Train je AI Chatbot met Kennisbronnen

Kennisbronnen

Kennisbronnen leveren de informatie die je chatbot gebruikt voor onderbouwde antwoorden. Open Dashboard → je assistent → Kennis om website-URL's toe te voegen, bestanden te uploaden, direct tekst in te voeren of externe platforms te koppelen zoals Confluence, Notion, SharePoint, Google Drive, Nextcloud of SFTP/FTPS.

Het tabblad Kennis toont ook het tekenverbruik voor het hele account. De brontabel kan worden doorzocht en gefilterd op type of categorie en toont de indexeringsstatus en laatste bijwerking van elke bron. Met rijacties kun je een bron opnieuw importeren, bewerken, inspecteren, downloaden, stoppen of verwijderen waar dit wordt ondersteund. Selecteer meerdere rijen om bulksgewijs opnieuw te indexeren of te verwijderen.

Je kunt ook een map koppelen, zoals SharePoint, Google Drive, Nextcloud of een SFTP-server. Alles daarin wordt automatisch geïndexeerd en elke wijziging wordt meegenomen bij de volgende synchronisatie zonder dat iemand een bestand opnieuw hoeft te uploaden. Zie Gekoppelde mappen.

Website-URL's

Voer URL's in om te crawlen en te indexeren. WebChatAgent crawlt de pagina's automatisch en haalt de inhoud op voor de kennisbank van je chatbot.

Een website toevoegen

1. Klik op Gegevensbron toevoegen in het tabblad Kennis en kies Website
2. Voer de website-URL in (bijv. example.com, https:// wordt automatisch toegevoegd)
3. Configureer optionele geavanceerde instellingen (zie hieronder)
4. Klik op Toevoegen om het crawlen te starten

Geavanceerde instellingen

Wanneer CSS-selectors gebruiken

CSS-selectors helpen je om alleen de relevante inhoud van een pagina op te halen. Dit is handig wanneer:

• Je pagina's navigatiemenu's, footers of zijbalken hebben die je wilt uitsluiten
• Je je alleen wilt richten op de hoofdinhoud van het artikel
• De pagina advertenties of niet-relevante widgets bevat

Voorbeeld: Om alleen het hoofdinhoudsgebied op te halen en de navigatie over te slaan:

article, .main-content, #post-body

Wanneer URL-uitsluitingspatronen gebruiken

Uitsluitingspatronen voorkomen dat specifieke pagina's worden geïndexeerd (toegevoegd aan de kennisbank van je chatbot). Veelvoorkomende usecases:

• Inlog-/beheerderspagina's: /login, /admin, /wp-admin
• Juridische pagina's: /impressum, /privacy-policy, /terms
• Dubbele inhoud: */amp/*, */print/*
• Categorie-/tagarchieven: /category/*, /tag/* (vaak dubbele inhoud)
• Queryparameters: ?hitsPerPage, sluit alle URL's uit die deze parameter bevatten (bijv. zoekresultaatpagina's met paginering)

Belangrijke details:

• Patronen zijn hoofdlettergevoelig. /About en /about worden behandeld als verschillende patronen. Zorg ervoor dat je patronen exact overeenkomen met het hoofdlettergebruik in je URL's.
• Uitgesloten pagina's worden niet geïndexeerd, maar hun links worden wel gevolgd. De crawler ontdekt en crawlt nog steeds pagina's waarnaar wordt gelinkt vanaf uitgesloten URL's, alleen de uitgesloten pagina zelf wordt overgeslagen voor indexering. Dit betekent dat het uitsluiten van een categoriepagina zoals /blog/category/news voorkomt dat die overzichtspagina wordt geïndexeerd, maar de afzonderlijke blogberichten waarnaar wordt gelinkt worden nog steeds gecrawld en geïndexeerd (tenzij ze ook overeenkomen met een uitsluitingspatroon).

Taaloverwegingen

Als je website meertalige inhoud heeft (bijv. /en/about en /de/about), wordt het sterk aanbevolen om slechts één taal te indexeren. Het indexeren van dezelfde inhoud in meerdere talen leidt tot:

• Dubbele informatie die onnodig je inhoudsquota verbruikt (gemeten in tekens)
• Lagere kwaliteit van antwoorden omdat de AI antwoorden uit de verkeerde taal kan halen
• Verspild tokenbudget aan overbodige inhoud

De chatbot antwoordt in de taal van de bezoeker, ongeacht welke taal je indexeert, dus er is geen voordeel aan het twee keer indexeren van dezelfde pagina. Gebruik het veld URL uitsluiten om de andere taalmappen over te slaan (bijv. /de/*, /fr/*).

