De 3 lagen van AI-agents: brein, handen en geheugen

Een AI-agent is opgebouwd uit drie lagen: het brein, de handen, en het geheugen — en elk van die lagen bepaalt wat een agent wel en niet kan doen. Als je begrijpt hoe die architectuur werkt, begrijp je ook waarom sommige agents goed werken en andere niet.

Elke laag heeft een aparte functie — een agent zonder één van de drie werkt halverwege.

Laag 1: Het brein — het taalmodel

Het brein van een AI-agent is een groot taalmodel (LLM — Large Language Model): ChatGPT, Claude, Gemini, of een open-source model zoals Mistral. Dit is het denkende deel. Het brein interpreteert instructies, redeneert over wat er gedaan moet worden, en genereert output. Zie ook IBM's uitleg over AI-agents voor een technische achtergrond.

Wat het brein doet:

• Begrijpt wat de gebruiker of het systeem vraagt
• Beslist welke stap als volgende nodig is
• Evalueert of een stap is geslaagd of herhaald moet worden
• Genereert tekst, samenvattingen, beslissingen, en antwoorden

Wat het brein niet doet:

Het brein alleen is alleen een gesprekspartner. Zonder de andere twee lagen kan het redeneren maar niet handelen — en onthoudt het niets tussen gesprekken.

Praktische keuze:

De keuze van taalmodel heeft impact op de kwaliteit van de agent. GPT-4 presteert beter op complexe redenering dan kleinere modellen. Claude presteert beter op lange documenten en nuance. Mistral is relevant als data-privacy of kosten een rol spelen.

Meer over de modellen: Mistral vs ChatGPT vs Claude — welk AI-model kies je voor je bedrijf?

Laag 2: De handen — tools en integraties

Een brein zonder handen kan denken maar niet doen. Tools zijn de verbindingen naar de buitenwereld: de acties die een agent kan uitvoeren.

Voorbeelden van tools:

• Zoeken op het web — informatie ophalen die niet in het model zit
• E-mail versturen — via Gmail, Outlook, of een e-mailservice
• CRM bijwerken — een record aanmaken of aanpassen in HubSpot, Pipedrive, Twenty
• Database bevragen — gestructureerde data ophalen of schrijven
• Code uitvoeren — berekeningen, data-analyse, bestandsverwerking
• API aanroepen — data uitwisselen met externe diensten
• Bestand lezen of schrijven — documenten verwerken, rapporten genereren

De sleutelregel: Hoe meer relevante tools een agent heeft, hoe meer het kan bereiken. Maar ook: hoe meer tools, hoe meer risico op fouten. Goede agent-architectuur geeft een agent alleen de tools die het voor de specifieke taak nodig heeft — niet meer.

Wat tools mogelijk maken:

Een agent met een "verstuur e-mail"-tool kan niet alleen een e-mail schrijven — het kan die ook daadwerkelijk versturen. Dat is het verschil tussen een assistent die je vertelt wat je moet doen, en een assistent die het voor je doet.

Laag 3: Het geheugen — context bewaren

Geheugen is de meest onderschatte laag — en de reden waarom veel agents aanvoelen als "slim maar vergeetachtig."

Een agent zonder geheugen begint elke interactie opnieuw. Het heeft geen idee wie je bent, wat je eerder hebt gevraagd, of wat het zelf heeft gedaan. Dat maakt het nutteloos voor taken die context vereisen.

Er zijn drie vormen van geheugen:

Kortetermijngeheugen (context window)

Dit is de informatie die beschikbaar is tijdens één sessie of gesprek. Het taalmodel "ziet" de hele conversatie tegelijk — dat is de context window. Hoe groter de context window, hoe langer de gesprekshistorie die het model kan vasthouden.

Beperking: Als het gesprek de context window overschrijdt, valt het vroegste deel weg.

Langetermijngeheugen (externe opslag)

Voor informatie die gesprekken overstijgt, koppelt een agent aan een externe database. Feiten over een klant worden opgeslagen in een CRM. Eerdere beslissingen worden bewaard in een document. De volgende keer dat de agent wordt aangeroepen, haalt het die informatie op.

