LLM WIKI
Een methode voor kennis die je kunt begrijpen, nagaan en vergelijken
Wat je binnenklimaat je werkelijk vertelt
Je meet van alles in een gebouw, maar weet je ook wat die waarden samen betekenen? rmaanden.nl verbindt metingen, gebouwomstandigheden en wetenschappelijke kennis tot inzicht waarmee je risico's beter kunt beoordelen en gerichter kunt handelen.
Een CO₂-meter geeft een getal, maar vertelt niet het hele verhaal. De betekenis ontstaat pas wanneer je de meting verbindt met ventilatie, temperatuur, luchtvochtigheid, seizoensinvloeden, andere gegevens en wetenschappelijke kennis. Juist die samenhang helpt je begrijpen wat er in een gebouw gebeurt en welke omstandigheden en maatregelen ertoe doen.
rmaanden.nl draait op het Open Knowledge Format (OKF) en het Double Entry Semantic Ledger (DESL). Deze kennisinfrastructuur verbindt gegevens en praktijkervaring met wetenschappelijke bronnen, definities, context en normen. Zo kun je niet alleen inzichten gebruiken, maar ook nagaan waarop ze berusten en hoe verschillende kennisdelen samenhangen.
Met modellen en prognoses onderzoek je hoe het binnenklimaat zich kan ontwikkelen en wanneer extra aandacht of maatregelen nodig kunnen zijn. Achter de login vind je een live praktijkcasus die we wekelijks gebruiken voor onze analyses. Je ontdekt er hoe meetgegevens, modellen en referentiekennis samen een onderbouwd beeld opleveren, inclusief de onzekerheden en uitgangspunten waarop dat beeld berust.
Van losse meetwaarden naar samenhangend inzicht. Van achteraf reageren naar beter voorbereid handelen. Zo helpt rmaanden.nl je de betekenis achter je meetgegevens te ontdekken en keuzes voor het binnenklimaat beter te onderbouwen.
De centrale vraag is dus niet alleen:
“Is de luchtkwaliteit goed of slecht?”
maar:
“Wat gebeurt er met het binnenklimaat, waardoor gebeurt dat, en welke maatregelen kunnen we onderzoeken met onze eigen metingen?”
Van gebouwdata naar analyse
rmaanden.nl ziet het binnenklimaat als één geheel. Gegevens van buiten, metingen in het gebouw en kennis over binnenklimaat worden aan elkaar verbonden. Zo kun je de huidige of verwachte toestand van een zone begrijpen.
buitenklimaat → binnenklimaat → metingen → toestand → prognose → maatregel
Het model kan temperatuur, luchtvochtigheid, CO₂, ventilatie en het weer buiten aan elkaar verbinden. Een losse meetwaarde wordt zo onderdeel van een bredere beschrijving van een ruimte.
Eigen metingen zijn het uitgangspunt. Je kunt ze combineren met verwachte omstandigheden, referentiewaarden en wetenschappelijke kennis. Zo zie je niet alleen wat er gebeurt, maar ook hoe de factoren samenhangen.
Effectieve schone lucht
In deze analyse is Equivalent Clean Airflow een belangrijk begrip. Ventilatie, filtratie en luchtzuivering horen daarbij bij elkaar. Samen bepalen ze hoeveel schone lucht iemand effectief krijgt.
Met dit begrip kun je verschillende manieren om lucht te verversen en te behandelen op één manier bekijken. Zo koppel je een technische maatregel aan de toestand die je in het gebouw onderzoekt.
De kern van het model
-
Buitenklimaat
Omstandigheden buiten die het binnenklimaat kunnen beïnvloeden. -
Binnenklimaat
De omstandigheden die in een zone worden gemeten of berekend. -
Metingen
Waarnemingen, zoals CO₂, temperatuur en luchtvochtigheid. -
Afgeleide toestand
Informatie die volgt uit metingen, modellen en verbanden tussen gegevens. -
Referentiekennis
Wetenschappelijke kennis, definities, modellen en standaarden waarmee je de praktijk kunt beoordelen. -
Maatregel
Wat je na de analyse kunt onderzoeken, kiezen of uitvoeren.
Geen van deze onderdelen staat op zichzelf. De betekenis ontstaat uit de verbanden tussen waarnemingen, omstandigheden, modellen, referentiekennis en mogelijke maatregelen.
Open Knowledge Format
Ook Google Cloud werkt aan een open formaat om kennis toegankelijk te maken voor mensen en AI-systemen: het Open Knowledge Format (OKF). Het biedt een herkenbare structuur om bronnen en hun context vast te leggen. Daarmee sluit mijn werk aan op een ontwikkeling die ook binnen Big Tech aandacht krijgt.