Kies de taal die je klanten het vaakst gebruiken, of de taal die aansluit bij de primaire doelgroep van je chatbot.

Tekstgegevensbronnen

Je kunt tekstinhoud handmatig invoeren als gegevensbron. Dit is ideaal voor veelgestelde vragen, interne kennis of inhoud die niet op een website staat.

Een tekstdocument toevoegen

1. Klik op Gegevensbron toevoegen in het tabblad Kennis en kies Tekstinvoer
2. Vul de velden in:

Bestand uploaden

Upload documenten rechtstreeks naar de kennisbank van je chatbot.

Ondersteunde formaten

Limieten voor bestandsgrootte

Automatische bestandsnaam via AI

Bij betaalde pakketten genereert het systeem automatisch een beschrijvende bestandsnaam op basis van de inhoud van het bestand als je een bestand uploadt met een algemene naam (bijv. document.txt of untitled.pdf).

Confluence Cloud

Koppel je Confluence Cloud-omgeving om wikipagina's rechtstreeks in de kennisbank van je chatbot te importeren.

Een Confluence-bron toevoegen

1. Klik op Gegevensbron toevoegen en selecteer Confluence Cloud
2. Voer je Confluence-URL in (bijv. https://yourcompany.atlassian.net)
3. Voer het e-mailadres in dat is gekoppeld aan je Atlassian-account
4. Voer een API-token in van Atlassian API Tokens
5. Klik op Verbinding testen, beschikbare spaces worden geladen
6. Selecteer de spaces die moeten worden geïndexeerd (laat leeg om alle toegankelijke spaces te importeren)
7. Configureer het synchronisatie-interval en klik op Aanmaken en indexeren

Een Confluence-bron bewerken

Klik na het toevoegen van een Confluence-bron op het bewerkpictogram om het volgende te wijzigen:

• Spaceselectie, spaces toevoegen of verwijderen om te indexeren
• Subpagina's meenemen, of geneste pagina's moeten worden meegenomen
• Herindexeringsinterval, hoe vaak er automatisch gesynchroniseerd moet worden

Wijzigingen worden van kracht bij de volgende herindexering.

Incrementele synchronisatie

Confluence-bronnen ondersteunen incrementele synchronisatie. Alleen pagina's die zijn gewijzigd sinds de laatste synchronisatie worden opnieuw geïndexeerd, waardoor updates snel en efficiënt verlopen.

Notion

Verbind Notion om pagina's en databases te importeren in de kennisbank van uw chatbot.

Een Notion-bron toevoegen

1. Klik op Gegevensbron toevoegen en selecteer Notion
2. Maak een Internal Integration aan op Notion Integrations
3. Deel de gewenste pagina's of databases met uw integratie in Notion
4. Voer het integratietoken in (begint met ntn_ of secret_)
5. Klik op Verbinding testen, beschikbare databases worden geladen
6. Selecteer de databases die u wilt indexeren (laat leeg om alle toegankelijke pagina's te importeren)
7. Configureer het synchronisatie-interval en klik op Create & Index

Een Notion-bron bewerken

Klik na het toevoegen van een Notion-bron op het bewerk-pictogram om het volgende te wijzigen:

• Databaseselectie, databases toevoegen of verwijderen om te indexeren
• Subpagina's meenemen, of geneste pagina's moeten worden meegenomen
• Interval voor opnieuw indexeren, hoe vaak automatisch wordt gesynchroniseerd

Incrementele synchronisatie

Notion-bronnen ondersteunen incrementele synchronisatie. Alleen pagina's die zijn gewijzigd sinds de laatste synchronisatie worden opnieuw verwerkt.

Gekoppelde mappen

Een gekoppelde map is een map die verbonden blijft. U koppelt de chatbot eenmalig aan een map in SharePoint, Google Drive, Nextcloud of op een SFTP-server; vanaf dat moment leest hij elk indexeerbaar bestand erin en controleert hij volgens een planning die u kiest. Wijzigt u een PDF in die map, dan kent de chatbot de nieuwe versie na de volgende synchronisatie. Verwijdert u een bestand, dan verdwijnt het uit de kennisbank. Niemand hoeft handmatig iets opnieuw te uploaden.

