Terug naar Woordenboek
beginnerBasis Concepten
5 min leestijd

LLM

Large Language Model

Simpele Uitleg

Een LLM is de technologie achter ChatGPT, Claude en Gemini. Het is een AI-systeem dat getraind is op enorme hoeveelheden tekst en daardoor menselijke taal kan begrijpen en genereren. Vergelijk het met iemand die miljoenen boeken heeft gelezen en op basis daarvan gesprekken kan voeren, vragen kan beantwoorden en teksten kan schrijven.

Technische Definitie

Een Large Language Model is gebouwd op de transformer-architectuur en getraind op miljarden parameters. Het model leert patronen in taal door tokens te voorspellen: gegeven een reeks woorden, wat is het meest waarschijnlijke volgende woord? Door dit miljarden keren te doen op enorme datasets, leert het model niet alleen grammatica, maar ook redeneren, vertalen en code schrijven. De huidige generatie (GPT-5, Claude 4, Gemini 2) heeft honderden miljarden parameters.

Waarom Dit Belangrijk Is

LLMs veranderen hoe bedrijven werken. Niet over vijf jaar — nu. Teams gebruiken ze al voor klantenservice, contentcreatie, data-analyse en code. Het verschil tussen bedrijven die hier slim mee omgaan en bedrijven die achterblijven wordt elke maand groter.

Het punt is: een LLM is zo goed als de persoon die het aanstuurt. Wie weet hoe je goede prompts schrijft, de juiste context meegeeft en de output kritisch beoordeelt, haalt er 10x meer uit. Dat is precies waarom steeds meer bedrijven hun teams hierin trainen — via programma's als de ChatGPT, Claude & Gemini Masterclass.

Hoe Het Werkt

Stel je voor dat je een zin begint: "De kat zit op de..." Je brein vult automatisch "mat" of "bank" in. Dat is precies wat een LLM doet, maar dan met miljarden voorbeelden als basis.

Het model leest je prompt, zet die om naar tokens, en genereert woord-voor-woord het meest waarschijnlijke antwoord. Het "begrijpt" taal niet zoals wij, maar het herkent patronen zo goed dat het resultaat vaak niet van menselijk werk te onderscheiden is.

Belangrijk om te weten: een LLM zoekt niet in een database met feiten. Het voorspelt tekst op basis van patronen. Daarom kan het soms overtuigend klinkende onzin produceren — dat noemen we hallucination. Wil je leren hoe je hier als team mee omgaat? Bekijk AI als Teamsport.

Use Cases

Content en marketing

Een marketing team gebruikt een LLM voor blogs, social posts en productbeschrijvingen. Niet als vervanging van de schrijver, maar als eerste versie die je vervolgens bijschaaft. Resultaat: 3-5x sneller van idee naar publicatie.

Klantenservice automatiseren

Een support team zet een LLM-chatbot in die veelgestelde vragen beantwoordt op basis van de eigen kennisbank (RAG). Simpele vragen worden direct opgelost, complexe worden doorgestuurd naar een mens.

Code schrijven en reviewen

Een development team gebruikt LLMs via tools als Cursor en Claude Code om sneller te coderen, bugs te vinden en code te reviewen. Developers die dit beheersen zijn aantoonbaar productiever.

Data en analyse

Een finance team laat een LLM kwartaalcijfers samenvatten, patronen herkennen en rapportages genereren. Wat vroeger een halve dag kostte, is nu klaar in minuten.

Voorbeelden

Verschil tussen modellen

ChatGPT (OpenAI) is sterk in creatieve taken en breed inzetbaar. Claude (Anthropic) blinkt uit in lange documenten dankzij een grote context window van 200K tokens. Gemini (Google) verwerkt tekst, beeld én video tegelijk (multimodaal).

Welk model het beste past hangt af van je use case. In de ChatGPT, Claude & Gemini Masterclass leer je de sterke en zwakke punten van elk model en wanneer je welk inzet.

LLM inzetten op de werkvloer

Een e-commerce bedrijf zet ChatGPT in voor drie taken: productbeschrijvingen schrijven, retourvragen beantwoorden, en reviews samenvatten. Het support team lost 70% van de vragen automatisch op. Het marketing team publiceert 3x meer content. Sleutel tot succes: niet ieder voor zich, maar met gedeelde workflows en afspraken.

Veelgemaakte Fouten

"LLMs maken geen fouten"

Alle LLMs hallucineren — ze verzinnen soms feiten met volle overtuiging. Voor belangrijke informatie moet je altijd de output controleren. AI levert de draft, jij doet de quality check.

"Alle LLMs zijn hetzelfde"

Elk model heeft sterke en zwakke punten. Claude is beter in lange documenten, ChatGPT in creatief werk, Gemini in multimodale taken. Het juiste model kiezen voor de juiste taak maakt een groot verschil.

"Je typt gewoon een vraag en klaar"

De kwaliteit van je output hangt direct af van je input. Goede prompt engineering — context meegeven, voorbeelden tonen, duidelijke instructies — maakt het verschil tussen matige en uitstekende resultaten.

Tools Die Dit Gebruiken

ChatGPTClaudeGeminiPerplexityGitHub CopilotCursor

Veelgestelde Vragen

Wat is het verschil tussen een LLM en AI?
AI is de overkoepelende term voor alle "slimme" computersystemen. Een LLM is een specifiek type AI dat gespecialiseerd is in taal. Andere vormen van AI zijn bijvoorbeeld beeldherkenning, spraakherkenning en robotica. Wanneer mensen het over "AI" hebben, bedoelen ze tegenwoordig meestal LLMs.
Hoeveel kost het om een LLM te gebruiken?
Via de chatversies (ChatGPT Plus, Claude Pro) betaal je €20/maand. Via de API betaal je per token — voor de meeste bedrijven komt dat neer op €50-500 per maand. De kosten hangen af van hoeveel je verwerkt en welk model je kiest.
Kan ik een LLM trainen op mijn eigen bedrijfsdata?
Een eigen LLM trainen kost miljoenen. Dat is voor 99% van de bedrijven niet nodig. De slimme aanpak: gebruik een bestaand model en geef je eigen data mee via RAG of fine-tuning. Zo krijg je antwoorden op basis van jouw informatie zonder een eigen model te bouwen.
Hoe begin ik met LLMs in mijn bedrijf?
Start met één concreet proces waar je team tijd aan kwijt is — e-mails beantwoorden, rapporten samenvatten, content schrijven. Leer de basis van prompt engineering en bouw van daaruit op. In de AI voor bedrijven training begeleiden we dit stap voor stap.

Wil je deze term in de praktijk leren toepassen?