Ik help organisaties als freelance AI engineer en AI architect om AI-systemen te ontwerpen en bouwen voor werk dat door moet. LLM-applicaties, RAG en agentic workflows voor situaties waarin een demo niet genoeg is — waar data rommelig is, processen doorlopen en iemand op de uitkomst moet kunnen vertrouwen.
Een selectie van freelance opdrachten. Namen en details zijn geanonimiseerd waar dat nodig is; de technische context en mijn rol blijven concreet.
Architectuur en kaders voor GenAI en vision-AI, met een brug tussen management, IT en de organisatie. Inclusief governance, use-cases en adoptie.
Een pseudonimiseringslaag vóór AI-verwerking, sleutelbeheer in de eigen omgeving en een dashboard binnen de bestaande stack.
Een agent parseert, valideert en verrijkt klantverzoeken. Bij twijfel blijft menselijke review onderdeel van de flow.
Het model is maar één onderdeel. De waarde zit in de context, de integratie en de keuzes die je maakt wanneer een systeem iets niet zeker weet.
Modelkeuze, context, structured output, schema-validatie en een API-laag die in het proces past.
Chunking, embeddings, hybrid search, re-ranking, vector databases en evaluatie.
Tool use, multi-agent flows, MCP, validatie en human-in-the-loop waar dat nodig is.
Regressietests, tracing, monitoring, guardrails, privacy en kosten zijn onderdeel van het ontwerp.
Zoek je een freelance AI engineer, AI architect of Azure-specialist? Kies de route die bij je vraagstuk past.
Voor organisaties die LLM-applicaties, RAG, agents of automatisering willen bouwen met duidelijke tests en grenzen.
Voor teams die moeten bepalen wat een model, workflow, agent, RAG-systeem of klassieke integratie moet doen.
Voor Azure-omgevingen waar identity, data, observability, security en beheer net zo belangrijk zijn als het model.
Eerst het vraagstuk. Dan de technologie. Ik probeer niet ieder probleem met AI op te lossen; ik wil iets bouwen dat iemand morgen echt kan gebruiken.
Wat moet beter, voor wie en tegen welke foutkosten?
LLM, RAG, agent, klassieke integratie of geen AI.
Interfaces, tests, logging, foutafhandeling en security.
Evalueren met echte voorbeelden en verbeteren in gebruik.
Mijn achtergrond ligt in software engineering, e-commerce en automatisering. Vanuit die praktijk ben ik me steeds verder gaan richten op LLM-applicaties, RAG, agentic AI, AI-architectuur en AI-engineering in productie.
Meer dan 21.000 mensen volgen mij op LinkedIn. Ik deel daar mijn experimenten, lessen en observaties uit de praktijk.
Lees meer over mijn achtergrond ↗Ja. Ik stap in op opdrachten waar engineering, AI en een concreet proces bij elkaar komen — tijdelijk, zelfstandig en dicht op het werk.
Ja. Bestaande code, APIs, data en tooling zijn meestal het echte vertrekpunt. Ik kijk eerst wat bruikbaar is voordat er iets nieuws wordt gekozen.
Ja, zolang het verbonden blijft met bouwen en gebruiken. Een architectuurplaat zonder werkende route is niet het eindpunt.
Als onderdeel van het ontwerp: pseudonimiseren waar nodig, sleutelbeheer, auditability, guardrails en duidelijke grenzen voor wat een model wel en niet mag doen.
Iedere werkdag deel ik wat er nieuw en bruikbaar is in AI: LLM’s, Codex, Claude, Microsoft Azure, open source en manieren om AI beter in je werk te gebruiken.
Geen persbericht, wel een technische vertaalslag naar wat je er morgen mee kunt.
Migreer je MCP-server veilig naar de sessieloze 2026-07-28-specificatie: state, compatibiliteit, security en regressietests stap voor stap.
Lees artikel ↗Open source is geen vinkje op een architectuurplaat. Het is een keuze over controle, kosten, privacy en de verantwoordelijkheid die je zelf wilt dragen.
Lees artikel ↗De interessante verschuiving is niet dat een agent code kan schrijven. Het is dat je werk kunt organiseren rond een systeem dat plant, uitvoert, test en om review vraagt.
Lees artikel ↗Stuur me een bericht via LinkedIn of e-mail. Een korte schets van het proces en waar het vastloopt is genoeg om te beginnen.