Wat wordt geïndexeerd

Overgeslagen bestanden worden vermeld in het dialoogvenster Geïndexeerde bestanden met de bijbehorende reden, zodat u in één oogopslag ziet waarom iets ontbreekt.

Hoe het gesynchroniseerd blijft

Elk bestand bevat een versiemarkering van het opslagsysteem, SharePoint en Google Drive leveren een inhoudsvingerafdruk, SFTP en Nextcloud gebruiken bestandsgrootte plus wijzigingstijd. Bij elke synchronisatie vergelijkt de chatbot de markeringen en downloadt alleen wat daadwerkelijk is gewijzigd. Een ongewijzigd bestand kost niets: geen download, geen verwerking, geen quotum.

Kies het synchronisatie-interval wanneer u de map koppelt: dagelijks, elke 3 dagen, wekelijks of elke 30 dagen. U kunt op elk moment ook handmatig een synchronisatie starten met het vernieuwen-pictogram.

Gebruikers laten zien waar een bestand staat

Standaard uitgeschakeld, een schakelaar per map: Opslaglocatie tonen aan gebruikers. Wanneer ingeschakeld, kan de chatbot het mappad vermelden in een antwoord en toont elk antwoord een kaart per gebruikt bestand, bestandsnaam, pad, opslagsysteem en een directe link naar SharePoint, Drive of Nextcloud als deze bestaat.

Laat dit op uit staan voor een openbare website-widget. Anders kan elke bezoeker uw interne mapstructuur inzien. Met de schakelaar uitgeschakeld worden noch de bestandsnaam, noch het pad ooit naar het AI-model verzonden, zodat deze ook niet in gegenereerde tekst terecht kunnen komen.

Bestanden uitsluiten

Voeg één regel per regel toe onder Bepaalde bestanden overslaan:

* staat voor willekeurige tekens binnen één padsegment, ** voor een willekeurig aantal submappen. Uitgesloten bestanden worden bij de volgende synchronisatie verwijderd uit de kennisbank.

U kunt een afzonderlijk bestand ook achteraf uitsluiten: open Geïndexeerde bestanden, zoek de betreffende rij en klik op Verwijderen uit index. Het bestand blijft bij latere synchronisaties uitgesloten.

SharePoint / OneDrive

Leest een documentbibliotheek uit Microsoft 365. Uw Microsoft-beheerder registreert eenmalig een app en verstrekt u drie waarden.

De inloggegevens ophalen

1. Log in op het Microsoft Entra admin center met een account dat applicaties mag registreren
2. Ga naar Identiteit → Toepassingen → App-registraties en klik op Nieuwe registratie
3. Geef het een naam (bijv. WebChatAgent Knowledge), behoud de standaardwaarden en klik op Registreren
4. Kopieer op de overzichtspagina twee waarden:
   • Map-ID (tenant-ID)
   • Toepassings-ID (client-ID)
5. Ga naar Certificaten en geheimen → Nieuw clientgeheim, kies een verlooptermijn, klik op Toevoegen en kopieer de kolom Waarde direct, Microsoft toont deze slechts één keer
6. Ga naar API-machtigingen → Een machtiging toevoegen → Microsoft Graph → Toepassingsmachtigingen en voeg toe:
   • Sites.Selected, aanbevolen: nergens toegang toe totdat een beheerder expliciet een site toewijst, of
   • Sites.Read.All, leestoegang tot alle SharePoint-sites; eenvoudiger, maar aanzienlijk breder
7. Klik op Beheerdersgoedkeuring verlenen, zonder dit heeft de app geen enkele toegang
8. Voor Sites.Selected moet een beheerder de app daarnaast leestoegang verlenen tot de specifieke site (via PowerShell of Graph Explorer, Sites.Selected-machtiging op die site)

Koppelen

1. Gegevensbron toevoegen → SharePoint / OneDrive
2. Voer de tenant-ID, client-ID en het clientgeheim in
3. Voer optioneel de site-URL in (bijv. https://contoso.sharepoint.com/sites/marketing) om direct naar één site te gaan
4. Verbinding testen, de documentbibliotheken waartoe u toegang hebt, worden geladen
5. Kies de bibliotheek en blader naar de gewenste map
6. Kies het synchronisatie-interval en klik op Verbinden en inlezen

Google Drive

Leest een Drive-map via een Google-serviceaccount, een technisch account dat van uw organisatie is en niet van een persoon, zodat er niets misgaat wanneer een medewerker vertrekt.

