Willen semantisch zoeken zonder een aparte vector-stack te beheren: geen extra database, geen losse embedding-dienst buiten het platform om.
Platform · Embeddings
Wie in duizenden documenten zoekt, heeft meer nodig dan trefwoorden. Numaga zet je documenten om in embeddings — een numerieke weergave van betekenis — zodat de kennisbank vindt wat je bedoelt, ook als de woorden anders zijn. Via dezelfde gateway als al je andere AI-verkeer, dus met dezelfde grip.
Willen semantisch zoeken zonder een aparte vector-stack te beheren: geen extra database, geen losse embedding-dienst buiten het platform om.
Willen dat medewerkers vinden wat er bedoeld wordt — ook in grote, Nederlandstalige documentcollecties waar trefwoorden tekortschieten.
Wil embedding-kosten niet als onzichtbare bijkomstigheid: apart inzichtelijk, per model, los van het chatverbruik.
Het probleem
Semantisch zoeken vereist dat elk document wordt omgezet in embeddings. Bij de meeste AI-tools gebeurt dat buiten het zicht: een losse dienst, een aparte rekening, en verbruik dat nergens in je rapportages landt. Grote documentcollecties maken dat pijnlijk — tienduizenden documenten betekent tienduizenden aanroepen.
In Numaga lopen embeddings via dezelfde gateway als de rest van je AI-verkeer. Ze vallen onder hetzelfde beheer, de opslag zit in de beheerde database van het platform, en het verbruik staat apart in je overzichten — niet vermengd met chatgebruik, want dat zijn wezenlijk andere aantallen en kosten.
Hoe het werkt
Automatisch bij elke synchronisatie van je kennisbank — zonder losse vector-infrastructuur.
Bij elke kennisbank-synchronisatie en elke upload zet het platform de inhoud om in embeddings, via een embedding-model op de gateway.
De vectoren staan in de beheerde database van je omgeving — single-tenant, in Nederland, zonder aparte vector-stack om te onderhouden.
Vragen worden hybride beantwoord: semantisch (betekenis) gecombineerd met exacte termen — belangrijk voor namen, codes en vaktermen.
Embedding-verkeer heeft een eigen overzicht: welke modellen, hoeveel aanroepen en wat het kost — los van het chatverbruik, zodat je rapportages zuiver blijven.
We laten zien hoe embeddings in jouw omgeving werken — van kennisbank-synchronisatie tot het kostenoverzicht.
Krijg demo-toegang