AI voor de beleidscyclus,
die werkt voor gemeenten.
Gemeenten werken met versnipperde bronnen, juridische nuance en continu veranderende regels. Met 
maak je de beleidscyclus concreet, navolgbaar en uitvoerbaar, van interpretatie tot besluit, zonder regieverlies.
Minder zoekwerk, meer zekerheid.
Van open overheidsdata naar toepasbare beslissingen, in jouw context.
Begrijpen
Regels uit omgevingsplannen, het Besluit bouwwerken leefomgeving en lokale regelgeving worden eindelijk leesbaar. Nou ja, niet “simpel”, wel begrijpelijk, inclusief bronverwijzingen en context per casus.
Monitoren
Dashboards verzamelen signalen uit Overheid.nl en Rechtspraak, en zetten die om in overzicht. Wat ons opvalt is dat teams pas dan zien welke trends er echt spelen, per gebied of thema.
Vormen
Projectinformatie, participatie en terugkerende vragen van burgers worden één verhaal. Daardoor kun je beleid maken dat aansluit op wat men feitelijk meemaakt, in plaats van op losse incidenten.
Uitvoeren
Vergunningen en vragenstromen worden sneller afgehandeld doordat #MIND juridische onderbouwing, citaten en links naar originelen klaarzet. Maar je houdt controle, want alles is navolgbaar.
Zie de beleidscyclus als een verkeerscentrale.
In een verkeerscentrale wil je geen losse camerafeeds, je wil een overzicht met context, waarschuwingen en beslisruimte. Oplossingen voor de beleidscyclus werken net zo, je brengt data samen, je duidt, en je grijpt op tijd in, met bewijs.
#MIND maakt kennis actief, niet alleen vindbaar.
Veel organisaties hebben “informatie”, maar geen werkend geheugen. #MIND pakt statische documenten, metadata en bronstructuren op, en zet die om in een bedrijfsbrein dat je beleid, monitoring en uitvoering helpt sturen, met Audit Trail zodat je kunt terugzien hoe een conclusie tot stand kwam.
En het blijft jouw systeem, jouw regels.
Door data-soevereiniteit binnen de EU, metadata-intelligentie (dus niet alleen platte tekst), en een Skill Builder waarmee je je eigen bedrijfslogica vastlegt, voorkom je de bekende black box frustratie.
Begrijpelijke uitleg van complexe regels, per rol en situatie
Monitoring die trends en uitzonderingen boven water haalt (zonder dat iemand alles handmatig hoeft te lezen)
Beleidsvorming die leert van vragen, participatie en praktijkdocumenten
Instrumenten die versnipperde plannen scanbaar maken, inclusief definities en begrippen
Uitvoering met juridisch onderbouwde conceptantwoorden, plus controle via Audit Trail
Stappenplan: van bron tot organisatiebrede borging.
Wat ons opvalt is dat AI in overheden pas echt waardevol wordt wanneer teams feedbackcycli inbouwen. Volg deze vijf stappen.
Stap 1: koppel de bronnen die er al zijn.
Begin niet met nóg een portaal, begin met wat je al gebruikt. Koppel SharePoint, e-mail en waar nodig ERP of zaaksystemen, en voeg publieke bronnen toe die voor de beleidscyclus cruciaal zijn, zoals DSO-gerelateerde datasets en publicaties via Overheid.nl. En ja, in de praktijk vraagt dit om duidelijke afbakening, welke teams zien wat, welke stukken zijn leidend, en waar zit gevoelige data (die je dus anonimiseert).
Stap 2: digitaliseer de juridische en beleidslogica.
Daarna leg je vast hoe jouw organisatie redeneert. Welke definities hanteert de gemeente bij “bijbehorend bouwwerk”? Welke uitzonderingen gelden in een specifiek gebied? Welke beleidsregels wegen zwaar, en welke zijn informatief? Deze stap voelt soms taai, maar levert rust op, want #MIND kan vervolgens consistent redeneren op basis van jouw eigen kwaliteitsstandaard.
Maak een eerste set Skills, zoals “juridische onderbouwing”, “begrippen duiden”, “bronverwijzing verplicht”
Voeg een data-anonimisering Skill toe voor veilige verwerking van casussen
Spreek af hoe citaten, links en context in output moeten verschijnen
Stap 3: activeer met rolgerichte toepassingen.
