AI in bibliotheken en archieven: de dubbele rol van erfgoedinstellingen
Openbare bibliotheken en archieven bevinden zich in een unieke en intrigerende positie binnen het landschap van kunstmatige intelligentie. Aan de ene kant beheren zij de schatten van gedrukte en geschreven cultuur die fungeren als waardevolle bronnen voor het trainen en voeden van moderne taalmodellen. Aan de andere kant zijn deze instellingen zelf intensieve gebruikers geworden van diezelfde technologie. Ze staan voor de uitdaging om gigantische, vaak ongeordende collecties toegankelijk te maken voor een breed publiek, zonder hun maatschappelijke kernwaarden te verliezen.
De discussie over digitale vernieuwing in de erfgoedsector gaat doorgaans over efficiëntie of kostenbesparing. Toch ligt de echte waarde van deze technologie ergens anders: bij het transformeren van de manier waarop mensen toegang krijgen tot historische en culturele informatie. Dit vraagt om een zorgvuldige weging van de mogelijkheden, met oog voor de lange termijn en de specifieke taken die bij een publieke instelling horen. Wie de mechanismen achter deze systemen begrijpt, ziet al snel dat de keuzes die nu worden gemaakt verstrekkende gevolgen hebben voor de toekomst van onze informatievoorziening.
De bijzondere positie: bron en gebruiker tegelijk
Erfgoedinstellingen zijn traditioneel de hoeders van betrouwbare informatie. Hun kasten en servers staan vol met materiaal dat generaties lang is verzameld, geordend en beschreven. Dit maakt hen tot een primaire bron voor AI-ontwikkelaars die op zoek zijn naar hoogwaardige, geschreven Nederlandse tekst. Modellen hebben immers enorme hoeveelheden kwalitatief materiaal nodig om taal goed te begrijpen en te genereren. Hier ontstaat direct een spanningsveld: de data die deze instellingen beheren wordt gebruikt om commerciële en open-source systemen te voeden, terwijl de instellingen zelf soms moeite hebben om de digitale infrastructuur op orde te houden.
T tegelijkertijd zijn bibliotheken en archieven actieve gebruikers van de technologie. Ze zetten moderne modellen in om hun eigen processen te ondersteunen, van het catalogiseren van binnenkomende boeken tot het doorzoekbaar maken van eeuwenoude brieven. Deze dubbele rol betekent dat zij niet alleen moeten nadenken over hoe ze omgaan met de technologie van derden, maar ook over de waarde van hun eigen collecties. Net zoals in andere sectoren, zoals je kunt lezen in de achtergrond over AI en de creatieve sector, is de vraag wie er profiteert van de digitale verwerking van cultuur een fundamentele kwestie die om beleidsmatige helderheid vraagt.
Toepassingen die ertoe doen: ontsluiting van verborgen schatten
Veel van wat in archieven en bibliotheken ligt opgeslagen, is in de praktijk onbereikbaar voor de gemiddelde zoeker. Het materiaal is nooit gecatalogiseerd op detailniveau, of het bestaat uit handgeschreven documenten uit eerdere eeuwen die voor een modern oog onleesbaar zijn. Traditionele methoden van ontsluiting kosten te veel tijd en menskracht om deze bergen papier handmatig te verwerken. Hier bewijzen geavanceerde leermodellen hun nut, al worden de specifieke implicaties van dit soort processen vaak onderschat.
Denk hierbij aan het automatisch herkennen van handschriften in oude drukken en archivalia. Waar handmatige transcriptie door paleografen jaren in beslag neemt, kunnen getrainde systemen in korte tijd grote hoeveelheden historische teksten omzetten naar doorzoekbare digitale formaten. Ook het automatisch genereren van trefwoorden en samenvattingen helpt om collecties te verrijken. Dit soort processen sluit nauw aan bij wat technisch besproken wordt in handleidingen over RAG voor beginners, waarbij externe documenten worden gekoppeld aan taalmodellen om gerichte antwoorden te genereren op basis van specifieke bronnen.
Daarnaast verandert de aard van het zoeken ingrijpend door de komst van semantisch zoeken. Traditionele zoekmachines werken op basis van exacte trefwoorden: komt het woord niet voor in de beschrijving, dan vind je het document niet. Semantisch zoeken kijkt naar de betekenis en de context van de vraag. Een zoeker kan een vraag stellen in gewone taal en documenten terugvinden die dat onderwerp behandelen, zelfs als er heel andere termen in de tekst worden gebruikt. Dit opent de deur naar een intuïtievere manier van onderzoek doen, die sterk lijkt op de methoden die ook worden toegepast bij het lokaal doorzoeken van documenten in professionele omgevingen.