Een OKF Bundle is de manier waarop ik bronnen en kennisdelen structureer. Belangrijke delen van een bron worden herkenbaar gemaakt, zodat hun inhoud, plaats en context bewaard blijven. Een AI Agent kan daardoor gericht door de kennis werken, zonder uitsluitend te vertrouwen op losse zoekresultaten of fragmenten tekst.
- 01 Structureren Bron
- Belangrijke delen van de bron worden herkenbaar gemaakt. De bron blijft verbonden met zijn context.
- 02 Indexeren Navigatie
- Elk belangrijk deel krijgt een vaste plek. Je kunt het daardoor gericht terugvinden.
- 03 Klaarzetten voor machines Agent
- Een Coding Agent kan gericht door de kennis werken en de verbanden tussen kennisdelen onderzoeken.
OKF vervangt de kennis zelf niet. Het zorgt ervoor dat de bron zo is opgebouwd dat mens en machine de belangrijke delen kunnen gebruiken. Op die basis voeg ik met het Double Entry Semantic Ledger (DESL) een eigen methodiek toe om de betekenis, onderlinge relaties en verantwoording van die kennis expliciet te maken.
De kenmerken van de methode
Met deze methode wordt kennis voor mens en machine geordend, herleidbaar, verbonden, vergelijkbaar en na te lopen. Een open kennisstructuur is het begin; de expliciete betekenis en relaties maken het mogelijk om kennis daadwerkelijk te onderzoeken.
-
Geordend
Kennis is verdeeld in kennisdelen met duidelijke eigenschappen. -
Herleidbaar
Uitspraken blijven verbonden met hun bron en context. -
Verbonden
Begrippen zijn duidelijk gekoppeld aan andere kennis. -
Vergelijkbaar
Je kunt verschillende kennis naast elkaar leggen. -
Na te lopen
Je kunt een conclusie terugvolgen naar de kennis, verbanden en bronnen waarop zij steunt.
De methode is bewust eenvoudig gehouden.
Je kunt de kennis opbouwen met gewone bronbestanden en hulpmiddelen die al bestaan. Je hebt daarvoor geen ingewikkeld systeem nodig.
Het Double Entry Semantic Ledger (DESL)
Een betrouwbare analyse heeft meer nodig dan informatie. Je moet ook weten wat de informatie betekent, waar zij vandaan komt, welke status zij heeft en hoe zij samenhangt met andere informatie . Daarom maakt DESL onderscheid tussen de praktijk waar een analyse over gaat en het kader waarmee je die praktijk beoordeelt.
DESL is mijn eigen methodiek om de kennis in een OKF Bundle semantisch controleerbaar te maken. Het gebruikt het principe van dubbel boekhouden om twee kanten naast elkaar te zetten: de context van de praktijk en de referentie waarmee die praktijk wordt beoordeeld.
- Context / Debet De praktijk: waarnemingen, metingen, voorspellingen, analyses en conclusies.
- Norm / Credit De referentie: definities, modellen, standaarden en wetenschappelijke kennis.
Zo maakt DESL expliciet wat er wordt beweerd, waar de bewering vandaan komt, welke status zij heeft, hoe zij samenhangt met andere kennis en waartegen je haar kunt beoordelen.
bewering → bron → verbanden → norm → controle
Op rmaanden.nl pas ik deze methode toe om HVAC-berekeningen en eigen concepten te toetsen aan peer-reviewed wetenschappelijke kennis. Bronnen, aannames, definities, verbanden en afleidingen worden zo controleerbaar. Ook verborgen of foutgevoelige aannames in de technische implementatie, bijvoorbeeld in Power BI, worden expliciet zichtbaar.
OKF biedt de kennisstructuur. DESL maakt de semantische verantwoording expliciet. rmaanden.nl laat zien hoe je die combinatie in de praktijk kunt gebruiken.
Breng je kennis tot leven
Met rmaanden.nl koppel je een doordacht binnenklimaatmodel direct aan de essentie van je eigen kennis en ervaring. Het gaat niet om het verzamelen van nog meer data of het klakkeloos overnemen van een antwoord. Het gaat om het ontdekken van de betekenis erachter: zichtbaar maken wat je ziet, hoe je het duidt en waarop jouw inzichten steunen .
Door gebouwdata, modellen en wetenschappelijke bronnen te verbinden, ontstaat een OKF Bundle met DESL: het fundament waarop rmaanden.nl draait. Deze aanpak sluit aan op de ontwikkeling van open kennisformaten, zoals OKF van Google Cloud. Mijn eigen bijdrage is de methodiek waarmee context, normen, relaties en afleidingen expliciet en controleerbaar worden gemaakt.
Achter de login ervaar je wat dit mogelijk maakt: analyseer data met diepgaand inzicht, doe gericht onderzoek en werk samen met een AI-assistent. Of vertrouw op je eigen expertise in de gebruiksvriendelijke interface.