Bij het doorlichten van tien Nederlandse MKB-bedrijven kwamen we een installatiebedrijf tegen waar iets bijzonders gebeurde. Niet alleen dat AI-modellen de vestigingsplaats fout hadden — dat kwam vaker voor. Het bijzondere was dat ze het elke keer anders fout hadden.
Het bedrijf zit in de provincie Utrecht. Dat staat zo in het Handelsregister, dat is controleerbaar, daar valt niet over te twisten. We hebben op drie momenten gemeten, telkens met dezelfde vraag aan dezelfde modellen.
De oogst
Alles wat er over de vestigingsplaats werd gezegd, verzameld:
| Wat een model antwoordde | Afstand tot de werkelijkheid |
|---|---|
| Regio Eindhoven | ± 90 km |
| De Kempen | ± 110 km |
| Straal van 30 km rond Veldhoven | ± 95 km |
| Regio Limburg | ± 130 km |
| Oosten van Noord-Brabant, hoofdlocatie Cuijk | ± 90 km |
| Helmond | ± 100 km |
| Regio Zuidoost-Brabant | ± 100 km |
| Regio rond Zuid-Holland | verkeerde provincie |
Acht antwoorden. Nul keer de juiste provincie. En — dit is het punt — nooit twee keer dezelfde fout.
Waarom dat erger is dan één foute uitkomst
Als vijf modellen allemaal “Helmond” hadden gezegd, was er ergens een verkeerde bron te vinden geweest. Een oude vermelding in een bedrijvengids, een verwarring met een gelijknamig bedrijf. Iets om op te sporen en te corrigeren.
Acht verschillende antwoorden betekenen iets anders: er is helemaal geen bron. Elk model komt bij deze vraag met lege handen te staan en vult de leegte zelf in — los van elkaar, en elke keer opnieuw.
Dat verklaart ook waarom dezelfde vraag op maandag een ander antwoord geeft dan op donderdag. Er valt niets te onthouden als er niets te weten is.
Waar die leegte vandaan komt
We hebben de website van dit bedrijf doorzocht op zijn eigen vestigingsplaats. Homepage, contactpagina, over-onspagina.
De plaatsnaam komt er nergens op voor. Ook het adres niet, ook de postcode niet.
Er is geen JSON-LD, geen Organization- of LocalBusiness-markup. Een bezoeker kan bellen en het vragen. Een AI-model kan dat niet — het kan alleen lezen wat er staat, en er staat niets.
Open je homepage en druk op Ctrl+F. Typ je eigen plaatsnaam. Geen resultaat? Doe hetzelfde op je contactpagina. Staat hij daar ook niet als tekst — bijvoorbeeld alleen in een afbeelding of in een contactformulier — dan heeft een AI-model precies hetzelfde probleem als bij het bedrijf hierboven.
Waarom je adres in de voettekst niet genoeg is
De meeste sites hebben het adres wél ergens staan, meestal onderaan. Toch zien we ook daar fouten ontstaan. Het verschil zit in hoe zeker een machine kan zijn.
Een regel tekst onderaan een pagina kan van alles zijn: het bezoekadres, het postadres, het adres van een vestiging, of een adres dat toevallig genoemd wordt. Een mens leest de context. Een model moet gokken welke rol die tekst heeft.
Met LocalBusiness-schema is er niets te gokken. Dan staat er letterlijk, in code die alleen machines lezen: dit is het bedrijf, dit is de straat, dit is de plaats, dit is de postcode. Onzichtbaar voor bezoekers, ondubbelzinnig voor een model.
Datzelfde geldt voor een llms.txt: een klein tekstbestand waarin je in gewone taal opschrijft wie je bent, wat je doet en waar je zit. Bedoeld om door taalmodellen gelezen te worden.
Wat je hieruit moet meenemen
Eén meting zegt weinig. Krijg je één keer een goed antwoord van ChatGPT, dan weet je niet of dat op een bron rust of op toeval.
Wat je wilt weten is of de antwoorden stabiel zijn: hetzelfde over meerdere modellen, en hetzelfde over meerdere dagen. Wisselen ze, dan ontbreekt de bron — ook als het antwoord toevallig een keer klopt.
Bij acht van de tien bedrijven uit ons onderzoek waren de antwoorden stabiel en correct. Bij twee niet. Het verschil zat niet in bekendheid of omvang, maar in of de feiten machineleesbaar op de eigen site stonden.