AI Fundamentals

Memory Management: geheugen als cruciale sleutel voor jouw AI Agents

Remy Gieling

March 25, 2026

min read

Memory Management: geheugen als cruciale sleutel voor jouw AI Agents

Zonder een gedeelde kennislaag die zowel mensen als agents kunnen raadplegen, blijft Agentic AI een lege belofte.

Vorige maand bij een klant. Groot team, slimme mensen, ambitieus AI-programma. Ze hadden agents draaien voor klantcommunicatie, voor interne rapportages, voor het samenvatten van vergaderingen. Technisch allemaal netjes opgezet. Maar elke agent begon elke sessie blanco. Geen idee wat er vorige week was besproken. Geen weet van het besluit dat maandag was genomen. Geen context over de klant die al drie keer hetzelfde had gevraagd. Het resultaat: medewerkers die de agents constant opnieuw moesten briefen, output die niet aansloot, en een groeiend gevoel van "dit werkt niet."

Het probleem zat niet in de agents. Het probleem zat in wat er ontbrak: geheugen.

AI als besturingssysteem — maar dan echt

Bij The AI Group noemen we het AI als besturingssysteem. Het idee is simpel: je bouwt een operatie waarin AI-agents de dagelijkse digitale taken uitvoeren — van e-mailverwerking en rapportages tot klantvragen en dataverrijking. De mensen in je organisatie verschuiven naar een nieuwe rol. Zij instrueren de agents, evalueren hun output en zorgen dat het geheel zo efficient mogelijk draait.

Agents doen het uitvoerende werk. Mensen doen het denkwerk: orkestratie, kwaliteitscontrole, strategische sturing.

Daarbij geldt een belangrijk principe: niet alles hoeft op het duurste frontier-model te draaien. Dat is alsof je een Ferrari in de eerste versnelling naar de supermarkt rijdt met het gaspedaal ingedrukt. Slim orkestreren betekent het juiste model voor de juiste taak — een klein, snel model voor routinematige verwerking, een groter model voor complexe analyse. Zo houd je kosten beheersbaar en snelheid hoog.

Maar er is een ding dat dit hele systeem laat staan of vallen — en daar praat bijna niemand over.

De laag die iedereen overslaat

We praten veel over de tools. Over MCP-connectoren die agents aan je systemen koppelen. Over platforms als Claude, ChatGPT en Copilot. Over frameworks als CrewAI en n8n voor multi-agent workflows. Allemaal belangrijk.

Maar er is een laag die consequent ontbreekt in het gesprek: persistent memory — een gedeelde, doorlopende kennislaag die niet alleen voor mensen toegankelijk is, maar ook voor je AI-agents.

Een agent zonder geheugen is een briljante consultant die je elke dag opnieuw moet briefen. Die niet weet wat er gisteren is besproken, welke besluiten er zijn genomen, wie waarvoor verantwoordelijk is. Context windows van LLM's helpen deels, maar zijn beperkt — en worden snel duur. Onderzoek van Mem0 laat zien dat het meesturen van volledige gespreksgeschiedenis per sessie tot 90% meer tokenkosten leidt, terwijl een gestructureerde geheugenlaag dezelfde context biedt tegen een fractie van die kosten en met 26% hogere nauwkeurigheid.

Drie vormen van geheugen, drie niveaus

In de kern gaat het om drie typen geheugen die samen het operationele brein van je organisatie vormen: semantisch (feiten en kennis — "klant X werkt met SAP," "onze marge op dienst Y is 40%"), episodisch (wat er is gebeurd — vergaderbesluiten, klantfeedback, projectverloop), en procedureel (hoe je dingen doet — je offerte-aanpak, je tone of voice, je escalatieprocedure).

En dat geheugen moet op drie niveaus bestaan. Individueel: wat weet de agent over jou — je werkstijl, je projecten, je voorkeuren. Team: gedeelde kennis binnen een afdeling — wie doet wat, welke besluiten zijn genomen, waar staan we. Organisatie: bedrijfsbrede kennis — processen, beleid, klantdata, financien, strategie.

