Nederlandse startup LemmaBase wil AI betrouwbaarder maken met programmeertaal voor harde regels

De Nederlandse startup LemmaBase heeft deze week Lemma gelanceerd, een open source programmeertaal die bedrijfsregels, beleid en wetgeving leesbaar én uitvoerbaar moet maken. Het bedrijf wil daarmee een probleem aanpakken dat belangrijker wordt nu organisaties AI inzetten voor processen waarin een fout antwoord financiële of juridische gevolgen kan hebben: een taalmodel kan een gesprek voeren, maar zou niet zelf moeten gokken welke regel van toepassing is.

Lemma kiest daarom voor een scheiding tussen generatieve AI en de daadwerkelijke beslislogica. Een AI-assistent kan bijvoorbeeld met een klant praten en gegevens verzamelen, terwijl Lemma op de achtergrond volgens vooraf vastgelegde regels een berekening of beslissing uitvoert.

"Als het gaat over belangrijke regels en afspraken in onze samenleving is 'waarschijnlijk' niet goed genoeg en heb je dus een deterministische laag nodig", zegt Ben Rogmans, CEO van LemmaBase, in gesprek met AI Wereld.

Dat klinkt als een technisch detail, maar raakt aan een bredere vraag rond de inzet van AI: welke taken laat je over aan een probabilistisch AI-model en welke beslissingen moeten volledig voorspelbaar blijven?

Lemma is geen AI-model en moet ook niet worden verward met namen als Llama van Meta. Het is een declaratieve programmeertaal die specifiek is ontworpen voor het vastleggen en uitvoeren van regels.

Die regels moeten volgens LemmaBase dichter bij de manier liggen waarop mensen beleid en voorwaarden daadwerkelijk opschrijven. Een regel kan bijvoorbeeld een standaarduitkomst bevatten, gevolgd door uitzonderingen die onder bepaalde voorwaarden gelden.

De openbare GitHub-repository omschrijft Lemma als een "pure, declarative language for business rules". De documentatie laat onder meer voorbeelden zien voor prijzen, kortingen en voorwaarden. Regels kunnen daarnaast een uitlegbaar resultaat opleveren waarbij zichtbaar wordt hoe een uitkomst tot stand kwam.

Dat laatste moet ervoor zorgen dat niet alleen programmeurs met de logica kunnen werken.

"Regels en afspraken die in Lemma worden opgeschreven, lezen als een normaal document", legt Rogmans uit. "Daardoor kunnen niet-technische belanghebbenden, zoals managers, beleidsmakers of juristen, de regels in Lemma controleren en ze zelf opstellen, al dan niet met behulp van AI."

Het concept valt binnen wat doorgaans 'rules as code' wordt genoemd. Daarbij worden regels niet alleen beschreven in beleidsdocumenten en vervolgens afzonderlijk vertaald naar software, maar vastgelegd in een vorm die zowel mensen als computers kunnen gebruiken.

Generatieve AI is goed in taal, maar een taalmodel biedt niet automatisch de garantie dat dezelfde vraag onder dezelfde omstandigheden altijd exact dezelfde correcte beslissing oplevert.

LemmaBase wil daarom twee functies uit elkaar trekken. Een groot taalmodel kan natuurlijke taal interpreteren, vragen stellen en antwoorden formuleren. Lemma voert vervolgens de vooraf vastgelegde logica uit.

Via het Model Context Protocol, kortweg MCP, kan een AI-assistent toegang krijgen tot gepubliceerde Lemma-regels. De huidige documentatie van LemmaBase beschrijft hoe zo'n assistent specificaties kan bekijken, benodigde invoer kan achterhalen en regels kan uitvoeren. De verbinding is daarbij read-only: de AI-assistent kan via die koppeling niet zelfstandig gepubliceerde regels aanpassen.

"De taalmodellen mogen kletsen wat ze willen, maar voor bepaalde besluiten kun je vereisen dat ze de Lemma-regels hebben toegepast", zegt Rogmans.

Die formulering illustreert de architectuur die het bedrijf voor ogen heeft. AI verzorgt de flexibele interactie, terwijl een afzonderlijke deterministische laag de harde berekening afhandelt.

Een hypotheekberekening is volgens Rogmans een voorbeeld van een proces waarin die taakverdeling bruikbaar kan zijn.

