Drie weken geleden stond ik voor een zaal en wilde het woord epistemologie gebruiken. Ik struikelde, en niet een beetje. Ik hoorde mezelf "episte... epistemo..." zeggen en moest opnieuw beginnen. Het publiek vond het, net als ik, wel grappig. Het is gewoon een lastig woord.

Wat me opviel: de journalisten en archivarissen in de zaal kenden het woord wel, en herkenden mijn worsteling. Veel mensen kennen het helemaal niet. En de mensen die het kennen, struikelen erover. Het is een van die woorden die je liever vermijdt in een gesprek, omdat de kans dat je het vloeiend uitspreekt kleiner is dan de kans dat je jezelf voor gek zet.

Ik ben het woord niet gaan oefenen. Ik ben het terrein binnengelopen waar het thuishoort.

Epistemologie is de tak van de filosofie die zich bezighoudt met de vraag hoe we weten wat we weten. Niet wat we weten, maar waarom we denken dat het klopt. Klinkt academisch, is het niet.

Henk Westbroek had vroeger op de radio een leuk spelletje: Wat is waar? Er waren drie stellingen, en één daarvan klopte. Het was lange tijd mijn favoriete radiospelletje. Maar tegenwoordig ben ik bezig met een veel leukere vraag: wáárom is iets waar?

Neem een geboorteakte. De meeste mensen beschouwen dat als een feit. Je bent geboren op die datum, in die plaats, met die naam. Maar een geboorteakte is geen bewijs dat je geboren bent. Het is een registratie dat iemand heeft geregistreerd dat je geboren bent. Dat is een verschil dat meestal niet uitmaakt, maar heel soms juist alles. Met grote gevolgen.

Als dingen misgaan bij overheidsorganisaties, gaat het precies hier mis. Iedereen mag fouten maken, maar dan is het wel fijn als je weet wat, waarom, wanneer en met wie er iets gebeurde, zodat je het kunt reconstrueren. En omdat dat bewijsspoor niet goed geregeld is bij de overheid, kost het herstellen van zaken als de toeslagenaffaire miljarden in plaats van miljoenen.

Of neem een wetenschappelijk artikel. Peer reviewed klinkt als het hoogste keurmerk. Maar peer review betekent dat een paar experts het paper gelezen hebben en het plausibel vonden. Ze hebben geen experiment herhaald, geen data nagerekend. Ze hebben gestemd op aannemelijkheid. Iets anders dan bewijs.

We nemen elke dag honderden dingen voor waar aan op basis van registraties, keurmerken en autoriteit. En dat werkt. Tot het niet meer werkt met vreselijke gevolgen. Kafka in het kwadraat. SyRI kruiste overheidsdatabases alsof registratie hetzelfde was als waarheid. Dat is geen bug maar het precies het terrein van de epistemologie.

Ik bouw al maanden aan een systeem dat informatie uit meerdere bronnen kruist (en profiteer daar elke dag flink van). Ik krijg zo vaak vragen over of wat ik zeg en beweer wel klopt dat ik een slimme verificatiemachine heb ingebouwd die elke kritiek erop als brandstof ter verbetering gebruikt. Een naam in een archief is interessant. Dezelfde naam in drie onafhankelijke archieven is een spoor. En de afwezigheid van een naam waar je hem wél verwacht, kan zomaar ineens het sterkste bewijs van allemaal zijn.

Het vakgebied dat zich bezighoudt met de vraag welke soorten bewijs er zijn, hoe sterk ze zijn, en wanneer je iets mag geloven, dat heet epistemologie. Ik wist niet eens dat er een term voor was.

Inmiddels kan ik het woord niet alleen vloeiend uitspreken. Ik begrijp de diepere betekenis en de lading ervan ook. Het is een normaal woord geworden, en in mijn werk regelmatig een noodzakelijk woord. Ik gebruik het zelfs in mijn instructies aan Claude Code. Het woord is een extra lens geworden, en die blijkt in mijn vak verrassend bruikbaar. Ik krijg vaker dan in veel andere vakken de vraag: hoe weet je of dit klopt? Zeker als je met AI werkt, en ik werk vooral met agentic AI: systemen die zelfstandig stappen zetten en bronnen kruisen. Dat is iets anders dan de LLM-chatbots die de meeste mensen gebruiken. Onder de noemer AI valt veel meer dan dat.