Zonder die structuur heb je geen besturingssysteem. Dan heb je losse tools.

Waarom dit nu urgent is

Drie ontwikkelingen maken geheugen van nice-to-have tot noodzaak.

Inter-agent communicatie. Agents gaan steeds vaker met elkaar samenwerken. Een research-agent maakt een marktanalyse, geeft die door aan een content-agent die er een voorstel van maakt, die input levert aan een planning-agent. Zonder gedeeld geheugen gaat bij elke overdracht context verloren. Ze moeten elkaars voortgang, bevindingen en obstakels kunnen lezen — niet alleen in het moment, maar ook achteraf.

Menselijk toezicht. Als manager wil je kunnen zien wat je agents doen. Welke plannen ze maken, waar ze vastlopen, welke keuzes ze maken. Dat vereist logging, reflectie en traceerbaarheid — precies wat een geheugenlaag biedt. Zonder transparant geheugen is oversight een illusie.

Skills en instructies. De manier waarop je agents instrueert — hun skills, hun richtlijnen, hun outputverwachtingen — is zelf ook kennis die ergens moet leven. Te vaak zit die in losse prompts, in iemands hoofd, of in een Google Doc dat niemand bijhoudt. Agent-instructies vastleggen als onderdeel van je kennissysteem is essentieel voor schaalbaarheid. Stel je voor: je beste prompt engineer vertrekt, en al zijn prompts bestaan alleen in zijn ChatGPT-geschiedenis. Dat is het AI-equivalent van kennis die de deur uitloopt.

Van verspreid naar verbonden

De meeste organisaties hebben hun kennis verspreid over tientallen systemen. SharePoint, Google Drive, Notion, Slack, e-mail, CRM, ERP — overal zit informatie. Professionals zijn gemiddeld 1,8 uur per dag kwijt aan het zoeken naar informatie. Reken dat eens door voor je hele organisatie.

Voor een werkend AI-besturingssysteem moet die kennis samenkomen in een laag die zowel mensen als agents kunnen raadplegen. Twee soorten:

Ongestructureerde kennis met context — wat er wordt gezegd in vergaderingen, wat er in Slack wordt gedeeld, ideeen van mensen, reflecties op projecten, klantfeedback. De ruwe inzichten die je organisatie dagelijks genereert maar zelden structureel vastlegt.

Gestructureerde kennis — financiele data, klantendatabase, procesflows, contracten, beleidsdocumenten. Informatie die al in systemen zit, maar die agents moeten kunnen interpreteren en gebruiken.

De combinatie van die twee — het zachte en het harde, het contextuele en het formele — vormt het fundament. Niet door alles in een database te gooien, maar door een intelligente geheugenlaag te bouwen die weet welke informatie relevant is voor welke agent, op welk moment.

Wat er nu al kan — en wat nog niet

De tooling voor persistent memory ontwikkelt zich snel, maar laten we eerlijk zijn: we staan nog aan het begin.

Mem0 is een open-source geheugenlaag voor AI-agents die herinneringen opslaat per gebruiker, per sessie en per agent. De resultaten zijn indrukwekkend: 26% hogere nauwkeurigheid, 91% lagere latency, 90% minder tokenverbruik ten opzichte van full-context methoden. Maar het vereist technische implementatie en het is nog geen plug-and-play voor de gemiddelde organisatie.

Obsidian groeit als persoonlijk kennissysteem — een netwerk van notities, inzichten en verbanden. Gekoppeld aan AI-tools wordt het een krachtig individueel geheugen. Maar de stap van persoonlijk naar gedeeld team-geheugen is nog niet triviaal.