Niet iedereen heeft hetzelfde nodig. Een burger wil klare taal. Een beleidsadviseur wil nuance. Een jurist wil bronnen en consistentie. Daarom werken rol-chatbots en dashboards zo goed: je geeft elk kanaal zijn eigen “functie”, met dezelfde onderliggende waarheid en dezelfde Audit Trail.
Stap 4: meet, verbeter en borg.
Welke antwoorden waren bruikbaar? Welke vragen kwamen terug? Welke uitspraken of publicaties veranderden de interpretatie? Je verwerkt die inzichten in Skills en kennisbank, waardoor de kwaliteit stijgt zonder dat je telkens opnieuw begint.
Stap 5: schaal van project naar organisatie.
Start bijvoorbeeld met één gebied, één omgevingsplan of één vergunningstroom. En schaal daarna naar andere gebieden, thema’s of teams, zonder dat je iedere keer maatwerksoftware hoeft te bouwen. Door de Skill-bibliotheek groeit de impact organisch, en dat werkt in bestuurlijke omgevingen meestal het best.
Wil je de beleidscyclus werkbaar maken?
Het kan frustrerend zijn wanneer iedereen hard werkt, maar het overzicht ontbreekt en discussies blijven hangen in “waar staat dat dan precies?”. Dus laten we het concreet maken, met jullie bronnen, jullie processen en jullie juridische realiteit. Ervaar de transparantie: bekijk de Audit Trail in actie. En koppel je SharePoint of ERP en activeer je data, zodat oplossingen voor de beleidscyclus niet alleen een plan blijven, maar een werkende routine worden.
Begrijp regels, zonder interpretatie-ruis.
Van publieke bronnen naar begrijpelijke, casusgerichte uitleg, met controleerbare herkomst.
Iedereen zegt dat informatie “openbaar” is, maar openbaar betekent nog niet toegankelijk. Een projectontwikkelaar die wil weten of een dakopbouw kan, een inwoner die iets wil plaatsen in de tuin, of een beleidsmedewerker die een uitzondering zoekt, lopen vaak vast op hetzelfde punt: er is te veel tekst, te veel verwijzingen, te veel lagen.
En onder de Omgevingswet is dat niet minder geworden. Er zijn omgevingsplannen, lokale regels, toepasbare regels, kaartlagen, definities, en dan ook nog de praktijk van vergunningverlening. Oplossingen voor de beleidscyclus beginnen daarom bij begrijpen, want als je de regels niet kunt uitleggen, kun je ze ook niet goed toepassen.
Rol-chatbots die informatie “in context” zetten.
Spartner ziet dat één generieke chatbot bijna altijd teleurstelt. Niet omdat AI het niet kan, maar omdat de vraagsteller een rol heeft, en een rol bepaalt welke nuance je nodig hebt. Daarom werken rolvarianten in de praktijk beter, bijvoorbeeld:
Omgevingsplan-chat.
Die helpt gebruikers informatie uit omgevingsplannen te begrijpen. Niet door te gokken, maar door dynamisch relevante passages op te halen, inclusief kaartcontext. Belangrijk detail, #MIND kan live meer data ophalen en de dataset opbouwen, zodat de beantwoording meegroeit met de vraag, in plaats van dat je vastzit aan één statische export.
Bouwregels-chat.
Deze is getraind op het Besluit bouwwerken leefomgeving, en maakt die informatie behapbaar. Dus geen eindeloze artikelen, maar uitleg in gewone taal, mét verwijzingen, zodat je er intern ook op kunt terugvallen.
Lokale regels-chat.
Deze houdt een gebruiker geïnformeerd over wat er speelt in een postcodegebied, en je kunt doorvragen totdat je de kern te pakken hebt. Wat ons opvalt is dat dit precies is wat burgers verwachten, een gesprek, geen zoekmachine.
En dan de techniek die het betrouwbaar maakt.
#MIND draait niet op “platte tekst”, maar op metadata-intelligentie. Dat klinkt abstract, maar het effect is concreet: documenten blijven gekoppeld aan herkomst, datum, context, en structuur. En via de Audit Trail kun je terugzien welke stappen de AI nam, welke bronnen zijn gebruikt, en waarom iets relevant werd geacht. Dat is in gemeentelijke omgevingen geen luxe, dat is de basis.