De inloggegevens verkrijgen

1. Open de Google Cloud Console en selecteer een project (of maak er een aan, dat is gratis)
2. Ga naar APIs & Services → Library, zoek naar Google Drive API, en klik op Enable
3. Ga naar APIs & Services → Credentials → Create credentials → Service account
4. Geef het een naam, klik op Create and continue, sla de optionele rolstappen over, klik op Done
5. Klik op het nieuwe serviceaccount, open het tabblad Keys, kies Add key → Create new key → JSON. Er wordt een .json-bestand gedownload, dat bestand bevat de inloggegevens
6. Kopieer het e-mailadres van het serviceaccount, dit ziet eruit als name@project-id.iam.gserviceaccount.com

Geef dat adres nu op een van de twee volgende manieren toegang tot uw bestanden:

• Map delen (het eenvoudigst): klik in Google Drive met de rechtermuisknop op de map → Share → plak het adres van het serviceaccount → rol Viewer → Share
• Domeinbrede delegatie (alleen Google Workspace): een Workspace-beheerder autoriseert de client-ID van het serviceaccount voor het bereik https://www.googleapis.com/auth/drive.readonly onder Admin console → Security → API controls → Domain-wide delegation. Voer vervolgens het e-mailadres in van de gebruiker van wie de bestanden moeten worden ingelezen in het veld Act as user. Gebruik deze route wanneer uw Workspace extern delen blokkeert, een serviceaccount geldt namelijk als extern.

Koppelen

1. Gegevensbron toevoegen → Google Drive
2. Plak de inhoud van het JSON-sleutelbestand
3. Vul optioneel Act as user in (alleen bij domeinbrede delegatie)
4. Plak de link naar de map of de ID ervan. Open de map in Drive en kopieer de URL; de ID is het gedeelte na /folders/
5. Verbinding testen, kies het interval, klik op Verbinden en inlezen

Google Docs, Sheets en Slides bevatten geen bestandsbytes, dus worden ze direct omgezet: Docs naar Markdown, Sheets naar Excel (alleen het eerste werkblad), Slides naar platte tekst. Google maximeert deze conversie op 10 MB per bestand; alles wat groter is, wordt als overgeslagen vermeld.

Nextcloud / WebDAV

Werkt met Nextcloud, ownCloud en elke andere WebDAV-server, inclusief de WebDAV-interface van veel NAS-apparaten.

De inloggegevens verkrijgen

Gebruik voor Nextcloud en ownCloud een app-wachtwoord, nooit uw accountwachtwoord:

1. Log in op uw Nextcloud
2. Klik op uw avatar → Instellingen → Security
3. Scrol naar Devices & sessions, voer een naam in (bijv. WebChatAgent), klik op Create new app password
4. Kopieer het gegenereerde wachtwoord, het wordt slechts eenmalig getoond

Een app-wachtwoord kan individueel worden ingetrokken en werkt niet voor de weblogin, waardoor een eventueel lek beperkt blijft. Gebruik voor andere WebDAV-servers de gebruikersnaam en het wachtwoord die u van uw beheerder hebt gekregen.

Koppelen

1. Gegevensbron toevoegen → Nextcloud / WebDAV
2. Server-URL alleen het adres, zonder pad: https://cloud.example.com
3. Gebruikersnaam en app-wachtwoord
4. WebDAV-pad laat dit leeg voor Nextcloud en ownCloud, zij gebruiken het standaardpad. Vul dit alleen in voor andere WebDAV-servers (uw beheerder kent dit, vaak iets als /dav of /webdav)
5. Verbinding testen, blader naar de gewenste map, kies het interval, klik op Verbinden en inlezen

SFTP / FTPS

Voor uw eigen server, een hostingpakket of een NAS met SSH-toegang.