Zoeken op betekenis versus webzoekmachines: de eis van volledigheid
Het is verleidelijk om de zoekfunctie in een archief te vergelijken met een reguliere internetzoekmachine, maar de achterliggende doelen verschillen fundamenteel. Wie op het web zoekt naar een recept of een toeristische tip, neemt genoegen met het beste antwoord dat de zoekmachine kan vinden. Een archiefgebruiker of historicus heeft een heel andere motivatie: die zoekt vaak naar volledige informatie en wil aantoonbaarheid hebben over wat er wel en niet is opgeslagen.
Als een webzoekmachine een relevant resultaat mist, merkt de gebruiker dat meestal niet. In een archiefomgeving kan het ontbreken van één cruciale brief of akte echter betekenen dat historisch onderzoek onvolledig of onjuist is. Dit betekent dat semantische zoeksystemen in een archief niet mogen gokken of creatief mogen invullen wat er zou kunnen staan. De betrouwbaarheid van de onderliggende index moet absoluut zijn. Het model mag helpen om de weg te wijzen, maar de structuur moet gegarandeerd feitelijk en controleerbaar blijven.
Vindbaarheid versus betrouwbaarheid: de noodzaak van bronverwijzing
Een bekend verschijnsel bij generatieve taalmodellen is 'hallucinatie': het fenomeen waarbij een model met grote stelligheid feiten, namen of verbanden verzint die niet in de bronnen voorkomen. In een commerciële chatbot is dat vervelend, maar in een erfgoedcontext is het onacceptabel. Wanneer een bezoeker via een slimme assistent vragen stelt over de lokale geschiedenis of een specifieke collectie, mag het systeem geen antwoorden fabriceren.
Om deze reden is een directe en verifieerbare verwijzing naar het feitelijke object in het archief geen optionele extra, maar eenharde voorwaarde voor elk verantwoord gebruik. Elke bewering die een model doet over de collectie moet direct gekoppeld zijn aan een specifiek inventarisnummer, een scan of een pagina. Dit vraagt om architecturen waarin het taalmodel streng wordt ingekapseld en uitsluitend mag putten uit gecontroleerde, vooraf geselecteerde documenten. Wie zich wil verdiepen in hoe studerende gebruikers en onderzoekers omgaan met de betrouwbaarheid van dit soort tools, kan ook terecht bij overzichten voor AI-tools voor onderzoek en studie, waar de nadruk eveneens ligt op controleerbaarheid.
De publieke taak: neutraliteit, gelijke toegang en educatie
Openbare bibliotheken en archieven hebben een uitgesproken publieke taak. Zij zijn er voor iedereen, ongeacht achtergrond, inkomen of digitale vaardigheid. De opkomst van kunstmatige intelligentie raakt de kern van deze opdracht op meerdere manieren.
Ten eerste is er de kwestie van gelijke toegang. Als geavanceerde zoeksytemen en digitale diensten alleen nog via betaalde platforms of complexe interfaces beschikbaar komen, dreigt een nieuwe digitale kloof. Bibliotheken hebben traditioneel de rol om die kloof te dichten door gratis toegang te bieden tot informatie en technologie. Dat betekent dat zij ook een rol spelen in het uitleggen van de werking van AI aan bezoekers. Niet door mee te gaan in de hype, maar door nuchter te duiden wat de technologie wel en niet kan, wat de risico's zijn van vooringenomenheid, en hoe je kritisch kijkt naar gegenereerde antwoorden.
Ten tweede is neutraliteit een groot goed. Erfgoedinstellingen mogen geen politieke of commerciële voorkeuren uitdragen in hun collectiepresentatie. Wanneer zij commerciële modellen inzetten om informatie te ontsluiten of te presenteren, moeten zij erop toezien dat deze systemen geen vertekend beeld geven of bepaalde perspectieven systematisch achterstellen. Het waarborgen van die redactionele en algoritmische onafhankelijkheid is een bestuurlijke verantwoordelijkheid van de eerste orde.
Rechten en herkomst: een bestuurlijke vraag
Niet elk document dat in een bibliotheek of archief berust, is zomaar vrij te gebruiken. Archiefstukken kunnen privacygevoelige persoonsgegevens bevatten, en gedrukte werken kunnen vallen onder het auteursrecht. Het trainen van modellen op erfgoeddata of het ontsluiten daarvan via openbare interfaces brengt complexe juridische vragen met zich mee.