Monitor wat er echt gebeurt, in jouw gemeente.
Signalen uit bekendmakingen en jurisprudentie worden beleidstriggers, geen losse toevalligheden.
Beleid maken zonder monitoring voelt een beetje als sturen met je ogen dicht. Je weet dat er “van alles” speelt, maar je ziet pas laat waar het kantelt, bijvoorbeeld wanneer uitspraken binnenkomen, wanneer er een serie publicaties verschijnt, of wanneer een thema ineens in meerdere dossiers terugkomt.
Maar monitoring is lastig, omdat bronnen verspreid zijn. Mind heeft een slimme AI gedreven monitor met alle gegevens uit jouw gemeente.
"AI en machine learning als juridische tools"
We droegen de ontwikkeling van Lynn in 2020 over aan Spartner. Het Lynn platform krijgt dankzij de snelle doorontwikkeling een steeds centralere rol in de juridische wereld.
Lynn, de slimme juridische AI robotMarco Caspers Software Development Manager bij Lynn Legal
"Direct naar de beste stukken uit het gesprek."
Met ClipFinder spring ik direct in de onderwerpen die me aanspreken, van mensen die ik graag beluister. Ook is het vinden van "dat ene feitje dat ik herinner" super snel gedaan. Clips verschijnen direct onder elkaar met duidelijke quotes erbij. De kwaliteit van de resultaten verbazen me keer op keer.
AI chatbot met LLMArne Schoenmakers Founder ClipFinder & Spartner
.webp)
"Innoveren in juridische technologie"
Als juristen met kennis van IT hechten we veel waarde aan kwaliteit; zowel van de code als van het proces. De hoge standaarden en betrouwbaarheid van Spartner geeft ons de capaciteit om doorlopend innovatieve features te creëren.
Legal tech platformNiels Winters Directeur JuriBlox
"Hogere bezettingsgraad dankzij ons gebruiksvriendelijke platform"
In de mooie jaren dat we met Spartner samenwerken hebben we onze software sterk doorontwikkeld. Studenten en verhuurders werken actief met features als lotingen, betalingen, chat, contractgeneratie en meer.
Maurice Evers Department Head Student Housing
"Afspraak is ook echt afspraak"
Yield.inc is een nieuwe vermogensbeheerder in Nederland waar het accent ligt op een excellente klantbeleving, duurzaamheid en technologie. Toen wij voor de vraag stonden om ons platform in huis te ontwikkelen of met een partner zijn wij in contact getreden met Spartner. Wij staan nog steeds 100% achter de keuze voor Spartner want; het eigendom van de sourcecode ligt bij ons en bij Spartner is afspraak ook echt afspraak of het nu gaat over de oplevertermijn of over het afgesproken budget!
Hans Lugtenberg Partner at Yield Inc.
"Innoveren in hét digitale identificatie netwerk van Nederland en Europa"
De proactieve aanpak van Spartner was doorslaggevend voor het doorgronden van het complexe eHerkenning netwerk.
Ontwikkeling van eHerkenning aansluiting en dienstenMaarten Bremer CTO / Founder Ensured
"My Life Slim Venray"
Eenvoudig online samenwerken met onze cliënten zorgt voor een betere grip op de resultaten.
SAAS platform voor diëtist en afslankcoachAndré Basten Gewichtsconsulent
"Effectieve doorontwikkeling van onze broncode"
Na een flinke oriëntatie en selectie kwamen wij bij Spartner. Door samen te werken met Spartner kunnen wij ons richten op onze kernactiviteiten. De samenwerking met Spartner brengt niet alleen een uitbreiding van onze ontwikkelingsmogelijkheden met zich mee, maar zorgt ook voor een garantie van onze continuïteit. Voor ons als organisatie betekent dit een stap verder in professionalisering van onze onderneming en dienstverlening naar onze klanten
Anoniem Managing Director
"Pragmatische en flexibele samenwerking"
Spartner heeft voor ons een maatwerk portaal gemaakt voor de subsidieverantwoording van grootschalige samenwerkingsprojecten. Dit stelt ons en onze partners in staat om in een gezamenlijke omgeving op een veilige, inzichtelijke en beheersbare wijze hun plannen uit te voeren en te verantwoorden. De pragmatische en flexibele samenwerking met Spartner heeft ervoor gezorgd dat we in korte tijd een functionele een klantvriendelijke omgeving hebben gerealiseerd.