Veel mensen zijn bang voor AI. Bij een krachtige technologie is dat geen rare reactie, en ik vind het verstandig om kritisch te blijven. Maar de angst ervoor maakt iets belangrijks helaas onzichtbaar: dat wat hier gebeurt redeneren is, in geavanceerde vorm, en daarmee een vorm van intelligentie. Wat veel mensen zich niet realiseren, is dat AI naast een voorspellingsmachine ook een redeneermachine is. En dat computers daar extreem snel in zijn, en mits goed getraind ook erg vaardig. Precies wat ik dagelijks ondervind.

Wat ik ben gaan doen, is uitpluizen hoe iemand redeneert om tot een inzicht te komen, en vervolgens kijken hoe een computer dat doet. Mensen maken redeneerfouten als ze moe zijn of onder tijdsdruk staan, als emotie meespeelt of vooringenomenheid de boel kleurt. Computers hebben daar geen last van, maar wel andere mankementen: ze missen context, verzinnen soms patronen die er niet zijn, en hebben geen gevoel voor wat er op het spel staat. De kunst is om sterktes en zwaktes aan beide kanten goed te kennen en ze zo te combineren dat ze elkaar opvangen.

En bij redeneren hoort bewijsbaarheid. De hamvraag is wat een claim hard maakt, en hoe je dat zou kunnen toetsen. Dat brengt me terug bij het woord. Wat ik bouw, leunt zwaar op één vuistregel die ik mijn LLS-adagium ben gaan noemen:

Een naam in een archief is een wat. Een datum, een plaats, een bron is een dat. Wie de regels kent waarmee die dats aan dat wat hangen, kan afleiden of de claim houdbaar is.

In de praktijk heb ik daar een bewijslagen-systeem voor gebouwd. Een banktransactie met datum, bedrag en tegenpartij hoort bij laag 1, en is hard. Een naam die alleen genoemd wordt in een tekst is laag 6, en qua bewijslaag wat zachter. Een patroon dat alleen door AI is opgemerkt, is laag 9. Wat zeker is, presenteert het systeem als zeker. Wat een vermoeden is, blijft een vermoeden. De bewijslaag staat erbij, niet ergens los in een voetnoot. En alles is volledig verifieerbaar.

En dit is waar het interessant wordt: een losse laag zegt iets, maar de werkelijke kracht zit in de combinatie. Een conclusie die op laag 1 én laag 6 én laag 9 hetzelfde aanwijst, is robuuster dan iets wat één mens uit één bron kan halen. Een mens redeneert vaak met één draadje tegelijk en moet de rest in zijn hoofd zien te houden. Een systeem dat lagen tegen elkaar afweegt, kan honderden draadjes naast elkaar leggen en zien waar ze elkaar bevestigen of tegenspreken. Dat is een wezenlijk ander soort weten. En computers blijken er bizar snel en gedegen in te zijn.

Wat de afgelopen maanden veranderde, is dat agentic AI iets verschuift in vakgebieden als genealogie en archivistiek. Werk dat vroeger jaren kostte, met veel budget en een heel team, kan nu in een paar uur. De aanname daar was lang dat alleen een mens kan vaststellen of iets klopt. Een archivaris leest een document, plaatst het in context, oordeelt. Dat blijft de gouden standaard.

Maar archivarissen weten eigenlijk al lang dat verifiëren een methode is. Bronnenkritiek, provenance, respect des fonds. Dat zijn vakwoorden voor: kijken waar een document vandaan komt, wie het maakte, en hoe het bij andere stukken hoort. Geen intuïties, maar werkwijzen die in handboeken staan, voor het eerst gecodificeerd door Muller, Feith en Fruin in 1898. En een methode die je kunt opschrijven, kan iets anders ook uitvoeren, zolang het de regels kent en zich eraan houdt.

Dat is geen vervanging van de archivaris, maar wel een uitbreiding van wat we dachten dat hem of haar uniek maakte. En het is precies het soort verschuiving waar je het woord epistemologie voor nodig hebt, omdat "hoe weten we wat we weten" plotseling geen academische vraag meer is, maar een praktische.

Wat me opvalt: het helpt me ook in mijn denken en spreken. Ik ben me veel meer bewust van wat ik zeg en waarom ik denk dat het klopt. Het bouwen aan zo'n systeem werkt terug op de bouwer. AI-critici zeggen graag dat AI je dommer maakt, maar ik voel me er niet alleen slimmer door, ik leer veel en denk echt dat ik er persoonlijk wat slimmer door wordt, en voel me dagelijks ongekend intellectueel én creatief door uitgedaagd! En kan het met slaap- en bloeddrukdata nog bewijzen ook 🤣