Het is een misverstand om te denken dat dit een puur technisch vraagstuk is dat met de juiste software kan worden opgelost. Het is bij uitstek een bestuurlijke afweging. Instellingen moeten per collectie bepalen welk materiaal geschikt is voor digitale verwerking en welke beperkingen er gelden. Wie meer wil weten over de bredere juridische kaders rondom het gebruik van beschermd werk, kan de analyses over AI en auteursrecht raadplegen. Daarin worden de regels rondom datagebruik en intellectueel eigendom nader uiteengezet.
Historische terminologie en de valkuil van verouderde taal
Beschrijvingen uit het verleden zijn gevormd door de tijd waarin ze zijn geschreven. Archieven bevatten inventarislijsten en catalogusteksten uit de negentiende en twintigste eeuw die terminologie bevatten die inmiddels als kwetsend, stigmatiserend of simpelweg verouderd wordt ervaren. Menselijke archivarissen begrijpen deze historische context en kunnen duiden waarom bepaalde woorden destijds werden gebruikt.
Wanneer een ongefilterd taalmodel wordt losgelaten op deze historische beschrijvingen, mist het die genuanceerde historische gevoeligheid. Het model kan verouderde of kwetsende termen gaan repliceren in hedendaagse antwoorden zonder de noodzakelijke context, of het kan de terminologie versterken in plaats van nuanceren. Dit vraagt om bewuste keuzes in de manier waarop de trainingsdata wordt opgeschoond en hoe prompts worden ingericht, zodat het verleden wel zichtbaar blijft voor historisch onderzoek, maar niet ongefilterd als actieve waarheid wordt gepresenteerd aan het publiek.
Duurzaamheid van keuzes: denken in decennia
Erfgoedinstellingen denken van nature in decennia of zelfs eeuwen. Hun collecties moeten immers generatieslang bewaard blijven. In schril contrast daarmee staan de ontwikkelaars van kunstmatige intelligentie en commerciële clouddiensten, die vaak in jaren of zelfs maanden denken. Modellen veranderen voortdurend, API-structuren worden aangepast, en populaire diensten kunnen zomaar verdwijnen of van eigenaar wisselen.
Wanneer een bibliotheek of archief al te afhankelijk wordt van een specifieke, externe commerciële dienst voor zijn digitale ontsluiting, ontstaat het risico op digitale verarming zodra die dienst ophoudt te bestaan of zijn voorwaarden wijzigt. De duurzaamheid van keuzes is daarom een cruciaal thema. Dit is de reden waarom veel instellingen de voorkeur geven aan open standaarden, open-source modellen die lokaal of op eigen gecontroleerde servers gedraaid kunnen worden, en gestandaardiseerde metadataformats. Alleen zo blijft de digitale infrastructuur ook op de lange termijn beheersbaar en onafhankelijk.
Praktische stappen voor kleine instellingen
Niet elke bibliotheek of streekarchief beschikt over een groot ICT-budget of een afdeling data-analyse. Voor kleinere instellingen kan de hoeveelheid aanbod en de snelheid van de ontwikkelingen overweldigend zijn. Toch hoeft men niet direct miljoenen te investeren om stappen te zetten.
De praktijk leert dat een pragmatische en kleinschalige aanpak het meest duurzaam is. Het begint met het inventariseren van de eigen digitale knelpunten: waar verliest het personeel de meeste tijd aan, en welk deel van de collectie blijft structureel onvindbaar? Vervolgens kan worden gekeken naar laagdrempelige, open-source hulpmiddelen die op een veilige manier kunnen worden ingezet. Door te kiezen voor bewezen standaarden en samen te werken in breder verband, kunnen ook kleinere organisaties profiteren van de voordelen van moderne technologie zonder hun ziel of onafhankelijkheid te verliezen.
| Afweging | Traditionele aanpak | AI-ondersteunde aanpak |
|---|---|---|
| Ontsluiting van handschriften | Handmatige transcriptie door specialisten (zeer traag) | Automatische tekstherkenning met controle achteraf |
| Zoekgedrag | Exacte trefwoorden en vaste categorieën | Semantisch zoeken op betekenis en context |
| Duurzaamheid | Lange termijn, fysiek en stabiel digitaal | Snelle cyclus van modellen, vraagt om open standaarden |