Een bank zou eerst de voorwaarden van een hypotheekproduct in een Lemma-specificatie kunnen vastleggen. Denk aan minimale en maximale bedragen, rentetarieven en voorwaarden rond inkomen. Een AI-agent kan vervolgens tijdens een gesprek met een klant informatie verzamelen.

De agent hoeft daarbij niet noodzakelijk vooraf een vaste vragenlijst af te werken. Lemma kan volgens Rogmans aangeven welke gegevens voor een bepaalde berekening nog ontbreken.

"Als een klant geen partner heeft, vragen Lemma en de AI-agent dus ook niet om het inkomen van een partner", geeft hij als voorbeeld.

Zodra de benodigde gegevens beschikbaar zijn, voert Lemma de berekening uit. De AI-assistent krijgt vervolgens zowel het resultaat als de onderliggende berekening terug en kan die informatie aan de gebruiker uitleggen.

Een taalmodel kan daarna bijvoorbeeld verschillende scenario's bespreken, maar de onderliggende rekenregels blijven afkomstig uit de door de organisatie vastgelegde specificatie.

Dat onderscheid is belangrijk. De AI genereert in dit model niet zelfstandig de regels waaraan een hypotheekaanvraag moet voldoen. De bank blijft verantwoordelijk voor het definiëren daarvan.

LemmaBase gebruikt in zijn aankondiging stevige termen als "absolute betrouwbaarheid" en "absolute zekerheid". Die claims vereisen enige nuance.

Volgens Rogmans controleert Lemma een specificatie met statische analyse voordat de regels worden uitgevoerd. Daarmee probeert de taal onder meer technisch ongeldige constructies, cirkelredeneringen en tegenstrijdigheden vooraf tegen te houden.

De openbare repository stelt eveneens dat ongeldige specificaties vóór evaluatie worden geweigerd en dat dezelfde specificatie met dezelfde gegevens op hetzelfde moment dezelfde uitkomst geeft. Lemma kan daarnaast een gestructureerde uitleg genereren van de regels die tot een resultaat hebben geleid.

Die technische zekerheid betekent echter niet automatisch dat een besluit inhoudelijk juist is.

Als een organisatie bijvoorbeeld een verkeerde inkomensgrens in haar regels zet, kan een systeem die verkeerde regel technisch perfect uitvoeren. De kwaliteit van de bronregels blijft dus de verantwoordelijkheid van de mensen en organisaties die ze opstellen.

Rogmans erkent die grens expliciet. "Het is aan de schrijvers van Lemma en ons democratisch stelsel om ervoor te zorgen dat de juiste regels worden opgesteld; daar heeft Lemma geen oordeel over."

Dat onderscheid is essentieel voor organisaties die AI en geautomatiseerde besluitvorming inzetten. Deterministische software kan garanderen dat vastgelegde logica consequent wordt uitgevoerd, maar kan niet zelfstandig bepalen of beleid eerlijk, wenselijk of juridisch correct is.

Ook niet iedere wet of beleidsregel kan volledig worden teruggebracht tot een rekensom.

Begrippen als een "gegronde reden" of "dringende eigen behoefte" kunnen menselijke interpretatie vereisen. LemmaBase zegt dergelijke beoordelingen daarom niet automatisch te willen vervangen.

"Lemma is niet bedoeld om menselijk oordeel of subjectieve interpretatie te vervangen, maar om de consequenties van een besluit feilloos door te rekenen", zegt Rogmans.

Een medewerker kan bijvoorbeeld eerst bepalen of in een specifieke situatie sprake is van een bepaalde juridische kwalificatie. Lemma kan daarna de regels uitvoeren die bij die vaststelling horen.

Daarmee ontstaat een duidelijke grens tussen menselijke beoordeling en automatische uitvoering. Dat kan ook relevant zijn voor toezicht en bezwaarprocedures, omdat zichtbaar kan worden welk onderdeel door een mens is vastgesteld en welke gevolgen vervolgens automatisch uit de regels volgden.

Een opvallend onderdeel van Lemma is de ingebouwde omgang met tijd. Beleidsregels veranderen immers regelmatig, terwijl organisaties jaren later nog moeten kunnen reconstrueren waarom een oud besluit is genomen.

Stel dat een gemeente in 2025 een energievergoeding van 500 euro gaf aan huishoudens met een inkomen onder 30.000 euro. Vanaf 2026 stijgt de inkomensgrens naar 35.000 euro, terwijl de vergoeding daalt naar 400 euro.

Wanneer iemand in 2026 bezwaar maakt tegen een beslissing uit november 2025, moeten de regels uit 2025 worden toegepast.