Wat dit mogelijk maakt: Een klantenservice-agent die weet welke eerdere klachten een klant had. Een sales-agent die bijhoudt in welk stadium elke lead zit. Een interne assistent die de bedrijfsprocedures kent en bijhoudt.

Semantisch geheugen (vector database)

Voor grote hoeveelheden informatie (kennisbanken, documentatie, historische data) gebruikt een geavanceerde agent een vector database: een systeem dat informatie opslaat op basis van betekenis, niet alleen op basis van zoekwoorden. De agent zoekt niet op tekst, maar op concept.

Praktisch voorbeeld: "Wat is ons retourbeleid voor beschadigde producten die langer dan 30 dagen geleden zijn ontvangen?" — een semantisch geheugen vindt het relevante stuk in de kennisbase, ook als die exacte woorden er niet instaan.

De drie lagen samengebracht

Een volledig functionerende AI-agent heeft alle drie lagen:

`

Taak binnenkomt

↓

BREIN bepaalt plan

↓

HANDEN voeren uit

↓

GEHEUGEN slaat op

↓

BREIN evalueert

↓

Klaar / volgende stap

`

Praktijkvoorbeeld — inkomende klantvraag:

1. Brein ontvangt de e-mail en bepaalt: dit is een klacht over levering
2. Handen bevragen het CRM: wat is de bestelgeschiedenis van deze klant?
3. Geheugen haalt op: deze klant had vorig kwartaal ook een leveringsprobleem
4. Brein schrijft een antwoord dat rekening houdt met de context
5. Handen sturen het antwoord
6. Geheugen slaat de interactie op voor toekomstig gebruik

Zonder het geheugen had het antwoord de klantcontext gemist. Zonder de handen had het brein alleen een concept kunnen schrijven. Zonder het brein was het een rigid script zonder flexibiliteit.

Wat dit betekent voor jou als ondernemer

Als je overweegt een AI-agent te laten bouwen of aan te schaffen, zijn dit de vragen die je moet stellen:

Over het brein:

• Welk taalmodel wordt gebruikt?
• Is dat model goed genoeg voor de complexiteit van mijn taak?

Over de handen:

• Welke tools heeft de agent toegang tot?
• Zijn dat de tools die nodig zijn voor mijn use case?
• Is er menselijk toezicht op acties met hoge impact (e-mails versturen, data aanpassen)?

Over het geheugen:

• Wat onthoudt de agent tussen sessies?
• Waar wordt die informatie opgeslagen?
• Voldoet dat aan privacyvereisten (AVG, EU AI Act)?

Een agent die sterk is op het brein maar zwak op geheugen, geeft inconsistente resultaten. Een agent die goede tools heeft maar geen geheugen opbouwt, werkt niet efficiënter naarmate hij meer data ziet.

Meer weten over AI-agents?

Lees het overzichtsartikel Wat is een AI Agent en wat kan het voor jouw bedrijf doen? voor een bredere inleiding. Of lees Agentic AI uitgelegd: van losse AI-tools naar zelfsturende workflows voor de volgende stap.

De AI Quickscan van Afdeling AI analyseert welke van jouw processen klaar zijn voor automatisering of een AI-agent — en welke laag het zwakste punt is.

→ Meer over de AI Quickscan

→ Lees ook: Agentic AI uitgelegd — van losse tools naar zelfsturende workflows

→ Lees ook: Wat is een AI Agent en wat kan het voor jouw bedrijf doen?

→ Lees ook: n8n uitgelegd — zo automatiseer je bedrijfsprocessen zonder te coderen

Gratis download — AI Strategie Canvas

Breng jouw AI-plannen in kaart met dit gestructureerde canvas: van doelen en tools tot implementatiestappen en risico's. Handig als startpunt voor een intern gesprek of een concrete implementatie.

→ Download gratis: AI Strategie Canvas