Wat u nodig hebt

Vraag de beheerder van de server om:

• Serveradres en poort (SFTP meestal 22, FTPS meestal 21 of 990)
• Gebruikersnaam
• Wachtwoord of, beter nog, een SSH-sleutel

Een SSH-sleutel is beter dan een wachtwoord: deze kan niet worden geraden en u kunt hem intrekken zonder de login van anderen te wijzigen. Als u er zelf een moet aanmaken, voer dan op Mac of Linux het volgende uit:

ssh-keygen -t ed25519 -f ~/wca-key -C "webchatagent"

Dit levert twee bestanden op. Plak de inhoud van wca-key (de privésleutel) in het dialoogvenster en geef wca-key.pub (de openbare sleutel) aan uw beheerder, die deze toevoegt aan ~/.ssh/authorized_keys voor het account. Als u een wachtwoordzin hebt ingesteld, voer deze dan in het veld voor de wachtwoordzin in.

Koppelen

1. Gegevensbron toevoegen → SFTP / FTPS
2. Kies het protocol, voer het serveradres, de poort en de gebruikersnaam in
3. Voer het wachtwoord in, of schakel SSH-sleutel gebruiken in plaats van wachtwoord in en plak de privésleutel
4. Verbinding testen bij SFTP verschijnt een server-fingerprint
5. Vergelijk die fingerprint met de fingerprint die u van uw beheerder hebt gekregen en bevestig deze. Deze wordt opgeslagen en bij elke latere synchronisatie gecontroleerd; als deze ooit verandert, stopt de synchronisatie in plaats van geruisloos met een andere machine te verbinden
6. Blader naar de gewenste map, kies het interval, klik op Verbinden en inlezen

Wanneer "altijd opnieuw inlezen" helpt

SFTP heeft geen fingerprint voor de inhoud; de chatbot vergelijkt de bestandsgrootte en het tijdstip van wijziging. Sommige synchronisatietools (rsync -t, bepaalde back-uptaken) behouden beide wanneer de inhoud is gewijzigd, waardoor zo'n verandering onopgemerkt zou blijven. Voor die gevallen is er de optie Bestanden altijd opnieuw inlezen in het bewerkingsdialoogvenster. Hiermee wordt elk bestand bij elke synchronisatie opnieuw ingelezen. Dit is trager, maar er wordt niets overgeslagen. Laat dit uit staan, tenzij u daadwerkelijk tegen dit probleem aanloopt.

Wanneer er iets misgaat

Categorieën

Categorieën helpen u bij het organiseren van uw gegevensbronnen. U kunt:

• Een categorie toewijzen bij het toevoegen of bewerken van een gegevensbron
• De lijst met gegevensbronnen filteren op categorie
• Categorieën gebruiken om gerelateerde inhoud te groeperen (bijv. "Producten", "Support", "Juridisch")

Categorieën worden in kleine letters opgeslagen en worden gedeeld over alle typen gegevensbronnen.

Lijst met gegevensbronnen

De lijst met gegevensbronnen toont elke bron met de bijbehorende status:

U kunt de lijst filteren op:

• Zoeken: Vind bronnen op naam of URL. Gekoppelde mappen worden gevonden op hun weergavenaam en op het mappad, dus als u sharepoint of een deel van het pad typt, worden ze gevonden
• Type: Filter op Website, Bestand, Confluence, Notion, SharePoint, Google Drive, Nextcloud / WebDAV of SFTP / FTPS
• Categorie: Filter op toegewezen categorie

Inhoud doorzoeken (de knop boven de lijst) zoekt in de geïndexeerde tekst in plaats van in de bronnamen, en doorzoekt ook gekoppelde mappen, handig om te zien uit welk bestand een bepaalde zin afkomstig is.

