Wat is Semantic Memory?

Wat is semantic memory eigenlijk?

Stel je voor: jij weet dat een hond een dier is, dat water nat is, dat Amsterdam de hoofdstad van Nederland is. Je hoeft niet meer na te denken over wanneer je dat geleerd hebt — het zit gewoon in je hoofd als algemene kennis. Dat noemen we in de cognitieve psychologie 'semantisch geheugen': je kennisbank met feiten, concepten en betekenissen.

Bij AI-agents werkt semantic memory op een vergelijkbare manier. Het is het deel van het geheugen waarin een agent algemene kennis opslaat die niet gebonden is aan een specifiek moment. Denk aan: "Een creditcard heeft een vervaldatum", "Klanten worden blij van snelle service", "Een factuur bestaat uit regels met bedragen". Deze kennis blijft beschikbaar en helpt de agent situaties te begrijpen en beslissingen te nemen — zonder dat hij zich moet herinneren waar of wanneer hij het geleerd heeft.

Het verschil met episodisch geheugen (het geheugen voor gebeurtenissen: "gisteren heb ik met klant X gesproken") is dat semantic memory over algemene waarheden gaat. Je gebruikt beide soorten geheugen continu, maar semantic memory geeft context en betekenis aan wat je ziet.

Hoe werkt het in de praktijk?

Een AI-agent kan semantic memory op verschillende manieren opbouwen:

• Vooraf getraind: veel kennis zit al in het onderliggende taalmodel — algemene feiten over de wereld, taal, cultuur

• Aangepast voor jouw domein: door extra training of fine-tuning krijgt de agent kennis over jouw sector (bijvoorbeeld medische terminologie of boekhoudregels)

• Opgebouwd tijdens gebruik: sommige systemen extraheren patronen uit ervaringen en slaan die op als algemene regels ("Als gebruikers vragen naar facturen, willen ze meestal een PDF")

Die kennis wordt vaak opgeslagen in een gestructureerde vorm — zoals een kennisgraaf, een database met concepten en hun relaties, of simpelweg als deel van de trainingsdata. Wanneer de agent een nieuwe taak krijgt, raadpleegt hij dit geheugen om context te begrijpen en slim te handelen.

Een klantenservice-bot bijvoorbeeld: als iemand belt over een "niet-geleverde bestelling", haalt de agent uit zijn semantic memory op dat bestellingen trackingcodes hebben, dat verzending via logistieke partners loopt, en dat klanten graag een geschatte levertijd horen. Die algemene kennis helpt hem het gesprek soepel te voeren — zonder dat hij zich elk eerdere gesprek over bestellingen hoeft te herinneren.

Een voorbeeld uit de wereld

Stel: je bedrijf heeft een AI-assistent die medewerkers helpt bij het invullen van offertes. De assistent weet (uit zijn semantic memory) dat:

• Offertes altijd een vervaldatum hebben (meestal 30 dagen)

• BTW-percentages afhangen van het product (21% of 9%)

• Kortingen boven de 15% goedkeuring van een manager vereisen

Deze kennis staat niet in een specifieke herinnering ("op 12 maart vulde Petra een offerte in"), maar als algemene regel. Elke keer dat iemand een offerte maakt, past de assistent deze kennis automatisch toe — zonder dat je het elke keer opnieuw hoeft uit te leggen.

Dat scheelt enorm veel tijd en zorgt voor consistentie: iedereen krijgt dezelfde correcte informatie, gebaseerd op dezelfde kennisbank.

Waar kom je het tegen?

Semantic memory speelt vooral een rol bij AI-agents die langdurig met jou of je organisatie werken:

• Klantenservice-chatbots zoals Intercom AI, Zendesk AI, Ada — ze weten algemene dingen over jouw producten, beleid en veelgestelde vragen

• Productiviteitsagents zoals Microsoft 365 Copilot of Notion AI — ze begrijpen concepten uit jouw werkdomein (projectfasen, afdelingen, workflows)

• Research-assistenten die wetenschappelijke literatuur doorzoeken — ze snappen domeinkennis (medische termen, chemische formules) zonder die elke keer opnieuw te moeten leren

• Persoonlijke assistenten zoals ChatGPT met Memory of Claude Projects — ze onthouden algemene voorkeuren en feiten over jou ("je schrijft altijd met de jij-vorm", "je werkt in marketing")

In sommige systemen zie je het expliciet staan: een "knowledge base" of "long-term memory"-sectie waar je concepten kunt toevoegen. In andere systemen werkt het impliciet: de agent haalt kennis uit zijn training of uit documenten die je hebt geüpload.

Waarom is dit belangrijk voor jou?

Als je werkt met AI-agents — bijvoorbeeld voor klantenservice, procesautomatisering of content — dan is semantic memory wat het verschil maakt tussen een "domme bot" die alleen standaardantwoorden geeft, en een slimme assistent die echt begrijpt waar je het over hebt.

Hoe beter je de kennisbank van je agent vult (met feiten over je producten, processen, jargon), hoe nuttiger hij wordt. Denk eraan als het inwerken van een nieuwe collega: je geeft hem een handleiding, uitlegt hoe dingen werken, en vanaf dan kan hij zelfstandig beslissingen nemen. Bij agents doe je dat door documenten toe te voegen, trainingsdata aan te passen, of expliciet concepten te definiëren in een kennissysteem.

Wil je een agent bouwen of verbeteren? Begin met de vraag: welke algemene kennis moet hij hebben om zijn werk goed te doen? Dat is zijn semantic memory — en die investering betaalt zich keer op keer terug.