Lemma ondersteunt hiervoor meerdere versies van specificaties naast elkaar. De engine kan volgens de openbare documentatie op basis van een tijdstip bepalen welke versie moet worden gebruikt.

"De burger en de auditor zien exact dezelfde onderbouwing, en de nieuwere regels van 2026 vervuilen het historische besluit niet", zegt Rogmans over zo'n scenario.

Dat kan vooral interessant zijn voor organisaties met veel veranderende regelgeving, waar bedrijfslogica nu verspreid kan zitten over applicaties, databases en oude code.

Volgens Rogmans ontstond Lemma juist uit frustratie over die versnippering. Hij zag tijdens zijn werk als chief technology officer hoe bedrijfsregels over verschillende technische systemen verspreid raakten.

"Vaak is een onevenredige hoeveelheid engineering nodig voor de meest simpele beleidsaanpassingen", zegt hij.

Bestaande business-rule-systemen lossen dat probleem deels al op. LemmaBase stelt echter dat dergelijke oplossingen geregeld gekoppeld zijn aan specifieke technologie, grafische interfaces of leveranciers. Met Lemma probeert het bedrijf regels juist als leesbare tekst en los van de applicatielaag te behandelen.

De technische aanpak is inmiddels daadwerkelijk beschikbaar voor ontwikkelaars. De openbare repository bevat onder meer de engine en command-line-interface, plus voorbeelden waarmee regels lokaal kunnen worden uitgevoerd. De software wordt onder de Apache 2.0-licentie aangeboden.

Lemma bevindt zich nog in een vroege fase en moet zich in de praktijk nog op grotere schaal bewijzen.

Rogmans zegt dat de technologie momenteel in verschillende pilots wordt gebruikt voor onder meer deterministische AI-toepassingen, complexe prijsberekeningen, financiële producten en het inventariseren van regels in bestaande legacy-systemen. LemmaBase heeft geen namen van deze pilotklanten verstrekt in de antwoorden aan AI Wereld. Daardoor zijn de omvang en resultaten daarvan op basis van de aangeleverde informatie niet onafhankelijk vast te stellen.

Ontwikkelaars kunnen de taal wel zelf testen. De GitHub-repository bevat installatie-instructies en voorbeelden, terwijl LemmaBase inmiddels een platform aanbiedt waarop teams regels kunnen schrijven, publiceren en versioneren. De documentatie beschrijft ook hoe systemen en AI-agenten gepubliceerde specificaties kunnen gebruiken.

Het verdienmodel ligt uiteindelijk rond die open source kern. Lemma zelf blijft volgens het bedrijf vrij beschikbaar, terwijl LemmaBase diensten wil verkopen rond samenwerking, implementatie, ondersteuning en beheer.

"Waar Lemma het gereedschap is, is LemmaBase de werkplaats", vat Rogmans het samen.

De relevantie van Lemma zit uiteindelijk minder in de vraag of de taal zelf een nieuwe standaard wordt, en meer in het probleem dat het project probeert op te lossen.

Steeds meer organisaties willen taalmodellen toegang geven tot echte bedrijfsprocessen. Zodra een chatbot alleen een e-mail opstelt, is een afwijkend antwoord doorgaans te corrigeren. Zodra dezelfde AI financiële voorwaarden berekent, vergunningen helpt beoordelen of rechten van burgers interpreteert, wordt voorspelbaarheid veel belangrijker.

Een mogelijke architectuur is daarom om AI niet de uiteindelijke beslislogica te laten bepalen. Het taalmodel kan begrijpen wat iemand vraagt en informatie verzamelen, terwijl traditionele software of een gespecialiseerde regelengine de harde voorwaarden uitvoert.

LemmaBase probeert precies die scheiding als programmeertaal en platform vorm te geven.

Of Lemma daarbij daadwerkelijk voordelen biedt boven bestaande rule engines en andere rules-as-code-oplossingen zal vooral uit productiegebruik moeten blijken. De technologie is openbaar te inspecteren en te testen, maar de praktijkclaims bevinden zich op dit moment nog grotendeels in de pilotfase.

De interessantste gedachte achter Lemma is daarmee misschien ook de eenvoudigste: betrouwbaardere AI hoeft niet noodzakelijk te betekenen dat het taalmodel zelf foutloos wordt. Voor sommige taken kan het verstandiger zijn om AI juist minder beslissingsmacht te geven.