Gegevensbronnen bewerken

• Website-URL's: Klik op het bewerkingspictogram om de URL, crawl-diepte, CSS-selectors, uitsluitingspatronen en het herindexeringsinterval te wijzigen
• Tekstdocumenten: Klik op het bewerkingspictogram om de naam, categorie en inhoud te wijzigen
• Bestandsdocumenten: Klik op het bewerkingspictogram om de naam en categorie te wijzigen (de inhoud kan niet worden gewijzigd, upload het bestand in plaats daarvan opnieuw)
• Confluence-bronnen: Klik op het bewerkingspictogram om de space-selectie, het opnemen van onderliggende pagina's en het synchronisatie-interval te wijzigen
• Notion-bronnen: Klik op het bewerkingspictogram om de database-selectie, het opnemen van onderliggende pagina's en het synchronisatie-interval te wijzigen
• Gekoppelde mappen: Klik op het bewerkingspictogram om de weergavenaam, het synchronisatie-interval, het opnemen van submappen, de schakelaar voor de opslaglocatie, uitsluitingsregels en de zoekprioriteit te wijzigen en inloggegevens opnieuw in te voeren. De bestandsinhoud zelf kan hier niet worden bewerkt, het opslagsysteem blijft de enige bron van waarheid en eventuele bewerkingen worden bij de volgende synchronisatie overschreven

Opnieuw indexeren

U kunt afzonderlijke gegevensbronnen handmatig opnieuw indexeren om de inhoud bij te werken. Dit is handig wanneer:

• De inhoud van de website is gewijzigd
• U de inhoud wilt vernieuwen na het corrigeren van CSS-selectors of uitsluitingspatronen
• Een bron met een eerdere fout is hersteld

Herindexering vereist (oranje badge)

Wanneer een gegevensbron een oranje badge "Herindexering vereist" toont, kan de geïndexeerde inhoud niet meer door de chatbot worden gebruikt en moet deze opnieuw worden opgebouwd.

Dit gebeurt automatisch wanneer u de AI-provider van de chatbot wijzigt (bijvoorbeeld van OpenAI naar Google Gemini) in de instellingen van de chatbot. Elke provider slaat uw inhoud op in een eigen embedding-indeling, en deze indelingen zijn onderling niet uitwisselbaar. Wanneer de provider verandert, worden de oude geïndexeerde gegevens gewist en krijgt elke gegevensbron het label Herindexering vereist.

Wanneer ten minste één bron opnieuw moet worden geïndexeerd, komt de knop Alles opnieuw importeren beschikbaar bovenaan het tabblad Kennis. Klik hierop om alle getroffen bronnen in één keer opnieuw op te bouwen, of gebruik de vernieuwingsactie bij een afzonderlijke bron om alleen die bron opnieuw te indexeren.

U hoeft niets opnieuw toe te voegen, want bij herindexering worden uw bestaande URL's, bestanden, tekst, Confluence, Notion en gekoppelde mappen opnieuw gebruikt. Websites worden opnieuw gecrawld en externe bronnen worden opnieuw gesynchroniseerd, dus een grote kennisbank kan enkele minuten duren. Zodra het proces is voltooid, verdwijnt de badge en antwoordt de chatbot weer op basis van uw inhoud.

Inhoudslimieten

Trainingsinhoud wordt gemeten in tekens van geïndexeerde tekst over al uw gegevensbronnen (webpagina's, bestanden, Q&A-items). Dit vervangt de eerdere limiet per pagina, zodat een paar lange pagina's en veel korte pagina's op dezelfde manier meetellen. Uw tekenlimiet groeit mee met uw pakket; zie de prijzenpagina voor de huidige limieten per pakket.

Wanneer de limiet is bereikt, wordt de indexering gepauzeerd totdat u inhoud verwijdert of een upgrade uitvoert.

Best practices

• Houd inhoud duidelijk en goed gestructureerd: De AI presteert beter met georganiseerde, leesbare inhoud
• Indexeer alleen relevante pagina's: Sluit inlogpagina's, beheeromgevingen en dubbele inhoud uit
• Gebruik CSS-selectors om u te richten op de hoofdinhoud en navigatie, footers en advertenties uit te sluiten
• Houd het dashboard Vragen in de gaten om kennishiaten op te sporen en ontbrekende inhoud toe te voegen
• Werk gegevensbronnen regelmatig bij om te zorgen voor nauwkeurige, actuele antwoorden
• Gebruik categorieën om grote hoeveelheden gegevensbronnen te organiseren
• Beperk tot één taal wanneer uw site identieke inhoud in meerdere talen heeft
• Koppel mappen aan een beheerde map, niet aan de volledige schijf: een map "Kennis chatbot" die door iemand wordt bijgehouden werkt veel beter dan het indexeren van elk concept en oud contract dat ergens rondslingert
• Laat de schakelaar voor de opslaglocatie uit voor openbare widgets, en zet deze aan voor interne assistenten en team-wiki's