In deze serie vertellen masterstudenten AI over hun ervaring bij bedrijven in de Lifeport-regio, die ze opdoen via het MKB Datalab-Oost. Van quick wins tot strategische inzichten: hun verhalen laten zien dat kunstmatige intelligentie geen toekomstmuziek is, maar vandaag al verschil kan maken voor het regionale mkb.
MKB Datalab-Oost is een initiatief van Radboud Universiteit en Universiteit Twente dat het mkb in Oost-Nederland helpt om de mogelijkheden van kunstmatige intelligentie en data te benutten. Daarbij voeren studenten AI en Data Science AI-projecten uit (6-10 weken) of werken als databuddy (40 uur), op locatie.
Steeds meer mkb’ers in de Lifeport‑regio ontdekken hoe studenten van MKB Datalab Oost hen kunnen helpen met slimme, praktische datatoepassingen.
Rivka van der Horst
Van Excel-sheet naar intelligente beslisboom
Met haar achtergrond in Artificial Intelligence en Information Sciences wilde Rivka van der Horst ervaren wat ze in de praktijk voor een ondernemer kan betekenen. Via het Datalab kreeg ze de kans om dat te onderzoeken bij DBL Finance in Duiven.
Rivka van der Horst, alumna AI aan de Radboud Universiteit, raakte al vroeg verslingerd aan technologie. Als achtjarige knutselde ze haar eerste websites in elkaar door HTML‑code van spelletjespagina’s te kopiëren en naar eigen smaak aan te passen. Die nieuwsgierigheid groeide uit tot een bachelor Artificial Intelligence en een master Information Sciences in Nijmegen.
Tijdens haar master meldde ze zich aan bij MKB Datalab Oost. Ze dacht aan een rol als databuddy, maar het team zag meer in haar en koppelde haar aan een volledig AI‑project bij DBL Finance in Duiven.
Lease-auto’s matchen
DBL Finance is de eenmanszaak van ondernemer Dick Poot. Hij helpt particulieren en kleine ondernemers bij het vinden van de best passende aanbieding voor autolease. Rivka legt uit: “Tot voor kort deed Dick alles handmatig, met alleen een Excel‑bestand, een set vaste criteria en heel veel kennis in zijn hoofd. Tijdens een inspiratiesessie van MKB Datalab Oost won Dick een beurs voor een AI‑project. Het oorspronkelijke idee was om een machine‑learningmodel te bouwen dat automatisch voorspelt welke leasemaatschappij het beste past bij zijn klanten.”
Beslisboom
Al snel merkte Rivka dat machine learning helemaal niet paste bij wat Dick nodig had. “Hij werkt met harde criteria, niet met kansen,” zegt ze. “Zijn beslisproces is puur regelgebaseerd. De nieuwste AI‑systemen, zoals large language models (LLM), zijn geweldig met taal, maar veel minder geschikt om betrouwbaar met cijfers en strikte voorwaarden te werken.”
Daarom gooide ze het roer om. In 80 uur bracht ze het probleem in kaart, bedacht een oplossing en bouwde een lokaal draaiende tool die precies doet wat Dick nodig heeft. “Ik heb alle regels die hij in zijn hoofd had uitgeplozen en vastgelegd in een Excelbestand. De code leest die regels automatisch in en past zich direct aan als hij iets wijzigt. Zo blijft de tool bij aanpassingen altijd up‑to‑date, zonder dat hij ook maar één regel hoeft te programmeren.”
Alle criteria boven tafel
Omdat veel kennis alleen in het hoofd van Dick zat, was het voor Rivka een flinke puzzel om alle criteria scherp te krijgen. Ze voerde uitgebreide gesprekken met hem, dook in eerdere lease‑aanvragen en controleerde telkens of haar beslisboom dezelfde keuzes maakte als Dick zelf. “Het was soms echt speurwerk,” zegt ze. “Maar juist dat proces: alles expliciet maken wat iemand normaal intuïtief doet, vond ik ontzettend leuk.”
Daarnaast schreef ze duidelijke documentatie, zodat de webbouwer van DBL Finance de tool later eenvoudig kan koppelen aan de website. In de toekomst kan een aanvraag daardoor automatisch door de beslisboom worden verwerkt, zonder dat Dick er nog handmatig naar hoeft te kijken.
Volledige projectverantwoordelijkheid
Het project was spannend, geeft Rivka toe. De studie AI bestaat uit veel losse opdrachten die vaak maar beperkt verbonden zijn met de praktijk, waardoor je wel leert hoe je code schrijft, maar minder hoe je die kennis inzet voor echte toepassingen. “Daardoor voelt het soms alsof je vooral vraagstukken oplost, zonder te weten of je die ook in de praktijk kunt gebruiken. Pas als je voor een echte ondernemer werkt, ontdek je wat je écht kunt.”
Ook ontdekte Rivka dat technische vaardigheden belangrijk zijn, maar dat het minstens zo belangrijk is om goed te luisteren en dóór te vragen om de juiste informatie boven tafel te krijgen. Zeker bij een ondernemer die veel kennis in zijn hoofd heeft en niet alles expliciet heeft vastgelegd. Ze merkte ook dat ze het leuk vindt om verantwoordelijkheid te dragen voor een volledig project.
“Zodra je voor een echte ondernemer werkt, merk je pas echt hoeveel kennis je al in huis hebt”
Rivka van der Horst
Technisch en communicatief sterk
Sinds haar afstuderen werkt Rivka bij KPMG als consultant in Governance, Risk & Compliance Technology. Daar helpt ze bedrijven hun systemen veilig, controleerbaar en compliant in te richten.
De ervaring bij DBL Finance helpt haar nog steeds. Ze begrijpt nu beter hoe een volledig project eruitziet, van klantvraag tot oplossing.
Ze merkte dat ze door dit project verder kon kijken dan alleen haar eigen taak: “Door dit project zie ik nu veel beter hoe alle onderdelen van een traject in elkaar grijpen. Het deed me ook inzien dat het belangrijk is om zowel technisch als communicatief sterk te zijn.”
“Dankzij Rivka staat er nu een stabiele en betrouwbare basis”
Dick Poot
Stabiele en betrouwbare basis
Opdrachtgever Dick Poot: “Door dit project besef ik beter hoe je langzaam meegroeit met de materie die dagelijks je beslissingen beïnvloedt. Je werkt er bijna onbewust mee. Door bewust stil te staan bij de verschillende beslisbomen, kreeg ik meer grip op het volledige proces.
Dankzij Rivka staat er nu een stabiele en betrouwbare basis. Het is direct inzetbaar in de dagelijkse praktijk en vormt een stevig fundament om zowel de werkzaamheden verder te ontwikkelen als de groei van mijn onderneming te ondersteunen.”
Tip voor andere MKB’ers
Net als andere studenten ontdekte Rivka dat AI niet altijd de beste oplossing is. Soms is een simpele, transparante methode beter, goedkoper en betrouwbaarder.
Dat is meteen haar belangrijkste advies aan mkb’ers: omdat grote taalmodellen (AI die is getraind op enorme hoeveelheden tekst) zo toegankelijk en krachtig lijken, worden ze soms te snel gezien als dé oplossing. In de praktijk zijn ze lang niet altijd de beste, simpelste of goedkoopste keuze. Daarom is het slim om iemand met kennis mee te laten kijken, voordat je ermee aan de slag gaat.