Jurjen Terpstra Managing Partner at Wecreate Consulting
"Professional fintech software development"
Spartner has delivered the world's most advanced KYC services management system.
Fintech software | KYC platformmet hoogwaardige API
Patrick Ryan Founder KYCnet
Werken oplossingen voor de beleidscyclus ook als onze data verspreid staat? 🙂
Ja, en eerlijk gezegd is dat meestal het startpunt. Gemeenten hebben informatie in SharePoint, mailboxen, zaaksystemen en daarnaast publieke bronnen zoals Overheid.nl en DSO-services. #MIND begint met koppelen en ordenen, en bouwt daarna een kennislaag die die verspreiding juist opvangt, zodat gebruikers niet meer hoeven te weten “waar” iets staat.
Hoe voorkomt #MIND dat AI dingen verzint? 😅
De kern is dat #MIND niet alleen praat, maar bronnen koppelt en redeneringen zichtbaar maakt. Via de Audit Trail zie je welke stappen zijn genomen en welke bronpassages zijn gebruikt. En door Skills af te dwingen, zoals “altijd citeren en linken”, stuur je output richting controleerbaarheid, wat in juridische en beleidscontext cruciaal is.
Kunnen we DSO-informatie en omgevingsdocumenten echt hergebruiken in eigen toepassingen?
Ja, het DSO is opgezet als open stelsel en aansluiten kan via API’s, met services die via het Ontwikkelaarsportaal beschikbaar zijn. In de praktijk betekent dit dat je open data kunt tonen, combineren of benutten in eigen systemen, afhankelijk van de vertrouwelijkheid en toegangsvoorwaarden zoals API-keys en fair use.
Wat is het verschil tussen een omgevingsplan-chat en een “gewone” AI-chat? 🤔
Een gewone chat mist vaak context en structuur. Een omgevingsplan-chat werkt met een dynamische dataset, relevante kaartlagen en bronselectie die past bij locatie en activiteit, zodat antwoorden niet alleen plausibel zijn, maar herleidbaar. En doordat #MIND metadata begrijpt, blijft de koppeling met versie, herkomst en werkingsgebied intact.
Helpt dit ook bij het omzetten van oude planregels naar één omgevingsplan?
#MIND kan helpen door omgevingsplannen te scannen, verschillen in definities zichtbaar te maken en begrippen consistent te duiden. In de praktijk is een begrippenlijst vaak de eerste doorbraak, omdat discussies over betekenis anders eindeloos duren. En vanuit daar kun je stappen zetten richting meer samenhang en standaardisatie.
Kunnen we beleid monitoren op gebied, bijvoorbeeld een projectgebied? 🗺️
Ja. Je kunt een gebied afbakenen en de monitoring daarop richten, zodat bekendmakingen, relevante regels en jurisprudentie in één overzicht samenkomen. Dat helpt projectteams en beleidsadviseurs om sneller te zien wat er verandert, en vooral, waarom dat relevant is voor het gebied.
Is dit bruikbaar voor vergunningverlening, of blijft het bij analyse? 🙂
Het is juist bruikbaar in de uitvoering. Denk aan een vergunningschatbot die vragen beantwoordt met citaten uit wet en regels, plus links naar originelen. En voor e-mail of servicedesk kan #MIND conceptantwoorden en onderbouwing klaarzetten, terwijl een medewerker de finale beslissing neemt.
Hoe zit het met privacy en data binnen de overheid? 🔒
#MIND is ontworpen met data-soevereiniteit binnen de EU en met anonimisering als onderdeel van de workflow. Dat betekent dat je gevoelige gegevens kunt afschermen voordat verwerking plaatsvindt, en dat je strakke toegangsrechten kunt hanteren per team, bron en use case.
Wat levert een Skill Builder nou concreet op? 😄
Consistentie. Je legt vast hoe je organisatie schrijft, analyseert en onderbouwt, en je dwingt die standaard af in elke output. Daardoor krijg je minder variatie tussen teams, minder “persoonlijke interpretaties” in teksten, en meer rust in reviewrondes, omdat iedereen naar dezelfde structuur kijkt.
