Wetenschappelijke basis
Research-Driven Engineering, het kernartikel, de CETIC-studie
Research-Driven Engineering: techniek die op wetenschap rust
BrainDup vindt niets uit in het luchtledige. Elk onderdeel van het framework is de concrete uitvoering van onderzoek dat gepubliceerd en door vakgenoten beoordeeld is. Dat is geen methodologisch detail: het is wat een productieframework van een prototype scheidt.
Waarom weegt dat zo zwaar? Om drie redenen.
- Herhaalbaarheid. Een technische keuze die op een wetenschappelijk artikel rust, kan nagegaan, herhaald en betwist worden. Geen zwarte magie in de keten.
- Geloofwaardigheid. Tegenover een bestuurder, een technische partner of een auditor verwijst elk onderdeel van BrainDup naar een aanwijsbare publicatie.
- Duurzaamheid. Modes gaan voorbij. Wetenschappelijke resultaten blijven. Bouwen op de stand van de techniek betekent dat de fundering houdt.
Het kernartikel: GraphRAG Agent met Neo4j en Milvus
In september 2024 publiceert Enzo op de blog van Neo4j een beslissend technisch artikel: de beschrijving van een gemengde architectuur die Neo4j voor gestructureerde verbanden en context combineert met Milvus voor semantisch zoeken op vectoren. Het kerngedachte is eenvoudig maar sterk: de vector alleen volstaat niet. Om ingewikkelde vragen nauwkeurig te beantwoorden, moet men ook de verbanden tussen begrippen begrijpen.
Dat is het technische beginpunt van BrainDup. De eerste uitvoering komt met MethodMIND, een semantische zoekmachine op een wetenschappelijk corpus, gebouwd op Milvus alleen. De stap daarna is PST2RAG, waar de architectuur werkelijk gemengd wordt: een dubbel schema dat Milvus (vectoren) en Neo4j (kennisgraaf) verbindt. De rijpheid voor productie komt met IA-ACTES.
BrainDup is de industriële uitvoering van die architectuur. Het framework haalt eruit, veralgemeent en maakt herbruikbaar wat in productie op echte gevallen is bevestigd.
Externe bevestiging: de studie van het CETIC
In april 2025 publiceert Leandro Collier bij het CETIC, het Belgische kenniscentrum voor informatie- en communicatietechnologie, een studie met de titel « Au-delà du simple chatbot ». Die onafhankelijke analyse vergelijkt klassieke RAG-aanpakken, op vectoren, met GraphRAG-architecturen.
Nauwkeurigheid
| Context | GraphRAG | RAG op vectoren alleen |
|---|---|---|
| Algemeen | 81,67 % | 57,50 % |
| Industrie | 90,63 % | 46,88 % |
Efficiëntie
- 97 % minder tokengebruik. De graaf maakt het mogelijk de juiste informatie precies aan te wijzen, in plaats van omvangrijke tekstblokken naar het taalmodel te sturen.
- Betere traceerbaarheid van de gedachtegang achter de antwoorden. Elk antwoord is te verbinden met de knopen en verbanden in de graaf die het hebben voortgebracht.
Die cijfers bevestigen precies de architectuur die BrainDup uitvoert: vectoren en graaf samen zijn geen technische luxe, ze zijn een eis van nauwkeurigheid.
Van wetenschap naar techniek
Elke technische keuze in BrainDup rust op minstens één gepubliceerd wetenschappelijk artikel.
| Technische keuze in BrainDup | Wetenschappelijk artikel | Wat het aantoont |
|---|---|---|
| Modulaire RAG-architectuur | Modular RAG: Transforming RAG Systems into LEGO-like Reconfigurable Frameworks (arXiv 2407.21059) | BrainDup bouwt het LEGO-achtige kader dat het onderzoek aanbeveelt |
| Dubbel schema Milvus en Neo4j | Knowledge Graph RAG for LLM-based Recommendation (arXiv 2501.02226) + étude CETIC | De graaf verdubbelt de nauwkeurigheid (81,6 % tegenover 57,5 %) |
| Zelfstandige AI-agenten (BMAD) | Agentic RAG: A Survey on Agentic RAG (arXiv 2501.09136) | Orkestratie door agenten is de stand van de techniek voor RAG in 2025 |
| Documentomzetting op GPU (Docling) | Docling Technical Report (arXiv 2408.09869) + Docling Toolkit (arXiv 2501.17887) | Betrouwbare omzetting van complexe documenten |
| Hiërarchische RAG op lange documenten | BookRAG (arXiv 2512.03413) | Hiërarchische structuur voor lange documenten (specificatie van 124 pagina's, juridisch corpus) |
| RAG verrijkt met metagegevens | Metadata-Driven RAG for Financial QA (arXiv 2510.24402) | Metagegevens verbeteren de relevantie |
| Gestructureerd prompt engineering | The Prompt Report (arXiv 2406.06608) | Prompttechnieken systematisch verwerkt in de BMAD-agenten |
| Semantisch zoeken op een wetenschappelijk corpus | Searching for Best Practices in RAG (arXiv 2407.01219) | De MethodMIND-keten volgt de aanbevolen werkwijzen |
| Meta-analyse op grote schaal | PERELMAN (arXiv 2512.21727) | Patroon van extractie en samenvoeging, toepasbaar op nieuwe domeinen |
Deze tabel vormt de wetenschappelijke traceerbaarheidskaart van BrainDup. Voor elk onderdeel kan men terug naar de bron, de resultaten nagaan, en begrijpen waarom die aanpak is gekozen.
Wat dat concreet betekent
BrainDup is geen experimenteel prototype, gebouwd op intuïtie. Het is een framework waarvan elk onderdeel wetenschappelijk verantwoord is, van de dubbele architectuur van vectoren en graaf, bevestigd door het CETIC, tot de zelfstandige agenten die in de recentste overzichtsartikelen beschreven staan.
Wie BrainDup uitrolt, gokt niet op een opkomende techniek. Hij voert een gedocumenteerde, geteste stand van de techniek uit, die al in productie bewezen is.
Research-Driven Engineering is geen leus. Het is een werkwijze. En het is wat BrainDup tot een basis maakt waarop met vertrouwen gebouwd kan worden.
Zet de stap
Dertig minuten om na te gaan wat soevereine AI in uw organisatie kan opleveren. Zonder verplichting.
Gratis soevereiniteitsaudit