dat menselijke expertise nabootst door een verzameling regels toe te passen. Niet door te leren uit duizenden voorbeelden (zoals moderne AI), maar door expliciete "als-dan"-regels die een expert heeft opgeschreven.

Voorbeeld: "Als de bladeren geel zijn EN de grond droog is, DAN te weinig water." Zo'n systeem doorloopt die regels stap voor stap, stelt vragen, en komt tot een conclusie — net zoals een specialist dat zou doen.

Expertsystemen waren vooral populair in de jaren '80 en '90, toen machine learning nog in de kinderschoenen stond. Ze werden gebruikt in medische diagnose, technische troubleshooting, financiële planning — overal waar je specialistische kennis kon vertalen naar heldere regels.

Hoe werkt zo'n systeem?

Een expertsysteem bestaat uit drie hoofdonderdelen:

• Kennisbank: een database vol regels die een expert heeft ingevoerd. Bijvoorbeeld: "Als koorts hoger dan 39°C EN keelpijn, DAN mogelijk streptokokkeninfectie."

• Inference engine: de "motor" die door die regels heen loopt, vragen stelt, en conclusies trekt. Het is de logica-machine die beslist welke regel van toepassing is.

• Gebruikersinterface: meestal een vraag-en-antwoord-systeem. Je voert symptomen in, het systeem stelt vervolgvragen, en geeft uiteindelijk een advies.

Belangrijk verschil met moderne AI: een expertsysteem leert niet zelf. Het weet alleen wat je er expliciet in hebt gestopt. Vergeet je een regel, dan mist het systeem die kennis. Dat maakt het krachtig maar ook rigide — het kan niet omgaan met situaties die buiten de regels vallen.

Een voorbeeld uit de praktijk

Eén van de bekendste expertsystemen was MYCIN, ontwikkeld in de jaren '70 aan Stanford. Het hielp artsen bij het diagnosticeren van bloedinfecties en adviseerde over antibiotica. MYCIN stelde vragen over symptomen, lab-uitslagen, en kwam met een diagnose die vergelijkbaar accuraat was met die van specialisten.

Andere toepassingen:

• Belastingadvies: systemen die fiscale regels toepassen om te bepalen welke aftrekposten je kunt claimen

• Technische support: troubleshooting-tools die je helpen een storing op te lossen door logische stappen af te gaan

• Creditbeoordeling: banksystemen die aan de hand van vaste criteria bepalen of je in aanmerking komt voor een lening

Waarom hoor je er nu minder over?

Expertsystemen hebben een grote beperking: ze schalen niet goed. Voor elk nieuw domein moet je opnieuw alle regels handmatig vastleggen — een enorm arbeidsintensief proces. En als de werkelijkheid verandert (nieuwe ziektes, nieuwe belastingregels), moet je alle regels bijwerken.

Moderne machine learning-systemen daarentegen leren zelf patronen uit data. Ze hoeven niet expliciet geprogrammeerd te worden met elke mogelijke regel. Dat maakt ze flexibeler en breder inzetbaar.

Toch zijn expertsystemen niet verdwenen. Ze leven voort in:

• Regel-gebaseerde chatbots: eenvoudige klantenservice-bots die vaste paden volgen

• Configuratiesystemen: tools die je helpen een product samen te stellen (denk aan Dell's pc-configurator)

• Compliance-software: systemen die controleren of processen voldoen aan wettelijke regels

Waar kom je het tegen?

Je hebt waarschijnlijk vaker met een expertsysteem gewerkt dan je denkt:

• Online belastingaangiftes die je stap voor stap door de regels leiden

• Diagnose-wizards van softwareleveranciers ("Werkt je internet niet? Controleer eerst het lampje op de router")

• Verzekeringscalculators die aan de hand van je antwoorden een premie berekenen

• Sommige medische beslisondersteuningssystemen in ziekenhuizen

Moderne AI-assistenten zoals ChatGPT, Claude of Gemini zijn geen expertsystemen — die leren patronen uit miljarden teksten in plaats van expliciete regels te volgen. Maar hybride systemen bestaan ook: een chatbot die eerst regel-gebaseerd antwoorden zoekt, en bij complexere vragen een taalmodel inschakelt.

Wat kun je ermee?

Als je in een gebied werkt waar kennis helder in regels te vangen is — denk aan juridische procedures, technische troubleshooting, of kwaliteitscontrole — kan een expertsysteem nog steeds waardevol zijn. Het voordeel: je weet precies waarom het systeem een bepaald advies geeft (transparantie), en je kunt het eenvoudig aanpassen zonder het helemaal opnieuw te trainen.

Voor veel moderne toepassingen is machine learning krachtiger. Maar als je wilt dat je systeem consistent, controleerbaar en uitlegbaar is — en je kunt de kennis vertalen naar heldere regels — is de expertsysteem-benadering nog altijd relevant. Het is geen verdwenen technologie, maar een gereedschap dat zijn plek heeft gevonden in specifieke contexten waar logica belangrijker is dan flexibiliteit.