Meeting-transcribers zoals Granola, Fireflies en Microsoft Copilot leggen vergaderingen vast. De echte waarde zit niet in de transcriptie — die zit in het extraheren van beslissingen, actiepunten en context, en het opslaan op een plek waar agents bij kunnen. De meeste organisaties gebruiken deze tools nog als passief archief in plaats van als actieve kennisbron.

MCP-connectoren maken het steeds eenvoudiger om agents aan kennisbronnen te koppelen. Via het Model Context Protocol kunnen agents direct communiceren met je tools — van Calendar en Slack tot je CRM. Maar het verbinden is een ding; het intelligent routeren van kennis is een ander verhaal.

Kort gezegd: de bouwstenen zijn er. De architectuur om ze samen te laten werken, moet elke organisatie nog grotendeels zelf ontwerpen.

Het eerlijke verhaal over risico's

Als je alles gaat vastleggen — vergaderingen, besluiten, klantgesprekken, interne reflecties — dan moet je ook nadenken over de keerzijde. Wie heeft toegang tot welke herinneringen? Hoe voorkom je dat gevoelige informatie in de verkeerde agent-context belandt? Hoe zit het met de AVG als je klantdata opslaat in een geheugenlaag?

Dit zijn geen theoretische vragen. Ze bepalen of je organisatie deze stap verantwoord kan zetten. Enkele richtlijnen: bouw vanaf dag een met permissies — niet elke agent hoeft alles te weten. Zorg voor audit trails zodat je kunt traceren welke informatie wanneer is gebruikt. En betrek je privacy officer vroeg in het proces, niet als afterthought.

Hoe je hier morgen mee begint

Geen vijfstappenplan. Drie concrete acties die je deze week kunt doen:

Actie 1: Maak een map "Agent Instructions." Open Obsidian, Notion of desnoods een gedeelde Google Drive-map. Schrijf daar je eerste drie agent-skills in: wat moet de agent weten, wat is de gewenste output, welke tone of voice gebruik je. Behandel het alsof je een nieuwe collega instrueert. Dit is het begin van je procedureel geheugen.

Actie 2: Zet meeting-transcriptie aan als kennisbron, niet als archief. Kies Granola, Fireflies of Copilot. Bouw een agent zodat na elke vergadering worden de drie belangrijkste beslissingen en actiepunten geextraheerd en opgeslagen in een gedeelde plek. Niet de hele transcriptie — de essentie. Dat is je episodisch geheugen.

Actie 3: Geef een agent een geheugen. Kies je meest gebruikte agent — je klantenservice-bot, je content-assistent, je rapportage-tool. Experimenteer met Mem0 of een vergelijkbare oplossing om die agent context te laten onthouden over sessies heen. Meet het verschil in output-kwaliteit na twee weken.

Het fundament bepaalt het gebouw

Laat ons eerlijk zijn: dit is geen project dat je in een middag afrondt. Het bouwen van een robuust kennisfundament is een doorlopend proces dat discipline vereist, nieuwe gewoonten en de bereidheid om na te denken over hoe informatie door je organisatie stroomt.

Maar de organisaties die hier nu mee beginnen leggen het fundament waarop agents straks echt zelfstandig kunnen opereren. Niet als losstaande chatbots, maar als geintegreerde digitale collega's die weten wat er speelt, wat er eerder is gezegd en wat er van hen wordt verwacht.

De tools worden steeds beter. Mem0, Obsidian, Granola, MCP-koppelingen — het ecosysteem groeit snel. Maar technologie alleen is niet genoeg. Het begint met de bewuste keuze om kennis als strategisch asset te behandelen. Om alles vast te leggen wat er in je organisatie gebeurt: vergaderingen, besluiten, ideeen, voortgang, klantfeedback, agent-instructies.

Persistent memory is geen feature. Het is het fundament. En het verschil tussen een organisatie die AI-agents inzet als speelgoed en een organisatie die AI werkelijk als besturingssysteem laat functioneren.

De agents van morgen zijn zo goed als het geheugen dat je ze geeft. Begin daar.