# Welkom bij de kennisbank van Plainwater AI Plainwater AI is één platform waarop je team met AI aan data werkt: van een vraag over een tabel tot een dashboard dat elke ochtend ververst. Het platform staat tussen je data en elk AI-model in en bewaakt wat er naar dat model gaat. Jij bepaalt per bron wat de AI te zien krijgt; het platform handhaaft dat bij elk verzoek. Deze kennisbank legt uit hoe dat werkt. Geen marketingtaal, wel de mechaniek: welke regels er gelden, wie ze kiest en waar ze gehandhaafd worden. :::accent In één zin AI voor je data, zonder dat je data de deur uit loopt. ::: ## Wat het platform doet - **Een poort voor elk AI-verzoek.** Elk verzoek aan een model loopt door één poort. Per verzoek valt precies één beleidsbesluit: mag dit model, past het in het budget, klopt het met de regels van de klant. Een geweigerd verzoek bereikt de leverancier van het model niet. Zie [De AI-poort](/concepten/ai-poort). - **Namen worden pseudoniemen.** Tabel- en kolomnamen gaan als pseudoniem naar het model. Het antwoord wordt voor jou teruggelezen in je eigen namen. Zie [Pseudonimisering](/concepten/pseudonimisering). - **Datatoegang per bron.** Per bron kies je een stand: alleen metrics, versleutelde waarden of open. De strengste regel wint altijd. Zie [Datatoegang](/concepten/datatoegang). - **Werken aan data.** Agents lezen metadata, controleren datakwaliteit, onderzoeken performance en bewijzen hun voorstel in een [wegwerpkopie](/concepten/sandbox) voordat iemand iets op de echte database uitvoert. - **Dashboards die blijven draaien.** Een analyse eindigt in een dashboard dat op de bron blijft draaien, niet in een plaatje met ingebakken cijfers. - **Elk model, elke werkwijze.** Claude, GPT, Gemini, Mistral of elk ander model met een OpenAI-compatibele API. Werk in de webapp, samen met je eigen coding-AI, of alleen via MCP. ## Waar begin je? | Je bent… | Begin bij | | --- | --- | | Nieuw en wilt het platform inrichten | [Aan de slag](/aan-de-slag) | | Verantwoordelijk voor privacy of security | [De AI-poort](/concepten/ai-poort), daarna [Datatoegang](/concepten/datatoegang) | | Data-engineer of BI-ontwikkelaar | [Werkmodi](/concepten/werkmodi) en [De verificatiesandbox](/concepten/sandbox) | | Beheerder van een team | [Skills en kennis](/concepten/skills-en-kennis) en [Omgevingen](/concepten/omgevingen) | | Op zoek naar een begrip | [Begrippenlijst](/begrippen) | | Op zoek naar een snel antwoord | [Veelgestelde vragen](/faq) | ## Hoe deze kennisbank is opgebouwd - **Aan de slag** — in vijf stappen van nul naar je eerste opdracht. - **Concepten** — de begrippen waar alles op rust: de poort, pseudonimisering, datatoegang, werkmodi, de sandbox, skills en kennis, omgevingen en monitors. - **Dashboards en datasets** — hoe een analyse een dashboard wordt dat blijft draaien. - **Werken met je eigen AI** — de drie werkwijzen en hoe je je eigen AI-tool koppelt. - **Modellen** — welke modellen er zijn en hoe je per klant kiest. - **Bronnen en connectoren** — databases, connectoren en je eigen MCP-servers. - **Veiligheid en privacy** — de garanties, de audit en Europese verwerking. - **Yres** — de AI-laag op het Yres-datawarehouse. - **Beheer** — rollen, rechten en spelregels. ## Drie uitgangspunten 1. **Regels zijn handhaving, geen instructie.** Een regel die alleen in een prompt staat, kan een model negeren. Daarom woont elke regel in de poort, waar het model er niet omheen kan. 2. **Metadata eerst.** Voor veel werk heeft een AI geen rijen nodig: structuur, tellingen en statistieken zijn genoeg. Pas als dat niet volstaat, en als de klant het toestaat, gaat er meer naar het model. 3. **Alles is terug te lezen.** Prompts en antwoorden worden versleuteld bewaard, en wie daar recht op heeft kan ze teruglezen. Elke inzage wordt zelf vastgelegd. :::tip Liever zien dan lezen? Vraag via **Demo aanvragen** onderaan deze pagina een demo aan. We laten het platform zien op een voorbeelddatabase. :::